知识追踪驱动的个性化学习路径推荐实验

近期，教育AI实验室围绕知识追踪技术在个性化学习路径推荐中的落地开展阶段性实验。我们在合作培训机构的数学与编程两类课程中，采集近三个月约1.2万名学员的作答记录、视频观看行为与错题订正数据，构建了深度知识追踪与注意力机制融合的学员知识状态建模方案。

实验要点：一是数学课程测试集上，模型对下一题作答正误的预测AUC达0.81，较规则基线提升约12%；按薄弱知识点排序生成推荐路径后，学员完课率提升9个百分点。二是针对冷启动问题，采用知识点先验图谱与少量标注作答的半监督策略，新学员在完成10题内即可形成可用画像。

下一步，实验室将把方案扩展至职业资格类课程，验证跨课程知识迁移的可行性，并探索用大语言模型生成错因的自然语言解释，提升推荐结果对教师与学员的可理解性。数据与方案细节整理后将在实验室页面更新。