基于参数化统计模型的认知诊断评价方法拥有严格的逻辑理论基础，使用具有明确定义的参数来描述问题空间，能够清晰地刻画出被试作答反应结果与被试潜在特质水平及项目特征之间的逻辑关系。同时，基于作答样本数据对总体参数特征的推论过程也有着严密的理论和技术基础。然而，在面对实际问题情境时，参数化统计模型也存在一些复杂甚至很难解决的问题。非参数认知诊断评价方法可以绕过参数化统计模型的一些严密假设或复杂技术问题，直接给出问题解决的结果。非参数认知诊断评价方法的主要优势有：①非参数认知诊断评价方法没有关于测验模型参数及其关系的假设，因此可以处理数据类型比较复杂、无法确定测验数据拟合的参数化诊断模型的情形；②非参数认知诊断评价方法的计算过程比较简单，不需要使用如参数化统计模型一样复杂的计算方法和技术；③非参数认知诊断评价方法更加容易被理解，因此也更加容易被领域外专家推广到实际应用情境中。
非参数认知诊断评价方法有很多，如基于聚类分析方法的认知诊断评价方法（Chiu，Douglas，& Li，2009；康春花，任平，曾平飞，2015）、广义距离判别法（generalizeddistancediscrimination，GDD，孙佳楠，张淑梅，辛涛，等，2011）等。
认知诊断评价方法对于促进各级各类教学和辅导具有重要的意义，因此，让许多教育工作者能够正确理解并实际使用该方法才能显示出认知诊断评价理论的实践意义。我们正是以易理解性和易用性为出发点，提出了一种简单易用的非参数认知诊断评价方法——海明距离判别法（hammingdistancediscrimination，HDD，罗照盛，李喻骏，喻晓锋，等，2015），并通过初步比较研究发现该方法具有较好的判别力。
一、海明距离
海明距离（hammingdistance），有时译成汉明距离。在信息论中，海明距离指两个等长字符串对应位置的不同字符的个数。例如，字符串A（1，0，1）与字符串B（0，1，0）的对应位置的不同字符个数为3，即A与B的海明距离为3。海明距离被用于海明码（hammingcode）中，对编码进行检错和纠错。
二、定义测验反应模式间的海明距离
不考虑测验中被试的观察反应模式存在缺失的情况，在有J道0、1计分项目的认知诊断测验中，我们将被试i的观察反应模式Yi与第t种理想反应模式It之间的海明距离定义为：
三、海明距离判别法在认知诊断分类中应用的合理性
