在信息技术课中,传统的学业评价关注学生的学习结果,较少体现学生认知水平的发展。测验反馈信息仅以“笼统的分数”、“答对答错”来衡量学生在某一阶段的学习成效,其粗略程度难以反映学生具体在哪个知识点或技能存在不足,缺少相应的诊断信息。认知诊断作为技术与测量的结合,能够准确诊断学生学习的知识漏洞、认知水平和知识结构,为信息技术课程新一代的评价提供了思路。基于此,本研究从信息技术课程的特点及数据特征角度出发,提出了一种非参数多级计分认知诊断方法——EW-KNN(E-weight K-Nearest Neighbors)诊断法,该方法引入距离信息,具有动态K值的特性。研究采用Monto Carlo模拟方法对EW-KNN诊断法的性能进行实验,实验结果表明,EW-KNN诊断法在小样本数据量中具有较高的判准率,适用于信息技术课程的应用场景。进而,研究基于EW-KNN诊断法开展信息技术课程评价,选取高一信息技术课的《进制转换》章节作为诊断内容。实验内容包括三个部分:试题编制、诊断分析和报告设计。诊断分析结果表明,EW-KNN诊断法相较于传统测验,其诊断信息具有细粒度、多维度的特点。在信息粒度上,可细致到知识点、试题,克服了传统考试仅反映试题得分的缺点;在信息维度上,可获知学生的认知结构、认知水平、知识点掌握情况等信息,解决了传统测验难以区分相同分数学生的差异问题。此外,研究基于EW-KNN诊断法的特性,从个体和班级两个角度,设计诊断报告,以提供给教师和学生多样化信息。通过访谈3位教师,验证了诊断报告具有一定的实际教学意义。