448
认知精确度是ACT-R的最重要因素，因为其所参与的建模——认知建模的目的是促进我们对人类真实学习方式的理解，以及认知过程如何反应在人类大脑的神经活动中。因而，我们必须明白：认知建模的目的不一定是为促进教育，而是要解释人类如何获取与使用知识；假若能模仿这个真实过程就更好了。因而，确保模型的认知精确度首先要考虑认知建模的待议事项—认知导师内的学习者模型并给出检验继而产生的模型的手段。
认知诊断包括跟踪学习者在解决方案中的进度和学习者知识随时间增加的状况。这种诊断以问题解决情境中某个特定阶段适用的生成规则的具体要求为基础。人们根据解决方案的正确性与针对性给生成规则加上注解。在问题解决过程中，认知导师追踪学习者的各个解决步骤，指出其数据库中对应于学习者解决步骤的生成规则。数据库中与每条生成规则相关的注解都成为评估学习者步骤准确性、确定反馈是否恰当的基础。
系统运用模型追踪来推断被赋予特定目标的个体学习者的解决路径。认知导师假定，认知模型代表的是理想的学习者模型。有了对特定领域的陈述性知识与程序性知识的描述，以及学习者的界面行为(学习者行为)，系统就可以沿着学习者正在创造的各个步骤来创造(追踪)某问题空间的一系列可能步骤。由于认知导师界面的不同元素对应于问题解决目标表示，以及实现这些目标所需的相关信息，导师能够利用学习者的界面行为信息来推断学习者当前的目标。而且，通过将生成规则应用于学习者目标，导师能够生成一套满足该目标的可能规则(Corbett et al.,1997)。
模型跟踪旨在生成某个通用的入门级学习者模型，而知识跟踪认知导师使用的第二种诊断机制—则旨在评估学习者的知识随时间而增长的情况。鉴于学习者对知识的掌握层次一直在变化，知识跟踪提供了选择适当问题的基础。同模型跟踪相类似，知识跟踪包括生成一套适用于所授各级课程的生成规则的辅导，并评估学习者对这些规则的掌握程度。这种评估是在出现应用某个规则的机会时，导师根据学习者的行为而赋予每个规则以概率来实现的。
认知建模成功地支持了某些边界明确的领域学习比如数学。不过，我们必须记住，其在学习者建模环境中的成功是后来才被人们发现的，尤其是通过早期有关智能教学系统的研究，这些研究强调了在专业知识表示方面追求认知精确度的重要性，因为从认知角度来讲，模型的真实性越差，就越难以提供充分的教育支持。认知精确度在下面两种情况下似乎尤其重要：一是系统以与人类相同的方式推理问题的能力，二是系统在寻求解决方案时应用与人类相同的机制的能力。早期的辅导系统无法满足第一个要求，比如，SOPHIEI(Brown et al.，1973)可能缺乏支持学习者反思的能力；尽管其能够向学习者建议在每种问题解决情境中可以有哪些最优行为，但却无法描述该情境，也给不出解决问题的基本原则，只能由学习者自己来完成。还有些辅导系统无法满足第二个要求—比如，GUIDON(Clancey，1983)也无法向学习者提供下一步行动的建议，因为它们不知道学习者遵循的是怎样的学习轨迹(Corbett et al.,1997)。
数字技术研究(世哲手册)
676