学情全科诊断与精准干预引擎

要解决什么问题

批改作业时，常见输出是「这道题错了」或逐题标红，却很难系统回答：错在哪一层知识、是概念还是程序问题、多道题是否共因于同一前置漏洞，以及接下来该补什么、练什么。本技能把单次对错对比扩展为可复用的诊断与干预流程，面向教师、家长或辅导场景中的文本化试卷与作答。

技能如何工作

核心是一条 四步闭环：

1. 多维诊断层：对每道错题做五维交叉分析——知识维度（知识点与层级）、认知维度（布卢姆层次）、错误类型（概念/程序/计算/审题等）、错误模式（跨题重复模式）、难度适配（题目难度与学生表现是否匹配）。
2. 错因归因层：从 L1 表层（直接算错、记错公式）追溯到 L2 结构（前置知识缺陷）与 L3 认知（思维模式，如缺少分类讨论）；并标出跨题共因与关键归因节点，结论区分确定性与推测性。
3. 画像建模层：汇总为知识掌握热力图、六维认知雷达，以及在题量足够时的学习风格推断。
4. 精准干预层：输出靶向练习（含解题脚手架）、知识补全路径、思维模板与避坑自检清单，并标注 P0/P1/P2 优先级。

执行上会先做 学科识别与模式切换（数学精细 / 语文文本 / 英语双语 / 理化实验 / 其他通用），再解析多种输入格式（结构化、表格、自由粘贴、对话描述），按题量控制报告详略（例如题数很多时精简逐题明细）。

适用边界与注意点

• 数学 参照较完整的 K12 知识点体系；语文、英语、理化为专项框架，精细度低于数学；未识别学科时默认数学并在报告头部提示。
• L3 认知归因与学习风格多为推断，题量过少（如仅 1 道错题）会弱化或跳过部分画像项。
• 靶向练习由模型生成，建议教师审核后使用；不支持图片/手写识别，需文本输入；作文侧重结构/偏题诊断，而非完整评阅。