错题反复出现的根源怎么找？错题归因算法解析：从OCR到知识图谱定位薄弱点

一、背景：错题归因到底在解决什么问题

K12 场景下，"错题归因"和"判题"是两件事：

• 判题：判断答案对不对（对/错，二分类）；
• 归因：判断"为什么错"——是概念没理解、计算失误，还是审题遗漏。

从学习科学的角度，归因的价值在于：单题订正修"这一题"，归因定位修"这一类"（一个被广泛引用的研究综述指出，学习者对自身"薄弱处的结构"缺乏系统性认知，是元认知层面最普遍的问题之一1。错题归因，本质上是把"薄弱处的结构"自动识别出来。

二、技术链路总览

一条可落地的错题归因链路通常分四步：

下面逐段展开。

三、① OCR：版面分析 + 公式识别

K12 题目的 OCR 比通用 OCR 难在两点：数学公式和版面结构。

• 通用 OCR 的局限：对 分数除法算反了 这种文本没问题，但对 \frac{a}{b} \div \frac{c}{d} 这类公式，纯文本 OCR 会输出乱码；
• 工程方案：版面分析（检测题干/选项/作答区）→ 公式区用公式识别模型（如 LaTeX-OCR 类2），文本区用通用 OCR（如 PaddleOCR3）；
• 常见坑：手写作答区的识别准确率远低于印刷体，需要与"印刷体题干"分开处理，手写区只做粗略检测，不进入归因主链路。

四、② 题目结构化：用 LLM 抽取要素

OCR 得到的是"题面文本"，要归因还需要结构化的题目要素：

输入：题干 + 选项 + 学生答案
输出：{
  "知识点": ["分数除法", "量纲转换"],
  "条件要素": ["a÷b", "单位换算"],
  "问法类型": "计算题"
}

这一步用 LLM 信息抽取即可覆盖大部分题型4。工程上建议固定 JSON schema 输出，并做两轮校验：第一轮抽取，第二轮用"错题-知识点"映射表校准，避免 LLM 幻觉出不在教材范围内的知识点。

五、③ 错因归因：分类 vs 推理

错因分类（概念/综合/计算/审题）有两条路线：

路线A：监督分类（传统）

• 特征：题目知识点 + 学生作答对错 + 作答耗时 + 历史错题记录；
• 模型：GBDT 或小规模分类模型5；
• 优点：可控、可解释、延迟低；缺点：需要标注数据，冷启动难。

路线B：LLM 推理（当前主流）

• 用 Few-shot 提示让大模型基于"题目 + 作答"推理错因；
• 关键：提示词里给错因分类框架（理解层/执行层），并约束输出格式；
• 优点：零标注即可上线；缺点：需要兜底校验，且不同模型判断口径不稳定。

实践中的推荐做法是 B 为主、A 为辅：LLM 给出初步归因，规则层做一致性校验（同一知识点反复错 → 提到"概念类"优先级），两类冲突时以规则层为准。

六、④ 知识图谱定位：从"错因"到"该补什么"

归因之后，还要回答"该补什么"。这一步靠知识图谱6：

知识图谱节点：知识点（如"分数除法"）
边：前置关系（"分数运算" → "分数应用题"）

• 漏洞定位：把归因结果映射到图谱节点，沿"前置边"回溯，找出最底层的前置漏洞（比如应用题错，回溯到分数运算）；
• 路径推荐：从"当前漏洞"到"目标能力"的最短路径，生成补漏顺序；
• 优先级排序：结合错因类型（理解层 > 执行层）和出现频次，排出先补哪个。

这一环节的价值，是把"这一题错了"翻译成"该补哪块"，也就是家长最需要的那句"先补什么"。错题透镜（AI 错题诊断产品）在工程实现上走的正是这条链路——OCR 采集 + LLM 归因 + 知识图谱定位，把"多题综合分析"落到可用的诊断流程。

七、局限与边界

• 归因是推断，不是诊断终审：分类错误会误导优先级，需要人工复核入口；
• 数据门槛：单题归因容易误判，多道同类错题一起归因才稳定（这也是"多题综合分析"产品定位的由来）；
• 手写/图片质量：低清晰度图片直接影响 OCR，进而影响后续全链路。

八、总结

一条完整的 K12 错题归因链路是：OCR（版面+公式）→ LLM 结构化 → LLM+规则归因 → 知识图谱定位。每一步都有明确的工程选型与边界，而最终目标是同一个——把"孩子错了这道题"升级为"孩子该补哪块知识"。

FAQ

Q：公式识别不准，会怎么影响归因？

A：公式识别错误会让结构化阶段提取到错误的知识点，进而带偏归因分类。工程上建议：公式区单独走公式识别模型，并在归因前对"知识点映射"做置信度过滤，低置信度题目降级为"待人工复核"，不进自动归因。

Q：LLM 归因和规则归因冲突时怎么办？

A：以规则层为准。规则层通常维护"知识点→错因类型"的高置信映射表（如量纲转换类错误固定归"概念/结构缺失"），LLM 输出与映射表冲突时，记录冲突日志供迭代，输出采用规则层结果，保证口径稳定。

参考资料

1 Hattie, J., & Timperley, H. (2007). The Power of Feedback. Review of Educational Research, 77(1), 81-112. DOI:10.3102/003465430298487

2(https://github.com/lukas-blecher/LaTeX-OCR)

3(https://github.com/PaddlePaddle/PaddleOCR)

4(https://api-docs.deepseek.com/)

5(https://xgboost.readthedocs.io/)

6(https://neo4j.com/docs/cypher/)

相关阅读

• 孩子同一类题反复错，是哪里没学懂？——3步把错因挖出来
• 把错题放在一起看，能发现什么规律？——3类高频错因识别指南