AI学情画像定制：知识点掌握度与练习推荐
在教育AI实验室的近一轮实验中，我们把重点放在「学情画像」这条链路上：从学生历史作答记录出发，估计每个知识点的掌握概率，再把估计结果映射为下一步练习推荐，而不是只给出一个笼统的分数。 方法上采用两段式结构。第一段用知识点标签与作答序列做掌握…
📚 教育AI实验室2026-11-02
AI学情诊断定制：知识点掌握度与遗忘曲线
在培训场景里，学情诊断长期依赖教师经验：一次测验能看出对错，却很难说清是哪个前置知识点断了链。近期的实验把作业与测评数据先映射到知识点图谱，再用带遗忘衰减的知识追踪模型估计各节点掌握度，输出“哪一步不会、大约多久会忘”，而不是一个笼统的分数…
📚 教育AI实验室2026-11-02
AI错因归因实验：知识点图谱与分层练习生成
错题本身不稀缺，稀缺的是对错因的判断。教育AI实验室本期实验把学生答题记录挂到知识点图谱上，尝试用少量标注完成错因归因，再据此生成分层练习。 做法分两步：先依据教材目录与题目解析构建“知识点—技能点”两级图谱，为每个节点标注前置依赖；再用学…
📚 教育AI实验室2026-11-01
AI学情诊断定制：错题归因与知识点追踪
教育AI实验室近期在学情诊断方向做了一轮小规模实验：把学生的作答序列、作答耗时与题目知识点标签一并输入知识追踪模型，先估计各知识点的掌握概率，再叠加一层错因分类器，把错误归为概念混淆、计算失误、审题偏差与知识盲区四类，最终输出按知识点排序的…
📚 教育AI实验室2026-11-01
AI错题归因实验：知识追踪与认知诊断
教育AI实验室近期围绕“错题归因”做了一轮小规模实验：把学生的错题从“答对/答错”推进到“错在哪一步”。方法上采用知识追踪模型估计各知识点掌握度，再用认知诊断层区分概念不清、计算失误与审题偏差，最后由大模型生成面向教师的归因摘要。首轮在合作…
📚 教育AI实验室2026-10-31
AI错因归因定制：步骤级判分与薄弱点画像
在《教育AI实验室》的近期实验中，我们把模型从「判对错」推进到「说清为什么错」。做法是先把主观题拆成可验证的步骤链，要求模型逐步输出中间结果与依据，再用教师标注的小样本校准错因标签；标签体系收敛为概念混淆、运算失误、条件漏读、步骤跳跃四类，…
📚 教育AI实验室2026-10-31
AI知识点掌握度追踪：答题序列与遗忘衰减建模
培训场景里的答题数据天然稀疏：同一知识点通常只有三五次作答，还混着复习、猜测与遗忘。若只按正确率排序，系统很容易把「刚讲过」当成「已掌握」，把「隔了两周没复习」当成「学不会」。教育AI实验室本期就此做了一组实验。 做法上，我们先把题目映射到…
📚 教育AI实验室2026-10-31
AI作业步骤判分定制：手写推导识别与分步给分
在理科作业场景里，「答案对、过程错」很常见：跳步、符号写反、单位漏写，只判最终对错会把这些问题全部放过。我们尝试把整题判分拆成步骤级判分——先对手写版面做行切分与公式区域定位，识别符号与等式结构，再把学生步骤与标准解法中的赋分点逐项对齐，跳…
📚 教育AI实验室2026-10-30
AI主观题评分定制：评分细则对齐与一致性校准
主观题批改是教育AI落地中最难标准化的一环：答案开放、表述多样，模型直接给分时容易漂移，也难以向教师解释。教育AI实验室本期把问题前移到「评分细则对齐」——先将教研组给出的评分细则拆解为可核查的采分点，由模型只负责采分点的命中判定，再由命中…
📚 教育AI实验室2026-10-30
AI错题归因定制：知识点定位与补偿练习
教育AI实验室近期完成一轮错题归因的实验迭代。区别于只输出「对/错」的判分模型，我们把重心放在错误原因的分解：先把学生作答映射到知识点图谱，再判定错误类型——概念理解偏差、计算失误、审题遗漏或时间不足，最后按类型给出强度不同的补偿动作。 要…
📚 教育AI实验室2026-10-29
AI错题归因定制：知识点定位与先修链追溯
错题讲评长期依赖教师经验判断，学生通常只拿到对错与答案，难以定位真正的断点。教育AI实验室尝试把“错在哪一步”拆成可追溯的结构化问题。 做法上，先把题目挂载到知识点图谱，除当前知识点外标注其依赖的先修节点；学生答错后，模型不直接给解析，而是…
📚 教育AI实验室2026-10-29
AI学情诊断定制：知识追踪与错因归因
教育AI实验室近期围绕“学情诊断”做小规模实验：不改动现有题库，把学生作答日志、知识点图谱和教师标注的错因合并，训练一个可解释的诊断链路。系统先做知识追踪，估计每个知识点的掌握概率；再让模型在限定错因标签内归因，如概念混淆、步骤遗漏、审题偏…
📚 教育AI实验室2026-10-28
AI错题归因与讲解生成定制：知识点定位与提示分层
教育AI实验室近期把研究重心放在错题反馈的可解释性上。相比直接给出答案，我们更关心模型能否指出学生错在哪一步、对应哪个知识点，并给出不超过三步的引导式提示。 方法上分两段：先用解题步骤切分模型把标准答案与学生作答对齐，标注首个偏离步骤；再由…
📚 教育AI实验室2026-10-28
AI实训作业批改定制：评分量规与反馈生成
教育AI实验室近期在职业培训场景中试点“评分量规驱动”的作业批改流程，目标不是让模型直接给最终分数，而是把教研经验转成可复核的分项证据与反馈。做法上，先将实训报告、项目作业拆解为功能完成度、代码规范、文档结构、问题定位等可观察指标；模型按指…
📚 教育AI实验室2026-10-27
AI学情诊断归因定制：错题簇与干预建议
教育AI实验室近期在学情诊断方向做了一组小范围实验：不直接让大模型“读错题”，而是先把答题日志结构化为知识点、难度、耗时和作答变更序列，再训练轻量归因模型输出错因标签，如概念混淆、计算失误、审题偏差。随后按错题簇生成分层干预建议，并由教师审…
📚 教育AI实验室2026-10-27
AI错题归因定制：知识点定位与变式题生成
错题本的价值，取决于能否从「这道题错了」走到「哪个知识点没掌握」。教育AI实验室近期围绕错题归因与变式题生成做了一轮实验：先由模型读取题干、学生作答与解析，把错误落到知识图谱的具体节点上，并区分概念混淆、步骤遗漏、计算失误、审题偏差四类成因…
📚 教育AI实验室2026-10-26
AI错题归因定制：知识点图谱与薄弱项排序
在教培场景里，老师最耗时的往往不是讲题，而是判断「这道题错在哪、接下来该补哪个知识点」。教育AI实验室近期做了一个小范围实验：把学生错题作答、题目解析与教材知识点目录对齐，让模型完成三层归因——计算失误、概念缺口、解题策略缺失，再按知识点聚…
📚 教育AI实验室2026-10-26
AI实训考核定制：操作步骤识别与评分校准
在职业教育实训场景中，考核多依赖教师现场观察打分。一名教师同时看多个工位，评分尺度容易漂移，事后也难以复盘。本期教育AI实验室围绕「操作步骤识别与评分校准」做了一组小样本实验。 做法并不复杂：用固定机位拍摄学生实训全过程，按工位与工具使用切…
📚 教育AI实验室2026-10-25
AI课堂话语分析：提问类型标注与反馈生成
教育AI实验室近期在教师培训场景测试了一套课堂话语分析流程：先对课堂音频做说话人分离与转写，再按“事实性提问、程序性提问、开放性提问、追问”四类标注教师提问，并统计候答时间、学生应答覆盖面等指标，最后生成课后反馈建议。进展：在3所合作校的8…
📚 教育AI实验室2026-10-25
AI实训操作评分定制：动作分段与评分一致性
在职教实训场景中，考评员的判断依赖多年经验，很难直接复制。我们尝试把一段操作视频拆到「工步级」，再与评分细则逐条对齐。 做法分三层：先用工序动作识别把长视频切成起止明确的工步；再对每个工步抽取可观测指标，如工具握持姿态、步骤顺序、关键参数停…
📚 教育AI实验室2026-10-25