知识追踪驱动的自适应练习推荐实验进展

本实验室近期围绕知识追踪（Knowledge Tracing）技术在个性化练习推荐中的落地开展阶段性实验，选取初中数学两个班级约90名学生为试点，基于三个月的作业与测验记录构建作答序列数据集，对比深度知识追踪模型与规则型掌握度模型的预测表现。阶段性结果：一是DKT模型在下一题答对率预测上AUC约0.78，较规则模型提升约6个百分点，但在数据稀疏的知识点上估计方差偏大，计划引入知识点层级结构先验加以约束；二是基于模型输出生成的推荐练习列表，经教师抽样评审，知识点匹配准确率约85%，但难度适配偏保守，约两成推荐题低于学生实际水平。下一步将融合认知诊断模型与知识图谱先验，缓解稀疏知识点估计偏差，并开展为期六周的对照推荐实验，以错题重做正确率与学习投入时长为主要评估指标，持续公开数据口径与方法细节，避免过早下结论。