本周教育AI实验室完成一轮小规模实验：以一门职业培训课程为样本，把教材、课件与题库整理成课程知识图谱，再让模型基于学生答题记录做知识点级学情诊断。目标不是替代教师，而是把“哪一章没学会”细化到“哪个前置概念没掌握”。
做法上分三步：先用规则加模型抽取知识点与先修关系，人工复核修正；再把每道题映射到一个或多个知识点，形成作答—知识点矩阵；最后按掌握度阈值输出薄弱点清单，并给出建议复习路径。实验覆盖约120名学生、9个班次、1400余条作答记录，知识点映射的人工修正率约18%，诊断结果与教师主观判断的一致率约76%。
阶段性结论：图谱质量决定诊断上限，前置关系比题目难度更影响推荐顺序；对于作答量少的学生，诊断置信度明显下降，需要引入课堂提问与作业等弱信号补充。
下一步计划：把诊断结果接入练习推荐，做A/B对照，观察同一知识点重复练习次数与阶段测评通过率的变化，并验证教师端是否愿意据此调整讲评顺序。
评论