作业数据知识追踪实验：薄弱知识点定位初探

教育AI实验室近期围绕知识追踪技术开展教学场景实验，目标是基于学生日常作业与测验的作答数据，自动定位班级与个体的薄弱知识点，为教师分层教学与练习推荐提供依据。实验采用某初中数学两个班级一学期的脱敏作答记录，先构建题目—知识点标注体系，再对比传统正确率统计与深度知识追踪模型的表现。阶段性结果显示，模型对后续仍会出错的薄弱点预测准确率较简单正确率统计提升约12个百分点，可更早识别连续性薄弱环节。①进展：完成题目知识点自动标注流水线，标注一致率约91%，明显降低人工整理成本；②下一步：引入错因标签（概念混淆、计算失误、审题偏差），尝试区分不会与粗心两类情况，并扩展至多学科验证泛化性。需要说明的是，知识追踪在低频知识点与新生冷启动场景仍存在明显局限，相关缓解方案正在验证中。我们的初步判断是：该方向可作为学情分析系统的技术底座，但短期内仍应以辅助教师判断为定位，不宜过度宣传自动诊断能力。