近年来，网络和信息技术的迅猛发展对教育领域产生了深远的影响，促使越来越多的基于web的教学系统应用到教学中。而在基于web的教学系统应用中，现有的网络教学系统往往忽视了学生的个体差异，对不同的学生提供相同的教学内容和教学策略，导致学生经常发生网络迷航和认知超载等问题，大大地影响了网络教学的质量，因此，许多研究者开始关注网络教学中如何提供给学生个性化、自适应的学习支持服务，从而满足不同学生有差异性的学习需求。个性化教学系统实质上是为学生提供一个适应性、个性化的在线学习环境，并能够根据学生在学习过程中的差异性而提供适合学生个性特征的学习支持，从而提高学生的学习效果和学习效率。　　在个性化教学系统中，学生模型是系统的核心部件，它通过记录、存储、积累或抽象化表示学生的相关信息，对学生的行为和能力进行解释，通过推断得到关于学生总体的学习状况，从而“决策”学生的学习进程，促使学生调整学习内容，开展有效、高效地学习。因此，如何构建一个能准确反映学生个体特征信息的学生模型是提供个性化教学的关键，只有确切地了解学生对不同粒度层次知识的掌握水平，系统才能对学生的综合能力进行准确地判断，从而给出适当的教学内容与教学策略，提高学生的学习效率，为个性化教学提供了重要的依据。　　本文通过分析几种典型的学生模型，指出这些学生模型的不足之处，并对学生模型的几种建模方法进行了比较分析，提出一种采用贝叶斯网络结合模糊综合评价方法来构建学生模型，其主要的研究内容包括：　　1、领域知识的建模。通过划分课程的知识结构，结合课程目标来对构建领域知识树。　　2、基于贝叶斯网络与模糊综合评价方法相结合的学生模型构建。通过对学生的学习记录数据使用模糊综合评价方法对学生的认知能力进行量化，然后通过量化的结果作为证据节点加入到贝叶斯网络中，从而使贝叶斯网络得到更新，得到学生模型的输出。　　3、学生模型更新算法的设计。力求提高算法的准确性和时效性。这样，系统就能准确地诊断学生的知识掌握水平并动态更新学生模型的信息，从而能及时反映学生的情况。　　4、基于该学生模型的iLearning系统的设计与实现。将上述学生模型的设计理念与算法应用于iLearning系统，并对模型做了评估实验，验证模型是否能较准确地评估学生的知识掌握水平，为个性化的学习提供支持。　　研究表明，本文提出的学生模型，能较准确地评价出学生的知识掌握水平，同时也为学生提供个性化的教学和个性化的学习指导提供了很大的帮助。