- 绪论
1.1 研究背景及意义
随着教育数字化战略在基础教育领域全面落地，精准教学与个性化辅导已成为中小学数学教学改革的核心方向，学情诊断作为把握学生知识掌握短板、制定教学方案的关键环节，发挥着至关重要的作用。现阶段多数中小学仍依赖人工批改试卷、手工统计错题、经验判断学情，不仅耗费大量教学时间，诊断结果还存在主观性强、标准不统一、数据分析滞后等问题。与此同时，日常数学命题多依托固定题库批量选题出题，难以结合学生真实学情差异定制习题，无法做到针对知识薄弱点靶向训练。据国内基础教育信息化调研数据显示，超七成一线数学教师难以依托现有工具完成学情数据的精细化分析，常规命题工作普遍存在适配性不足、分层难度把控不准的问题。现有相关研究大多单独聚焦学情分析模块搭建或是智能题库开发，未能实现学情诊断结果与个性化命题的深度联动，且多数系统架构复杂、部署门槛高，难以在基层校园普及落地。基于以上现状，本研究以学情诊断为核心切入点，依托大语言模型技术搭建一体化服务体系，打通学情分析、智能研判与动态命题的业务链路，弥补传统研究中两大模块相互割裂的短板。综上所述，本课题面向的是中学数学日常教学中的作业练习与课后辅导场景。区别于传统的班级统一习题册和标准化统考，系统旨在为不同学情的学生提供差异化的日常练习题，实现"千人千练"的靶向训练，与标准化统考形成功能互补。
本研究具备鲜明的实践价值与理论价值。从实践层面来看，依托系统化、智能化的学情诊断数据实现精准命题，能够大幅减轻教师学情统计与出题备课的工作压力，为学生推送贴合自身知识短板的针对性习题，真正落实因材施教的教学理念。从理论层面分析，研究将学情诊断理论、最近发展区学习理论与大模型应用技术深度融合，完善了智能教育领域学情驱动命题的应用体系。从行业发展角度而言，轻量化的系统设计适配中小学日常教学场景，能够推动精准教学理念从理论落地到实际课堂，为基础教育数字化、个性化教学发展提供可复用、易推广的实现路径。
1.2 国内外研究现状
随着信息技术的飞速发展与教育理念的持续革新，个性化学习已成为全球教育领域的重要研究方向。其核心在于打破传统"一刀切"的教学与评价模式，通过技术手段识别学习者的个体差异，并提供与之匹配的学习资源与路径。在数学教育领域，如何实现精准的学情诊断并在此基础上进行动态、自适应的命题，是推动个性化学习落地的关键环节，涉及教育测量学、认知心理学、人工智能与数据挖掘等多个学科的交叉。本节将从国内与国外两个维度，系统梳理个性化数学学习系统、学情诊断技术与自适应命题方法的研究脉络、主要成果与现存不足，以厘清本研究的理论基础与实践起点。
（一）国内研究现状
我国教育信息化历经"三通两平台"的基础设施建设，正迈向"智能化赋能教育"的深度融合阶段。在此背景下，国内学者在个性化学习系统的理论探索与实践应用方面取得了长足进展，研究重心逐渐从资源数字化、管理平台化向学习个性化、评价精准化纵深发展。
近年来，随着大数据与人工智能技术的渗透，国内研究开始向更深层次的认知诊断与知识状态追踪迈进。学者们认识到，仅仅知道学生"答对多少题"或"处于什么分数段"是远远不够的，更需要了解其背后"掌握了哪些知识点"、"存在哪些认知误区"。
在命题技术本身，国内研究呈现出两个主要分支：一是自动批改与评分，主要利用自然语言处理、图像识别等技术对主观题（如几何证明、应用题解答步骤）进行自动化分析与评价，减轻教师负担；二是题目自动生成，目前多数成果集中在变式题生成上。即给定一道母题，通过参数变换、条件替换、背景迁移等方式，自动生成一系列考查相同或相似知识点、但表面特征不同的新题目。多数系统采用的仍是"诊断-推荐"二分模式：诊断模块输出一个知识点掌握度的标签（如"一元二次方程求解-薄弱"），然后推荐模块从该知识点标签下的题库中随机或按固定规则挑选题目。这种模式存在明显局限，题库的覆盖度和质量决定了推荐的边界；推荐策略往往比较简单，缺乏对学习心理、认知负荷、动机维持等多维因素的综合性、策略化考量。
总体而言，国内在个性化数学学习领域已搭建了从理论模型到应用系统的基本框架，但在实现真正的"策略驱动的个性化命题闭环"上仍面临挑战。
（二）国外研究现状
国外在个性化教育技术领域的研究起步较早，理论基础深厚，且已催生出众多成熟的商业化产品，形成了产学研紧密联动的生态。在理论研究层面，国外对认知诊断模型的探索更为多元和深入。除了经典的BKT，更为复杂的深度知识追踪（DKT） 模型利用循环神经网络（RNN）等深度学习技术，能够处理更长的学习序列数据，捕捉更隐蔽的学习模式。项目反应理论也发展出多维IRT等模型，以同时评估学生在多个能力维度上的水平。这些前沿模型为更精准、更细粒度的学情诊断提供了可能。
在AI生成内容（AIGC）应用于教育的探索上，国外学者走在前列。研究者开始探索利用大型语言模型（LLM）或特定训练的生成模型来自动创作数学题目。相关研究不仅关注题目语法和语义的正确性，还深入探讨了难度可控生成（使生成题目的难度精准匹配目标值）、语义一致性保持（在变式生成中保持核心考查意图不变）、以及多模态题目生成（结合文本与图表）等挑战性问题。这些研究为突破题库限制、实现无限量级且针对性强的题目供给提供了技术路径。
本研究正是在这样的研究背景下展开。旨在融合上述前沿方向，构建一个融合结合学生学情、通过答题诊断与策略驱动式自适应出题的集成系统原型。
1.3 主要研究内容
本研究以个性化数学命题为核心目标，围绕"答题---诊断---命题"业务闭环开展研发。首先梳理传统教学中命题同质化严重、与学生知识短板脱节等痛点，明确系统的功能需求与架构设计。技术实现上，采用Python语言与Flask框架搭建后端服务，搭配SQLite数据库构建知识点、试题、答题记录、学情诊断等核心数据模型，集成DeepSeek API实现AI模拟答题与自动错误识别。区别于常规题库系统，本研究的重点是：基于学情诊断结果驱动个性化命题策略------系统根据学生的答题正误、错误类型和知识点掌握度，自动匹配不同推送策略（高掌握度推送进阶题、中掌握度推送变式题、低掌握度推送巩固题、概念混淆推送前置知识点题），形成动态的、因人而异的习题推荐机制。本研究所构建的个性化命题系统，与标准化统考在功能上形成互补：统考负责阶段性全面检测和横向比较，个性化系统负责日常靶向训练和纵向追踪；统考命题面向全体学生，个性化命题面向个体短板。二者协同，构建"统一检测---精准诊断---针对练习"的完整教学支持闭环。
1.4 技术路线与可行性分析
本研究采用全开源技术栈实现系统开发，经济成本可控：Python语言与Flask框架均为免费开源技术，SQLite嵌入式数据库免部署、零维护，DeepSeek API提供基础免费调用额度，整个研发过程仅需常规办公计算机即可完成，无高额硬件采购和软件授权成本。技术上，Flask轻量框架成熟稳定，能快速搭建学情数据交互服务；SQLite可满足日常学情数据的存储与查询需求；DeepSeek大模型具备标准化API接口，可通过结构化提示词完成答题解析、学情诊断和个性化命题生成，无需自研底层AI算法。操作层面，系统采用B/S浏览器访问架构，师生无需安装客户端，学情诊断结果以可视化图表呈现，日常使用门槛低，适配一线教学人员的操作习惯。综合来看，本研究在经济、技术和操作三个维度上均具备充分的可行性。
- 相关技术与理论基础
本章紧扣基于学生学情诊断信息的个性化数学命题系统核心研发目标，围绕学情数据分析、智能诊断研判、个性化命题生成三大核心业务，梳理系统开发所需关键技术与支撑教育理论。技术层面保障学情数据存储、诊断分析运算、AI 智能命题的功能落地；理论层面为学情判定标准、命题难度梯度、个性化推送逻辑提供科学依据，实现技术应用与学情诊断、精准命题教学场景的深度融合。
2.1 核心技术
2.1.1 Flask后端开发框架
Flask 3.0 作为轻量化 Python Web 开发框架，架构简洁灵活，适配本系统学情数据流转与命题业务的开发需求。框架采用模块化路由设计，可独立拆分学情数据采集、诊断分析运算、个性化命题调度、学生信息管理等业务接口，实现学情相关数据的高效交互。本系统依托 Flask 搭建 B/S 架构服务体系，承接前端学情查询请求，完成诊断算法逻辑运算，联动数据库调取学生历史学情记录与题库资源，同时对接大模型接口下发命题指令。相较于重型开发框架，Flask 部署门槛低、扩展便捷，能够快速实现学情诊断数据的实时处理与个性化命题结果的动态反馈，贴合中小学轻量化教学辅助系统的搭建标准。
2.1.2 前端交互与学情可视化技术
系统前端采用 Bootstrap 5 搭配 ECharts 实现界面交互与学情诊断结果可视化展示。Bootstrap 5 具备响应式布局优势，适配多终端访问场景，为教师提供简洁的学情管理、命题配置、题库维护操作界面，简化学情数据录入与查看流程。ECharts 可视化技术是学情诊断成果展示的核心支撑，可将抽象的知识点掌握度、错题分布、能力短板等学情数据，转化为雷达图、趋势图等直观图形。教师能够通过可视化图表快速把握学生整体学情，精准定位知识薄弱点，为后续个性化命题调整提供直观的数据参考，打通学情诊断结果落地应用的最后环节。
2.1.3 SQLite 嵌入式数据库
本系统选用 SQLite 关系型嵌入式数据库，承载全量学情相关数据的持久化存储。数据库依托外键关联机制，搭建学生基础信息表、学情诊断记录表、错题分析表、标准化题库表、个性化命题策略表，实现学生档案、历次诊断数据、命题记录的联动绑定。SQLite 无需独立服务部署，读写性能满足日常学情数据新增、查询、统计分析需求，能够稳定存储学生长期学情轨迹，为跨时段学情对比、动态迭代命题提供完整数据支撑。同时轻量化特性降低系统落地成本，适配校园基层教学场景的部署与维护需求。
2.1.4 DeepSeek 大语言模型 API 服务
DeepSeek 大语言模型是实现智能学情诊断与个性化命题的核心技术支撑。依托标准化 API 接口与结构化提示词工程，模型可深度解析学生答题内容，自动识别错题类型、研判知识漏洞、量化知识点掌握程度，完成自动化学情诊断。同时模型可联动预设命题策略，结合学生实时学情数据，针对性生成巩固题、变式题、进阶题三类个性化试题，实现以学情为导向的智能命题。通过调节模型温度参数、规范 JSON 结构化输出，保障学情分析结果精准稳定，命题内容贴合学生知识短板，真正实现学情诊断与智能命题的一体化联动。
2.2 核心教育理论
2.2.1 布鲁姆掌握学习理论
布鲁姆掌握学习理论为本系统学情分级诊断与分层命题提供核心依据。该理论强调，学生学习差异主要源于知识掌握程度不同，需依据掌握水平匹配差异化学习资源。本系统基于该理论划定学情判定标准，将学生知识点掌握度划分为未掌握、基本掌握、完全掌握三个等级，依托诊断数据精准划分学情层级。针对不同掌握等级，系统匹配对应难度的命题资源，未掌握知识点推送基础巩固试题，基本掌握知识点推送变式强化试题，完全掌握知识点推送拔高进阶试题，让个性化命题严格贴合学生实际学情。
2.2.2 维果茨基最近发展区理论
最近发展区理论明确教学命题需贴合学生现有能力与潜在能力区间。本系统将该理论融入学情诊断后的命题设计环节，通过学情诊断精准定位学生当前知识储备上限，规避推送超出认知能力的难题，同时杜绝重复推送低价值简单试题。所有个性化命题均聚焦学生能力的最近发展区间，依托学情短板精准设置试题梯度，帮助学生依托针对性练习逐步突破知识盲区，实现学情诊断成果向学习提升的有效转化。
2.2.3 形成性评价理论
形成性评价理论注重学习过程中的动态学情跟踪与即时反馈，是本系统全周期学情记录设计的理论基础。系统持续采集学生历次答题数据，留存阶段性学情诊断报告，形成完整的成长档案，动态更新学生知识掌握变化轨迹。依托长期积累的学情数据，系统可迭代优化个性化命题策略，实现命题内容随学情变化实时调整，摒弃静态固定出题模式，保障命题始终贴合学生阶段性学习现状。
2.2.4 认知负荷理论
认知负荷理论指出，学习材料的难度和呈现方式会影响学习者的认知资源消耗。本系统依据该理论，在个性化命题时严格控制题目难度梯度，避免在同一练习中推送难度跨度过大的题目，减少学生因认知超载而产生的挫败感；同时通过清晰的学情可视化图表降低信息解读负担，让诊断结果以直观易懂的方式呈现，保证学生的认知资源集中于数学问题解决本身。
2.4 本章小结
本章所述技术体系实现学情数据管理、智能诊断、个性化命题的功能落地，教育理论规范学情判定标准与命题设计逻辑，二者相辅相成，共同支撑基于学情诊断的个性化数学命题系统的整体研发与实际应用。
- 系统需求分析
3.1 业务流程分析
系统整体业务流程按师生双端口拆分，两端数据互通、权限隔离，共同支撑学情诊断与个性化命题核心业务，以一个具体教学场景为例理解系统运作逻辑：教师布置同一道一元一次方程题目"2x + 5 = 3x - 2"。基础薄弱的小明因移项未变号得出错误答案"x = 3"，系统诊断其"移项法则"掌握度不足0.3，下一道自动推送同类巩固题"2x - 3 = 5"；中等水平的小红虽然答对但步骤缺失，系统判别掌握度约0.6，下一道推送变式题"4x - 3 = 2x + 5"；优秀的小刚完全正确，掌握度达0.9，下一道推送进阶题"3(2x - 1) = 4x + 5"。三名学生做同一道起点题，最终分别接收到适配自身学情的差异化习题，这正是本系统"基于学情诊断的个性化命题"的核心价值。
3.1.1 教师端核心业务流程
教师登录专属管理端口后，首先完成基础数据维护，包括搭建标准数学题库、完善试题知识点与难度标签、配置学情判定标准及个性化命题规则；其次管理学生账号信息，维护全体学生基础档案；待学生完成在线答题后，系统自动汇总答题数据，教师可查看全班 / 单人学情诊断报告，精准定位学生共性与个性知识短板；结合学情分析结果，教师可调整命题推送策略，审核系统生成的个性化习题；最后可导出学情数据、答题记录与命题档案，用于线下教学复盘与备课优化。
图 3-1 教师端 业务 流程
3.1.2 学生端核心业务流程
学生登录个人专属端口后，可自主进入在线答题模块，完成系统推送的基础数学习题作答；答题提交后，系统自动生成个人学情诊断报告，直观展示答题正误、错误类型、知识点掌握度等个人学习数据；学生可随时查看历史学情记录，了解自身知识薄弱点；同时接收系统依据个人学情精准推送的巩固题、变式题、进阶题，完成个性化专项练习；新增答题数据实时同步至后台，为教师学情分析与后续命题优化提供最新数据支撑，形成动态循环的学习过程。
图 3-2 学生 业务 流程
3.2 功能需求分析
本系统严格按照双角色划分功能权限，教师端侧重管理、分析、配置，学生端侧重答题、查看、练习，所有功能如下：
3.2.1 教师（管理员）角色功能
教师端承担系统全局管理与学情分析职能。账号权限管理模块实现师生双角色的登录验证与数据隔离；标准题库管理支持试题的增删改查、知识点标注与难度分级；学情规则配置允许教师自定义知识点掌握度阈值与命题推送策略；全域学情研判功能汇总全体学生答题数据，自动生成班级错题分布与共性短板分析；个性化命题审核界面展示系统根据各学生学情生成的定制化习题，教师可手动调整难度或替换试题；数据统计导出功能支持多维度筛选答题记录与学情报告，便于教学复盘与线下备课。
3.2.2 学生角色功能
学生端聚焦自主答题、学情查看与个性化练习。个人账号登录采取独立加密验证，保护个人学情隐私；在线答题模块推送基础习题，作答后即时反馈结果并自动归档；个人学情查看功能通过雷达图直观展示知识点掌握强弱项与错题原因；个性化习题练习接收基于个人学情短板精准推送的巩固题、变式题或进阶题；历史记录追溯功能允许查阅过往答题记录与学情变化轨迹，帮助学生自我认知与查漏补缺。
图 3-3 教师用例图
3.3 非功能性需求分析
非功能需求为双角色业务功能提供保障，直接对应后期非功能测试，贴合师生两端使用场景：
性能需求：学生端答题提交响应≤2 秒，教师端学情报表加载≤3 秒，个性化命题生成≤5 秒，大批量学生学情数据查询无卡顿；
可靠性需求：师生答题数据、个人学情档案自动加密存储，杜绝数据丢失；大模型接口异常时，学生可正常查看历史记录，教师可正常管理后台数据；
易用性需求：学生端界面简洁童趣，答题操作简单，学情报告通俗易懂；教师端功能分区清晰，学情分析与命题配置可视化，无需专业技术操作；
安全性需求：师生账号独立加密，学情数据分级隔离，学生个人档案仅本人与授课教师可查看，杜绝信息泄露；
兼容性需求：两端适配主流浏览器，电脑端、平板均可正常访问，学情图表、答题界面、习题内容展示无错乱；
可维护性需求：教师端支持可视化修改题库与命题规则，无需修改代码即可调整教学配置，后期运维便捷。
- 系统设计
4.1 系统总体设计
4.1.1 架构设计
本系统采用主流B/S 浏览器 / 服务器架构，基于 Flask 3.0 框架 MVT 分层模式开发，结合 DeepSeek 大模型智能服务，搭建前端双端展示层、业务逻辑层、学情诊断 AI 服务层、数据访问层、数据持久存储层五层架构，严格区分教师管理端、学生学习端的业务请求与数据权限，按业务流程完成闭环数据交互。
前端双端展示层依托 Bootstrap 5 与 ECharts，分别搭建简洁易懂的学生答题界面、学情可视化页面，以及专业化的教师管理、数据分析、命题配置后台；
业务逻辑层实现双角色权限管控，拆分师生独立业务链路，把控学情判定规则、命题匹配逻辑，隔离私密学情数据；
学情诊断 AI 服务层为核心智能模块，统一承接两端 AI 请求，完成学情分析与定制化命题；
数据访问层封装分级数据接口，实现师生数据隔离访问，防止越权查看；
数据持久存储层采用 SQLite 数据库，分权限留存全量师生、学情、答题、诊断、命题数据。
图 4-1 系统架构图
各层级数据流动方向如下所示：教师 / 学生通过独立登录入口发起操作请求→前端双端展示层区分角色渲染对应界面、拦截越权访问→业务逻辑层校验角色权限，分别调度教师数据管理、学情分析、命题配置，或学生答题、学情查看、个性化练习等业务→学情诊断 AI 服务层调用 DeepSeek 接口，完成答题解析、错题识别、学情研判、个性化试题生成→数据访问层执行分级数据读写、多表关联查询，隔离师生私密数据→数据持久存储层固化教师配置数据、学生个人学情档案、答题记录、诊断报告、命题策略→处理结果逐层回传，师生两端分别展示对应操作页面与数据内容。
图 4-1 数据流向图
4.1.2 功能模块设计
本系统是以学情诊断数据为核心驱动，区分教师管理、学生学习双角色，实现精准化个性化数学命题的轻量化教学辅助平台，构建教师管理配置 ---AI 学情诊断 --- 个性化命题推送 --- 学生答题练习 --- 学情数据更新的完整过程，系统分为教师和学生两种角色功能。
（1）教师端后台管理与分析模块
面向教师角色，负责系统运维、学情研判、命题配置，为个性化教学提供底层支撑：
账号权限管理：实现教师登录认证、密码加密维护，统一管理全体学生账号的新增、编辑、启用与注销，严格隔离师生数据权限，保护学生私密学情档案；
标准题库全域管理：完成数学试题新增、编辑、删除、分类筛选，统一配置试题知识点、难度等级、题型标签（巩固 / 变式 / 进阶），搭建标准化共享题库，支撑全域个性化命题；
学情规则全局配置：自定义知识点划分标准、学生知识点掌握度分级阈值、错题分类规则，预设不同学情对应的命题推送策略，可根据教学需求动态调整；
全域学情汇总分析：查看全体学生整体学情统计、单人精细化诊断报告，自动汇总班级错题分布、共性知识短板、长期学习趋势，支撑集体教学优化；
个性化命题审核优化：查看系统依据学生学情自动生成的定制试题，支持手动调整难度、替换题型、补充习题，优化个性化推送内容；
学情数据统计导出：按学生、知识点、时间段多维度筛选数据，导出学情报告、答题记录、命题档案，支持数据库备份与无效数据清理。
（2）学生端学习应用模块
面向学生角色，聚焦自主答题、学情查看、个性化练习，实现针对性查漏补缺：
个人账号专属登录：独立学生登录端口，加密保护个人学情数据，仅本人与授课教师可查看个人学习档案；
在线自主答题练习：接收系统推送的基础习题，完成线上作答并一键提交，答题数据自动同步存入个人学情档案；
个人学情可视化查看：实时查看专属诊断报告，通过雷达图直观了解知识点掌握强弱项，清晰查看错题原因、错误类型分析；
个性化靶向习题训练：接收依托个人学情短板精准推送的巩固题、变式题、进阶题，开展专属强化练习；
个人学习记录追溯：随时查阅历史答题记录、过往学情报告、已完成的个性化练习，跟踪个人学习进步轨迹。
图 4-3系统功能图
4.2 数据库设计
4.2.1 数据库逻辑设计
系统抽象七大核心业务实体：教师管理员、学生、标准试题、答题记录、学情诊断报告、个性化命题策略、学生账号档案，实体间通过外键建立严谨关联，所有关联字段与数据表设计一一对应：
一名教师可管理多名学生，学生账号关联专属学情档案，实现师生数据绑定；
单个学生可生成多条答题记录，每条答题记录唯一归属一名学生；
单道试题可被多名学生作答，关联每次答题的学情反馈；
单个学生可生成多份学情诊断报告，形成连续个人学情成长档案；
学情诊断报告关联命题策略，依托掌握度数据匹配个性化出题规则。
图 4-4 系统E-R图
4.2.2 数据表设计
本系统优化设计核心数据表，贴合双角色业务需求，分别为admin_studySys（教师管理员表）、student_studySys（学生学情档案表）、question_studySys（标准试题库表）、answer_studySys（答题记录表）、diagnosis_studySys（学情诊断表）、strategy_studySys（命题策略表），所有数据表采用三线表呈现，无自定义字段长度沿用系统默认配置。
（1）admin_studySys 教师管理员信息表，存储教师登录与权限核心数据，管控全系统后台配置与学生管理权限。。
表 4- 1 教师管理员信息表
|-------------|--------------|------------|------------------------|
| 字段名 | 数据类型 | 约束 | 说明 |
| id | INTEGER | 主键，自增 | 教师唯一标识编号 |
| username | TEXT | 非空 | 教师系统登录账号 |
| role | TEXT | NOT NULL | 用户角色 (teacher/student) |
（2）student_studySys 学生学情档案表：记录学生基础信息、学习层级，绑定个人专属学情数据，实现师生关联管理。
表 4-2 学生学情档案表
|-----------------|--------------|------------|------------|
| 字段名 | 数据类型 | 约束 | 说明 |
| id | INTEGER | 主键，自增 | 学生唯一编号 |
| student_name | TEXT | 非空 | 学生姓名 |
| login_account | TEXT | 非空 | 学生独立登录账号 |
| cognitive_level | TEXT | 非空 | 学生认知基础等级 |
| create_time | TEXT | 非空 | 学生档案创建时间 |
（3）question_studySys 标准试题库表：存储数学原题信息，标注知识点与难度，为师生两端答题、命题提供统一题库资源。
表 4-3 标准试题库表
|-----------------|--------------|------------|------------------|
| 字段名 | 数据类型 | 约束 | 说明 |
| id | INTEGER | 主键，自增 | 试题唯一编号 |
| content | TEXT | 非空 | 数学试题题干内容 |
| standard_answer | TEXT | 非空 | 试题标准答案 |
| difficulty | INTEGER | 非空 | 试题难度等级（1 至 5 级） |
| knowledge_point | TEXT | 非空 | 关联核心知识点标签 |
| question_type | TEXT | 非空 | 巩固 / 变式 / 进阶题型分类 |
（4）answer_studySys 答题记录表：留存学生个人作答数据，通过外键关联学生与试题，是学情诊断的原始依据，数据权限隔离。
表 4-4 答题记录表
|--------------------|--------------|------------|------------|
| 字段名 | 数据类型 | 约束 | 说明 |
| id | INTEGER | 主键，自增 | 答题记录唯一编号 |
| student_id | INTEGER | 外键，非空 | 关联学生表主键 |
| question_id | INTEGER | 外键，非空 | 关联试题表主键 |
| user_answer | TEXT | 非空 | 学生作答内容 |
| is_correct | TEXT | 非空 | 作答判定结果（是） |
| answer_record_time | TEXT | 非空 | 答题数据生成时间 |
（5）diagnosis_studySys 学情诊断表：存储学生个人自动化学情分析结果，量化知识点掌握度，支撑个性化命题，仅限师生查。。
表 4-5 学情诊断表
|-------------------|--------------|------------|-----------------|
| 字段名 | 数据类型 | 约束 | 说明 |
| id | INTEGER | 主键，自增 | 诊断报告唯一编号 |
| student_id | INTEGER | 外键，非空 | 关联学生表主键 |
| error_classify | TEXT | 非空 | 答题错误类型分类 |
| knowledge_mastery | REAL | 非空 | 知识点掌握度数值（0 至 1） |
| diagnosis_detail | TEXT | 非空 | 学情诊断详细说明 |
| diagnosis_time | TEXT | 非空 | 诊断报告生成时间 |
（6）strategy_studySys 个性化命题策略表：绑定学情掌握度与出题规则，教师可后台配置，统一适配全体学生个性化命题逻辑。
表 4-6 个性化命题策略表
|--------------------|--------------|------------|------------|
| 字段名 | 数据类型 | 约束 | 说明 |
| id | INTEGER | 主键，自增 | 策略规则唯一编号 |
| mastery_min | REAL | 非空 | 知识点掌握度区间下限 |
| mastery_max | REAL | 非空 | 知识点掌握度区间上限 |
| push_question_type | TEXT | 非空 | 匹配推送的试题类型 |
| push_difficulty | INTEGER | 非空 | 匹配推送的试题难度 |
- 系统开发与实现
5.1 开发环境
本系统采用 B/S 架构分层开发，后端依托 Python+Flask 搭建双端权限服务，集成 DeepSeek 大模型实现学情分析与智能命题；前端拆分教师管理界面、学生学习界面两套交互体系，搭配 ECharts 完成学情可视化；采用 SQLite 关系型数据库存储师生独立数据，保障权限隔离与数据联动。系统详细开发环境如表 5.1 所示；
表 5 - 1 系统开发环境
|------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 分类 | 详细配置信息 |
| 硬件环境 | CPU：Intel Core i7-12700H 2.3GHz；内存：16GB DDR4；硬盘：512GB NVMe 固态硬盘；千兆有线网络 |
| 软件环境 | 操作系统：Windows 11 专业版 22H2；开发语言：Python 3.11.4；后端框架：Flask 3.0.2；ORM 框架：SQLAlchemy 2.0.25；数据库：SQLite 3.41.2；前端框架：Bootstrap 5.3.2；可视化工具：ECharts 5.4.3；AI 服务：DeepSeek API V1；开发工具：VS Code 1.87.0；兼容浏览器：Chrome 124.0、Edge 124.0 |
5.2 主要功能实现
5.2.1 基础管理功能实现
系统后台基础管理模块为个性化命题提供底层支撑，主要包括用户权限管控、题库维护和学情规则配置三项功能。
用户权限与账号管理。后端基于Flask Session会话机制与JWT令牌构建分级身份认证体系，区分教师管理员与学生两类角色，采用Werkzeug加密算法对密码进行哈希存储。通过自定义两级路由拦截装饰器（token_required与admin_required），实现教师端可访问管理配置与全域学情数据，学生端仅能查看个人答题与诊断内容，从接口层杜绝越权访问。
标准题库管理。教师可通过后台界面对数学试题进行增删改查，为每道题配置知识点标签、难度等级（1---5级）和同类题组编号（similar_group_id）。题库数据是后续学情诊断判定"正确/错误"的答案基准，也是个性化命题推送的候选资源池。系统内置50道一元一次方程题目，覆盖移项法则、合并同类项、去括号法则等核心知识点，难度从基础到困难分5个等级。
页面左右分栏布局清晰，题库筛选精准高效，试题编辑操作简单，数据实时同步无延迟。
学情规则配置。教师可通过可视化界面自定义命题推送策略，核心配置项包括：知识点掌握度阈值（如≥0.8视为优秀，0.5---0.8为中等，<0.5为薄弱）、各等级对应的推送动作（进阶题/变式题/巩固题/前置知识题）。配置数据持久化存储于question_rules.json配置文件，修改后实时生效，无需重启服务。该模块为后续个性化命题提供了可灵活调整的规则引擎。
页面策略配置可视化展示，参数调整直观易懂，规则明细清晰，配置修改即时生效无需重启系统。
5.2.2 在线答题与即时反馈实现
在线答题模块是学情原始数据的采集入口，也是整个"答题→诊断→命题"闭环的起点。该模块的设计要点是：让学生以最自然的方式完成作答，同时尽可能采集完整的解题过程数据，为后续诊断提供充分依据。
前端答题界面分为三个区域：题目展示区、解题步骤输入区和最终答案输入区，如图5-X所示。题目展示区通过异步请求（/question/random接口）从题库随机获取一道难度适中的起始题进行展示。解题步骤输入区鼓励学生分步写出解题过程（如"移项：2x = 7 + 5""合并同类项：2x = 12""两边同除以2：x = 6"），每行一步。最终答案输入区接收学生的最终结果（如"x = 6"）。学生点击"提交答案"按钮后，系统将学生答案、解题步骤、题目ID和学生ID打包发送至后端/diagnosis/submit_answer接口。
后端收到提交数据后，执行两步核心处理：第一步，调用DeepSeek API对学生的解答进行智能评估（详见5.2.3节）；第二步，将评估结果连同答题记录一并存入answer_records表，若答案错误则同步记录到wrong_questions表。前端在收到评估结果后，即时展示评分、对错判定和教师式点评反馈，让学生第一时间了解自己的答题情况。整个提交到反馈的响应时间控制在2秒以内。
页面答题界面干净整洁，题干展示完整，作答提交便捷，答题结果即时弹窗反馈，交互流畅自然。
5.2.3 学情诊断与可视化实现
学情诊断是本系统区别于常规题库系统的核心能力之一。本节阐述系统如何从学生的答题数据中自动识别错误类型、量化知识点掌握度，并将诊断结果以可视化方式呈现给师生。
（1）AI驱动的答案评估
系统调用DeepSeek大语言模型完成答案的智能评估，而非简单的字符串匹配。评估提示词引导模型以"初中数学老师"的角色审视学生解答，从答案正误、步骤完整性、错误类型、解题亮点与薄弱点等多个维度进行分析。模型按预定义的JSON Schema结构化输出，包含is_correct（布尔值）、score（0---100分）、feedback（评语）、error_types（错误类型数组，如"移项未变号""计算错误"）、strength_points（优点列表）、weak_points（改进点列表）、standard_solution（标准解答步骤与关键知识点）等字段。后端对输出结果进行JSON Schema校验，确保数据格式规范可用。
（2）错误类型识别与知识点掌握度计算
基于AI评估结果和规则诊断的双重机制，系统进一步量化学生的知识点掌握度。以知识点为单位，综合计算掌握度分数：答对得基础分0.8，答错得基础分0.3；若检测到"移项未变号""符号错误"等典型错误，额外扣除0.2的惩罚分；若存在"合并同类项错误""计算错误"则扣0.15。最终掌握度值域为0---1.0，大于0.8对应"掌握良好"，0.5---0.8对应"基本掌握"，小于0.5对应"薄弱"。诊断结果（diagnosis_result）以JSON格式存入answer_records表，并与具体学生和题目绑定，形成持续更新的个人学情档案。
（3）学情数据可视化
诊断结果通过ECharts雷达图直观呈现，如图5-X所示。雷达图的每个轴代表一个知识点（如"移项法则""合并同类项""去括号法则"），轴上的数值为该学生在对应知识点的当前掌握度（0---1）。雷达图随每次答题动态更新，学生和教师均可直观识别"哪些知识点是强项、哪些是薄弱点"。同时，页面右侧辅以文字解析，展示最近一次答题的具体错误类型和老师反馈，让图表数据与文字说明相互印证，降低解读门槛。。
页面个人中心界面简约清新，学情概况展示直观，个人档案信息清晰，操作简单贴合学生使用习惯。
5.2.4 个性化命题推送实现
个性化命题推送是本系统最核心的创新功能，它直接回答了一个关键问题：当学生做完一道题，系统诊断出其学情短板后，下一道题应该出什么？ 本节从策略引擎、命题决策逻辑和前端交互三个层面详细阐述实现方案。
（1）规则驱动的命题策略引擎
系统采用规则引擎模式实现个性化命题决策，核心类为QuestionStrategy，其决策逻辑基于question_rules.json配置文件和布鲁姆掌握学习理论。策略引擎定义了四条核心规则，按优先级排序：
表5-2 个性化命题核心规则
|-------|-----------------------|-----------------------|-----------------|
| 优先级 | 触发条件 | 推送动作 | 教育理论依据 |
| 0（最高） | 诊断到"概念混淆"或"方程概念错误" | 推送前置知识点题目（难度1的基础题） | 认知负荷理论：先夯实基础再进阶 |
| 1 | 答题正确 且 掌握度 ≥ 0.8 | 推送更高难度题目（难度+1，同类知识点） | 最近发展区理论：推送适度挑战题 |
| 2 | 答题正确 且 掌握度在 0.5---0.8 | 推送同难度变式题（同知识点，相似组内随机） | 掌握学习理论：通过变式练习巩固 |
规则引擎的决策流程如图5-X所示。系统接收诊断结果后，依次检查四条规则的触发条件，命中即执行对应动作。若所有规则均未命中（边界情况），默认推送同难度随机题目。命题结果以JSON格式返回前端，包含题目内容、难度、知识点标签和推荐理由。
（2）基于学情诊断的命题决策实例
以一个具体教学场景直观展示命题决策逻辑。假设三名不同学情的学生同时作答同一道中等难度题目"解方程：2x + 5 = 3x - 2"：
学生A（基础薄弱型）：作答错误（x = 3，移项未变号），诊断结果为"移项未变号" → 掌握度 ≈ 0.3。命中规则3，系统推送同难度巩固题"解方程：2x - 3 = 5"，让学生再次练习纯移项操作。
学生B（中等水平型）：作答正确但步骤不规范，诊断无特定错误类型 → 掌握度 ≈ 0.65。命中规则2，系统推送同类变式题"解方程：4x - 3 = 2x + 5"，题干数字不同但考查同一知识点。
学生C（优秀型）：作答完全正确且步骤完整，诊断无误 → 掌握度 ≈ 0.9。命中规则1，系统推送进阶题"解方程：3(2x - 1) = 4x + 5"（难度提升，增加去括号步骤）。
三名学生从同一道起点题出发，因学情诊断结果不同而收到完全不同的下一题------这正是"基于学情诊断信息的个性化命题"的核心价值。
（3）前端交互与学习闭环
学生提交答案后，前端同时展示三部分内容：①评估结果（得分、评语、错误类型）；②学情雷达图（掌握度可视化）；③"推荐下一题"卡片，展示系统根据个人学情推送的新题目及其难度标签。学生点击"开始做这道题"即可进入下一轮答题，新答题数据再次触发诊断和命题推送，形成"答题 → 诊断 → 命题 → 再答题 → 再诊断 → 再命题"的持续闭环。已作答题目自动排除，避免重复推送。当题库中无匹配条件的题目时，系统自动放宽约束，随机推送未做过的题目，保障学习可持续。
页面专属推荐习题展示清晰，练习入口醒目，作答反馈及时，精准贴合学生个人知识短板开展强化训练。
5.2.5 学情汇总与教师审核
教师端提供全域学情汇总视图，通过多表联查聚合全体学生的答题记录和诊断数据，自动生成班级错题分布、知识点薄弱项排行、整体正确率趋势等统计信息。教师可逐人查看系统推送的个性化习题，对不合适的题目进行手动替换或难度调整，审核通过后题目正式推送至对应学生端。该功能保留了教师在个性化教学中的最终决策权，实现"AI辅助命题+人工审核兜底"的协作模式。
页面上方展示班级学情统计图表，下方罗列学生专属命题清单，审核操作便捷，学情数据分析一目了然。