知识追踪模型驱动个性化练习推荐实验进展

教育AI实验室近期围绕知识追踪技术在个性化练习推荐中的应用开展阶段性实验，在合作培训机构的数学、英语两科脱敏作答数据上，对比了深度知识追踪（DKT）与引入注意力机制的AKT模型。实验要点：一是基于约12万名学员、600万条作答记录的测试集，AKT模型对下一次作答正误的预测AUC达到0.79，较DKT基线提升约3个百分点；二是依据模型输出的薄弱知识点排序生成推荐练习，小范围A/B测试显示学员单位时间正确率提升约8%，重复错题率有所下降。实验同时暴露出两点局限：冷启动学员与作答稀疏场景下预测精度明显衰减，题目知识点标注质量不一致也影响推荐稳定性。下一步计划引入题目文本语义特征与作答时长信息，改进多模态知识状态建模，并在职业技能培训场景验证模型的跨学科泛化能力，为规模化落地积累依据。