过去一学期，教育AI实验室把重点从“判对错”转向“判错因”。我们的判断是：批改准确率高并不等于教学有用，教师真正需要的是可解释、可干预的错因线索。
做法上，以学科知识点图谱为骨架，把学生的作答过程（步骤跳跃、符号误用、单位遗漏、概念混用）拆成可枚举的错因标签，由模型完成初步归因，教师只需在复核时确认或修正。为避免模型自说自话，我们用少量教师标注数据校准归因结果，并把置信度低的样本主动交给教师，而不是硬给结论。
- 阶段进展：在合作校数学、物理作业场景试点，归因标签基本可用，教师复核后能直接生成分层练习；对“会做但算错”与“不会做”两类样本的区分，明显优于单看正确率。
- 下一步：补齐跨章节、跨年级的图谱覆盖，并验证推题是否带来后续正确率提升，而不只是当次练习变得更容易。
我们更想把这件事做成一个可被教师推翻的系统：归因只给假设，最终判断权仍在教师手里。
评论