教育AI实验室近期在学情诊断方向做了一轮小规模实验：把学生的作答序列、作答耗时与题目知识点标签一并输入知识追踪模型，先估计各知识点的掌握概率，再叠加一层错因分类器，把错误归为概念混淆、计算失误、审题偏差与知识盲区四类，最终输出按知识点排序的补强清单。
进展与数据：
- 在某中学数学学科三个班的单元测中，知识点掌握度排序与教师人工判断的一致率约 76%；错因分类里“概念混淆”与“计算失误”的区分相对稳定，“审题偏差”类样本仍然偏少，暂不足以支撑单独成类。
- 诊断报告由教师二次编辑后使用，平均修改量约 20%，说明结论可读、方向可用，但不宜不经审校直接下发学生。
下一步计划是把诊断结果与练习推荐打通，做小范围对照实验，观察补强清单是否真正改变后续练习的选题分布；同时补充主观题与开放题的证据来源，避免模型结论过度依赖选择题作答。
评论