在真实教学场景里，「这个学生哪里不会」往往比「他考了多少分」更难回答。本期进展来自教育AI实验室与一所职业院校的联合试点：我们没有直接做分数预测，而是把作答序列还原为知识点级别的掌握度轨迹。
做法分三层：先用教材目录、考纲与教师标注构建知识点图谱，显式记录先修关系；再以知识追踪模型结合题目难度校准，输出每名学生在各知识点上的掌握概率；最后对错题做归因分类——概念混淆、步骤遗漏、审题偏差、先修缺口，并只把置信度较高的归因推送给教师。
进展（试点 3 门课程、约 8400 名学生、120 万条作答记录）：
• 掌握度估计与教师人工判断的一致率约 78%，分歧主要集中在对「先修缺口」的判定上；
• 教师查看一份学情诊断报告的耗时，由课后约 25 分钟缩短到 8 分钟左右。
下一步计划：一是处理冷启动，让新学生在 20 题以内即可获得可用估计；二是验证知识图谱跨教材迁移的稳定性，并把模型不确定性如实呈现给教师，避免把概率包装成结论。
评论