近年来,信息技术不断地渗透到人们日常生活的方方面面,在带来了极大的便利的同时,信息技术也正悄悄的改变着人们的生活方式。信息技术除了在购物、出行、娱乐、通讯等传统互联网服务方面带来的改变之外,也正逐步影响着当前的教育模式。从互联网到移动互联网,近年来学生的学习方式除了传统的离线课堂教学之外,还出现了一种全新的教学模式——计算机辅助教学(computer-based learning)。这种新型的教学模式在突破了时间和空间限制的同时,降低了教育的成本,可向大规模的学生提供开放的前沿性课程和全新的学习体验。然而,伴随着教育辅助系统的不断发展和教育信息化的不断推进,产生并累积了大量的、复杂的教育数据,如何对这些教育数据进行更充分的挖掘,从中发现隐藏的信息,并对这些信息进行更有效的利用,成为教育数据挖掘领域重要的研究课题之一。教育数据挖掘作为一个新兴的研究领域,已经有学者提出了诸多的学生建模方法,并且这些方法在教育领域有许多的应用。认知诊断作为常用的学生建模方法,提供了一系列用于诊断学生学习状态的诊断模型。然而,目前的学生建模和应用方面仍然有许多待研究和可改进的空间。首先,针对学生建模,当前主流的认知诊断模型大多针对一次考试中收集到的学生答题记录,对学生的认知状态进行建模,从而缺少对多个独立建模工作的关联,无法充分利用相似建模任务之间的共性,建模得到准确的学生认知状态。其次,针对建模结果的应用方面,缺少认知诊断结果和传统应用方法的有效结合。因此,针对以上研究问题,本文对结合认知诊断的学生建模及应用进行了研究,主要研究内容和贡献有:1.提出了多任务认知诊断框架MT-MCD,该框架可以通过联系多个独立的学生认知诊断任务,诊断得到更准确、可比较的学生认知状态。2.提出了 PFM-CD个性化试题推荐方法,该方法在传统的推荐模型中,加入了学生的认知诊断状态,从而可以依据每个学生不同的认知状态,进有效且具有可解释性的行个性化试题推荐。3.针对以上两个工作,在真实数据集上进行了大量的实验。实验结果证明了本文所提出的认知诊断框架和试题推荐方法的有效性。