在教育AI实验室的近期实验中，我们尝试把「错题本」从记录工具升级为学情诊断入口。做法是：以班级日常作业与测验的作答数据为输入，先完成知识点标注与错因归类（概念不清、计算失误、审题偏差、迁移失败），再由模型生成分层作业建议——同一道母题派生基础巩固、变式训练、拓展迁移三档题组，教师只需确认或微调，不改变原有布置流程。
阶段性进展：
- 在约1200份初中数学作业样本上，知识点标注与教师人工标注的一致率约86%，错因归类一致率约78%；其中「计算失误」与「审题偏差」最易混淆，已加入规则校验做二次判定；
- 分层作业的教师采纳率约六成，主要修改集中在题量控制与难度梯度，说明模型输出的「量」仍需人工把关。
下一步计划：将错因归类与教师批注做联合训练，并在一所学校试点「诊断—布置—回看」周报闭环，观察两周内同类错误的复现率变化，再决定是否扩展到语文学科。
评论