CogAT认知能力测试迎来发展新阶段 - CogAT认知能力测试官网

在数百名小学生专注地解答图形与数字谜题的教室里，一次例行的认知能力筛查，正牵动着全球认知测评领域对公平与效率的最新思考。

美国韦克县公立学校系统的一间教室里，二年级学生正通过CogAT测试解决图形类比和数字序列问题。而在哥伦比亚的新格拉纳达学校，八年级学生也通过同一测试的三个部分评估自己的推理能力。

CogAT测试如今已成为美国K-12教育系统中应用最广泛的资优生识别工具之一。

测试基础

CogAT测试始于1954年，最初被称为Lorge-Thorndike智力测试。该测试旨在测量学生在教育环境中所需的一般抽象推理能力。

如今，CogAT已发展成为一个全面评估K-12年级学生认知能力的标准化工具，由美国Riverside Insights与Houghton Mifflin Harcourt共同研发提供。

测试分为三个核心部分：语言推理、数量推理和非语言推理，每个部分称为一个“电池组”。每个电池组内又包含三个子测试，共计九种题型。

最新版本为2017年发布的Form 8，它与2011年的Form 7是平行版本，可以互换使用。Form 8基于更大更多样化的样本进行研究，使用更包容和规范的语言，并包含更强调批判性思维和问题解决能力的新题型。

2025年1月，《资优儿童季刊》发表的一篇元分析研究对CogAT作为资优识别工具的有效性进行了全面评估。研究人员回顾了1480项研究，最终纳入24项包含33个效应量的研究进行元分析。

研究发现，CogAT与其他识别工具的平均效应量为r=0.63，95%的置信区间为[0.57， 0.69]。这一结果表明CogAT与其他测评工具存在显著相关性，但同时也存在显著的异质性，意味着不同研究间的相关性存在系统性差异。

研究还发现，作者身份和出版物类型会影响效应量的差异。元分析显示，CogAT与其他识别工具的整体相关性为0.63，这一结果支持了使用至少一种其他识别工具与CogAT结合进行资优识别的实践建议。

2025年3月，一项研究比较了CogAT与ACT Aspire测试在资优生识别中的表现。研究样本包括10508名学生，其中许多人同时参加了这两项测试。

研究发现，CogAT和ACT Aspire在样本中的总体相关性为r=0.59，但不同群体间的相关性变化明显，范围从r=0.72到r=0.49。

这种相关性的变化以及两个测试在不同群体间预测多样性能力的不一致性表明，需要谨慎将ACT Aspire和CogAT作为可以互换的指标使用。

研究支持使用多种测试组合进行识别，特别是在努力“扩大识别范围”以纳入更多来自弱势背景的学业优秀学生时。这种多工具方法有助于更公平地识别不同背景下的资优生。

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

在实际教育环境中，CogAT被广泛应用于不同年级的认知能力筛查。

美国韦克县公立学校系统在2024-2025学年对所有二年级学生进行普遍性筛查，而哥伦比亚的新格拉纳达学校则在2025年2月对八年级学生进行同样的测试。

测试结果不仅用于识别资优生，还帮助教师了解学生的认知优势和需求，以规划更有效的教学策略。在华盛顿州的伊萨夸学区，CogAT Form 7与i-Ready数学和阅读成绩结合，用于识别幼儿园资优生。

这些实际应用案例表明，教育工作者正在将CogAT视为一种多维度的评估工具，而不仅仅是资优识别的单一标准。

下表展示了不同教育机构使用CogAT进行认知能力评估的多样化实践：

教育机构	测试年级	测试目的	实施时间
韦克县公立学校系统	二年级	普遍筛查，确定差异化服务需求	2025年春季
新格拉纳达学校	八年级	提供教学洞见，增强学生学习潜力	2025年2月18-19日
伊萨夸学区	幼儿园	高度资优（Hi-Cap）项目筛选	2025年2月24-28日

爱荷华大学的一项博士研究探索了CogAT语言电池计算机化自适应测试（CAT）设计的潜力。研究表明，CAT设计在完整和缩短的测试长度下都显示出比传统纸笔测试更小的偏差、更低的测量标准误和更高的相对效率。

CAT设计在保持内容平衡、模块化结构的同时，使用比纸笔测试少40%至60%的题目，却能提供更优的测量质量和题目库使用率。

这种自适应测试方法能够根据学生的实际能力动态调整题目难度，特别在能力极端区域显示出显著优势。CAT设计保留纸笔测试的内容平衡、模块化结构，同时提高学生在测试题目上的平均成功率。

2025年7月，北京师范大学举办了“2025年国际认知心理测评与提升大会”，汇聚了全球心理学、人工智能与脑科学领域的专家学者。会议深入探讨了AI技术在认知与心理测评中的应用，显示了认知测评领域的技术融合趋势。

北京师范大学副校长陈兴指出，人工智能正在重塑心理学研究范式，推动心理测评向智能化、精准化发展。生成式AI、多模态感知等技术正在拓展心理评估的维度。

剑桥大学心理测量中心研究主任孙鲁宁验证了AI在创造性任务中的潜力。这些发展为CogAT等传统认知测试的未来发展提供了重要参考方向。

行业专家普遍认为，AI不仅是工具，更是激发人类潜能的“思维伙伴”，心理学需要借助AI创新研究方法，也需要对AI时代的人类新变化加强研究。

在科尔盖特大学，一位小学二年级教师正在根据CogAT测试结果调整她的课程计划。她指着屏幕上显示的学生能力分布图说：“这些数据帮助我们看见每个孩子独特的思维路径。”

而远在爱荷华大学的研究实验室里，计算机科学家正在完善一种算法，这种算法能动态调整CogAT测试题目的难度。

以上就是关于【效度之争与技术革新：CogAT认知能力测试迎来发展新阶段】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。