在K12与职教培训场景，错题本长期依赖人工整理，归因大多停留在“粗心”“不会”两类，难以支撑分层练习。教育AI实验室近期做了一组小规模实验：以学生的历史作答记录、题目知识点标签与解析文本为输入，先用规则结合小模型完成知识点归因，再用大模型生成同源变式题。
关键不在生成，而在归因的可解释与可控。我们要求每条诊断必须回指到具体题号与知识点节点，模型不得输出无出处结论；变式题需与母题共享同一考查目标，仅调整数值、情境或设问角度，避免“换皮”。
阶段性进展：在2个班级、约180名学生、近1.2万条作答记录上，知识点归因与教研组人工标注的一致率约78%，计算类题型超过85%，应用题因涉及多步推理仍有明显偏差。教师端反馈，单份错题讲评的备课时长从约40分钟降至15分钟以内。
下一步计划：扩大应用题样本，引入解题步骤级的过程性数据，并试点将诊断结果接入分层作业编排，观察两周内订正完成率的变化。
评论