در عصر اطلاعات جهت گیری بسیاری از سامانه ها به سمت شخصی سازی اطلاعات برای کاربر است. آموزش الکترونیکی نیز از این قاعده مستثنا نبوده و یکی از ملزومات آن وجود سازوکاری شخصی شده برای کمک به یادگیری موثر یادگیرنده است. از سوی دیگر سامانه های یادگیری الکترونیکی در قیاس با آموزش حضوری دارای نقایصی جدّی هستند. به عنوان مثال می توان به فقدان تعامل احساسی موثر بین یادگیرنده و یاددهنده و عدم ارائه محتوای شخصی شده اشاره کرد. نبود تعامل احساسی در این سامانه ها موجب شده نتوانند در حد یاددهنده ی انسانی اثر بخش باشند. در سال های اخیر بازشناسی احساس به عنوان روش جدیدی برای تعامل انسان با رایانه مورد توجه و موضوع پژوهش های زیادی بوده است. هدف از این پژوهش طراحی و شبیه سازی آموزشیاری عاطفی است که در کنار برقراری تعامل احساسی سازنده با یادگیرنده، بر فرایند یادگیری نظارت داشته و با تطبیق آزمون با توانمندی یادگیرنده، توصیه هایی سازگار با ویژگی های شخصیتی وی برای رفع مشکلات وی پیشنهاد می شود. ارائه این توصیه ها نیازمند شناخت کاملی از یادگیریِ یادگیرنده است که نظریاتی مانند سبک یادگیری در این بین راه گشاست. حصول سبک یادگیری یادگیرندگان از طریق پرسشنامه های معمول با مشکلاتی همچون عدم قطعیت در پاسخ دهی همراه است که عدم قطعیت در ارزیابی را به دنبال دارد. به منظور رفع این مشکل، در این پایان نامه از خوشه بندی یادگیرندگان با درنظر گرفتن مشخصه های رفتاری مرتبط با سبک یادگیری به کمک شبکه ی عصبی نظریه ی تشدید تطبیقی(art) استفاده شده است همچنین در این سامانه از الگوریتم جدیدی برای بازشناسی حالت احساسی چهره استفاده شده که با بهره گیری از شبکه ی عصبی تابع پایه ی شعاعی (rbf)، دقت بالاتری در دسته بندی حالت چهره نتیجه داده است. پس از اجرای این سامانه یادگیرنده محور بر روی جامعه آماری مورد نظر، به دلیل برقراری تعامل احساسی با یادگیرنده، درنظر گرفتن سطح توانایی یادگیرنده در ابراز بازخورد احساسی، ارائه ی درس پار ها و توصیه های متناسب با سبک یادگیری وی، آزمون گیری شخصی شده بر اساس نظریه ی پرسش-پاسخ، ارائه توصیه های مناسب در زمان مناسب و مبتنی بر بازخورد های آنان، شاهد رضایت و موفقیت تحصیلی یادگیرندگان بودیم؛ به طوری که هم سطح توانمندی و هم انگیزه و نگرش آنان نسبت به درس مورد نظر و به طور کلی ارائه ی دروس در محیط یادگیری الکترونیکی، رشد مطلوبی داشته است.