AI错题归因定制：知识点定位与复习路径

在教育AI实验室的初中数学课后练习场景中，我们尝试把“错题本”从人工摘抄推进为可复核的归因流程。系统先对拍照或题库作答结果做结构化解析，再结合知识点图谱、题干步骤与学生历史作答，输出三类可能原因：概念混淆、前置知识缺口、计算或审题失误；每条原因附带证据句和置信度，低于阈值时转教师复核。

进展：在3个班级、约6周试点中，系统对选择题与填空题的知识点定位与教师标注一致率约78%，教师复核后调整至92%；学生按推荐路径复习后，同类题正确率提升约11个百分点，重复刷题量下降约25%。

下一步：补充主观题步骤级归因，加入“先诊断后推题”的节奏控制，避免把AI标签直接当作结论；同时在物理学科验证图谱迁移成本。