近年来，随着网络教学平台的不断涌现，个性化教学系统的研究和开发成为远程教育中的关键问题和热点。而在个性化教学系统中的学生模型是其中的重要组成部分，在远程教育领域起着重要的作用。因此，研究如何设计和利用学生模型来实现远程教育中的个性化教学有着重要的意义。 贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一，适用于不确定性和概率性的知识表达和推理。它用一种基于网络结构的有向图描述，能进行双向并行推理，并能综合先验信息和后验数据，使推理结果更为准确可信。因此，将贝叶斯网络应用于个性化教学系统中将是非常有价值的。 本论文以建构主义思想为主要的学习理论为基础，利用贝叶斯网络模型，建立了覆盖型的贝叶斯网络学生模型。在本文中将教学资源融合到学生模型中，并将学生模型分为与领域知识(教学资源)相关模型和与领域知识无关模型，描述了建立模型的详细设计过程，包括领域知识拓扑图的建立、条件概率表的学习算法以及证据信息的获得，并对贝叶斯网络学生模型的知识表达方法进行了研究。在对学生认知能力的诊断过程中，运用模糊算法实现对学生认知能力的诊断及评价，评估学生对所学知识项的掌握程度，根据评估结果使得贝叶斯网络获得证据信息。 由于建立好的贝叶斯网络学生模型中存在无向环，使学生模型的推理成为一个NP难题。本论文在参考贝叶斯网络的更新算法的同时，用联合树算法来实现对建好的贝叶斯网络学生模型的推理更新。通过建立Moral图、构造三角化图、区分团节点，最后将学生模型转化为联合树的结构。这样，当有学生的反馈信息时，模型能够通过贝叶斯网络的自学习能力，更新知识项之间的概率分布，从而完成对学生能力及学习状况的预测推理，实现个性化教学。