假设老师正在教小学算术今天讲“带括号的加减乘除混合运算”。这个知识点很复杂老师想看看班上学生小明的掌握情况。传统方式单元测验。一周后老师出一张卷子里面有20道混合运算题。小明得了85分。老师知道了结果但这个信息有些滞后而且只是一个总分——老师不知道他是“括号规则”错了还是“乘除优先”概念模糊只知道他“大概还行”。知识追踪方式用智能学习系统边学边测。小明在平板电脑上做练习题。系统里有这个知识点的知识图谱把它拆解成好几个小知识点运算顺序、括号作用、乘法优先、加法优先、复杂嵌套……当小明做第一道题3 4 × 2 ?他答对了。系统会更新判断小明的“乘法优先”知识掌握得不错。当小明做第二道题3 4× 2 ?他答错了算成了3477×214不对正确答案是14吗等等34×214他如果算成34×211那说明他没意识到括号要优先。系统会记录这个错误并降低对“括号优先级”这个知识点的掌握程度的判断。真正的关键在于系统不是只看这道题的对错而是动态地推测小明脑子里每个知识点当下的“掌握程度”——一个介于0到1之间的概率值。比如一开始系统会根据大数据认为所有学生对“括号优先级”的掌握概率是0.3。小明做对几道相关题后这个概率会上升到0.6接着连续做错可能又掉到0.4。更厉害的是知识追踪能发现知识点之间的影响。如果小明“乘法优先”掌握得好但“括号”总错系统会怀疑是括号问题而不是运算顺序问题。它还能根据以往的轨迹预测按照这个趋势小明再做3道带括号的题他的掌握概率有80%的可能性会达到0.8以上。