在作业与测验场景中，只判断对错的批改价值有限。本实验室近期尝试把“错题”拆成可干预的归因：概念理解偏差、步骤遗漏、计算失误、审题偏差四类，并进一步定位到前置知识点，而不是停留在当前题目所属章节。
做法上分两层。第一层用题目知识点标注与学生历史作答序列训练轻量分类模型，输出错因分布和前置知识点候选，保留置信度与依据供教师复核；第二层按错因匹配补救内容——概念偏差给对比辨析题，步骤遗漏给半成品解答题，计算失误给专项小练，审题偏差给题干改写与条件圈画练习。教师可调整难度与题量，系统记录采纳与修改动作，用于后续校准。
进展：在某校高一数学两个班试点，累计处理约1.2万条作答记录。错因归类与教师标注的一致率约82%，前置知识点召回约76%；教师对自动生成练习的整体采纳率约六成，其中计算失误类最高，审题偏差类偏低。
下一步：引入作答过程特征（修改轨迹、草稿步骤），验证对成绩提升的滞后效应；同时处理新知识点的冷启动问题，避免样本不足时给出过度确定的归因结论。
评论