摘要：

现有AI 学情诊断大多呈现静态的数值，难以说明学生的学习状态是如何形成的，教师据此调整教学的空间十分有限。本文引入间隔效应，将其从复习策略转化为学情诊断中解释时间因素的分析工具，用来区分三类不同的学习困难：即时理解不足、遗忘导致的衰退，以及前置知识缺漏造成的结构性薄弱。在此基础上，进一步搭建了“数据感知—趋势分析—推理呈现—教学干预”四层可解释诊断框架，把时间轨迹、知识关联、证据可靠性与教师干预串联成一条完整的诊断证据链。研究表明，可解释诊断的关键不是输出更多指标，而是让每一条结论都能说清来源、标明时间间隔、展示知识关系、指出依据的可靠程度。本文将间隔效应从复习理论引入学情诊断的解释层面，为智能教育系统的设计提供了新的思路。

关键词：

AI 学情诊断；间隔效应；人机协同；学习证据链；教学干预

作者简介：

霍雨佳（1982-），男（仡佬族），贵州遵义人，贵州民族大学数据科学与信息工程学院教授，博士，研究方向为教育人工智能、知识追踪；

梁美怡（2002-），女，贵州黔西人，贵州民族大学数据科学与信息工程学院硕士研究生，研究方向为知识追踪；

徐海龙（1983-），男，黑龙江五常人，贵州民族大学数据科学与信息工程学院教授，研究方向为材料力学性能模拟。

转载自“贵州教育”官方微信公众号