诚然，信息加工模型中，输入了什么信息是考察思考的重要依据。毕竟，信息不够，是无法充分支撑输出的；而且，不相关的信息输入太多，会降低“黑箱处理”的效率；甚至如果输入的干扰信息达到一定的程度，还有可能使得“黑箱”无法处理，甚至获得截然相反的输出。因此，要度量思考这种思维活动，对输入信息的刻画和度量，是必要的。

但是，将所有相关信息都提供作为输入，是不足以完成思考的。这就好比将所有建材堆放在一起，楼房也不会自动建成一样。所以，度量思考，除了度量输入了什么，还要度量如何利用输入实现房屋的构建的。

最后，输出是否能降低甚至消除驱动思考的这个问题，所带来的影响，是度量思考的又一重要方面。

度量思考的“输入”环节，关键在于对输入信息的获取、筛选。从多少信息中提取了哪些信息，哪些信息是相关信息、哪些无关甚至干扰，是否能将其筛选、过滤，从而留下关键的所需信息为思考操作使用？这部分的刻画度量方法多样，常见的，是在构造的测试题目中，对问题描述和提供的信息空间中，事先根据与问题的相关性，给出判定，然后依此在测试者的操作中给出对应的评价。IMMEX-C也是这样做的；而学科测评中大部分的习题给出的已知信息，都必须完全用于习题的解答，否则题目十有八九是要解错的。当然，这取决于测试对思考环节的倚重；IMMEX-C是全环节的度量，而学科习题，很少度量信息采集和筛选环节。

度量思考的“输出”环节，关键在于“输出”是否能降低，甚至消除问题带来的影响，例如认知上的缺失。然后对这个能否降低或者消除的程度进行量化，从而给出对“输出”质量的判定。例如“3+2=？”的影响是认知上的缺失，需要输出来填补；而输出是5，则消除了这个缺失带来的影响，于是，“输入”和“输出”之间建立了强有力的直接联系，这个输出结果很好。IMMEX-C的信息空间和问题空间都很大，但是输出还是通过提问设计，归结为一个确定的答案形式，从而让受测者在备选答案列表中选择。这主要是考虑到问题的标准化，以及控制“输出”的形式，从而对思考结果有客观和准确的度量。

度量思考的“黑箱”环节，是整个思考的度量中最困难，但最有价值的部分。相关领域的研究和方法层出不穷，但核心都在于如何获取黑箱操作的各种数据（《关于思考》中有所简介），并利用数据来刻画、再现思考的过程，从而对这个再现的过程进行度量和评价。IMMEX-C在获取这方面数据是有自身的特点和优势的，例如在受测者无意识的测试过程中，数据就被采集，而且采集的数据是客观的直接数据，等等；这也在前面部分中简介过。利用采集的数据，再现思考的过程，诸如SPM图、TLG图等；这些图形客观地反映了受测者对信息的使用先后和使用时长等信息。这样的刻画方法，很基础，主要偏向于对“输入”的补充刻画，以及对整个记录到的线性的思考过程的基本刻画。然而，真正的思考过程并不完全是线性的，而是有结构的，不仅有广度，还有深度和扩展性，这部分的刻画与度量的能力，是IMMEX-C的特色。

通过近10年的实践和研究，IMMEX-C在IMMEX使用ANN-SOM算法的基础上，深入了人工智能算法的应用，深挖过程数据，从过程的结构构造上找到了突破，并进行了刻画和研究。优化了原有IMMEX度量参数的同时，还从问题解决策略的形成与发展方面做出了新的突破。例如,IMMEX-C可以智能地为线性的思考过程数据进行切片，从而构建思考的意群，并根据这些片段构造的意群进行度量，刻画思考的广度、深度、有效性、策略的形成与发展的特征，等等。

相关模型和指标的应用，需要复杂的数学基础，为了使得结果易于使用，IMMEX设计开发了一系列图形工具和指标来方便教师使用，可以在后面的《案例》部分看到相关的简介。同时，在系统里，还有根据累积的大数据做出的智能分析，以供教师迅速掌握学生状态，并给出干预；我们的工作人员，也会在某个阶段、或者学生表现出现异常时，向教师、家长等相关群体提供分析报告和（或）干预意见。