AI学情诊断定制：知识点图谱与错因归因

自适应练习的核心难点，不是推荐下一题，而是判断学生为什么错。教育AI实验室近期把学情诊断拆成两步：先把作答记录映射到知识点图谱，再对错误做归因分类（概念缺失、计算失误、审题偏差、迁移失败）。为避免把偶然失误当成能力短板，模型引入同一知识点的历史作答序列与题目难度作为先验，并用教研员标注做小样本校准。

进展：在初高中数学共12万条作答记录上，知识点定位Top-1与教研员标注一致率约78%，比规则引擎基线高约11个百分点，归因结论已能稳定区分“概念缺失”与“计算失误”两类高频错误。

下一步计划：把诊断范围扩展到物理学科，接入步骤书写等过程性数据，让反馈从“哪题错了”推进到“从哪一步开始错”，并保留可解释依据，便于教师复核与干预。