教育AI实验室本阶段聚焦「知识点掌握度诊断」：把学生的作业与随堂练习记录，转化为可解释的掌握度估计，用于自适应练习推荐与教师备课提示。
方法上采用两层结构：先用知识图谱标注每道题对应的知识点与先修关系，再用带先修约束的时序模型估计掌握度，而不是只看单次对错。这样做的代价是前期标注成本较高，收益是诊断结果能落到具体知识点，而非一个笼统分数。
要点一（进展）：在试点班级的三个月练习数据上，模型对「下次同知识点正确率」的预测，校准误差较「按班级平均正确率」基线下降约三成；对冷启动题目，加入先修约束后估计波动明显收敛，同一学生相邻两次的掌握度跳变减少。
要点二（下一步）：计划开展一轮小规模对照实验，一组按掌握度推荐练习，一组按教师原定作业，比较完成时长与后测成绩；同时把诊断结果做成教师可读的红黄绿三色视图，观察是否真被用于调整讲评顺序。
我们更关心的不是取代教师，而是诊断能否稳定、可解释、被使用。若对照实验显示效果不稳定，会先收缩到单元复习这一窄场景，再考虑扩展。
评论