错题AI归因诊断与变式题生成实验进展

本实验室近期围绕中学数学错题的自动归因与变式题生成开展实验，目标是验证大模型在真实教学数据上的可用性。我们与两所合作学校的教研组共建错题标注集，覆盖初二代数与几何共约1.2万条学生作答记录，采用「知识图谱定位＋大模型推理」两段式方案：先由知识图谱将错题映射到具体知识点与常见误区，再由大模型生成自然语言的错因解释与个性化讲评。阶段结果：一是错因归因与教师判断的一致率约82%，其中计算类错误识别效果优于概念理解类错误；二是生成的变式题经教研组评审，可直接用于练习的比例约65%，主要问题集中在难度控制与题干条件冗余。下一步计划：扩充概念类错题样本，引入难度分级约束的生成策略，并拟在新学期开展小规模班级对照试用，以检验变式题训练对学生纠错效果的实际影响。