在教育AI实验室，我们近期完成了一轮学情诊断的离线实验。方法上，将章节知识点拆解为可观测的原子技能，建立先修—后继关系图谱；以学生历史答题记录为输入，用贝叶斯知识追踪与项目反应理论混合模型估计每个技能的掌握概率，并对错题做归因：是概念缺失、计算失误还是题意理解偏差。实验覆盖初中数学“一元二次方程”等三个章节，共1286名学生、约4.7万条答题记录。离线评估显示，掌握度估计的AUC约0.81；基于诊断结果生成的个性化练习，在学生后续同知识点测试中平均正确率提升约9个百分点。
- 进展：已完成知识点图谱构建与诊断模型离线验证，错因归因可区分三类主要错误模式。
- 下一步：接入更多学科，尝试用作答时长、修改痕迹等过程数据提升诊断分辨率，并开展小规模对照教学实验。
评论