自适应练习推荐：知识追踪模型课堂实验进展

自适应学习是教育AI的核心场景之一，但其落地长期受限于学情数据稀疏与知识点标注不一致。本实验室近期在一所合作中学的数学课堂开展知识追踪模型对比实验，围绕“练习记录—知识掌握度—练习推荐”闭环进行小规模验证。阶段性要点如下：
· 数据侧：对约1200名学生八周的作业与测验记录进行脱敏处理，构建知识点层级映射，将题目与课标概念对齐，知识点覆盖率由62%提升至91%；
· 模型侧：在稀疏答题序列上对比深度知识追踪模型与基于题目文本嵌入的方法，知识掌握度预测AUC达到0.81，推荐题目的作答错误率较随机推题组下降约14%。
初步结果显示，题目文本嵌入对新题冷启动有较好的补充作用，但模型对学生短期波动（如临场状态、粗心失误）仍易误判为知识缺陷。下一步计划引入答题时长与修改轨迹等行为特征以区分“不会”与“失误”，并在语文阅读理解场景复验方法的可迁移性。我们将持续以小规模、可复现的课堂实验验证结论，避免对效果的过度泛化。