در روند یادگیری الکترونیکی ، همواره مساله بهبود کیفیت فرایند یادگیری یادگیران مطرح بوده است . در این جهت یکی از موضوعات مهم فراهم نمودن محتوای آموزشی مناسب، برای ایشان می باشد. با توجه به هزینه بر بون و زمان بر بودن تولید محتوای الکترونیکی، یکی از مسائل مهم و مورد توجه ، یافتن گرایش یک محتوای الکترونیکی به یک سبک یادگیری خاص است . زیرا با تشخیص دادن گرایش یک محتوای آموزشی عملا می توانیم آنرا برای مخاطبینی ارائه دهیم که سبک یادگیری آنان بهترین تطبیق را با آن محتوا دارد. در این پژوهش یک جامعه معین از یادگیران از دانشجویان دوره مجازی دانشگاه امیرکبیر انتخاب شده و یک سیستم ابررسانه تحت وب برای انجام پروژه طراحی گردید. ابتدا سبک یادگیری افراد به وسیله پرسش نامه استاندارد مشخص گردید. در ادامه بخشی از یکی از دروس دوره مجازی انتخاب شد و مدل مفهومی آن بر اساس ساختار سلسله مراتبی اهداف آموزشی طراحی گردید و محتوای آموزشی با توجه به این ساختار تولید گردید. فرایند آموزش بکار گرفته شده، شامل یک پیش آزمون با هدف سنجش مقدماتی مفاهیم مورد آموزش برای ارزیابی دانش اولیه جامعه، ارایه محتوای درسی و یک پس آزمون به منظور ارزیابی میزان پیشرفت دانشجویان می باشد. به منظور تخمین میزان دانش یادگیران یک مدل دانش بر اساس ساختار سلسله مراتبی و با استفاده از شبکه های بیزی طراحی و مورد استفاده قرار گرفت. در این مدل پاسخ افراد به هر یک از سوالات به عنوان ورودی بوده و خروجی آن تخمینی از سطح دانش فرد در مورد موضوع مورد آزمون می باشد. در مرحله بعد و به منظور تعیین گرایش محتواهای آموزشی بکار رفته، مدلی دیگر بر اساس شبکه های بیزی طراحی گردید. ورودی های این مدل شامل اطلاعات سبک یادگیری هر فرد و میزان تغییرات در سطح دانش او از مفاهیم درس، قبل وبعد از تدریس می باشد. پیشرفت تحصیلی هر فرد با استفاده از اطلاعات بدست آمده از مراحل پیش تست و تدریس محاسبه و نرمال سازی گردید. خروجی مدل تخمین گرایش یک برچسب برای گرایش هر محتوای آموزشی می باشد. به منظور ارزیابی فعالیت های انجام شده جامعه یادگیران دو دسته تقسیم شدند از اطلاعات دسته اول برای تعیین سبک محتواهای آموزشی استفاده شد. اطلاعات دسته دوم برای بررسی میزان پیشرفت ناشی از آموزش تطبیق پذیر با استفاده از برچسب ها نسبت داده شده توسط سیستم بکار رفتند. نتایج میزان کسب مهارت در این دو گروه نشان دهنده موثر بودن آموزش تطبیق پذیر با استفاده از برچسب گذاری انجام شده توسط سیستم پیشنهادی می باشد.