基於參數化統計模型的認知診斷評價方法擁有嚴格的邏輯理論基礎，使用具有明確定義的參數來描述問題空間，能夠清晰地刻畫出被試作答反應結果與被試潛在特質水平及項目特征之間的邏輯關係。同時，基於作答樣本數據對總體參數特征的推論過程也有著嚴密的理論和技術基礎。然而，在麵對實際問題情境時，參數化統計模型也存在一些複雜甚至很難解決的問題。非參數認知診斷評價方法可以繞過參數化統計模型的一些嚴密假設或複雜技術問題，直接給出問題解決的結果。非參數認知診斷評價方法的主要優勢有：①非參數認知診斷評價方法沒有關於測驗模型參數及其關係的假設，因此可以處理數據類型比較複雜、無法確定測驗數據擬合的參數化診斷模型的情形；②非參數認知診斷評價方法的計算過程比較簡單，不需要使用如參數化統計模型一樣複雜的計算方法和技術；③非參數認知診斷評價方法更加容易被理解，因此也更加容易被領域外專家推廣到實際應用情境中。
非參數認知診斷評價方法有很多，如基於聚類分析方法的認知診斷評價方法（Chiu，Douglas，& Li，2009；康春花，任平，曾平飛，2015）、廣義距離判別法（generalized distance discrimination，GDD，孫佳楠，張淑梅，辛濤，等，2011）等。
認知診斷評價方法對於促進各級各類教學和輔導具有重要的意義，因此，讓許多教育工作者能夠正確理解並實際使用該方法才能顯示出認知診斷評價理論的實踐意義。我們正是以易理解性和易用性為出發點，提出了一種簡單易用的非參數認知診斷評價方法——海明距離判別法（hamming distance discrimination，HDD，羅照盛，李喻駿，喻曉鋒，等，2015），並通過初步比較研究發現該方法具有較好的判別力。