近年来,随着教育信息化进程的不断推进与互联网信息技术的持续发展,在线学习平台中产生并积累了大量且复杂的学生学习活动数据,如何对这些数据进行充分的挖掘,从中发现有利于学生认知建模的信息,是在线教育平台所需研究的基本问题之一。在线教育环境下,认知建模旨在利用已有教育数据,挖掘学生学习过程中潜在的知识状态,诸如对知识点的掌握程度等。学生认知建模是诸多教育应用的基础,例如,根据学生的知识状态或认知模型可以对其进行试题推荐,教师亦可据其提升当前的教学计划。教育心理学中的认知诊断作为常用的学生认知建模方法,提供了一系列用于诊断学生知识状态的模型。然而,目前的学生认知建模和应用方面仍有许多待研究和改进的空间。首先,传统的认知诊断模型仅使用了学生的试题作答记录,诊断学生的知识状态,建模结果的准确性难以保证。在线学习平台中,学生通常会进行除作答试题之外的学习活动,这些学习活动往往也可以反应出学生的知识状态。因此,应从学生复杂学习活动所产生的教育数据中,挖掘出易于理解且有助于认知建模的隐含教育信息。其次,利用挖掘得到的隐含教育信息,对每个学生进行全面、准确的认知建模,并将建模结果合理应用,是一个重要问题。针对以上问题,论文以认知诊断为理论核心,以移动自主学堂（在线学习平台）数据为基础,对面向在线学习的学生认知建模与应用进行研究。第一,在线学习平台中,学生在作答试题之前通常会阅读一些其感兴趣的辅助性文本类学习材料,即偏好学习材料。学生的偏好学习材料往往可以反映出学生的知识状态,用于认知建模。论文提出一种结合直接策略与间接策略的偏好学习材料获取方法。利用学生阅读学习材料的文本内容,从关键词与主题两个维度分别对每个学习材料与学生进行形式化表示,通过计算两者之间的相似度直接获取学生的偏好学习材料（直接获取）。通过分析学生在阅读过程中的学习行为,量化学生学习行为间的相似度,间接获取学生的偏好学习材料（间接获取）。通过直接方式与间接方式获取的学习材料作为学生的偏好学习材料。第二,为精准预测学生表现,研究面向在线学习的学生认知建模方法,提出一种基于偏好认知诊断（Preference Cognitive Diagnosis）的学生表现预测方法。学生表现预测旨在评估学生在一系列试题上的得分情况。首先根据学生在试题上的作答记录,利用传统的认知诊断模型诊断出学生对知识点的掌握程度。其次,利用获取的学生偏好学习材料对学生的知识点偏好程度进行计算。然后,结合学生的知识点掌握程度与偏好程度,量化学生对知识点的综合掌握程度,从知识点层面建模学生知识状态,作为学生认知建模结果。根据建模结果,评估学生对试题的实际掌握程度,据此预测学生表现。针对以上两个工作,在真实数据集上进行实验,实验结果证明了偏好学习材料获取方法和学生表现预测方法的有效性。