| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·问题描述 | 第9-10页 |
| ·本文的主要研究内容和创新 | 第10-11页 |
| ·本文的章节安排 | 第11-12页 |
| 第二章 智能教学系统的背景 | 第12-25页 |
| ·智能教学系统介绍 | 第12-15页 |
| ·智能教学系统的构成 | 第12-14页 |
| ·智能教学系统的分类 | 第14-15页 |
| ·学生模型 | 第15-16页 |
| ·学生模型的任务 | 第15页 |
| ·学生模型与不确定性管理 | 第15-16页 |
| ·学习风格模型 | 第16-18页 |
| ·学习风格的定义 | 第16-17页 |
| ·MBTI 学习风格评估工具 | 第17页 |
| ·Kolb 学习风格模型 | 第17-18页 |
| ·Herrmann 全脑优势测评工具（HBDI） | 第18页 |
| ·Felder-Silverman 学习风格模型 | 第18页 |
| ·智能教学系统研究现状 | 第18-24页 |
| ·国外研究现状 | 第18-21页 |
| ·国内研究现状 | 第21-22页 |
| ·ITLP 智能教学系统 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第三章 Felder and Silverman 学习风格模型 | 第25-32页 |
| ·学生差异的研究 | 第25页 |
| ·学习风格的维度（Dimensions） | 第25-28页 |
| ·感官型（Sensing）与直觉型（Intuitive） | 第26页 |
| ·视觉型（Visual）与语言型（Verbal） | 第26-27页 |
| ·积极型（Active）与反思型（Reflective） | 第27页 |
| ·循序型（Sequential）与全局型（Global） | 第27-28页 |
| ·学习风格指数问卷（ILS） | 第28-31页 |
| ·ILS 的组成 | 第28-29页 |
| ·学习风格ILS 的使用与须知 | 第29-30页 |
| ·ILS 的可靠性和合理性分析 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第四章 学生模型建模中的概率推理 | 第32-43页 |
| ·图模型理论 | 第32-33页 |
| ·贝叶斯网（BN） | 第33-34页 |
| ·贝叶斯网推理 | 第34-36页 |
| ·联合树算法 | 第36-42页 |
| ·联合树算法概述 | 第36-37页 |
| ·贝叶斯网的教化 | 第37页 |
| ·图的三角化 | 第37-39页 |
| ·团的识别 | 第39-40页 |
| ·构建联合树 | 第40-41页 |
| ·联合树推理 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第五章 系统设计与实现 | 第43-67页 |
| ·系统总体设计 | 第43-48页 |
| ·ITLP 系统设计概述 | 第43-45页 |
| ·ITLP 多层结构 | 第45-48页 |
| ·学习风格模型在ITLP 中的应用 | 第48-57页 |
| ·学习风格识别法 | 第48-49页 |
| ·学习风格组件设计 | 第49-55页 |
| ·用户界面定制 | 第55-57页 |
| ·贝叶斯网络在ITLP 中的应用 | 第57-65页 |
| ·JavaBayes 介绍 | 第57-58页 |
| ·JavaBayes 贝叶斯网的设计与实现 | 第58-61页 |
| ·JavaBayes 的推理和更新 | 第61-62页 |
| ·辅助导航 | 第62-65页 |
| ·小结 | 第65-67页 |
| 第六章 实验结果与分析 | 第67-71页 |
| ·实验目标 | 第67页 |
| ·实验细节 | 第67-69页 |
| ·实验方法论 | 第67-68页 |
| ·实验对象与实验材料 | 第68页 |
| ·步骤 | 第68-69页 |
| ·实验结果总结 | 第69-71页 |
| ·问卷第一部分 | 第69-70页 |
| ·问卷第二部分 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| ·总结 | 第71页 |
| ·研究展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间公开发表的论文 | 第78-79页 |
| 致谢 | 第79-80页 |
| 详细摘要 | 第80-82页 |
