智能教学系统（ITS）是一种计算机教育系统，其目的是提供即时和定制的指令或反馈给学习者，通常没有来自人需要干预教师。ITS的共同目标是通过使用各种计算技术以有意义和有效的方式进行学习。在正规教育和专业环境中都使用ITS的例子很多，它们已经证明了它们的功能和局限性。智能辅导，认知学习理论与设计之间有着密切的关系。并且正在进行改进ITS有效性的研究。ITS通常旨在复制证明的一对一个性化辅导的好处，在这种情况下，学生本来可以从单个老师那里获得一对多的指导（例如课堂讲课），或者根本没有老师（例如，在线作业）。ITS的设计目标通常是为每个学生提供高质量的教育。
基于研究人员的普遍共识，智能补习系统（ITS）包含四个基本组件：
域模型
学生模型
辅导模式
用户界面模型
该领域模型（也被称为认知模型或专家知识模型）是建立在学习，比如一个理论ACT-R它试图考虑到所有需要的可能的措施来解决问题的理论。更具体地说，该模型“包含要学习的领域的概念，规则和解决问题的策略。它可以扮演多个角色：作为专家知识的来源，评估学生表现或检测错误的标准等。”开发领域模型的另一种方法是基于Stellan Ohlsson的从性能错误中学习的理论，被称为基于约束的建模（CBM）。在这种情况下，将域模型表示为对正确解的一组约束。
该学生模型可以被看作是域模型的叠加。它被认为是ITS的核心组成部分，要特别注意学生的认知和情感状态及其随着学习过程的发展而演变。在学生逐步解决问题的过程中，ITS参与了称为模型跟踪的过程。只要学生模型偏离域模型，系统就会识别或标记已发生错误。另一方面，在基于约束的导师中，学生模型表示为约束集上的覆盖图。基于约束的导师根据约束集评估学生的解决方案，并确定满意和违反的约束。如果存在任何违反的约束，则学生的解决方案不正确，并且ITS提供有关这些约束的反馈。基于约束的导师提供负面反馈（即关于错误的反馈）以及正面反馈。
智能补习系统
该导师模型从域和学生机型接受信息并使得有关辅导策略和行动的选择。在问题解决过程中的任何时候，学习者都可以要求相对于他们在模型中当前位置的下一步操作指南。此外，系统会识别学习者何时偏离了模型的生产规则，并为学习者提供及时的反馈，从而缩短了达到目标技能水平的时间。导师模型可能包含数百条生产规则，可以说它们存在于两种状态之一，即已学习或未学习。每当学生成功将规则应用于问题时，系统都会更新该学生已学习该规则的概率估计。系统会继续对要求有效应用规则的练习进行演练，直到掌握规则的概率达到至少95％的概率为止。
知识跟踪可跟踪学习者从一个问题到另一个问题的进度，并建立相对于生产规则的优缺点的概况。卡内基梅隆大学的约翰·安德森（John Anderson）开发的认知辅导系统将知识跟踪的信息作为一个技能表来展示，该图表是学习者成功解决与代数问题有关的每个受监控技能的直观图表。当学习者请求提示或标记错误时，知识跟踪数据和技能表将实时更新。
该用户界面组件“集成了三个类型的信息都需要进行对话：关于解释的模式（了解扬声器）和行动（产生话语）对话中的知识;需要沟通的内容领域知识;所需要的知识交流意图”。
Nwana（1990）宣称：“基于同一体系结构找到两个ITS几乎是罕见的[这是该地区工作的实验性质所致”。他进一步解释说，不同的辅导哲学强调学习过程的不同组成部分（即领域，学生或导师）。ITS的体系结构设计反映了这一重点，并导致了多种体系结构，其中每种体系结构都不能单独支持所有补习策略。此外，ITS项目可能会根据组件的相对智能水平而有所不同。
除了ITS体系结构之间的差异（每个体系结构都强调不同的元素）之外，ITS的开发与任何教学设计过程都是相同的。Corbett等。（1997年）将ITS的设计和开发总结为四个迭代阶段：
（1）需求评估
（2）认知任务分析
（3）最初的导师实施和
（4）评估。
需求评估的xxx阶段是任何教学设计过程（尤其是软件开发）所共有的。这涉及学习者分析，与主题专家和/或讲师协商。xxx步是专家/知识和学生领域发展的一部分。目的是指定学习目标并概述课程的总体计划；当务之急是不要将传统概念计算机化，而应通过总体上定义任务并理解学习者处理任务的可能行为以及在较小程度上指导教师行为的行为来开发新的课程结构。为此，需要处理三个关键方面：
（1）学生能够解决问题的可能性；
（2）达到此成绩水平所需的时间
（3）学生将来会主动使用此知识的概率。需要分析的另一个重要方面是接口的成本效益。
第二阶段，认知任务分析，是专家系统编程的详细方法，目的是开发所需问题解决知识的有效计算模型。开发域模型的主要方法包括：
（1）采访域专家
（2）与域专家进行“大声思考”协议研究
（3）与新手进行“大声思考”研究
（4）观察教与学行为。
尽管最常用的是xxx种方法，但是专家通常无法报告认知成分。要求专家大声报告自己在解决典型问题时的想法的“大声思考”方法可以避免此问题。观察教师与学生之间的实际在线互动，可以提供与解决问题的过程有关的信息，这对于在对话系统中建立对话或互动性非常有用。
第三阶段，初始导师实施，涉及建立一个问题解决环境，以实现并支持可靠的学习过程。在此阶段之后，将进行一系列评估活动作为最后阶段，这再次类似于任何软件开发项目。
第四阶段，评估包括
（1）初步研究以确定基本的可用性和教育影响；
（2）对正在开发的系统的形成性评估；
（3）检查系统功能有效性的参数研究；
（4）对最终导师的效果的总结性评估：学习率和渐近成就水平。
安德森、Corbett等，详细阐述了那些强调包罗万象的原则，他们认为这些原则主导着智能导师的设计，他们将这一原则称为：
智能导师系统应使学生能够工作成功解决问题。
将学生的能力表示为一个产品集。
沟通解决问题的目标结构。
在解决问题的上下文中提供指导。
促进对解决问题的知识的抽象理解。
最小化工作内存负载。
提供有关错误的即时反馈。
通过学习调整指导的粒度。
促进对目标技能的逐次逼近。
