AI错题归因定制：知识点定位与变式练习推荐

在教育AI实验室的试点里，我们把「错题」当作诊断入口，而不是结果标签。系统从作答文本、解题步骤、修改痕迹与作答时长中提取特征，映射到学科知识图谱的细粒度节点，再归类错因：概念混淆、审题偏差、方法缺失、计算疏漏。不同错因对应不同的干预动作——概念类回补微课，方法类给同构例题，疏漏类只做限时校验，避免一律加量刷题。

要点：
1）进展：在某中学初二数学三个班约160名学生中试点6周，知识点定位与教师人工标注的一致率约78%；按错因推送的变式练习，学生二次作答正确率由41%升至63%，教师课外讲评时间平均减少约三成。
2）下一步：将证据链从纸面作答扩展到实验操作与口语表达等过程性场景，并引入教师可编辑的错因词典与阈值，防止模型自造标签；同时增加「诊断可回退」机制，教师可一键修正归因，修正结果回流用于校准。