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;物理错题库;错题本

中图分类号：G633.7 文献标识码：B 文章编号：1008-4134（2021）18-0048-04

基金项目：广东省教育技术中心2018年重点省级课题“基于动态工作组的智慧课堂构建及案例研究”（项目编号：18JX07086）.

作者简介：邓李君（1982-），男，湖北人，本科，中学一级教师，研究方向：物理教学、项目式学习;

黄裕鹏（1982-），男，广东人，本科，中学一级教师，研究方向：人工智能、信息技术教育.

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.在传统模式下，学生对物理错题资源的收集和利用主要靠纸质错题本，缺点是：效率低、容量小、不够灵活、易丢失;教师对物理错题资源的收集和利用主要靠电脑文档，缺点是：班级错误率等数据不足、错题库陈旧闭塞、储存和共享比较麻烦、组卷出题等文件管理工作量大.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，与传统错题库相比，人工智能支持下的物理错题库，在建设与使用中呈现“错题采集便捷化、错误习题分类整理、知识图谱精准诊断、个性化学习资源推荐、错题库实时更新与完善、共性错题关联的大数据智能分析”等新特征.人工智能环境下，筆者探索的学生个性错题库和教师共性错题库统一在智慧平台和软件中，实现了错题库的统整性建设和协同性使用，使传统错题资源利用得以优化和升级[3].

1 基于人工智能的物理错题库建设

1.1 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.笔者学校和深圳云和科技公司长期合作，实践中基于人工智能的物理共性错题库建设，分为选题、建库、动态管理三个环节.

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.什么类型的错题是班级共性错题？不同的学校有不同的实践标准.一般来说，该题在班级正确率低于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，而是通过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，例如某次考试一道压强选择题班级错误率达到50%，则标记为难题.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.无论是哪种类型的错题，在选题入库之前，通过资源的购买和协调，所有的练习册、课件、测试卷题目资源——例如物理练习册题目，学科网、菁优网、21世纪教育网等专业在线题库等，均导入基于人工智能的云和智慧课堂系统总题库中，实现资源的无障碍连通与调取.选题时，对于课中练习，传统模式下，教师主要通过自己的感性经验和模糊的评估，大致筛选出课堂练习中错误率高的题目，选入错题库.人工智能模式下，学生通过平板电脑反馈课堂练习的结果，课堂中产生的错题大数据会即刻被智慧课堂软件统计出来，错误率高的题目会自动选入共性错题库，提高了精准度.对于课外作业，传统模式下，教师批改完所有学生的物理作业后，凭主观印象筛选错题入库，延时且低效.人工智能模式下，以新授课家庭作业为例，学生在家做完纸质的物理“知识与能力训练”练习册相关题目，将客观题答案输入云和答题器，云和智慧课堂系统的云端立即生成班级学生家庭作业客观题错误率大数据，高错误率的题目自动被人工智能标记并选入错题库.主观题则由教师批改，共性错题拍照，利用智能图像识别技术，错题即刻与练习册数字题库比对，自动选入错题库.在图像识别技术支持下，错题库不仅收录主观计算题的错题，还能收录共性的错误解题过程，将错误解法的数据结构化.对于考试错题，例如单元考、错题专题考、月考、期中考等，笔者学校主要使用“一起作业”和“懂你”两种阅卷系统，阅卷系统本身就已经加载了人工智能，能够实现客观题机器批改，以及物理班级和年级考试成绩与错题的智能化大数据分析，例如智能阅卷系统会给出班级全部学生每道考题的总体正确率，甚至每个选项的选择率，然后这些数据对接云和智能系统，智能系统将数据和错题进行智能识别处理，将错误率高的题目（例如错误率在30%以上）选入共性错题库.

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.

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[4].

1.2 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，但也有三点不同：其一，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.其二，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，例如对压强和压力概念理解不清.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.其三，每个学生物理学习力、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.其四，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.

2 基于人工智能的物理错题库的使用

2.1 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.

2.1.1 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.概言之，人工智能模式下，物理错题库在新授课中的使用显得灵活，体现出生成性，能够“以学定教”.

2.1.2 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：一是错题深度讲解.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.例如有关“杆秤”的一道杠杆应用题，要求学生利用杆秤相关条件求物体质量.学生缺乏“杆秤原理”这一背景知识，会导致无法解题.教师可以利用智慧课堂的物联网音箱，调出错题库关联的杆秤原理视频，并从错题库中调出学生关于杆秤应用题的几种错误解法，帮助学生深刻理解此类题目.二是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，教师搜寻錯题的变式题、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.三是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讲讲评课中，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.

2.1.3 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，将学生物理学习过程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，纠正学生累计的错误，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、信度以及效度要求智能组卷，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[5].

2.2 物理个性错题库的使用

人工智能支持下的物理个性错题库的使用，具有自适应的典型特征，能够实现对学生的因材施教.主要包括三个方面.

2.2.1 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.學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.例如探究液体压强的创新实验错题，智能机器人和VR则更能将错题及知识点立体化，呈现3D虚拟液体压强实验场景，以及和学生互动交流，增进学习的力度，深度掌握知识结构.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.（关联的专用打印机价格低廉，已经普及化了）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的复习，一个月后学生能对学习有较高的保持率，并且遗忘几乎不再发生变化.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.

2.2.2 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矫正性学习方案.

2.2.3 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.

3 结束语

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，包括错题智能剖析、结构化整理、个性化的自适应题目推送、一篮子知识和方法的“全景性”资源呈现、错题大数据价值挖掘与应用、全场景错题资源利用等.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.

参考文献：

[1]刘晓明.人工智能科普与初中物理教学的融合[J].教师教育论坛，2021，34（04）：96.

[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.

[3]张勤坚.教学思考：中小学校里的人工智能教育[J].中国信息技术教育，2021（04）：10.

[4]孟凡真.浅谈物理教师如何在教学过程中建立“错题库”[J].中国校外教育，2019（17）：57+66.

[5]李俏，刘立华，费金有.人工智能在物理教学中的应用探究[J].学园，2020，13（36）：47-48.

（收稿日期：2021-05-19）