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.