知识追踪学情诊断模型：教育场景阶段性实验进展

教育AI实验室近期围绕知识追踪技术在学情诊断中的应用开展阶段性实验，重点验证模型在真实教学数据下的稳定性与可解释性。实验基于合作教培机构脱敏后的约12万条答题记录，对比深度知识追踪模型与传统贝叶斯方法在知识点掌握度估计上的差异。初步结果显示，深度模型在下一题作答正确率预测上AUC达0.79，较基线提升约6个百分点；引入知识点层级约束后，模型输出的薄弱点定位与教师人工诊断一致率约82%。要点进展：1. 构建覆盖数学、物理两学科的三级知识点图谱，使诊断结果具备可追溯依据；2. 针对冷启动班级样本不足问题，采用跨班级迁移预训练加本地少量数据微调策略，冷启动场景预测误差下降约15%。下一步将扩展至主观题占比较高的学科，探索客观作答数据与文本作答特征的融合建模，并邀请一线教师参与诊断报告可用性评审，确保模型输出切实支撑教学决策。