空间能力是与阅读、写作、数学同等重要的基本能力,被认为可以有效地预测学生在STEM领域的表现。但是空间能力测试的有效性和可靠性还存疑,而且空间能力发展性及差异性研究中存在一些争议。由于纸笔测试难以提供认知加工证据,而且理论驱动研究范式难以解决冲突假说检验、相关性研究、预测性研究等问题,对空间能力科学性、客观性、精确性评价造成了困扰。本研究拟开展数据驱动的空间能力评价模型设计与实践研究,并解决以下三个问题:（1）理论问题:空间能力主要内容及关键要素是什么?数据驱动的空间能力评价模型是怎样的?（2）数据问题:哪些数据可以刻画空间能力?如何收集多源异构数据以评价空间能力?（3）实践问题:数据驱动的空间能力评价,能够带来哪些理论驱动研究无法取得的发现?本研究从数据驱动视角和信息加工视角,构建数据驱动的空间能力评价框架,并从结果或行为等较表层的结构分析空间能力过程和逻辑等深层结构。具体围绕以下方面展开:（1）梳理空间能力四个研究阶段的文献和代表性案例,结合智力研究的信息加工取向,提出了空间能力概念模型和空间能力过程模型。并从关键因素、主要内容、动态分类、评价维度等进行阐述。（2）基于对象旋转空间能力、视角转换空间能力常用评价方法与手段,针对理论驱动研究存在的局限,分析了数据驱动研究范式的优势。基于空间能力概念模型与空间能力过程模型,从数据驱动视角与信息加工视角,构建数据驱动的空间能力评价模型。（3）融合环境数据、观察数据、交互数据,设计多源数据采集模型。并结合分布式认知理论、信息加工理论等,从内容、操作、产出等三个维度梳理了空间能力信息加工数据指标。（4）聚焦空间能力可塑性、发展性、差异性等内容,在某高中开展三次实验。依照x API规范设计了三维设计交互数据自动跟踪、采集、存储工具,并结合心理旋转测试、作品评价量规等收集数据。本研究主要结论包括:（1）案例一发现低空间能力学生更容易从3D模型中受益,验证了能力增强假说。且作为兴趣、认知加工投入外在表现形式的过程性数据,可以用于反映学生学习状态并解释不同的学习效果。（2）案例二通过对过程性数据的聚类分析发现,风险者的空间能力提升状况显著地低于其他类型学生。（3）案例三对不同初始空间能力学生进行滞后行为序列分析发现,低空间能力学生倾向于使用整体策略而高空间能力学生倾向于使用分析策略。使用空间能力表现性评价量规对学生三维设计作品进行评分,发现大部分学生空间能力水平处于高级新手或胜任者阶段,只有少部分学生水平为熟练者或专家。根据不同表现水平分别进行序列分析,发现胜任者主要根据规则开展三维设计,熟练者侧重于借助视图功能进行模型优化,而高级新手表现出了行为路径分散的特点。此外,基于三维设计中行为转换序列,使用随机森林方法可以有效地预测学生空间能力表现。本研究基于空间能力概念模型与空间能力过程模型,所提出的数据驱动的空间能力评价框架,为空间能力评价提供了新视角。根据多源数据采集机制设计了交互数据、观察数据采集方案,特别是基于x API规范开发的细粒度行为采集工具,为空间能力评价提供了新方案。此外,基于环境数据、观察数据、交互数据的多元统计方法,在方法层面为空间能力评价提供了参考。