在K12与职业培训场景里，「讲同一道题、补同一个洞」是效率损耗最明显的环节。教育AI实验室本阶段把问题收敛为一个可验证的小目标：给定学生的历史作答记录，输出错因归类与下一步练习建议，并让教师能在10秒内完成复核。
我们把诊断拆成三层：作答数据清洗（剔除猜测、跳题、重复提交）、知识点与能力维度映射、错因归类。错因不追求细粒度穷举，先固定在概念缺失、计算失误、审题偏差、方法误用四类，便于教师快速校验与修正。
要点：
- 进展：在自有题库（约1.2万题、覆盖3个学科）上，错因归类与教师人工标注的一致率为78%，其中概念缺失类最高，审题偏差类偏低；练习推荐的同知识点命中率91%，难度爬升控制在0.05~0.15区间。
- 下一步：引入作答时长与修改轨迹作为辅助特征，降低「蒙对」样本的干扰；同时把教师复核结果回流为标注，验证一周内的迭代增益。
评论