Com o avanço das Tecnologias da Informação e Comunicação (TICs) e da Educação a Distância (EaD), os ambientes online de aprendizagem adquiriram uma posição de destaque como ferramentas potencializadoras do processo de aprendizagem. E Dentro deste contexto, pode-ser ver que os Sistemas Tutores Inteligentes (STI) vem ganhando uma grande popularidade pelo fato de tornar o processo de aprendizagem mais dinâmico, tornando o conteúdo adaptável para cada aluno, trazendo um ensino individualizado, dentre outros fatores. Mas, como esses ambientes disponibilizam muitos recursos para os usuários, isso tem causado uma confusão na construção do aprendizado, pois ainda que esses ambientes forneçam algumas recomendações visando auxiliar os usuários a fazerem boas escolhas, a falta de explicação tem gerado uma certa desconfiança, não tornando o processo transparente, e isso têm sido um problema em IA, pois previsões/recomendações são feitas, mas não vem acompanhadas de explicações. Ou seja, mesmo com as recomendações, muitos usuários não conseguem progredir, pelo fato de não confiarem no que foi sugerido/recomendado e não entenderem o motivo de tal recomendação, achando que aquilo não se aplica a seu perfil ou sua necessidade e simplesmente rejeitam a recomendação. Desse modo, este trabalho tem por objetivo investigar o efeito das recomendações explicadas na aderência (aceitação) em STI, onde para isso, foi projetado um sistema de aprendizagem e nele foi disponibilizado um curso de estatística descritiva que utilizou dois tipos de recomendações, sendo elas: com explicações detalhadas, e outra sem explicações. Sendo assim, foi realizada a coleta, análise dos dados e foi montado um modelo de regressão logística para a representatividade dos dados, assim como também foi utilizada uma abordagem qualitativa pelo fato de priorizar os resultados numéricos do presente estudo afim de avaliar os comportamentos e opiniões dos usuários do sistema. Mediante a realização do experimento, viu-se que, assim como em outros ambientes a explicação também trouxe bons resultados nas recomendações de recursos educacionais, onde houve uma maior aceitação por parte do usuário, quando ele passou a entender o motivo de tal recomendação, podendo julgar se aquilo de fato é relevante ou não.