我們以大學生某甲學習者為例，假設某甲已經透過學習者者主控台註冊到本學習平台中並已新增學習專案，以下就是透過Fuzzy推論，針對時間跟地點的不同，呈現出的情境模擬：

當某甲漫步在校園中突然想要學習校園中那些特殊建築物的英文名稱時，某甲可以利用身上的手持裝置（以手機模擬器展示）連線登入到本系統平台取得相關學習資源。系統根據登入者的帳號名稱由資料庫中取得某甲的學習狀態，再將相關資訊初始化成User Profile各項元件，User Profile以學習者的學習狀態指向適合的階度，並從該階中學習物件屬性描述推論適合某甲當下環境的推薦清單順序，以下由各圖展示運作流程。

某甲登入後系統後首先可選擇依專案、依行程或是依偏好進行學習，本例中某甲選擇依專案學習，某甲由手機端送出依專案學習指令，系統接收指令後生成情境模擬面版以模擬某甲的周遭環境狀態，以便配合專案中學習物件特徵推論，依照學習物件需求情境模擬面版產生數個與物件情境相關的模擬器，模擬器與Learning Epsode元件中的monitor相連接將模擬器量測值傳入monitor，可視為monitor對於學習者環境狀態的偵測任務，monitor並依推論機FIE推論需要轉換成向量形式的輸入變數（物件的方法引數型態），以待與具有情境需求的學習物件進行相似性推論。

情境模擬視窗

由上圖可知，目前某甲狀態位於其開啟專案的第一階段，而該階段中共有七個學習物件可供使用，每個學習物件各自具有不同的情境屬性需要，如適合在校園中每週進行學習，或是每天都可以進行學習以及在聖誕節時較適合學習等，為了模擬這些不同的情況，下方的操作區域共開啟了五個情境模擬器，依物件設定的論域範圍作為使用者環境的敏感範圍。調整完成後便可送至系統推理機中判斷各物件在某甲當下環境最適合的學習內容，該階段中的學習物件依推論出適合度大小由高至低（適合度區間由1到0）排序，以形成某甲選擇學習項目的建議名單。並且系統維護者還可以改變目前推理機採用的測量方法以符合實際情況。

系統清單列表 由此可知本系統推薦的適合單元，最後傳至手機端給使用者做選擇。

適合的建議清單

最後推論機完成的建議清單便回傳至手機螢幕中供某甲選擇他目前情境適合的學習項目，很明顯可知是以「校園建物介紹」此一單元適合度為最高，因此某甲可依此項目開啟內容進行學習。當然，原則上以清單中位置較高的項目較建議學習者學習，不過學習者還是可以在清單中任選喜歡的項目。

至於依行程學習以及依偏好學習則都以符合學習者設定的條件（行程時間、個人偏好）作為篩選學習物件的基礎，因較無特殊變化故略去不論。以上便是簡單介紹本系統可能的適用情境。本學習系統之學習內容目前是以相關英文字彙學習為主，呈現方式則多加了圖片顯示，以增加畫面的活潑度。

最後，若時間已接近聖誕節，透過情境模擬器的設定，系統判斷出在這個時間點最適合學習者學習的是與聖誕節相關的學習內容，產生出合適的建議清單供使用者參考。