知识追踪AI学习路径定制：错因诊断与练习推荐

教育AI实验室近期围绕“知识追踪”开展实验性探索，目标是让系统从学生作答记录中推断知识点掌握状态，进而生成个性化练习路径。团队以初中数学为试点学科，采用深度知识追踪（DKT）与学科知识图谱结合的技术路线，构建了覆盖120个知识点的图谱结构，并在脱敏后的约8万条作答数据上完成首轮训练。

阶段性进展：

• 留出测试集上，模型对下一次作答对错的预测AUC为0.78，较基于正确率统计的基线方法提升约9个百分点；
• 错因归因模块可将典型错误映射至前置知识点缺口，教研教师抽样复核一致率约82%。

当前仍有两点不足：单个学生的长序列作答数据稀疏，跨章节知识迁移的判断偏保守。下一步计划引入题目文本语义特征以缓解新题冷启动问题，并联合两所合作学校开展为期八周的课堂小规模验证，重点观察推荐练习的实际完成率与二次作答正确率，再评估是否扩大试点范围。