Emotionen wirken sich direkt und indirekt auf den Lernprozess aus. Schüler, deren Emotionen sich ungünstig auf den Lernprozess auswirken, haben Schwierigkeiten, den zu diesem Zeitpunkt angebotenen Inhalt aufzunehmen. Vor diesem Hintergrund wird in dieser Arbeit ein Modul vorgeschlagen, das in der Lage ist, diese Emotionen zu erkennen und zu klassifizieren und mit Hilfe eines zweiten Moduls zur fallbasierten Argumentation pädagogische Empfehlungen auf der Grundlage von Persönlichkeitsprofilen vorzuschlagen, mit dem Ziel, das affektive Profil des Studenten in virtuellen Lernumgebungen zu entwickeln. Um die Arbeit rechnerisch zu validieren, wurde zunächst geprüft, welche Technik die besten Ergebnisse bei der Erkennung von Gesichtsbewegungen erzielen würde und welcher Klassifizierungsalgorithmus dann die besten Ergebnisse für diese Klassifizierung erzielen würde. In diesem Fall erwies sich die Entscheidungsbaumtechnik mit einer durchschnittlichen Trefferquote von 86,4 % als effizient. Es wurde an Bildern und Videos evaluiert, um seine Anwendbarkeit zu gewährleisten. Nach diesem Prozess wurden die Persönlichkeitsprofile zusammen mit der Case-Based Reasoning-Technik verwendet, um durch die Assoziation von Emotionen und Profilen pädagogische Empfehlungen vorzuschlagen.