班级薄弱点诊断

解决备课中的学情转化难题

在日常教研中，教师常面对一堆散乱的成绩数字或口语化的错误描述（如“这道题班上普遍错”）。将这些非结构化数据转化为可执行的教学策略，往往耗费大量时间。本技能旨在充当资深教研分析师，将自然语言或粘贴数据解析为结构化的班级学情结论，帮助教师在 5 分钟内定位薄弱知识点、量化缺口程度并排定补弱优先级。

核心诊断工作流

技能的处理逻辑围绕四个关键步骤展开：

• 数据解析与归一化：从输入中抽取学科、学段及分项得分，将口语化描述拆解为「题型 → 章节 → 知识点」三级结构。
• 薄弱点定位与建模：将错误现象映射为标准的 KnowledgePoint 对象，包含课标标准名称、难度系数（1-5）及前置知识点依赖关系。
• 缺口程度量化：依据具体失分率或描述强度词（如“约一半”、“全班崩”），为每个知识点赋予 1 至 5 的 gap_level。
• 补弱优先级排序：通过 priority_score = gap_level * 核心度权重 + 阻塞后续加分 公式计算优先级，并输出包含 urgency 与 confidence 的结构化工件。

适用边界与合规注意

• 场景限制：本技能专注于班级级分布诊断，不适用于单个学生的深度错因分析（请使用 edu-mistake-analysis），也不承担长期学习路径规划（请使用 edu-learning-path）。
• 小样本处理：若输入仅包含单一学生数据，系统将明确标注为“个体非分布”，拒绝强行生成班级结论。
• 数据伦理与护栏：诊断结论仅作教学参考，不得作为对学生定性、评价或分班的依据；严禁使用贬义措辞或公开排名。所有数据均在本地上下文处理，不关联可识别身份信息，最终教学口径需以学校与教研室为准。