人工智能支持下的物理错题库建设与使用

邓李君 黄裕鹏

摘   要

传统模式下，物理错题管理的载体主要是学生错题本、教师线下错题库。智能时代，物理错题管理升级为线上线下混合的平台式错题库管理，实现了学生错题库和教师错题库的协同发展。基于大数据、云计算和物联网的人工智能技术，在物理错题库的建设与使用中发挥了巨大的辅助和支持作用，解放了师生的低效“劳动”，提高了错题库建设和使用效能。

关键词

人工智能  物理錯题库  错题本

物理教学中产生的错题资源是一笔宝贵的财富，对错题资源的收集和利用能够显著提升物理教学质量。随着经济和科技的发展进步，人类已经步入信息时代和人工智能时代。 2017年国务院发布了《新一代人工智能发展规划》，在规划中着重强调了将人工智能应用于教育领域的重要性[1]。智能时代的到来使教学发生了改变，创建了智能化教学生态图景，人工智能将为学习者获取信息、学习知识、进行实践操作等带来便利[2]。基于人工智能的物理错题库建设与使用成为现实。

一、基于人工智能的物理错题库建设

1.教师的物理共性错题库建设

错题库是共性和个性错题资源统一的产物，物理教师面对全班授课，必须抓住学生的共性错题，构建反映班级整体物理错题情况的共性错题库。

（1）选题。选题是错题库建设的首要和关键环节。选题在目标上要把握共性的原则。一般来说，该题班级正确率低于80%可以视为共性错题，便可以将执行标准交给人工智能。选题在策略上要遵循分层的原则。即所有入选的错题均要标签化，将共性错题区分为难、中、易三个等级并打上数字标签。标签化的过程，不是教师主观上的臆断，而是根据历次考试各个错题及相似题的错误率大数据，由人工智能进行客观“学习”和判断，通过智能算法，区分错题的难度等级。选题在方法上，按题目来源有不同的侧重。进入共性错题库的物理错题主要有三种来源，包括课中练习的错题、课外作业的错题、各种考试的错题。

（2）建库。传统模式下，教师主要建立线下WORD文档为主的非在线物理错题库，内容只有静态图文，单一且不方便调用。人工智能模式下，物理共性错题库的建库环节有以下优势：其一，错题库存储在云端，避免线下存储导致的丢失。其二，错题库自动按照教材单元知识章节编排，无须教师手工整理。其三，错题库错题能自动匹配上高度相关的变式题，能基于计算机的逻辑原理，形成与错题库相映射的变式题库，变式题库中的变式题具有难度标签，能自动区分出不同的难度。其四，错题库的错题能自动匹配相关的知识点剖析、音视频讲解、虚拟实验、知识图谱定位等资源。其五，错题库可以根据学生期末或中考前复习的需要，智能地打破单元知识章节的分类编排，按照物理思想方法、题型等专题进行错题分类。

（3）动态管理。传统的物理错题库的管理，例如共性错题的移除、增添都依靠教师主观经验，且要逐题找寻，事倍功半。人工智能环境下，错题库的管理能够基于每次考试大数据进行智能分析，实现共性错题的智能化、精准化移除和增加。

2.学生的物理个性错题库建设

学生的物理个性错题库是学生错题本的升级版。人工智能环境下，学生物理个性错题库建设和前述教师共性错题库建设步骤相似，但也有四点不同。

（1）错题的结构化处理。选题入库后，学生要对错题进行结构化处理，包括错因、错解、反思与改进措施、考点分析等。对于错因和考点，人工智能软件会协助学生将其贴上电子标签、解析出知识点。对于错解和反思等主观内容，人工智能会采用图像识别技术，将其录入错题数据库进行结构化关联。

（2）错题库错题的选择标准。选入个性错题库的错题要合适、有质量。以八下第九章“压强”物理单元为例，主要选两类错题，一是知识点不清，例如压强和压力概念的区别理解不清，二是答题方法不明，例如压强公式解题方法没掌握。人工智能会根据物理教师输入的错因分类表，协助学生筛选错题。对于压强题目审题不清、书写表达不规范和粗心计算错误等类型错题，则不予入选，但也进行数字存档，人工智能会对这些错题进行标记，并推送同类题到学生端，如果这些错因多次出现，则入选到错题库。

（3）错题库错题的审核。每个学生物理学力、基础都呈现出不同的层次，让所有学生将不同难度的所有错题选入错题库并不现实。人工智能会根据学生近期几次物理测试成绩，自动分析学生所处的物理学习层次，并标记错题难度。学生选题入库时，人工智能会进行个性化审核，对难度过高的错题不予入选。

（4）错题库数据的运用。人工智能依据学生错题库数据关联形成学生个性化知识图谱，准确定位学生的知识纰漏、解题方法薄弱点，基于错题，匹配动态的个性化自适应学习方案。

二、基于人工智能的物理错题库的使用

1.物理共性错题库的使用

物理共性错题库的使用涵盖教师备课、上课、课后辅导、试卷命制等诸多方面，主要方面有以下三点。

（1）融入新课教学。人工智能环境下，物理新授课对错题库资源的使用主要包括两个方面：其一，促进精准教学的实现。以“浮力”教学为例，传统模式下，教师需手工处理学生前测试题，根据大概的经验确定共性的错误资源融入新授课。智能模式下，学生的前测共性错题率可以由智能软件自动统计，并与往年“浮力”错题库中错题进行智能比对，形成更为精准的共性错误推送给教师端，然后融入新授课，提高教学的精准度。其二，错题难度智能调整，注重生成性。传统模式下，教师只是把“浮力”章节的典型共性错题插入课件中供学生当堂练习，至于该错题难度如何、学生当堂练习效果如何，课堂中教师则缺乏即时应变，缺乏生成性和实效性。智能模式下，学生当堂练习共性错题后，即刻形成错误率的班级大数据，如果难度过低，则系统自动推送同类型更高难度的题给学生当堂训练，反之亦然。如果难度合适，但错误率高，系统也会自动推送同样难度的同类题，让学生当堂训练和巩固。

（2）融入习题课和复习课教学。物理习题课主要指新授课之后，针对家庭作业共性错题的习题讲评和巩固训练。物理复习课包括单元复习课、试卷讲评课、错题专题复习课等课型。人工智能环境下，物理错题库融入习题课和复习课教学，主要有三个特点：第一，错题深度讲解。无论是习题课还是复习课，都涉及错题讲解，传统的错题讲解主要由教师采用讲授法完成，形式单调枯燥，习题背景知识讲解常常不清楚。基于人工智能的错题讲解，能够借助“百度智能音箱”等物联网语音交互技术，随时智能调用错题库中该题几种典型的错误解法、相关知识点的音视频解析、错题涉及的必要的背景知识等，形成错题讲解的全方位资源调用。第二，提升高阶的解题能力。高阶解题能力的形成包括错题变式训练、一题多解、一解多题。传统模式下，教师搜寻错题的变式题、寻找一解对应的难度合适的“多题”非常费力，课堂上也无法及时应对变化的学情。人工智能模式下，错题库能够自动匹配高质量的变式题，推送一题的多种解法、一解的多种同类题，供习题课和复习课上动态使用，极大地提高错题纠正的效率。第三，错题库智能生成共性的单元知识图谱，精准呈现共性错误点和班级物理学习的薄弱点，供教师针对性地生成后续改进的教学方案。基于共性错题的知识图谱主要应用在复习课和试卷讲评课中，以“压强”单元为例，知识图谱以大概念为核心，呈现“压力作用效果——压强”这个大概念统摄下的固体压强、液体压强、气体压强和流体压强的清晰结构，每个知识点下挂钩相应的压强共性错题、错因、情境、人文价值或生活应用、方法、技能以及重点题型，形成知识网链。人工智能软件则根据班级学生本单元所有错题数据，通过智能算法，形成班级学生共性的压强单元知识图谱，定位班级学生整体所处位置，规划后续本单元的弥补性学习路径。

（3）用于命制测试卷。测试卷包括单元测试、月考、错题专题测试、期中考试等类型，将学生物理学习历史中形成的错题及相关同类变式题融入测试卷中，能够诊断教学质量，纠正学生累积的错误，具有重要的形成性评价价值。传统模式下，命制测试卷时，教师受制于自身经验、水平和精力，错题类型、难度、数量、比例往往不易控制，试卷对错题的使用质量不高。人工智能模式下，物理错题库中的错题经过大数据的“实证”，其难度被打上了客观且精确的标记，错题关联的变式题库也精准、全面，错题本身的错因错解也全部在错题库中，人工智能能够依据教师的命题范围、难度、信度、效度要求智能组卷，教师再进行人工审核修改，极大地提升了教师命制测试卷的质量，大大节省了试卷研制时间。

2.物理个性错题库的使用

（1）日常错题复习。这是物理个性化错题库使用的主要方面。学生的日常错题复习包括错题整理、做题巩固、复习记忆三个方面。其一，错题整理方面，学生在人工智能的向导性支持下，利用手机或平板电脑，将物理错题库中的错题进行程序化的处理，比如错因分析、错解拍照留存、正确解法总结、反思与措施、一题多解挖掘等。过程中，学生可以手写拍照上传错题库，人工智能给予智能识别留存。对于不懂的错题，错题库会智能推送错题的音视频讲解，有条件的学生甚至可以利用智能机器人、AR和VR技术（部分学生家庭已具备），将“最近发展区”内的错题还原到知识点的图文声像全景场景中分析、训练、整理，提高认知理解力。其二，做题巩固方面，错题库会综合参考学生整理的错题、错因、错解几个要素，智能推送几道同类、同难度的变式题，为了照顾学生看纸质试题的习惯以及保护视力，学生可用错题库关联的打印机将题目打印出来，在纸质实体上完成。典型错题整理的内容和变式题均可以打印出来，放入纸质活页错题本中，方便复习。其三，复习记忆方面，艾宾浩斯遗忘曲线理论指出，在完全掌握知识点之后的24小时，48小时，144小时（6天），720小时（30天）是最容易产生遗忘的时间，如果在这些时间点上进行及时地复习，一个月后学生能对学习有较高的保持率。错题属于学生知识技能上的薄弱点，更应遵循遗忘规律。将遗忘曲线理论和具体规律导入人工智能系统，系统可以在学生整理错题后的上述4次时间节点，自动用手机闹铃或物联网闹钟提醒学生复习，系统会根据该错题背后涵盖的知识点向学生提问互动，还会自动推送同类题给学生测试，直到通过为止。

（2）单元体系化复习。错题虽然表征学生学习的漏洞和弱点，但具有碎片化的劣势。良好的物理学习者，应该具有大概念统摄的、系统化的、相对完备的单元物理知识结构体系，更进一步，还须有知识结构体系关联映射的物理方法、思想、解题技能和解题模型。学生学完一个单元后，人工智能系统会根据学生个性错题库中本单元所有错题数据，生成与前述共性知识图谱不同的个性化知识图谱——虽然同样是统摄于大概念之下，但图谱中学生个体的错误点、薄弱点会被标记和凸显，系统会据此给学生本单元的物理学习进行画像，然后智能推送弥补性错题和薄弱知识点的矫正性学习方案。

（3）专题化归类复习。专题化归类复习，意指按力、热、光、电等结构化知识版块进行的复习，也指按选择题、实验题、计算题等题型进行的复习，还可以是按控制变量法、转换法、理想推理法等物理思想方法进行的复习。专题化的归类复习，是单元体系化复习的进阶，是期末考、中考复习的必然路径。传统模式下，学生错题本易丢失，历史错题残缺不全，基于专题的错题复习效果不佳，容易陷入“题海战术”。人工智能模式下，学生的物理个性错题库在云端长久保存，学生复习时，只需通过语音或文字与智慧软件交互，个性错题库就会将学生错题自动按专题进行分类，并推送相关变式题，学生只需打印出来训练即可，十分方便。

人工智能与教育的深度结合是未来教育发展的必然趋势。基于人工智能的物理错题库建设和使用，不仅提高了物理教师的工作效率、提高了学生的学习效率，而且在本质上形成了对物理错题的深度开发。另外，智能化的错题库是对学生错题本和教师错题文档的升级，使课前、课中、课后一体化的纠错教学成为可能，同时也打通了错题库和智慧课堂系统、学科总题库的壁垒，使协同教学成为现实。

參考文献

[1] 中华人民共和国国务院.国务院关于印发新一代人工智能发展规划的通知[EB/OL].http：//www.gov.cn/zhengce/content/2017-07/20/ content_5211996.html.

[2] 邢思珍.数字化时代中小学课堂教学的变革与坚守[J].教学与管理，2017（36）：77-79.【责任编辑   孙晓雯】