AI错因归因实验：知识点图谱与分层练习生成

错题本身不稀缺，稀缺的是对错因的判断。教育AI实验室本期实验把学生答题记录挂到知识点图谱上，尝试用少量标注完成错因归因，再据此生成分层练习。

做法分两步：先依据教材目录与题目解析构建“知识点—技能点”两级图谱，为每个节点标注前置依赖；再用学生历史作答序列训练一个轻量序列模型，输出“知识缺口／计算失误／审题偏差”三类归因标签及置信度。教师只复核低置信度样本，用于每周增量微调，避免全量标注的成本。

· 进展：在某合作机构高一数学三个章节试点，覆盖 1,200 名学生、约 8.6 万条作答记录。与教师人工标注对比，知识缺口类归因一致率 78%，计算失误类 84%；按归因结果推送分层练习后，四周内同类题正确率平均提升 11 个百分点，基础层提升更明显（14 个百分点）。

· 下一步：将图谱扩展至物理学科，重点验证跨章节迁移时归因结果是否稳定，并补齐“审题偏差”这一类别的判定依据。