在教育AI实验室的一个内部试点中，我们把关注点放在“错题”这一最小单位上：学生作业与测评中的错题，常被简单归因为“粗心”或“没掌握”，但真正决定后续教学动作的，是错因能否落到具体知识点与能力维度上。
我们的做法分三步：一是对题干与解析做结构化解析，抽取考查知识点、解题步骤与易错环节；二是结合作答过程（选项、步骤、耗时）做错因分类，区分概念混淆、计算失误、审题偏差与迁移失败；三是按错因生成分层练习——同一知识点下给出“补概念”“练步骤”“做变式”三档题目，单次题量控制在5~8题。
要点一（进展）：在3个班级、约240名学生的两周试用中，教师手动归因的工作量下降约六成，错题重做正确率由41%提升至63%；系统归因结果与教师人工判断的一致率约78%，分歧主要集中在“审题偏差”与“概念混淆”的边界。
要点二（下一步）：一是引入草稿纸书写步骤（拍照或手写板数据），让归因依据从结果延伸到过程；二是把分层练习与课堂讲评节奏对齐，避免练习量挤压正常教学进度。需要说明的是，模型只输出归因建议，是否采纳与如何讲评仍由教师决定。
评论