在大数据时代，学生的学习数据（如海量答题记录）可以被伴随式的收集，为准确分析学生的认知水平进而实现个性化学习和智慧教育提供了良好契机。然而，教育大数据的稀疏性，以及学生认知过程的复杂性和个体认知能力的易变性等，都给现有面向认知能力诊断的统计模型和机器学习方法带来了诸多挑战。为此，本报告将基于数据驱动的智慧教育研究大背景，着重介绍适用于单人单次考试和单人多次考试等教育学习场景的学生认知能力诊断方法，这些方法不仅提升了对学生认知能力预测的精度，而且诊断结果还具有较好的可解释性，可以进一步帮助提高学生的学习效率、教师的教辅能力。相关研究成果发表在IJCAI、AAAI、CIKM、ACM TIST等重要国际学术会议和期刊，部分成果已进行了应用转化。