在教培场景里，错题常被笼统归因为「粗心」或「没学会」，两者对应的补救动作完全不同，却往往使用同一套练习推荐。我们在教育AI实验室尝试把归因做细：将学生的作答记录按知识点、题型、难度、作答时长与时间间隔编码成序列，用轻量序列模型估计各知识点的掌握概率，再把一次错误拆成三类——当前知识点未掌握、前置知识点存在缺口、程序性失误（审题、计算、时间分配）。
要点
- 进展：在某中学数学教研组两个学期的历史作答数据上做回溯验证，模型给出的掌握度分层与教师人工标注的一致率约 78%；前置知识缺口的识别在当前知识点显性错误之前一到两个单元即可出现，且可解释到具体前置节点，便于教研组核对。
- 下一步：把归因结果接入练习推荐，对比「补前置」与「补当前」两种策略在同类学生上的收敛速度，并在两个平行班做小规模对照，重点观察中等及后段学生的知识点回补效果。
我们暂不追求全学科覆盖，先把单学科、可解释的归因链路跑通，再考虑扩展到其他学科。
评论