由哥伦比亚大学学者龙岗菊美（Kikumi Tatsuoka）及其同伴创建。其基本假设思想是：测验项目可以用特定的认知属性刻画，个体的某种知识结构也可用一组通常无法直接观察的认知属性掌握模式来表征；而且还能用恰当的可观察的项目反应模式来表征不可观察的认知属性。

该理论主要是要确定测验项目所测的不可观察的认知属性，并把它转化为可观察的项目反应模式。规则空间模型中，Q矩阵理论需要确定Q矩阵（即测验项目与属性间的测量关系）、理想掌握模式（即认知结构或知识状态）及理想项目反应模式。

首先，建立测验项目与所测认知属性的关系，即测验Q矩阵的构建。其次，确定被试与属性的关系。根据属性的层级关系确定符合逻辑的理想掌握模式，即认知结构或知识状态。再次，根据测验Q矩阵、理想掌握模式，确定每种理想掌握模式在测验项目上的理想反应模式。

规则空间模型主要根据理想掌握模式所对应的项目理想反应模式，计算出每种理想掌握模式的一组序偶，其中为项目反应理论（IRT）中被试的潜在能力变量；为一个基于IRT的警戒指标，它表示能力为的被试其实际测验项目反应模式偏离其能力水平相对应的项目反应模式的程度，是函数的标准化形式：

…（1）

式中。为被试对个项目的答对概率向量，；为被试在测验项目上作答的二值反应向量；为项目答对概率的均值向量，其元素都相等，；的期望为0。。

规则空间模型中，一般将理想掌握模式所对应的项目理想反应模式与调查的被试作答数据一起进行IRT参数估计，估计所对应的被试能力参数，并在基础上计算出值，从而计算出每种理想掌握模式对应一组序偶。龙岗菊美将由和构成的二维空间称为规则空间，将根据所有理想反应模式估出的序偶点称为该规则空间的纯规则点。

在计算理想掌握模式所对应的同时，也需估计并计算所有调查被试所对应的序偶。被试的序偶主要是根据被试在测验上的作答数据进行估计和计算。根据被试的序偶与纯规则点，按贝叶斯方法或马氏距离判别法将被试序偶点归判为上述纯规则点的某一个。具体判别方法是：分别计算每个被试序偶到纯规则点的马氏距离。计算公式为：

…（2）

…（3）

并取马氏距离最小和次小者所对应的纯规则点（分别记为和），接着进行贝叶斯判别，从而减少误判。贝叶斯判别规则如下：

若，则判为，否则判为。

其中和分别是纯规则点和的条件密度函数，和是纯规则点和的先验概率。

如果纯规则点和的先验概率（即先验分布）未知，一般取正态分布或均匀分布。当然，通常也可以直接判给马氏距离最小者所对应的纯规则点。

龙岗菊美后来将警戒指标进行拓展，从原来一维拓展至多维，这样原来由所组成的二维规则空间变成多维规则空间。

该方法不仅能估出被试的能力，还能对学生的属性掌握模式进行判别、诊断。这样学生、老师、家长都可以很清楚地了解学生掌握了哪些知识点、没掌握哪些知识点，学生处于何种能力水平，教师教学上存在哪些不良教育方法与教育指导思想。根据这些诊断信息，有效地提出针对各类学生的补救措施，真正做到因材施教。因此规则空间模型成功地克服了传统考试只给出一个总分（或能力）的评价，它不仅可对学生的能力水平进行综合评价，还可对学生的认知结构进行诊断，使学生、教师、家长均能获取丰富而有效的信息，为学生改进学习和教师改进教学提供有效的帮助，还可为衡量学校、教师和学生提供有效标准。