基于知识追踪的个性化练习推荐AI实验进展

教育AI实验室近期围绕“知识追踪+个性化练习推荐”方向开展阶段性实验，目标是根据学生答题序列动态估计其对各知识点的掌握概率，进而推荐下一步最合适的练习内容。实验采用某职业培训机构脱敏后的约12万条答题记录，对比了深度知识追踪（DKT）与贝叶斯知识追踪（BKT）两条技术路线。初步结果显示：DKT在知识点掌握预测上AUC达0.83，较BKT提升约6个百分点；针对答题记录少于50条的小样本知识点，引入题目文本语义嵌入后，冷启动预测误差下降约15%。1）已完成知识点图谱构建与答题序列建模，覆盖3个学科、约400个知识点；2）下一步计划开展8周A/B教学试点，验证推荐练习对完课率与测验成绩的实际影响，并优化小样本场景下的先验估计方法。团队同时关注可解释性问题，正尝试为每次推荐生成简短的掌握度归因说明，避免黑箱推荐影响师生信任。后续进展将在实验室页面持续更新。