认知诊断评估理论是个性化适应学习的重要组成部分。认知诊断理论自提出以来,便由于其能够细致地分析与解释考试结果而备受关注。要进行认知诊断测验以实现对每类学生的知识掌握状态准确地诊断,首先要标定测验Q矩阵或进行特征提取,即标定出每个题目所测量的知识点,然后根据题目特征及其量化的试题参数,从测验Q矩阵中选择合适的题目组成试卷。从认知诊断的基本过程来看,测验Q矩阵质量和试卷质量对于精准诊断十分重要。因此,如何标定测验Q矩阵及将其应用于组卷,成为认知诊断研究中重要研究问题。一般而言,测验Q矩阵的标定是由学科专家通过讨论共同完成,但是这种标定方式存在标定成本高、主观性强以及专家意见可能不一致等问题。基于认知诊断的组卷方法方面,国内外研究者提出了大量方法,但这些方法大多基于某一认知诊断指标进行选题,存在缺乏整体考虑或计算量大等问题。因此,认知诊断急需研究更加客观地估计测验Q矩阵的方法和考虑整体信息且计算量较小的组卷方法。研究一旨在改进基于探索性因素分析的Q矩阵标定方法。考虑到在实际应用中,被试做题时的猜测和失误(统称为噪音)会影响探索性因素分析法所使用的四分相关矩阵的质量,研究一提出四分相关矩阵的一种噪音修正方法,并将其应用于Q矩阵标定。研究二基于聚类分析的最大类间距离思想提出一种新的组卷方法,它以各知识状态的正确作答概率向量(观察得分向量的期望)为类中心,并考虑测验各种约束,采用混合线性规划方法实现最小类间距离最大化的组卷,理论上可以得到判准率更高的测验。采用模拟研究考查新的Q矩阵标定方法和组卷方法的表现。研究一结果显示:猜测和失误这两种噪音会对Q矩阵的标定产生不利的影响;基于修正后的四分相关矩阵的探索性因素分析法,在样本量较大和噪音较大等情况下,可以有效地提高Q矩阵标定的准确率。研究二结果显示:新的组卷方法在属性数较少时表现相对出色,当属性数增多时,这种优势会相对降低,但在模式判准率上仍存在较大优势。