AI错题归因实验：知识追踪与认知诊断

教育AI实验室近期围绕“错题归因”做了一轮小规模实验：把学生的错题从“答对/答错”推进到“错在哪一步”。方法上采用知识追踪模型估计各知识点掌握度，再用认知诊断层区分概念不清、计算失误与审题偏差，最后由大模型生成面向教师的归因摘要。首轮在合作机构的初中数学场景中试运行，覆盖约120名学生、8周练习数据。离线评估显示，知识点定位Top-3命中率约78%，较人工标注基线提升约12个百分点；对“概念不清”与“计算失误”的二分类一致率约0.71。下一步计划引入作答过程数据（修改次数、停留时长）验证对猜测与粗心的区分能力，并把归因结果接入教师端，观察是否改变讲评课的选题顺序。目前结论仅适用于该题库与学段，不做跨学科外推。