Disertasi ini meneliti pengembangan model Immersive Intelligent Tutoring (IIT) untuk pembelajaran remedial yang imersif dalam lingkungan virtual 3D. Model ini memanfaatkan machine learning, khususnya algoritma genetika untuk pembangkitan soal dan Bayesian Knowledge Tracing (BKT) untuk identifikasi karakteristik pelajar. Pembangunan model dilakukan dengan SysML dan implementasi pembelajaran di lingkungan virtual tiga dimensi. Penelitian ini bertujuan untuk mengatasi masalah pembelajaran tradisional yang tidak menyenangkan, tidak mengakomodasi perbedaan karakter pelajar, dan kurang intensif dalam membantu pelajar yang kesulitan. Integrasi IIT, imersi, Virtual Learning Environment (VLE), dan pembelajaran remedial diharapkan dapat meningkatkan motivasi intrinsik dan kognitif pelajar, yang diukur melalui pengujian penerimaan pengguna dan dampak kognitif. Penelitian ini berkontribusi pada level edukatif (pembelajaran digital personal), level aplikasi (penambahan modul author, remedial, dan imersi pada ITS), dan level teori komputasi (modifikasi algoritma genetika dan komposisi atribut BKT untuk pembelajaran remedial).