بخش­های (اجزاء، ماژول‌های) تشکیل دهنده یک سیستم آموزشی هوشمند با توجه به نسبی بودن هوشمندی سیستم، ممکن است متفاوت باشد؛ لذا منابع و توسعه­دهندگان سیستم­های آموزشی هوشمند، با توجه به سیستمی که توسعه داده ­اند، ممکن است اجزاء یک سیستم آموزش هوشمند را متفاوت گزارش نمایند. به عنوان مثال تنیسون و پارک (۱۹۸۷) اجزاء تشکیل دهنده یک سیستم آموزشی هوشمند را در سه دسته قرار داده ­اند: ۱) ماژول‌های خبره^[۱۲۱]؛ ۲) ماژول‌های مدل­سازی یادگیرنده^[۱۲۲]؛ ۳) ماژول تدریس^[۱۲۳]. برای اینکه نگاهی جامع­تر داشته باشیم و جایگاه پژوهش حاضر و کاربرد آن را در یک سیستم آموزشی هوشمند بشناسیم، اجزاء یک سیستم آموزشی هوشمند با محوریت پژوهش انجام شده توسط پروسیلو وسکی و پیلو^[۱۲۴](۲۰۰۳) گزارش می‌شود (شکل ‏۲‑۱۰). این پژوهشگران پس از بررسی مشترکات سیستم­ آموزشی هوشمند، اعم از سیستم­های مبتنی بر شبکه و مبتنی بر رایانه شخصی، مهم‌ترین اجزاء یک سیستم آموزشی هوشمند را شناسایی و گزارش نموده ­اند. انطباقی بودن، جزء ویژگی­های خاص آموزش­های هوشمند است که بر قابلیت انطباق سیستم با نیاز­ها، اهداف، علایق و … کاربر دلالت دارد. در طبقه ­بندی پژوهشگران فوق‌الذکر، سیستم هوشمند آموزشی و فرا رسانه‌ای های انطباقی جزء انواع کلاسیک آموزش­های هوشمند است، لذا در شکل ‏۲‑۱۰ با رنگ تیره تر نمایش داده شده است.

آموزش هوشمند

یادگیری همیارانه هوشمند

نظارت هوشمند

فیلتر انطباقی اطلاعات

فرا رسانه انطباقی

شکل ‏۲‑۱۰: اجزاء سیستم آموزش هوشمند مبتنی بر وب

جزء آموزش هوشمند، خود شامل سه دسته فناوری ­های هوشمند می­ شود:

۱ ) ترتیب دهی به محتوا^[۱۲۵]: مجموعه فناوری­ها و فنون هوش مصنوعی را شامل می­ شود که ترتیب و برنامه ارائه محتوا (ارائه­ها، مثال­ها، تمرین­ها، سئوال­ها و …) را برای کاربر (متناسب) می‌سازد. این فناوری­ها بهترین مسیر حرکت در محتوا و مواد آموزشی را برای یادگیرنده شناسایی می­ کند.

۲) تجزیه و تحلیل هوشمند راه ­حل­ها: سیستم­های هوشمند اغلب شامل مجموعه مسئله­ ها و تمارینی هستند که به کاربران خود ارائه ‌می‌کنند. در آموزش­های مبتنی بر رایانه غیر هوشمند به دانشجو صحیح یا غلط بودن پاسخ بازخورد داده می­شد. در سیستم­های آموزشی هوشمند، علل یا علل زمینه­ ساز اشتباه دانشجو بر اساس پاسخ دانشجو، تجزیه و تحلیل می­ شود، به عنوان مثال مشخص می­ شود، یادگیرنده در کجای مسئله کم توجهی ‌کرده‌است، یا کدام بخش از محتوا را به درستی درک نکرده است.

۳) پشتیبانی حل مسئله^[۱۲۶]: مجموعه فناوری­هایی را شامل می‌شود که در فرایند حل مسئله به دانشجو یاری می­رسانند؛ همان گونه که یک مدرس در فرایند حل مسئله ممکن است به دانشجوی خود کمک کند.

جزء فرا رسانه انطباقی^[۱۲۷]که در سمت چپ شکل ‏۲‑۱۰ با رنگ تیره تر نشان داده شده است؛ با ماژول ترتیب دهی محتوا در سیستم­های آموزشی هوشمند که قبلاً توضیح آن گذشت، شباهت زیادی دارد. با این تفاوت که این جزء برای فرامتن­ها یا فرا رسانه­های مبتنی بر شبکه است. یکی از فناوری ­های هوشمند در این جزء، ارائه انطباقی^[۱۲۸] است. هدف فناوری ­های ارائه انطباقی، منطبق سازی هر یک از صفحات وب، با اهداف، دانش و سایر اطلاعاتی است که در مدل سازی دانشجو شناسایی شده است. فناوری پشتیبانی پیمایش انطباقی^[۱۲۹]، از دیگر فناوری ­های ارائه انطباقی فرا رسانه محسوب می‌شود؛ فناوری ­های پیمایش یا راهبری و حرکت در صفحات وب، حرکت و پیش روی یادگیرنده را در صفحات وب هدایت ‌می‌کنند؛ به عنوان مثال این کار را با تغییر رنگ و یا قابل مشاهده و غیر قابل مشاهده کردن لینک­ها انجام می­ دهند.

جزء فیلتر انطباقی اطلاعات^[۱۳۰]بر فناوری ­های کلاسیک بازخوانی (بازیابی) اطلاعات از پایگاه­ داده های بزرگ مبتنی است. نمونه بارز این فناوری­ها موتور­های جستجو هستند. کاربرد این فناوری­ها در آموزش­های هوشمند به ویژه مواردی که مبتنی بر وب نیستند، بسیار محدود است. اما با توسعه آموزش­های مبتنی بر وب و افزایش محتوا­های الکترونیکی تحت وب به ویژه در سامانه­های مدیریت یادگیری الکترونیکی، فیلترینگ هوشمند و منطبق با نیاز­های یادگیرندگان حائز اهمیت است. همان گونه که در شکل ‏۲‑۱۰ مشاهده می‌شود، علوم بازیابی اطلاعات، یادگیری ماشینی و داده ­کاوی آموزشی مهم‌ترین علومی هستند که برای طراحی و توسعه این جزء از سیستم آموزشی هوشمند استفاده می­ شود.

جزء نظارت هوشمند کلاس^[۱۳۱]، در آموزش­های مبتنی بر وب مدرس نمی­تواند چهره و بازخوردهای دانشجو را مشاهده کند. با توجه ‌به این محدودیت بزرگ، نمی‌توان فهمید دانشجو مطالبی را متوجه نشده و به کمک یا توجه بیشتر نیاز دارد. در سیستم­های آموزشی مبتنی بر وب ‌می‌توان تمام فعالیت­های دانشجویان را ردیابی کرد، سیستم­های مانیتور هوشمند در این پیگیری به مدرس یا مدیر سیستم الکترونیکی کمک می­ کند. همان گونه که در شکل ‏۲‑۱۰ مشاهده می­ شود، یادگیری ماشینی و داده ­کاوی آموزشی، مهم‌ترین دانش حوزه هوش مصنوعی است که برای طراحی و توسعه این فناوری­ها به کار می­رود.

جزء یادگیری همیارانه هوشمند^[۱۳۲]شامل فناوری­هایی می­گردد که زمینه مشارکت و یادگیری همیارانه کاربر (یادگیرنده) را فراهم ‌می‌آورد. از جمله انتقاداتی که بر سیستم­های آموزشی هوشمند وارد می­شد، عدم امکان تعامل یادگیرنده با سایر یادگیرندگان و یادگیری اجتماعی بود، با توسعه و فراگیر شدن یادگیری مبتنی بر شبکه، این محدودیت نیز تا حد زیادی رفع شده است. در این جزء از سیستم­های آموزشی هوشمند، سه دسته فناوری شناسایی شده است. ۱) شکل­دهی انطباقی گروه و کمک همگنان^[۱۳۳]؛ ۲) پشتیبانی همیارانه انطباقی^[۱۳۴]۳) دانشجو­های مجازی^[۱۳۵].

فناوری ­های هوشمند، شکل­دهی انطباقی گروه و کمک همگنان، شامل فناوری ­های است که با بهره گرفتن از اطلاعات موجود در مدل­سازی یادگیرندگان، برای کار بر روی پروژه یا مسئله خاصی، بهترین گروه از دانشجویان را شکل می­ دهد. به عنوان مثال اگر یک پروژه گروهی برای دانشجویان تعریف شود، این دسته از فناوری­ها بر حسب علاقه، میزان تسلط دانشجویان بر موضوع و … بهترین تیم را شناسایی و شکل می­دهد. کمک همگنان نیز بهترین دانشجوی موجود در سامانه آموزش را برای کمک به دانشجوی خاص ‌در مورد موضوع یا مسئله خاص شناسایی و معرفی می­ کند.

فناوری ­های هوشمند پشتیبانی همیارانه انطباقی، همانند پشتیبانی حل مسئله است که شرح آن گذشت، با این تفاوت که در پشتیبانی حل مسئله، از پایگاه دانش سیستم هوشمند به صورت تعاملی به دانشجو کمک می‌شود؛ اما در سیستم­های پشتیبانی همیارانه انطباقی با بهره گرفتن از دانش موجود درباره بهترین و بدترین الگو­های همیاری که توسط توسعه­دهنده سیستم تعریف شده است یا از لاگ­های ارتباطات قبلی دانشجویان یاد گرفته شده است؛ پشتیبانی همیارانه فراهم می­ شود.