知识追踪驱动的个性化习题推荐实验进展

教育AI实验室近期围绕知识追踪技术在习题推荐场景开展阶段性实验，目标是让系统依据学习者答题记录，动态估计其对各知识点的掌握程度，并给出难度适配的练习建议。
实验基于某职业培训机构脱敏后的约12万条答题记录，对比项目反应理论（IRT）与深度知识追踪（DKT）两类模型。初步结果显示：DKT在知识点掌握预测上AUC达0.81，较IRT基线提升约9个百分点；模拟推荐测试中，推荐习题与学习者实际薄弱点的匹配率约76%。
· 团队引入知识点先修关系图对DKT结构加以约束，使预测更符合教学逻辑，跳跃式误推荐比例下降约18%；
· 下一步计划接入小规模真实班级开展六周对照试用，重点观察推荐习题完成率与二次测验成绩变化，并完善基于前测问卷的冷启动初始化策略。
实验室将持续记录实验数据与教学反馈，相关方法细节待验证完成后整理发布。