在教育场景里，「答错」往往被简化成一个标签：这题不会。但学生的真实状态差异很大——可能是先修知识点缺失，可能是读题失误，也可能只是计算粗心。教育AI实验室近期的一组实验，尝试把错题还原为可行动的学情信号。
做法是不把单题对错作为唯一输入，而是把答题序列当特征：作答耗时、修改次数、是否调用提示、同类题历史表现，再配合一份轻量知识点图谱，估计各知识点上的掌握度，并沿先修关系向上回溯，定位最可能的断点。推荐环节优先补断点，而不是重复推送同题型。
进展与下一步：
- 阶段进展：在某初中数学练习场景试点，知识点级掌握度估计与教师人工标注的一致率约78%；针对断点推送补救练习后，次日同知识点正确率平均提升约11个百分点。
- 下一步：引入解题步骤文本，区分「不会」与「粗心」两类错因，并为推荐题量设置上限，避免诊断本身变成新的负担。
评论