AI知识点掌握度追踪：答题序列与遗忘衰减建模

培训场景里的答题数据天然稀疏：同一知识点通常只有三五次作答，还混着复习、猜测与遗忘。若只按正确率排序，系统很容易把「刚讲过」当成「已掌握」，把「隔了两周没复习」当成「学不会」。教育AI实验室本期就此做了一组实验。

做法上，我们先把题目映射到知识点图谱，再以答题序列为输入训练知识追踪模型，并在模型侧加入两类显式特征：一是相邻两次同知识点作答的时间间隔，用指数衰减刻画遗忘；二是作答时长与改答次数，用于区分不会做与粗心。输出不是简单的会或不会，而是 0 到 1 的掌握度估计值和建议复习时间点。

阶段性进展：在内部约 12 万条答题记录上，对下一次作答正确率的预测 AUC 由 0.71（逻辑回归基线）提升至 0.78；按模型推荐时间推送复习练习的实验组，7 日后同知识点正确率比对照组高约 7 个百分点。