《学习认知计算》从理论指导和数据驱动的视角出发，围绕如何量化学习认知，解决学习过程中的内隐与外显式的行为分析问题，紧随国际上心理测量学、认知心理学、学习分析和教育数据挖掘、教育人工智能几大学科和研究分支的发展趋势，对学习认知计算的理论体系、研究方法、研究场景及建模分析技术进行系统的分类梳理。《学习认知计算》围绕学习认知计算概论、静态认知诊断：学习认知的诊断推理、动态认知诊断：学习认知的表现预测、时空认知诊断：学习认知的时空演变和教育应用五大主题，侧重于将人工智能方法、机器学习技术与当前先进的教育研究范式相结合，旨在攻破教育测评“唯分论”的壁垒，深入地理解学习者的内在认知并提供综合的科学方法和工具。

**篇 学习认知计算概论
　　第1章 学习认知计算理论基础
　　1.1 学习认知计算的缘起
　　1.1.1 时代的新背景
　　随着微型机器人、传感器、可穿戴设备、虚拟现实和增强现实虚拟头盔等硬件设施的丰富，以及人工智能、大数据、云计算、物联网和 5G（5th generation）等主流技术的发展，以模拟人脑为目标的认知计算逐渐兴起，给经济、社会等领域带来了前所未有的改变。事实上，快速发展的智能化技术是引领新一轮科技革命和产业变革的重要驱动力，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代[1]。2016年，美国 DeepMind公司研发的 AlphaGo挑战世界围棋**棋手李世石，并获得*终胜利，让全球感受到人工智能技术所带来的改变。由此，以人工智能为中心的科学技术获得了空前的关注，全球主要国家和地区纷纷加入这场事关国家科技实力的竞争中，包括美国、欧盟、日本、中国等近 30个国家与地区发布人工智能相关的战略规划和政策。 2019年，美国陆续颁布了《维护美国在人工智能领域领导地位》《国家人工智能研发战略计划》《美国人工智能时代：行动蓝图》三部重要文件，表现了美国政府对人工智能技术的高度重视和维持领先地位的决心。欧盟于 2018年发布了《人工智能合作宣言》，强调发挥创新创造力，应用人工智能技术使制造业及相关领域实现升级。日本于 2016年发布了《日本下一代人工智能促进战略》，围绕基础研究、应用研究和产业化三个方面进行成果转化和推广。中国于 2017年发布了《新一代人工智能发展规划》，提出人工智能技术是引领未来的战略性技术，到 2025年中国人工智能核心产业规模超过 4000亿元，带动相关产业规模超过 5万亿元。人工智能是新一轮科技竞赛的制高点，对经济增长和国家安全均至关重要。
　　认知，来源于认知科学，是通过获取对世界的抽象表达以实现理解知识并创造知识的思维过程。认知科学研究已被列入国际人类前沿科学计划（ Human Frontier Science Program，HFSP）。**的认知科学认为，其直接的哲学根源源自霍布斯（Hobbes）的“所有推理只能是计算”这一思想，其含义是人的思想可以被理解为一种计算或通常是无意识地对存储在心智中的符号、逻辑和规则进行形式操作。学习认知理论，从理论的科学技术背景来看，它是心理学与邻近学科交叉渗透的产物。它发源于早期认知理论的代表学派 —格式塔心理学的顿悟说，通过研究人的认知过程来探索学习规律的学习理论。
　　认知计算这一概念*初由维利艾特（ Valiant）于 1995年提出，他把认知计算定义为“将神经生物学、认知心理学和人工智能联系在一起的学科”。以国际商用机器公司（International Business Machines，IBM）为*的研究团队于 2011年开始了以模拟人脑为目的的认知计算研究 [2]，即将认知科学与计算机科学相结合。借助人工智能技术，智能系统实现了规模学习、有目的的推理、与其他智能机器自然交互，从而使计算机能够实现类似于大脑的计算 [3]。20世纪 30年代，图灵机概念的提出证明了通用计算理论，给出了计算机应有的主要架构。在推动认知与计算实践转向的同时，**的计算功能主义研究纲领开始逐渐形成 [4]，有力地推动了认知科学领域的相关研究，并取得了丰硕的成果。计算理论是现代计算机的基础，这个研究领域是由数学家和逻辑学家在 20世纪 30年代试图理解计算的含义时开始的。在理论计算机科学和数学领域中，计算理论是处理如何在计算模型上有效地使用算法来解决问题的一个分支，是一门致力于研究自然、人造或虚构计算一般属性的科学学科，旨在了解有效计算的本质，为研究计算奠定了数学基础。从 20世纪 50年代开始，哲学家和科学家围绕“计算机能否模拟人的大脑”展开了深入的探索，推动了认知科学和人工智能的研究进展。从人工智能的发展来看，人工智能的研究以构建能够像人类一样理性地思考和行动的智能系统为目标，经历了两次低谷期和三次热潮期，认知计算则是在第三次热潮期开始崛起的 [5]，包含信息分析、自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量结构化和非结构化数据中挖掘复杂的关联性，并获得卓越的洞察力。
　　因此，当前是以人工智能技术为基础的认知计算时代，其*大特点是信息技术（information technology，IT）行业所有机器具备认知能力和人工智能的特性，包括深度学习能力，图像、语音、文本识别能力，自然语言识别能力，对话能力等。基于人工智能与认知能力的认知计算将促进计算机更好地模拟人类大脑来学习，促进包括教育、医疗、交通等各大领域的飞速发展与变革。
　　1.1.2 教育的新需求
　　在教育领域，大数据范式、数据挖掘和深度学习等智能化技术使得建立个性化、定制化的教学环境来提升学习者学习表现的方法是可行的。而认知计算过程结合了神经网络、机器学习和自然语言处理等人工智能技术来解决人们的日常问题，从而为不断发展的技术增强学习领域注入了新的动力。结合人工智能技术的认知计算在教育领域的运用已逐步增多，人工智能阅卷、拍照搜题、教育机器人等人工智能教育工具在教育领域中的运用日益成熟，让学习者个性化学习成为可能。个性化学习旨在以学习者个体差异为起点，突出学习者在学习过程中需针对个体的特点与个体发展潜能来选择合适的学习资源与学习方式，弥补现有知识结构（ knowledge structure）的不足，以促进学习者个体*佳发展 [6]。Science在 2016年推出美国国家科学基金会的科研前沿，其中，个性化学习支持是六大科研前沿之一 [7]。而且，“智能＋”教育时代的个性化学习离不开认知计算，正如卢金（ Luckin）在《智能学习的未来》中写道，“教育体系唯一正确的路径和方向，就是要让人类比人工智能更善于学习”。
　　事实上，世界各国早已意识到智能技术支持的个性化学习的重要性。美国高等教育信息化协会的《 2021地平线报告：教与学版》，突出强调利用人工智能技术对学习过程进行分析与评价，及时地诊断并监测学习者的学业表现，实施精准的教学干预，促进学习者个性化学习 [8]。2019年，我国印发的《中国教育现代化 2035》中强调利用信息化技术来促进教育的变革，*终实现教育的规模化与个性化的统一 [9]。 2021年，我国发布的《***等六部门关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》中提出，通过完善各项教育新型基础设施，支撑网络条件下的个性化教与学，促进学习者个性化发展 [10]。2017年，我国发布《新一代人工智能发展规划的通知》，指出“加快智能教育建设，构建包含智能学习、交互式学习的新型教育体系。建立以学习者为中心的教育环境，提供精准推送的教育服务”。 2021年，我国发布了《义务教育质量评价指南》，强调注重学习者评价的全面性，注重差异性和多样性，促进学习者个性化发展[11]。
　　学习者智能个性化学习已成为国内外关注的焦点。余胜泉[12]从三个层次来阐述个性化学习的内涵：基于知识水平、基于学习情境及适应个性发展的个性化学习。然而，由于个性化学习内涵的复杂性和多样性，其在实践中缺乏实际的可操作性，很难把握。尤其是在 2020年新型冠状病毒感染疫情期间，以直播课堂为代表的在线学习解决了“停课不停学”的问题，但是学习者的个性化学情仍难以观测，个性化学习问题仍然无法得到有效的解决。
　　学习认知计算作为个性化学习的核心技术，已有三十几年的发展历史，其模型已发展到一百多种 [13]。学习认知计算旨在通过学习者在教育测评中与项目的交互获取*直观的作答数据，通过认知建模，实时跟踪学习者的知识状态（knowledge state），高效地检测出学习者认知结构存在的薄弱环节。*近几年，越来越多的学者将大数据或人工智能技术应用于认知建模中，帮助学习者实现高质量的个性化学习。学习认知计算技术让学习者的知识状态的显性化成为可能，是帮助学习者实现针对性个性化学习的有效途径，有助于促进教育高质量发展。
　　1.1.3 技术的新发展
　　人工智能和机器学习充满了脑科学启示的案例。早期的人工智能专注于建立模仿人脑的机器这一宏伟目标，而现在，学习认知计算正在逐步实现这一目标。业界普遍认为，认知计算代表了计算的第三代：**代（始于 19世纪）是被称为“计算机之父”的巴贝奇（ Babbage）提出的可编程计算机概念；第二代（兴起于 20世纪 40年代）经历了诸如电子数字积分计算机（ electronic numerical integrator and computer， ENIAC）之类的数字编程计算机，并开创了现代计算和可编程系统的时代；第三代则是认知计算，它包含信息分析、自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量结构化和非结构化数据中挖掘复杂的关联性，并获得卓越的洞察力。
　　认知计算源于模拟人脑的计算机系统的人工智能，是通过人与自然环境的交互及不断学习来帮助决策者从不同类型的海量数据中揭示非凡的洞察，以实现不同程度的感知、记忆、学习和其他认知活动。随着大数据时代的到来，丰富的数据和知识为认知计算带来了新的机遇。认知计算是对新一代智能系统特点的概括。从功能层面上讲，认知系统具备人类的某些认知能力，能够出色地完成对数据的发现、理解、推理、决策等特定认知任务。认知计算解决理解和学习的问题，学习能力是认知系统的关键，特别是在当前大数据时代，可供学习的数据和知识越来越丰富。认知计算建立在神经网络和深度学习之上，运用认知科学中的知识来构建能够模拟人类思维过程的系统。然而，认知计算覆盖了多个学科，如机器学习、自然语言处理、视觉及人机交互，而不仅仅是聚焦于某个单*的技术。认知学习的一个例子就是 IBM的 Waston，它在 Jeopardy上展示了当时*先进的问答交互。 IBM已经将其扩展在一系列的 Web服务上。这些服务提供了用于一系列应用的编程接口来构建强大的虚拟代理，这些接口有视觉识别、语音文本转换（语音识别）、文本语音转换（语音合成）、语言理解与翻译和对话引擎。
　　认知计算是大规模学习、有目的地推理并与人类自然互动的系统，它是计算机科学和认知科学的交叉融合，即对人脑及其工作方式的理解。在本质上，认知计算是一组功能和特性，使机器变得更加智能的同时也更加友好。也就是说，机器应该考虑人类行为的概念和所处的社会环境。机器学习已经是一种复杂的技术，它允许根据经验进行自我改进。但只有认知计算阶段的用户，才能真正享受到与实用智能技术的交互，不仅提供对结构化信息的访问，还可以自主编写算法并提出问题的解决方案。例如，车载汽车导航系统依靠大量的地形数据，对其进行分析以生成地图，然后显示地图，其中，包含诸如从点 A到点 B的路线，并适当地考虑了用户的旅行偏好和先前的路线选择数据，这依赖于机器学习。但当车载机器提出避免繁重交通的特定路线，同时结合我们的习惯时，它才开始近似认知计算。
　　如何基于认知计算的研究来打破人机间的学习、交流障碍，以调和人类从内涵到外延的认知规律与计算机从外延到内涵的计算规律的矛盾，是学界一直关注的话题。事实上，认知计算基于认知科学及机器学习和大数据的共同支持，其已成为智能时代国内外关注的重点。作为结合人类认知智能与计算机计算智能的典型代表，认知计算

目录
**篇 学习认知计算概论
第1章 学习认知计算理论基础 3
1.1学习认知计算的缘起 3
1.2学习认知计算内涵 7
1.3学习认知计算的意义 16
1.4本章小结 20
第2章 学习认知计算发展历程 21
2.1学习认知计算的起源与分类 21
2.2学习认知计算的应用场景 23
2.3学习认知计算的发展 24
2.4本章小结 26
第二篇 静态认知诊断：学习认知的诊断推理
第3章 项目反应理论 29
3.1项目反应理论的内涵及其发展 29
3.2单维项目反应模型 31
3.3多维项目反应理论 34
3.4深度项目反应理论 35
3.5本章小结 38
第4章 静态认知诊断理论 40
4.1静态认知诊断理论概述 40
4.2基于统计结构的静态认知诊断模型 48
4.3非参数的静态认知诊断模型 55
4.4基于深度学习的静态认知诊断模型 60
4.5本章小结 62
第三篇 动态认知诊断：学习认知的表现预测
第5章 动态认知诊断理论概述 67
5.1动态认知诊断的内涵 68
5.2动态认知诊断方法的发展 69
5.3基于概率模型的动态认知诊断模型 71
5.4本章小结 76
第6章 深度动态认知诊断 78
6.1基于循环神经网络的动态认知诊断方法 78
6.2基于注意力机制的动态认知诊断方法 90
6.3基于图神经网络的动态认知诊断方法 105
6.4本章小结 119
第四篇 时空认知诊断：学习认知的时空演变
第7章 时空认知诊断理论 123
7.1时空认知诊断内涵 123
7.2时空认知理论 124
7.3时空认知诊断模型 135
7.4本章小结 146
第8章 融合试题表征的时序认知诊断方法 147
8.1国内外相关研究 148
8.2练习表示和关联集成框架 150
8.3实验和结果 155
8.4本章小结 159
第9章 基于学习者反应时间的认知诊断方法 161
9.1融入反应时间的认知诊断框架 162
9.2模型参数估计 166
9.3基于真实数据的实验 168
9.4基于模拟数据的实验 170
9.5本章小结 173
第10章 基于时间的长周期认知诊断方法 174
10.1国内外相关研究 176
10.2整合认知特征的动态知识诊断方法 178
10.3实验和结果 185
10.4本章小结 195
第11章 基于时空多维特征的认知诊断方法 196
11.1问题定义与解决方案 198
11.2基于时空多维特征的认知诊断方法 200
11.3实验和结果 204
11.4本章小结 211
第五篇 教 育 应 用
第12章 学习认知计算系统 215
12.1教育数据 215
12.2诊断系统架构 216
12.3本章小结 221
第13章 学科应用与实证研究 222
13.1诊断在语文写作中的应用 222
13.2诊断在数学运算能力中的应用 231
13.3诊断在英语写作能力中的应用 243
13.4本章小结 250
参考文献 252