学生工作台 · 周一 · 第 1 周家长视角 · 第 1 周我的学习 · 第 1 周

Yu Xiao Ting

8 周干预计划进行中 · 当前 Phase 1（修复瓶颈 + 巩固不稳定内容）· 距下次诊断检查点 12 天孩子正在进行一个 8 周的学习计划。我们已经识别了主要的学习障碍,正在有针对性地修复。你的 8 周学习计划已经开始了 —— 接下来 12 天,重点是修一个关键的旧知识点,把基础打牢。

Verified. 所有 CCSS 标准已通过 Learning Commons MCP 实时校验 · 最近一次:5 月 20 日 14:32 · 知识进阶链用 SAP Coherence Map · 学习成分用 ANet 分解

进度轨迹

从 3 月 11 日基线（32%）到现在，叠加干预节点与诊断检查点。这是 Mindsweeper 持续追踪模型的核心视图。

11 MAR初次诊断 · 32%基线测试，发现工作记忆超载与考试焦虑两大信号

25 MARTest 1 · 71%2 周针对性训练后，进步显著

1 APRTest 2 · 56%范围扩大到 GCSE Foundation 全量，下降反映 scope 而非 regression

7 MAY诊断报告 v3瓶颈节点 7.EE.A.2 确认，8 周计划启动

EXECUTION · 8 WEEKS

干预执行追踪

基于 §⑧ 计划的执行视图。勾选已完成的策略，进度自动汇总到工作台。

Phase 1 · 修复瓶颈 + 巩固不稳定内容

焦点：7.EE.A.2（multiplier-rate 等价）+ 反向百分比、复利、二次不等式。修复这个概念门槛会同时降低三类下游题目的认知负荷。

2/9 策略已执行Week 1 · Day 3

LVNWorked Examples

目标：Working Memory · Long-term Memory

先给完整步骤的样例，再让学生独立做。LVN Math 7-10 指出，错误样例分析对概念发展尤其有效——给她一个错误的样例（用 0.15 代替 0.85），让她找出并解释错在哪里。

具体动作： 6 张迷你卡组。卡 1：a + 0.05a = 1.05a（7.EE.A.2 标准样例）。卡 2：a − 0.15a = 0.85a（衰减变体）。卡 3：18000 × 0.85³（PT1-Q22b 正确版）。卡 4-6 引入变体。逐步弱化引导：完整解 → 中间步骤留空 → 末步留空 → 独立完成。

研究依据：Sweller (1988) cognitive load theory; Renkl (2014) worked example effect

LVNMath Talks

目标：Math Communication · Long-term Memory · Self-efficacy

让学生口头解释数学推理。LVN Math Talks 指出，出声解释比纯练习更可靠地强化长期记忆。

具体动作： 每次 15 分钟。示例提示："为什么 15% 减少的 multiplier 是 0.85 而不是 0.15？像给比你小的学生解释一样讲给我听。"如果她卡住，不要打断——等她自我修正，那个挣扎过程就是学习发生的地方。

研究依据：Chi & Wylie (2014) ICAP framework; Schoenfeld (1992)

LVNCognitive Offloading

目标：Working Memory

明确教她把纸作为外置工作记忆。Tully et al. (2025) 显示，纸面卸载对已有先备知识的学生（正是 Xiao Ting 的画像）效益最大。

具体动作： 任何多步题的三步规则：(1) 写下已知；(2) 写下需求；(3) 计算前先写出方法选择。两周内每个多步题都用这个规则。目标是把外置卸载在时间压力激活前就自动化。

研究依据：Risko & Gilbert (2016); Tully et al. (2025) Br J Educ Psychol

诊断检查点（Week 2 末）： 8 道混合题——4 percentage change、2 复利、2 二次不等式。目标 ≥ 75%，限时条件，所有步骤可见。

Phase 2 还未开始

将在 Week 3 解锁 · 焦点：bearings、similar solids、quadratic formula、independent events with complement

Phase 3 并行于 Phase 1-2

元认知校准训练 · 焦点：把 §⑦ 的预测偏差变成可测量的技能

Phase 4 整合期

Week 7-8 · CEM 全长模拟 + 纵向证据呈现

REPORT v3 · COVER

诊断报告封面信息

学生基本信息、测试历史、报告生成元数据

API-verified. 每条 CCSS 代码通过 Learning Commons 三步流程验证。v1 曾误判 8.EE.A.1 为瓶颈，经 API 修正为 7.EE.A.2。

学生概况

由 Paula Zheng 维护

姓名

虞潇婷 / Yu Xiao Ting

课程

Edexcel GCSE 9-1 Foundation

目标

Perse Year 9 · CEM

诊断历史

PT1 (25 Mar) 71% → PT2 (1 Apr) 56%

本报告生成

7 May 2026 · v3 (EN)

下次检查点

Week 2 末 · 8 题混合诊断

需干预 Topic

4

需关注 Topic

4

已巩固 Topic

4

§① CURRENT PERFORMANCE

Topic-level scores

两次测试汇总。Topic 命名沿 Edexcel GCSE 9-1 Foundation 习惯；标准代码 CCSS-M（已通过 Learning Commons 校验）。Bearings 和 similar solids 是 Edexcel-only，无干净 CCSS 锚点，已标注。

§② PERFORMANCE vs KNOWLEDGE GAP

不是每个失分都是知识缺口

常规诊断把每个错题都当作知识缺口。跨测试分析显示，Xiao Ting 失分中有相当一部分来自执行失败而非概念缺口。把这两类分开能避免干预计划重复教授她已经掌握的内容。

~7

marks

在两次测试共 70 分里，约 7 分（~10%）是在概念完整的情况下因执行失败丢的。仅纠正这一类就能把 PT1 提到 ~80%、PT2 提到 ~75%——更接近她真实的天花板。

题号	类别	出了什么问题	概念完整的证据
PT1-Q11	Arithmetic	反向百分比方法正确，链式乘法（×1.025 × 1.032）算错	方法步骤可见。无计算器下多步导致工作记忆超载
PT1-Q18b	读图精度	读 x-intercepts 为 -0.7 和 4.8（真值 ≈ -0.65, 4.65）；写下多个值后涂改	(0,-3) 和顶点 (2,-7) 均正确——读图概念在，精度不够
PT1-Q21a	未写过程	因式分解步骤不可读（丢 2 分），但 (b) 给出 x = 5 或 -2	(b) 完全正确——知道但没写
PT1-Q22b	Arithmetic	写出复利正确公式 18000 × 0.85³，算成 9900（应 ≈11054）	方法链正确——复利公式应用对了
PT2-Q1	双选	圈了 A（x>5，对）和 C（x<5）；最终答案 C	第一个圈对了——不确定下推翻自己
PT2-Q10	双选	圈了 B（9，对）和 D（5）；最终 D	她知道答案——二次猜测导致最终错
PT2-Q15	记号读反	"y:x" 读成 "x:y"，选了 3:8 而非 8:3	代数变换 3y=8x 正确——只是比例顺序反了
PT2-Q22c	连锁错误	方法正确（体积 × 单价）；体积输入来自 (b) 的错误结果	"体积 × 单价 = 总成本" 模型本身正确

§③ CONSOLIDATION GRADIENT

巩固程度分级

不是所有"会"都一样。在干预设计前，需要区分概念表征的成熟度。

Robust

在 ≥ 2 个独立题目和条件下都正确，包括时间压力下。

Emerging

标准条件下正确，未观察到压力下崩溃。

Recognised but unstable

学生能写出正确公式或方法（概念表征存在），但执行不稳。PT1-Q11、PT1-Q22b 属于这一档。

Introduced not internalised

没法把问题映射到正确程序；概念结构还没形成。Bearings、similar solids 属于这一档。

§④ KNOWLEDGE TREE · BACKWARD PROGRESSION

知识图谱回溯

从当前年级（9-10）逐级向下追溯前置。点击任何节点查看证据、学习成分、官方标准原文。点击瓶颈节点 7.EE.A.2 会自动显示它的 fan-out。

Grade 9-10 · currentWhere the visible gaps live

HSA-SSE.B.3.c

Compound interest · decay

0% · PT1-Q22

Edexcel · no CCSS

Similar solids · k²/k³

0% · PT2-Q22

HSA-REI.B.4.b

Quadratic equations

partial · PT2-Q23

Edexcel · no CCSS

Bearings

0% · PT2-Q3

Grade 8Prerequisites here are robust

8.EE.A.1

Integer exponents

✓ PT1-Q4

8.G.B.7

Pythagorean theorem

✓ PT2-Q13, Q23a

8.F.A.1

Functions and evaluation

✓ PT1-Q9

8.F.B.4

Linear rate of change

untested

Grade 7 · root layerWhere the rotten root lives

7.EE.A.2 ROOT

Rewrite expressions to reveal relationships

fan-out = 4 · core gap

7.RP.A.2

Proportional relationships

✓ ×4 items

7.RP.A.3

Multi-step ratio and percent

unstable · PT1-Q11

7.SP.C.8

Compound event probability

50% · PT2

Grade 6SAP: stop here, do not regress further

6.RP.A.1

Ratio concept

✓ PT2-Q4, Q21a

6.NS.B.4

HCF and LCM

✓ PT1-Q2, Q3

6.RP.A.3.d

Unit conversion via ratio

partial · PT2-Q19c

6.G.A.2

Volume formulas

untested

点击任意节点查看官方标准原文、本次诊断的具体证据、学习成分（ANet 分解）

§⑤ BOTTLENECK ANALYSIS

瓶颈节点分析

在知识进阶图中，某些前置是多个下游标准的门户。修复这些节点会沿依赖链向下游传播正效应。

🔴 BOTTLENECK · 7.EE.A.2

把"加法堆叠"翻译成"乘法堆叠"

标准官方原文已经描述了 Xiao Ting 的核心错误："Understand that rewriting an expression in different forms in a problem context can shed light on the problem and how the quantities in it are related. For example, a + 0.05a = 1.05a means that 'increase by 5%' is the same as 'multiply by 1.05.'"

Xiao Ting 在 PT1-Q22a 写了 0.15 而不是 0.85（衰减 multiplier）。这是教科书级的 7.EE.A.2 失败——她还没内化加法语言（"减少 15%"）和乘法语言（"× 0.85"）的等价。这一个概念门户是她下游绝大多数高中 SSE 工作的前置。

SAP-verified forward fan-out · 4 standards

7.EE.A.2 · Grade 7 · Rewriting expressions to reveal relationships

↓ ↓ ↓ ↓

HSA-SSE.A.1

Interpret expressions in context

HSA-SSE.B.3.a

Factor to reveal zeros

HSA-SSE.B.3.b

Complete the square

HSA-SSE.B.3.c

Compound interest / decay (Q22)

通过 Learning Commons 验证：find_standards_progression_from_standard(direction='forward')，UUID = 6b9d6fe1-d7cc-11e8-824f-0242ac160002。7.EE.A.2 在 SAP map 中没有上游前置，是一个干净的 root 节点。

🟣 SECONDARY · 6.RP.A.3.d

单位换算中的 "rate as multiplier" 概念

Speed conversion m/s → km/h 需要 ×3.6（PT2-Q19c 丢分）。这和瓶颈是同一个概念动作——把 rate 翻译成 multiplier。可以和 7.EE.A.2 在 Phase 1 一起训练。

§⑥ INTERVENABLE FACTORS

哪些因素在限制表现

基于 Digital Promise Learner Variability Navigator (LVN) Math 7-10 模型，主因（cognitive load）锚定在 3 月 12 日初次诊断里最强的观察。

🧠

无计算器条件下的工作记忆超载可训练 · 中

COGNITION · WORKING MEMORY · LEAD FACTOR

本案核心因素，3 月 12 日初次诊断里最强的信号："频繁叹气、对环境噪音敏感；基础算术和程序执行耗尽大部分认知资源，留给逻辑推理的空间不足。"按 Baddeley & Hitch 工作记忆模型，时间压力下的心算同时占用中央执行（决策）、phonological loop（口算）和 visuospatial sketchpad（图形处理）。三者都被占用时，自我监控的执行资源耗尽，产生观察到的三类错误：(1) 多步算术崩溃；(2) MCQ 选了又改；(3) 心算不留痕迹。

直接解释的题目

PT1-Q11PT1-Q21aPT1-Q22bPT2-Q1PT2-Q10PT2-Q22c

😰

考试焦虑可训练 · 中

EMOTION · MATH ANXIETY

焦虑会占用工作记忆资源（Ashcraft & Kirk, 2001）。Xiao Ting 显示出"双选"模式——先选对，二次猜测后改错。表达性写作（Ramirez & Beilock, 2011）是证据充足的低成本干预。

🎯

元认知校准可训练 · 高

METACOGNITION · SELF-ASSESSMENT

系统性预测偏差：低估近期掌握内容，高估熟悉但不稳定内容。4-6 周结构化"预测-验证"训练对此有强响应。这是最直接的元认知干预杠杆。

⏱

耐力 / 35 分钟疲劳阈值可训练 · 中

SELF-REGULATION · STAMINA

3 月 12 日观察显示 35 分钟后注意力衰减明显。CEM 全长 67 分钟，Phase 4 安排渐进时长训练（30→40→50→67 min）。

🗣

数学英语词汇可训练 · 高

VOCABULARY · LANGUAGE

Cambridge CEM / Perse 入学需要英文数学词汇精度。Bearings、probability 词汇双语卡组，5 min/day。Schleppegrell (2007), Cummins (2008) BICS/CALP。

§⑦ CHARACTER PROFILE · CALIBRATION

学习者特质 + 元认知校准

从 4 周观察推断的工作画像（不是诊断结论）。OCEAN 推断单点快照仅作工作假设，需要后续观察验证。

Conscientiousness 高

步骤完整度（除 PT1-Q21a）、作业返还率、自发笔记习惯均高。错题反复重做意愿强。

证据：PT1 自评封面 · 每次作业返还 · 错题本

Neuroticism 中

考试焦虑显著但不极端。"双选"模式、35 分钟疲劳阈值、考前情绪表达（"差不多吧"）是主要信号。

证据：PT2-Q1, Q10 双选 · 3/12 观察

Openness 高

新内容吸收快，对不熟悉题型愿意尝试。课程综述显示对政治、历史也有兴趣——支持真实的智识好奇。

证据：3/19 Peer teaching 表现 · 课程综述

Growth vs fixed mindset 过渡期

正在转向 growth，尚未稳定。Growth 信号：重新接触错误、接受 peer teaching、新内容吸收快。Fixed 信号：考前防御性预测（"中等水平，容易达到"）、考后目标不具体。

证据：考后 (d) 反思 · 考前"中等"锚定

Motivation type 混合

外部动机明确（Perse Year 9 目标），但不完全外驱。PT1 封面自评"长答题没认真做"是内在标准——她对"做好"有自己的定义。

证据：PT1 封面自评 · 智识兴趣广度

Self-assessment accuracy 系统性偏差

非对称校准：低估近期掌握内容（三角函数 1/5 → 100%）；高估熟悉但脆弱内容（不等式 3/5 → 50%）。这是元认知干预最直接的杠杆。

证据：见下方校准表

📐 Self-assessment calibration (Test 2)

Topic

Predicted

Actual

Gap

Calibration insight

三角函数 (Pythagoras + ratios)

1/5

100%

-3

严重低估。 新掌握内容还没整合进"我会"自我图式

不等式与代数

3/5

50%

+1

熟悉但不稳的内容容易高估

概率

4/5

50%

+2

过度自信。 基础概率稳，complement/tree 未巩固

比例

4/5

100%

0

校准准确——她最稳的区域

体积与表面积（含相似立体）

3/5

~33%

+2

没区分"基础体积"和"相似立体"两个子难度

§⑧ INTERVENTION PLAN · READ-ONLY

八周四阶段干预计划

这里是报告中的计划原文。执行追踪请到左侧"干预执行"节，那里可以勾选已完成、写反思、看进度。

每条策略都标注了 LVN 策略名、对应因素、研究依据。计划覆盖内容、学习习惯、数学思维、学习方法。与 3/12 报告的 8 周过渡课程兼容，并提供 Mindsweeper 视角的优先级精调。

PHASE 1 · WK 1-2

修复瓶颈

7.EE.A.2 + 反向百分比、复利、二次不等式

PHASE 2 · WK 3-4

概念脚手架

bearings, similar solids, quadratic formula, indep events

PHASE 3 · WK 5-6

元认知校准

并行于 1-2 · 预测-验证训练

PHASE 4 · WK 7-8

整合 + 模拟

交叉练习、耐力、CEM 全长模拟

§⑨ METHODOLOGY

来源、决策标准与局限

所有判断的依据和边界，向同行可审视。

Knowledge Graph MCP 查询流程

每个标准通过 3 次实时 API 调用解析：
(1) find_standard_statement 配 Multi-State jurisdiction。重要发现：高中标准（9-12 年级）需要 HS 前缀。
(2) find_learning_components_from_standard 用 CASE network UUID。关键发现：官方 ANet 分解与直觉切分有显著差异。HSA-REI.B.4.b 有 7 个官方 LCs，"method selection" 是独立成分。
(3) find_standards_progression_from_standard 配 forward/backward 方向。关键修正：v1 假说 8.EE.A.1 是瓶颈被经验性否决——其 forward chain 指向 logarithms 和 scientific notation。已验证瓶颈是 7.EE.A.2，向 SSE family fan-out = 4。

巩固梯度分级标准

Robust: 在 ≥ 2 个独立题目和条件下正确。
Emerging: 标准条件下正确。
Recognised but unstable: 概念表征存在但执行不稳。
Introduced not internalised: 概念结构尚未形成。

Performance vs knowledge gap 归因

4 个信号：(1) 方法写在纸上；(2) 类似题在更早正确；(3) 错误模式匹配认知超载特征；(4) 跨测试反向证据。框架基于 Newman (1977) 错误分析层次。

CCSS-Edexcel 映射的局限

Bearings 原映射到 7.G.A.2，API 显示不合适。Similar solids 原映射到 HSG-MG.A.1，API 显示不合适。CCSS 没有专门覆盖这两个 Edexcel-only topic 的标准。方法论含义：Mindsweeper 用 CCSS 作主干时，Edexcel-only topics 应标 placeholder。

适用范围与局限

① 标准主干是 CCSS-M；学生实际课程是 Edexcel GCSE 9-1 Foundation。
② 知识进阶链反映逻辑前置关系，不一定是教学顺序。
③ 特质和因素分析基于 ~4 周数据，是工作假设而非定论。
④ Performance vs knowledge 归因涉及判断；每个归因附明确证据。
⑤ LVN 策略有群体级研究支持；个体响应有差异。

TOOL · NEW DIAGNOSTIC INPUT

录入新测试

完成后系统会自动通过 Learning Commons API 校验每道题的 CCSS 锚点、查找 LCs、计算 progression chain，生成报告草稿。教师审阅修改后发布。

测试名称

测试日期

课程 / 范围

条件

题目录入

下一步会发生什么：点 "生成报告草稿" 后，系统会对每个 CCSS 代码运行 3 次 Learning Commons API 调用、把错误描述按 §② 归因 taxonomy 自动分类、识别可能的瓶颈节点，最后生成与本报告同结构的草稿。教师可以修改任何一处，然后发布。

TOOL · STANDARD VERIFICATION

Learning Commons 校验

本报告引用的所有 CCSS 标准、LCs、进阶链都来自 Learning Commons MCP。这里可以批量重新校验，自动 diff 出与上次的差异。

7.EE.A.2 Rewrite expressions to reveal relationships 5/20 14:32 verified

HSA-SSE.B.3.c Properties of exponents for exponential functions 5/20 14:32 verified

HSA-REI.B.4.b Solving quadratic equations (7 LCs) 5/20 14:32 verified

Edexcel · bearings No CCSS anchor — flagged — no anchor

Edexcel · similar solids No CCSS anchor — flagged — no anchor

TOOL · PARENT-FACING VIEW

家长版预览

同一份诊断数据，换一种语言。无 CCSS 代码、无术语堆砌，聚焦"这意味着什么、接下来两周会做什么"。教师审阅后才能对外发送。

PREVIEW 这是家长打开链接后会看到的内容 · 截至 5 月 25 日 · 由 Paula Zheng 审阅

致 Yu 同学的家长：

过去 8 周的诊断给了我们一个清晰的画像：潇婷的数学基础其实相当扎实——代数操作、毕达哥拉斯、比例、函数都做得很好。她目前丢分的地方不是她"不会"，而是有一个特定的概念门槛和一些考试时的执行问题。

核心发现：潇婷需要补的不是一长串知识点，而是一个关键的"翻译"动作——把"减少 15%"这种加法语言翻译成"乘以 0.85"这种乘法语言。这一个概念修复，会同时解决复利、反向百分比、二次方程式等四类下游题型。

未来两周（Phase 1）会做什么

1用 6 张错误样例卡组训练"+5% 等同于 ×1.05"的转换。每次先看一个错误解法，让她找出错在哪——这比直接给正解记忆效果好得多。
2每节 15 分钟的口头推理。让她出声向我解释"为什么 multiplier 是 0.85 而不是 0.15"。卡住时不打断——挣扎本身是学习发生的地方。
3建立"纸面三步规则"：任何多步题先写"已知-需求-方法"再开始算。两周内做到自动化。

家长可以怎么支持

不需要额外的题海。潇婷做题量足够，需要的是把每道题做透。如果她做错了一道题，别问"为什么错了"，问"如果再做一次你会怎么做"——这是 metacognitive prompts，研究证据非常充足。

Phase 1 末（约 6 月 8 日）会有一个 8 题的诊断检查点，目标是 ≥ 75%。届时我会发一份简短的进度更新。

想看更详细的内容？教师端报告里有逐题归因、知识进阶图、研究依据等技术细节。如果想了解，可以约个 30 分钟视频说明。
— Paula