大数据、云计算、人工智能等新兴信息技术的发展,促进了互联网与教育领域的深度融合,进一步提高了教育信息化的水平,催生了新型智能教育生态系统。在新的教育模式下,学习者可以突破时间与空间的限制,更加方便、快捷的获取教育资源、学习知识。但是,面对学习平台上大量的教育资源,如何对学习者和教育资源分别进行合理评估,从而提供匹配机制以便学习者可以快速检索需要的教育资源,已经成为当前智能教育生态系统建设面临的一个严峻问题。认知诊断模型从学习者的认知结构出发,建模学习者知识水平、试题特性与学习者最终的试题作答结果之间的潜在关系。结合模型求解算法并根据试题作答结果可对学习者的知识水平与试题的特性进行评估。论文针对传统认知诊断模型先验信息单一、机理不完善等问题进行研究,提出了一种新的高阶认知诊断模型——认知反应模型,用于对学习者进行评估。论文主要创新工作如下:（1）建立了能力与努力特征联合补偿机制,对学习者认知阶段建模。认知过程指的是学习者对课程知识学习掌握的过程。本文建立了一种能力特征与努力特征在联合影响学习者知识水平效果上的联合补偿机制,并基于这种机制对学习者认知阶段进行建模。除此之外,还讨论了如何根据学习活动数据量化学习者的努力特征,并将量化的努力特征参数作为扩充的模型先验信息。（2）引入知识点对作答习题的重要性等级,完善学习者反应阶段建模。反应过程指的学习者凭借其自身知识掌握作答习题的过程。本文除了考虑试题猜测参数、失误参数等传统认知诊断模型中涉及的试题特性之外,还引入了知识点对作答习题的重要性等级这一特性,构建知识弱项参数对学习者的反应阶段建模。（3）最后,开发了个性化教学辅助系统。该系统依据认知反应模型对慕课课程相关数据的评估结果,构建个体与群体画像,以可视化的形式呈现学习者、知识、试题的相关特征,供学习者与教师参考;另一方面,根据对学习者试题作答结果的预测值,实现可根据学习者自定义难度等级进行试题推荐的功能。通过对所采集的慕课数据,训练集数据比例在40%-90%范围内随机抽取进行实验,结果表明:基于认知反应模型的评估结果来预测学习者的试题作答结果时,准确率保持在77.4%-84.1%,相比较DINA、HO-DINA、Fuzzy-CDF与NeuralCD模型的最优预测准确率75.0%-82.0%而言,有显著提升,且鲁棒性更好。