作为全球应用最广泛的认知能力评估工具之一，CogAT在2025至2026年间迎来了一系列具有里程碑意义的变革。从计算机自适应测试的全面落地，到后疫情常模的发布，再到评估维度的扩展和实践应用的深化，这场革新标志着认知能力评估正从传统的“天赋识别”工具转向动态的“学习导航”系统。
一、技术引擎革命：自适应测试全面升级
2026年版CogAT最大的技术变革在于完全集成了计算机自适应测试系统。与传统的静态版本不同，新系统能实时根据学生的答题表现动态调整题目难度与类型，在更短的时间内获得更精确的认知剖面图，平均测试时间缩短约25%。自适应技术的灵敏校准使题目难度能够精准定位每个学生的真实能力水平，同时大幅减少传统测试中优等生“重复刷题”和后进生“遭遇挫折”的负面体验。
在低龄考生体验方面，Riverside Insights于2025年3月发布了CogAT Forms 7 & 8及Screening Forms的简化指导语，主要针对Levels 5/6、7和8（对应幼儿园至小学低年级）的音频引导测试。精简后的指导语使用更少的文字、更少的点击屏幕次数，允许学生在准备好后即可作答并进入下一题，每位学生的测试时间最多可缩短10分钟。研究证实，这一调整不影响学生的测试分数。
二、后疫情常模与评估维度扩展
2025年8月，Riverside Insights发布了全新的2024年后疫情常模，这是CogAT自1968年问世以来最为重大的一次常模更新。新版常模基于超过280万份评估数据，涵盖多元化的地理区域、学校类型和学生群体，充分考量了新冠疫情后学生学习环境和人口结构的变化。CogAT也因此成为唯一具备稳健后疫情常模的能力评估工具。
在内容架构层面，为回应人工智能时代对人才能力的新要求，2026年版CogAT在经典的言语推理、数量推理和非言语推理三大核心板块基础上，新增了认知灵活性维度，测量学生在不同任务、规则和思维模式间切换的能力。CogAT开发团队首席科学家艾琳·莫里斯博士指出：“特别是在生成式AI工具普及后，人类独有的认知灵活性价值更加凸显。”
三、国际分销格局调整与本地化进程
2026年CogAT在全球分销层面经历了重要调整。根据澳大利亚教育研究委员会的官方公告，自2026年1月1日起，ACER不再销售或支持Riverside Insights的CogAT测试。澳大利亚学校可通过Psychological Assessments Australia或直接通过Riverside Insights采购获取。PAA已着手推进CogAT的澳大利亚常模建设，计划在2027年开发本地标准化数据。
PAA方面指出，澳大利亚学校长期以来对可靠的小组认知能力评估工具的可及性有限。成就数据如NAPLAN能反映学生已学到的内容，但无法揭示学生的学习潜能。认知能力评估在识别未被充分代表的天赋学生群体（包括多语言学习者和双重特殊学生）方面，显著优于仅基于成就的识别模式。
四、学术研究进展：效度证据与公平性反思
2026年发表在《心理教育评估杂志》上的一项研究，采用Rasch模型对CogAT Form 8的言语、数量和非言语三个领域进行了心理测量学评估。研究基于德克萨斯州一个大型多元化城市学区的1,689名三至五年级学生数据，结果表明三个领域具有良好的效度、信度和构念单维性证据，但也观察到部分题目失拟和潜在的天花板效应，建议在类似多元化群体中审慎持续使用。
一项发表于《天才儿童季刊》的元分析研究，整合了24项研究、33个效应量和超过36,000名参与者，发现CogAT分数与其他天赋识别工具之间存在中等至较高的平均相关（r = .63），CogAT6与CogAT7版本之间无显著差异。研究支持将CogAT与其他工具结合使用，以实现更公平、更全面的天赋识别。
在识别公平性方面，一项2026年发表的研究考察了包括CogAT在内的多种天赋识别工具在不同人口群体中的测量不变性。结果显示，在45项结果中有33项（73%）存在矩阵非不变性，表明不同人口群体（如族裔、性别、经济状况、新兴双语者身份）在识别结果上存在显著差异。研究强调，CogAT非言语分数在各类比较中未呈现任何可识别的效应模式。
另一项2026年发表的大规模比较研究，考察了超过10,000名同时参加CogAT和ACT Aspire测试的学生。研究发现两项测试的总体相关性为r = .59，但不同队列间的相关性从.72到.46显著波动。研究者建议对将ACT Aspire和CogAT作为天赋指标互换使用保持更大程度的审慎，并支持在识别过程中使用多种测试的实践。
免费的 CogAT 备考资源大礼包！
这里都有丰富且系统的学习资料
精准助力孩子熟悉考试题型
五、实践应用新趋势：普遍筛查与“拓展或支持”
在学区实践层面，普遍筛查正成为识别“隐藏的天赋学生”的重要策略。德克萨斯州Northwest ISD和南卡罗来纳州Charleston County School District的实践表明，通过超越传统的提名制识别方法，学区不仅扩大了被识别学生的数量，还增加了获得高级学习支持的多元学习者群体，包括多语言学习者、经济弱势背景学生以及“双重特殊”学生。
Charleston County进一步采用了“拓展或支持”方法，利用CogAT能力剖面数据同时指导丰富活动和干预措施。学生在“拓展日”选择与其优势领域相关的活动，在“支持日”选择针对较弱推理领域的活动。这一方法实施仅两年后，被识别为高级学习的学生数量增加了三倍。正如该学区Elizabeth Uptegrove所言：“这是一次伟大的天赋发展转变——不再设置门槛……所有孩子都值得以这种方式成长。”
Riverside Insights的博客文章强调，CogAT的独特设计在于为三种推理能力提供独立分数——言语推理衡量语义任务中的序列推理技能，数量推理衡量数量比较等量化推理任务，非言语推理则通过图形任务评估归纳推理能力。由此生成的能力剖面可以捕捉学生的整体能力，并标识三个领域中（如有）的相对强项或弱项，为教师基于证据做出差异化教学决策提供依据。
六、展望：认知评估的未来图景
从测试理念到技术架构，从评分报告到课堂应用，CogAT的迭代方向清晰表明，标准化认知能力测试正从“筛选工具”转向“教育导航仪”。莫里斯博士的表述精准概括了这一转变的核心理念：“我们不再满足于回答‘孩子有多聪明’，而是致力于回答‘孩子如何聪明，以及如何基于这种认知特点优化他们的学习体验’。”
对于家长和教育工作者而言，理解测试背后的逻辑——认知剖面如何映射到学习优势与需求，以及如何将评估数据转化为差异化的教学决策——远比追求高分更有价值。随着神经科学和人工智能技术的进一步渗透，未来的认知测评或将整合更多维度的评估手段，为个性化教育提供更立体的学生画像。
以上就是关于【CogAT认知能力测试从“天赋筛选”迈向“成长导航”】的内容，如需了解CogAT认知能力测试最新动态，可至CogAT认知能力测试官网获取更多信息。
相关精彩文章阅读推荐：
