Leren op afstand groeit in populariteit, mede door de opkomst van 
online leerplatformen zoals Coursera en DataCamp, en is sterk 
toegenomen tijdens de COVID19 crisis. De populairste methodes, 
zoals oefeningen in een vast leerpad, focussen op de gehele 
studentenpopulatie en besteden geen aandacht aan individuele 
problemen. De voordelen van één-op-één lesgeven kwam reeds 
duidelijk naar voor in eerdere studies maar zijn moeilijk toe te passen 
op grote schaal wegens te tijds- en kostenintensief. Daarom stellen 
we een aanpak voor op basis van semantic graphs, volgend op de 
nadruk van de Vlaamse overheid op adaptieve onderwijssystemen 
richting Society 2025. Deze graphs worden nog niet toegepast in 
onderwijs ondanks hun ideale eigenschappen om studentengedrag 
en lesinhoud te representeren. Eerst schatten we het kennisniveau 
van de student door Bayesian Deep Learning toe te passen op een 
semantische graaf. Vervolgens gebruiken we semantische grafen om 
lesinhoud te representeren, toegepast op het leren van taal en 
wiskunde. De graph behoudt belangrijke eigenschappen van de taal 
en schat de complexiteit van de tekst. Tot slot combineren we de 
representaties van studentengedrag en lesinhoud in een enkel 
aanbevelingssysteem dat het optimale leerpad bouwt dat zowel 
uitdagend als aantrekkelijk is, gebaseerd op de concepten en 
context. Het ITS dat ontwikkeld wordt, zal ontwikkelingskosten 
verlagen en zal toepasbeer zijn in verscheidene 
onderwijsvakgebieden.