La clasificación precisa de los niveles cognitivos en diálogos instructivos es esencial para la educación personalizada y los sistemas de enseñanza inteligente. Sin embargo, la mayoría de los métodos existentes dependen predominantemente de características textuales estáticas y un análisis semántico superficial. A menudo pasan por alto las interacciones temporales dinámicas y tienen dificultades con el desequilibrio de clases. Para abordar estas limitaciones, este estudio propone un nuevo marco para la clasificación de niveles cognitivos. Este marco integra dinámicas mejoradas por entropía temporal con una estrategia de conjunto heterogénea ponderada dinámicamente. Específicamente, reconstruimos el conjunto de datos original de Diálogo en el Aula de Múltiples Turnos (MCD) al introducir la entropía temporal para cuantificar el equilibrio de habla entre el profesor y el estudiante y las características de riqueza semántica basadas en la Frecuencia de Término-Frecuencia Inversa de Documento (TF-IDF), resultando en un conjunto de datos MCD-temporal mejorado. Luego diseñamos un Conjunto Heterogéneo Ponderado Dinámico (DWHE), que ajusta los pesos según la distribución de clases. Nuestro marco logra una puntuación macro-F1 de vanguardia de 0.6236. Este estudio valida la efectividad de incorporar dinámicas temporales y aprendizaje de conjunto adaptativo para una evaluación robusta del nivel cognitivo, ofreciendo una herramienta más poderosa para aplicaciones de IA educativa.