知识追踪AI模型实验：错因诊断与练习推荐

教育AI实验室近期围绕知识追踪方向完成阶段性实验，目标是让模型从学生作答序列中推断知识点掌握度，为教师提供薄弱点诊断与练习推荐依据。实验要点：1. 数据与效果：联合两家培训机构采集约1.2万名学生、46万条作答记录，覆盖初中数学132个细粒度知识点。采用深度知识追踪与知识图谱融合结构，留出集AUC达0.79，较基于正确率统计的传统方法提升约12个百分点。2. 错因归因：引入题目文本语义特征后，模型可将失分溯源至前置知识缺口，例如一元二次方程的错误可定位到因式分解掌握不足；基于该归因生成的推荐练习，教师采纳率约63%。下一步计划将实验扩展至高中物理学科，验证跨学科迁移能力，并开发支持私有化部署的轻量版本，保障学生数据合规。实验室将持续以小规模试点驱动迭代，对模型泛化能力保持审慎评估，暂不对外承诺未经验证的效果。