教育AI实验室本期围绕初中数学学情诊断做了一轮工程化验证，重点不在生成题目，而在判断“学生到底卡在哪一步”。
做法分两步。第一步，把校本作业与单元测的作答记录对齐到知识点图谱，按题目—知识点—先修关系建立弱监督标注，并利用作答时长与步骤完整性区分概念性错误与程序性错误。第二步，用BKT与DKT做基线对比，估计每个知识点的掌握概率；推荐环节不再按错题数量堆题，而是优先补先修断点，单次练习控制在15分钟内。
阶段性进展：在合作校两个学期的历史数据上，模型对教师标记的薄弱知识点召回约0.78，误报主要来自多知识点混合题；加入错因标签后，学生二次作答正确率提升约9个百分点。样本量仍有限，该结论仅作内部参考。
下一步计划两条：一是把主观题步骤切分与解析接入流程，降低对选择题作答的依赖；二是开展为期6周的班级对照实验，观察知识点的长期保持率，而非单次正确率。
评论