教育AI实验室本期进展聚焦一个具体问题：学生做错一道题，究竟该归因到哪个知识点。
我们搭建了「题目—知识点—能力点」三层图谱：由模型从题干、解析与教材目录中抽取候选知识点，再由教研员抽样校对；学生作答序列用于更新各知识点的掌握度，而不是只输出一个笼统的分数。
- 阶段性数据：在合作学校初中数学场景约 32 万条作答记录上离线回放，知识点归因与教研员标注的一致率约 86%，掌握度预测 AUC 约 0.79；对冷启动学生，前 10 题的掌握度估计误差较基线下降约 18%。
- 下一步：将掌握度输出接入教师端，只提供可解释的干预建议（如某知识点下的三题题组），并用小规模对照实验观察练习正确率与知识点留存变化，同时补齐主观题的归因链路。
我们的判断是，教育场景的可用性并不取决于模型强弱，而取决于归因是否稳定、建议是否允许被老师推翻。
评论