掌握度阈值不能一刀切：知识追踪模型的隐形陷阱

智能辅导系统（Tutoring Systems）广泛使用"掌握度阈值"（mastery threshold）来判断学生何时达到标准、可以停止练习进入下一环节。然而一篇新发布的研究指出，同一个数值阈值在不同的知识追踪（Knowledge Tracing, KT）模型下，会导致截然不同的教学决策——这意味着教育者可能在不知情的情况下，对不同学生群体施加了不公平的学习路径。

同一个数字，不同的含义

研究团队在四个公开教育数据集上评估了六种知识追踪模型，并测试了从 0.50 到 0.99 共 12 个阈值档位。评估维度包括：学生推进后的实际表现（post-advancement performance）、推进覆盖率（advancement coverage）、练习负担（practice burden），以及不同先验能力群体之间的差异。

核心发现是：贝叶斯知识追踪（BKT）对阈值变化相对不敏感，而神经网络模型随着阈值升高会变得明显更挑剔。这背后的原因并非模型"性格"不同，而是它们估计的东西本质上不一样。BKT 估计的是"潜在掌握概率"（latent mastery probability），而神经模型估计的是"下一题答对的概率"（probability of a correct next response）。

换句话说，当你把阈值设为 0.80 时，在 BKT 眼里这代表某种掌握水平，而在神经模型眼里它只是"答对下一题的可能性"。同一个 0.80 在两类模型中根本不代表同一件事。

贝叶斯知识追踪（BKT）由 Corbett 和 Anderson 于1994年提出，是教育技术领域历史最悠久的知识追踪模型之一。它将学生的知识状态建模为一个隐藏的二值变量——"已掌握"或"未掌握"——并通过四个参数来描述学习过程：初始掌握概率、学习率（每次练习后从未掌握转变为已掌握的概率）、猜测率（未掌握状态下答对的概率）和失误率（已掌握状态下答错的概率）。模型输出的是学生处于"已掌握"状态的后验概率，这是一个关于知识状态的潜在估计。

与之对比，深度知识追踪（DKT）等神经网络模型并不显式建模"掌握"这一潜在状态，而是直接利用学生的历史答题序列，通过循环神经网络或Transformer等架构预测学生在下一道题上答对的概率。这两种输出在语义上有根本差异：前者是对知识状态的概率估计，后者是对行为结果的概率预测。这正是同一数值阈值在两类模型中"含义不同"的根本原因。

阈值差异有多大

研究进一步在 30 种预设的教学场景下，寻找能在表现、额外练习和推进率之间取得平衡的阈值。结果显示，最优的"平衡阈值"在不同模型和不同场景间差异巨大。

在测试的半数场景中，神经模型与 BKT 选出的阈值相差超过 0.10。这个差距在教学目标更强调"减少额外练习、让更多学生推进"时会缩小，但在追求高表现保证时则会放大。对于直接套用某个"经验值"阈值的辅导系统来说，这种偏差足以改变成百上千名学生的学习节奏。

更严格 ≠ 更公平

研究中最值得警惕的一点，是关于教育公平的发现。直觉上，提高掌握度阈值似乎能保证学生真正学扎实，从而缩小强弱学生之间的差距。但数据给出了相反的结论。

更严格的阈值并不能可靠地缩小表现差距，反而可能不成比例地限制学生推进。研究量化了这一现象：在某些设置下，先验能力更强的学生推进的频率，最高可达弱先验学生的 3.26 倍。也就是说，一刀切的高阈值可能让本就落后的学生被卡在原地反复练习，而优等生则一路畅通——这与辅导系统缩小差距的初衷背道而驰。

这一发现与教育学中"马太效应"（Matthew Effect）的研究脉络一致：在缺乏个性化干预的系统中，既有优势的学生往往能从相同规则中获得更多收益。在自适应学习系统的语境下，统一的高阈值相当于用同一把尺子衡量起跑线不同的学生。先验能力强的学生本就更接近阈值，能以更少的练习次数触达它；而先验能力弱的学生则可能陷入"反复练习但始终无法达标"的循环，这不仅消耗学习动机，还造成事实上的机会不均等。研究中记录的3.26倍差距，提示阈值的设计本身就是一种隐性的资源分配机制，需要将公平性指标纳入系统设计的核心考量，而非事后审查。

对教育技术从业者的启示

这项研究的实践含义非常直接：掌握度阈值不是一个可以跨模型复用的"魔法数字"。

当底层 KT 模型发生变化（比如从 BKT 迁移到深度知识追踪 DKT），或者教学优先级调整（从"保表现"转向"促推进"）时，阈值都必须重新校准。更重要的是，阈值的好坏不能只看单一指标，而应从四个维度综合评估：

• 表现（performance）：学生推进后是否真的掌握了知识
• 练习（practice）：是否带来了不必要的重复负担
• 推进（advancement）：有多少学生能够顺利前进
• 公平（access）：不同能力群体之间是否存在系统性差异

对于正在构建自适应学习系统的团队而言，这意味着不能简单地把论文里某个模型的最优阈值拿来即用。阈值选择本质上是一个与模型输出语义、数据分布和教学价值观深度绑定的工程决策。

结语

这篇研究把一个看似技术细节的问题，提升到了教育公平的高度。掌握度阈值这类"隐形参数"往往被工程师当作可调超参随手设置，却直接决定了真实学生的学习体验与机会分配。在越来越多教育产品引入神经网络 KT 模型的当下，重新审视并校准这些阈值，显得尤为必要。