在K12与职业培训场景中，错题本长期停留在“抄录+重做”的层面，难以回答“究竟错在哪个知识环节”。教育AI实验室近期完成一轮小规模实验：把学生的作业与测验作答记录按“题目—知识点—能力维度”对齐，由模型做错因归因，再据此生成变式题与复习顺序。
实验设计上，我们刻意避开“一键生成整套试卷”这类大而全的做法，只做三件事：一是把题目映射到细粒度知识点，比教材目录细一到两级；二是区分“概念不清”“计算失误”“审题偏差”三类错因；三是按错因推荐不超过5道变式题，并标注每题对应的知识点。
- 进展：在2个班级、约90名学生的数学作业数据上，模型错因分类的教师认同率为78%，知识点映射一致率约85%；每周复习题量由平均22道降至9道，单元测平均分波动在±1.5分以内。
- 下一步：扩展至物理与英语学科，验证跨学科知识点图谱的复用性，并补齐“教师可编辑”的干预入口，避免系统只给结论却无法被修正。
我们更倾向把这类系统定位为教师的备课与诊断助手，而不是替代讲解。
评论