AI错题归因实验：知识图谱与干预建议生成

教育AI实验室近期把「错题本」当成一个可实验的对象：目标不是让学生多刷题，而是先弄清错在哪。链路分三步——题目侧完成知识点与能力维度标注，作答侧按时间序列记录解题路径，模型侧输出归因标签，并生成不超过3题的微练习和一条教师提示。

目前在一批合作校初中数学六个单元、约1200名学生上做了离线验证，模型归因与教研组人工标注的一致率约76%。阶段性结论是：知识点级归因相对稳定，「计算失误」与「审题偏差」两类最容易混淆。因此现阶段不把归因结果用于评价，只作为教学线索。

要点：

• 归因输出附带置信度，低于阈值的样本转人工复核，不直接推送到学生端；
• 干预建议控制在「一道原题变式＋一道迁移题」，避免以技术名义加重负担。

下一步计划接入作答时长、修改痕迹等过程性数据，并设计小规模对照实验，验证干预建议是否真正改变后续同类题的表现，而不是只改变错题本的外观。