教育AI实验室近期完成一轮面向校内的学情诊断实验。我们没有直接做“推荐题”，而是先解决错因归因：系统从教师批改后的作业图像中提取题干与作答痕迹，匹配自建知识点图谱，再将错误归入概念混淆、计算失误、审题偏差、迁移失败四类。为控制误判，模型只输出候选归因，经教研组规则校验后入库，教师端看到的是一句话结论和对应证据片段，而不是一个分数。
进展：在初中数学一个教研组的试点中，覆盖 6 个章节、约 1800 道错题。与教师人工标注相比，主要错因 Top-1 一致率约 82%；其中“计算失误”识别最稳，“概念混淆”与“迁移失败”较易互相混淆，已通过引入前置知识点依赖关系缓解。
下一步计划：加入作答时长与跳步特征，把单题归因扩展到单元级薄弱项排序，并输出面向教师的干预建议（重讲、变式练习、分层作业）。学生端暂不直接展示归因标签，避免形成固化评价。
评论