AI学情诊断定制：知识点掌握度与遗忘曲线

在培训场景里，学情诊断长期依赖教师经验：一次测验能看出对错，却很难说清是哪个前置知识点断了链。近期的实验把作业与测评数据先映射到知识点图谱，再用带遗忘衰减的知识追踪模型估计各节点掌握度，输出“哪一步不会、大约多久会忘”，而不是一个笼统的分数。

进展：在三个教学班做小规模对照，模型给出的薄弱点排序与教研组人工复盘的前三项一致率约 78%，错因归因前三命中率约 71%，教师备课时检索知识点的时间平均下降约四成；数据稀疏的班级表现明显更差，是目前最需要解决的问题。

下一步：一是接入课堂互动、作业修改痕迹等过程性数据，作为掌握度的补充证据；二是把遗忘衰减参数由统一值改为按个体校准，并输出置信区间，避免用单一分数给学生贴标签。