错题归因是自适应练习的前置环节。同一个错误答案，可能源于概念缺失，也可能源于计算失误、审题偏差或知识点迁移失败。若只按知识点粒度统计正确率，练习推荐容易在已经掌握的点上反复加练。
教育AI实验室目前把归因拆成两步：先用少量教师标注样本微调分类模型，输入为题干、学生的作答过程（如有）与该知识点的先修关系，输出错误类型；再结合题目与知识图谱的连边定位具体知识点，给出置信度，低置信度样本转人工复核并回流标注集。
- 阶段进展：在合作学校初中数学单元测数据上，四类归因的实验一致性约 0.76，其中“计算失误”与“审题偏差”混淆最多，集中在题干信息量较大的应用题；带过程作答的样本归因质量明显优于只保留最终答案的样本。
- 下一步：把归因结果接入练习推荐，用两周干预对照，验证减少已掌握知识点的重复练习是否带来实际效率提升，同时测算教师复核成本的可用边界。
评论