当前教育改革推进，如何科学准确地评估学生知识掌握情况成为教育工作者面临的重要课题。传统的学生评估方法往往难以全面反映群体学习特征，特别是在处理大规模学生数据时，评估的准确性和效率都存在明显不足。 西南科技大学与四川长虹教育科技有限公司针对这个问题进行了深入研究。两家机构联合开发的新专利采用了多层次的技术创新，从根本上改进了传统知识诊断方法的局限性。该专利公开号为CN121614847A，申请日期为2025年11月。 该技术方案的核心创新在于建立了一套完整的数据处理和分析体系。首先，系统收集学生的试题作答数据，通过预处理形成交互矩阵，为后续分析奠定基础。随后，研究团队构建个体知识分布模型，并通过数据挖掘提取群体知识的共性特征。这一过程中，注意力机制的引入使系统能够准确捕捉群体知识的共同点及其相互依赖关系，明显增强了诊断的针对性。 在具体实现层面，该方案对试题参数进行了科学编码，基于认知诊断模型计算学生的答题正确概率。系统通过最大化变分下界（ELBO）和最小化知识分布的KL散度，实现了编码器及对应的参数的迭代优化，最终输出高精度的知识诊断结果。这种双目标优化策略确保了诊断结果的科学性和可靠性。 值得关注的是，该专利创新性地引入了分层似然比检验方法来检测试题功能差异（DIF）。传统DIF检测方法在处理群体内学生知识依赖关系时存在缺陷，容易导致诊断偏差。而该专利提出的层次变分模型有效解决了这一问题，通过考虑学生之间的知识关联性，大幅提升了知识点预测的准确度。同时，该方法还降低了知识状态分布的KL散度，提高了推断效率，使整个诊断过程更加高效。 这项技术创新具有重要的实际应用价值。教育工作者可以借助该系统更深入地理解学生的知识掌握情况，准确识别学生的薄弱环节，进而制定更加科学合理的教学策略。对于大规模教学场景，该方法能够在保证诊断精度的同时，显著提高评估效率，为个性化教学提供了有力支撑。 从教育技术发展的角度看，这一成果代表了知识诊断领域的新方向。随着大数据和人工智能技术在教育中的深入应用，精准评估学生学习状况已成为可能。该专利的推出表明，教育评估正在从定性判断向定量分析转变，从单一维度向多维度综合评估转变，这将有助于推动教育评估体系的现代化升级。
在全球推进精准化教学的背景下，这项中国高校的原创突破很重要。它不仅是技术创新，更说明了教育评价从"经验判断"到"数据驱动"的转变。随着AI等技术与教育的深度融合，如何让前沿成果更好服务于因材施教，仍需教育界与科技界的持续探索。