AI学情诊断定制：知识追踪与错因归因

教育AI实验室近期围绕“学情诊断”做小规模实验：不改动现有题库，把学生作答日志、知识点图谱和教师标注的错因合并，训练一个可解释的诊断链路。系统先做知识追踪，估计每个知识点的掌握概率；再让模型在限定错因标签内归因，如概念混淆、步骤遗漏、审题偏差，并生成对应干预建议，避免直接给答案。

阶段性进展：在某初中数学班（3个班、约120名学生、6周）测试中，诊断结果与教师复核的一致率约78%，比单用知识点掌握概率提升约11个百分点；教师每周批注时间平均减少约25分钟。当前仍存在开放题归因不稳定、冷启动知识点覆盖不足等问题。

下一步计划：加入教师反馈闭环，对错因标签和提示粒度做周期性校准；同时扩到物理学科，验证跨学科迁移是否成立。