AI学情诊断归因定制：错题簇与干预建议

教育AI实验室近期在学情诊断方向做了一组小范围实验：不直接让大模型“读错题”，而是先把答题日志结构化为知识点、难度、耗时和作答变更序列，再训练轻量归因模型输出错因标签，如概念混淆、计算失误、审题偏差。随后按错题簇生成分层干预建议，并由教师审核后推送给学生。

要点：

• 进展：在初中数学与Python入门课试点，覆盖约1200名学生、3.6万道错题。模型与教研员标注的一致率约78%，教师对干预建议的采纳率约64%；单份班级诊断报告生成时间由约90分钟降至3分钟。
• 下一步：接入草稿纸与代码运行轨迹，验证“过程特征”能否降低对最终答案的依赖；同时加入反事实检查，避免把相关当因果，误伤个别学生。

我们认为，教育AI的价值不在替教师下结论，而在把证据整理得更清楚，让干预更及时、更可解释。