現今的教學系統中大多數都沒有對學習者建模型,而人類心智狀態並非為一種容易量化之型態,因此在一多層特性之因果網路學習者模型當中,對無法量化且觀察不到之狀態進行分割其模糊空間的範圍是毫無意義的。 然而在多層式且具有局部回饋之因果網路使用模糊推論時會遭遇下列問題:(a)需建立與調整的歸屬函數過多;(b)第二層以上之模型推論,皆無明確數值可直接進行推論。因此本論文根據上述之問題特性,設計出可用於多層因果網路之傳遞式模糊空間分割方式,此方式有以下優點:(a)系統會自動調整歸屬函數;(b)第一層所推論出的結果,可用於第二層推論的前因部份。此方式將可減少人工處理之部份,同時也使得系統更具有彈性以及智慧。