This paper presents the ontological design and implementation of the differentiated learning environment in the domain model of an intelligent tutoring system for children with specific learning disabilities. It addresses the learners need for differentiated instruction in a preferential learning environment. The proposed model helps to identify the most affected learning domains and related multiple-criteria’s which effects the learners. The learning resources and problems diagnosis questionnaires are organized and used with various learning strategies to create various learning environments such as case-based learning environment, game-based learning environment, practice-based learning environment and visual-based learning environment. Different techniques can define a set of rules to decide the most preferred learning environment. Here, multiple criteria decision analysis approach map the information, learning resources and learning environments to create a differentiated learning environment for the learning disabled. The contribution of proposed model is to reduce the gap between learner and learning habits with special needs. Our model is implemented as domain model of an intelligent tutoring system to develop learner-centric learning environment. In the designed intelligent tutoring system (ITS), the differentiated learning environment domain model is further evaluated and validated by a set of fuzzy rules. The pilot test result shows that proposed model enables an ITS to improve the implementation of appropriate learning strategies with high accuracy and sensitivity for both learning and non-learning-disabled users.

本文介绍了针对特定学习障碍儿童的智能补习系统领域模型中差异学习环境的本体设计和实现。它满足了学习者在优先学习环境中对差异化教学的需求。所提出的模型有助于确定受影响最大的学习领域和影响学习者的相关多项标准。组织学习资源和问题诊断调查表，并与各种学习策略一起使用，以创建各种学习环境，例如基于案例的学习环境，基于游戏的学习环境，基于实践的学习环境和基于视觉的学习环境。不同的技术可以定义一组规则来决定最喜欢的学习环境。这里，多准则决策分析方法可映射信息，学习资源和学习环境，从而为学习障碍者创建差异化的学习环境。该模型的作用是缩小学习者与有特殊需要的学习习惯之间的差距。我们的模型被实现为智能辅导系统的领域模型，以开发以学习者为中心的学习环境。在设计的智能补习系统（ITS）中，通过一组模糊规则进一步评估和验证差异化学习环境领域模型。初步测试结果表明，所提出的模型使ITS能够以较高的准确性和敏感性为学习和非学习障碍的用户改进合适的学习策略的实施。学习资源和学习环境，为学习障碍者创造差异化的学习环境。该模型的作用是缩小学习者与有特殊需要的学习习惯之间的差距。我们的模型被实现为智能辅导系统的领域模型，以开发以学习者为中心的学习环境。在设计的智能补习系统（ITS）中，通过一组模糊规则进一步评估和验证差异化学习环境领域模型。初步测试结果表明，所提出的模型使ITS能够以较高的准确性和敏感性为学习和非学习障碍的用户改进合适的学习策略的实施。学习资源和学习环境，为学习障碍者创造差异化的学习环境。该模型的作用是缩小学习者与有特殊需要的学习习惯之间的差距。我们的模型被实现为智能辅导系统的领域模型，以开发以学习者为中心的学习环境。在设计的智能补习系统（ITS）中，通过一组模糊规则进一步评估和验证差异化学习环境领域模型。初步测试结果表明，所提出的模型使ITS能够以较高的准确性和敏感性为学习和非学习障碍的用户改进合适的学习策略的实施。该模型的作用是缩小学习者与有特殊需要的学习习惯之间的差距。我们的模型被实现为智能辅导系统的领域模型，以开发以学习者为中心的学习环境。在设计的智能补习系统（ITS）中，通过一组模糊规则进一步评估和验证差异化学习环境领域模型。初步测试结果表明，所提出的模型使ITS能够以较高的准确性和敏感性为学习和非学习障碍的用户改进合适的学习策略的实施。该模型的作用是缩小学习者与有特殊需要的学习习惯之间的差距。我们的模型被实现为智能辅导系统的领域模型，以开发以学习者为中心的学习环境。在设计的智能补习系统（ITS）中，通过一组模糊规则进一步评估和验证差异化学习环境领域模型。初步测试结果表明，所提出的模型使ITS能够以较高的准确性和敏感性为学习和非学习障碍的用户改进合适的学习策略的实施。在设计的智能补习系统（ITS）中，通过一组模糊规则进一步评估和验证差异化学习环境领域模型。初步测试结果表明，所提出的模型使ITS能够以较高的准确性和敏感性为学习和非学习障碍的用户改进合适的学习策略的实施。在设计的智能补习系统（ITS）中，通过一组模糊规则进一步评估和验证差异化学习环境领域模型。初步测试结果表明，所提出的模型使ITS能够以较高的准确性和敏感性为学习和非学习障碍的用户改进合适的学习策略的实施。