AI错题归因定制：知识点图谱与错因标注

在教育AI实验室的试点中，我们把一道错题拆成三层信号：知识点归属、解题步骤断点、以及答案背后的错误类型。只给知识点标签只能回答“哪里不会”，无法回答“为什么不会”，因此我们尝试用知识图谱与错因分类共同约束模型输出。

具体做法是先依据教材与考纲构建约1200个节点的先修关系图谱，再由教师对历史错题做小规模错因标注，训练一个轻量分类头，对模型生成的归因做一致性校验；当图谱路径与错因标注冲突时，回退到教师复核队列，而不是直接推送给学生。

• 进展：在初中数学两个单元的试点中，归因结果与教师人工判断的一致率约78%，其中计算失误与概念混淆两类最容易混淆。
• 下一步：把归因结果接入练习推荐，观察两周内的重做正确率与教师复核负担变化，重点验证归因是否真正改变了练习选择，而不只是让报告更好看。