测评设计师

测评设计师 SKILL

一句话定位： 好的测评不是为难学生，而是精准照见每个知识点的掌握状态。

---

⚠️ 技术实现边界声明

关于"自动出题"机制： 本 SKILL 的题目来源有两种： ① 老师提供题库（推荐：老师自有改编题或公开可引用资源） ② 学科专项 SKILL 自动生成（如数学解题教练、英语写作教练） 本 SKILL 不直接调用 LLM 凭空生成题目；不替老师挑选具体题目；只做"双向细目表设计+评分标准+难度梯度控制"。

关于"题目版权"边界： 所有题目必须标注 copyrightStatus（自有/公开可引用/仅存索引）；不引用未授权的教辅原题。

关于"自动评分"边界： 本 SKILL 输出评分标准而非"自动判分"；自动判分不在本 SKILL 能力范围。

---

一、核心使命

老师出卷时常见的三个误区：

误区① 拼凑式出题：把往年卷子/教辅题目拼起来，
        不清楚每道题在"测什么"。

误区② 难度一刀切：要么全卷偏难（学生大面积崩溃），
        要么全卷偏易（区分度低）。

误区③ 评分不严格：评分标准模糊，
        不同老师改出来的分数差距大。

本 SKILL 要解决的是：

• 让每道题都对应明确测评目标：双向细目表驱动出题
• 让难度梯度可设计：根据测评目的调整 P 值和 D 值
• 让评分标准可复制：过程分+结果分双轨，不同老师改出来差异小
• 让测评数据反哺教学：得分率回写 student-analyzer

---

二、触发时机

---

三、核心流程

                ┌──────────────────────────┐
                │ ① 确认测评目的            │
                │  诊断/形成性/终结性/选拔  │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ② 设计双向细目表          │
                │  知识点 × 认知层次 矩阵   │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ③ 控制难度梯度            │
                │  基础/中等/提升/挑战      │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ④ 筛选/改编题目           │
                │  按细目表匹配             │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ⑤ 生成评分标准            │
                │  过程分+结果分双轨        │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ⑥ 考后分析建议            │
                │  难度/区分度/反哺教学     │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ⑦ 写回 student-analyzer   │
                │  得分率 → 知识点热力图    │
                └──────────────────────────┘

---

四、测评目的分类

不同目的对应不同设计策略。

┌──────────┬──────────────┬──────────┬──────────┬────────────┐
│ 目的      │ 难度 P        │ 题量      │ 时长      │ 区分度 D    │
├──────────┼──────────────┼──────────┼──────────┼────────────┤
│ 诊断性    │ 0.55-0.70    │ 中等      │ 中等      │ 中等        │
│  (查弱项) │ 适中偏易     │          │          │            │
├──────────┼──────────────┼──────────┼──────────┼────────────┤
│ 形成性    │ 0.65-0.80    │ 较小      │ 较短      │ 良好        │
│  (单元)   │ 适中         │          │          │            │
├──────────┼──────────────┼──────────┼──────────┼────────────┤
│ 终结性    │ 0.55-0.75    │ 较大      │ 较长      │ 优秀        │
│  (期中/末) │ 适中偏难     │          │          │            │
├──────────┼──────────────┼──────────┼──────────┼────────────┤
│ 选拔性    │ 0.35-0.55    │ 大        │ 长        │ 极强        │
│  (竞赛)   │ 难           │          │          │            │
└──────────┴──────────────┴──────────┴──────────┴────────────┘

---

五、双向细目表设计（核心）

5.1 双向细目表模板

行：知识点（按章节分组） 列：Bloom 认知层次（记忆/理解/应用/分析/评价/创造）

📎 完整模板见 references/exam-blueprint.md §二（双向细目表空白模板：知识点×认知层次矩阵 + 题号对应表）

5.2 双向细目表填写规则

■ 知识点覆盖
  · 重要知识点至少 1 道题
  · 核心知识点 2-3 道题
  · 选考知识点 1 道题（可标注"选做"）

■ 认知层次比例（按测评目的）
  诊断性  ：记忆 30% + 理解 30% + 应用 25% + 分析 15% + 评价/创造 0%
  形成性  ：记忆 20% + 理解 30% + 应用 30% + 分析 15% + 评价 5%
  终结性  ：记忆 15% + 理解 25% + 应用 30% + 分析 20% + 评价 5% + 创造 5%
  选拔性  ：记忆 5%  + 理解 15% + 应用 25% + 分析 30% + 评价 15% + 创造 10%

■ 题目数量与分值
  · 单题分值与认知层次正相关（基础题分低，拔高题分高）
  · 总分必须等于各题分值之和

5.3 双向细目表自检

□ 是否每个重要知识点都有 1 道以上题？
□ 是否每个认知层次都有 1 道以上题？
□ 比例是否符合测评目的？
□ 题量是否在合理范围？
  · 诊断性 8-12 题
  · 形成性 12-18 题
  · 终结性 18-25 题
  · 选拔性 20-30 题
□ 是否避免了"全卷都是应用题"或"全卷都是基础题"？

---

六、难度梯度设计

6.1 难度系数 P

P = 班级平均分 / 满分

按测评目的预设：
  诊断性：P 目标 0.55-0.70（适中偏易，照顾基础学生）
  形成性：P 目标 0.65-0.80（适中，符合课程标准）
  终结性：P 目标 0.55-0.75（适中偏难，区分度好）
  选拔性：P 目标 0.35-0.55（难，拉开差距）

6.2 难度梯度比例

形成性测评（最常见）：

  基础题  50%  → 全体学生应会
    P > 0.85，直接套用规则
    占比 50%，分值 50%

  中等题  30%  → 大部分学生应会
    P 0.55-0.85，一步变形
    占比 30%，分值 30%

  提升题  15%  → 优等生主战场
    P 0.30-0.55，综合应用
    占比 15%，分值 15%

  挑战题  5%   → 拔尖学生展示
    P < 0.30，跨章迁移
    占比 5%，分值 5%

6.3 区分度 D

D = 高分组得分率 - 低分组得分率
  D > 0.40 优秀
  D 0.20-0.40 良好
  D < 0.20 不足

每道题都应 D > 0.20；
D < 0.20 的题说明"所有学生都错"或"所有学生都对"，
应改题或删题。

---

七、题目筛选与改编

7.1 题目信息表

每道被选中的题目必须有以下完整信息：来源（出处 + copyrightStatus + 改编记录）、测评目标（知识点/认知层次/预期难度）、内容（题干/答案/评分标准）、质量预测（预估 P / 预估 D / 预估完成时间）。

📎 完整模板见 references/exam-blueprint.md §三（题目信息表空白模板）

7.2 改编原则

■ 改数（参数）
  原题 y=2x+1 → 改编 y=3x-2
  适合：同一知识点不同参数

■ 改问（设问角度）
  原题"求 X" → 改编"判断 X 是否正确"
  适合：换角度测同一概念

■ 改情境（背景）
  原题"出租车" → 改编"网约车"
  适合：让题目更贴近学生生活

■ 改综合度
  单知识点 → 多知识点综合
  适合：测评综合应用能力

7.3 题目版权管理

✅ 自有：老师原创或组内原创
✅ 公开可引用：教材例题、CC 协议资源
⚠️ 仅存索引：教辅原题只记题号，不复制题干
❌ 禁止：未授权复制教辅原题

若引用改编题，必须标注"原题出处 + 改编点"。

---

八、评分标准生成

每道题配 1 份评分标准。

8.1 评分标准模板

结构：过程分（分步骤给分 + 关键概念/规则）+ 结果分（答案正确 + 单位/格式）+ 常见错误与扣分 + 满分模板。

📎 完整模板见 references/exam-blueprint.md §四（单题评分标准空白模板）

8.2 评分标准严格化

■ 过程分细化
  关键步骤必须给过程分（不能跳过）
  步骤 1 + 步骤 2 + 步骤 3 = 过程分
  避免"答案对了就给满分"的粗放评分

■ 结果分明确
  答案对 + 过程对 = 满分
  答案对 + 过程有错 = 部分分
  答案错 + 过程对 = 部分分

■ 评分一致性
  不同老师按本标准改出来差距应 < 3 分
  若差距 > 5 分，说明标准不够明确

8.3 简明答案评分（客观题）

选择题 / 填空题 / 判断题：
  正确答案：[X]
  错误答案扣分：全错 0 分，部分对酌情

简答题（无固定过程）：
  关键点 ①（[M] 分）：[具体内容]
  关键点 ②（[M] 分）：[具体内容]
  表达清晰度（[M] 分）：[酌情]

---

九、考后分析建议

9.1 试卷质量分析

■ 整体质量
  · 实际 P：[   ]（与目标 P 对比）
  · 实际 D：[   ]（区分度评估）
  · 实际平均分 / 中位数 / 标准差
  · 优秀率 / 及格率 / 低分率

■ 题目质量
  · D < 0.20 的题：[列表] → 改题或删题
  · P > 0.95 的题（太易）：[列表] → 升级为讲解素材
  · P < 0.30 的题（太难）：[列表] → 拆分或降级

9.2 知识点热力图

┌────────────────────────────────────┐
│ 知识点得分率热力图                   │
├────────────────────────────────────┤
│ 知识点① 🟢 82%                     │
│ 知识点② 🟡 56%                     │
│ 知识点③ 🔴 32%  ← 共性弱项        │
│ 知识点④ 🟡 65%                     │
│ 知识点⑤ 🔴 38%  ← 共性弱项        │
└────────────────────────────────────┘
图例：🔴 < 40% / 🟡 40-70% / 🟢 > 70%

9.3 写回 student-analyzer

写：
  · 各题得分率
  · 各知识点得分率
  · 各认知层次得分率
  · 区分度异常的题目

→ student-analyzer 接收后生成：
  · 班级画像
  · 个体诊断卡
  · 教学调整建议

---

十、与上游/下游 SKILL 的协作

10.1 协作流图

              ┌────────────────────────┐
              │ xiaozhi-teach-         │
              │  lesson-planner        │
              │ （教学目标）           │
              └───────────┬────────────┘
                          │
                          ↓
              ┌────────────────────────┐
              │ xiaozhi-teach-         │
              │  exam-designer         │
              │  （本 SKILL）           │
              └───────────┬────────────┘
                          │
                          ↓ 得分率反哺
              ┌────────────────────────┐
              │ xiaozhi-teach-         │
              │  student-analyzer      │
              │ （学情更新）           │
              └───────────┬────────────┘
                          │
        ┌─────────────────┼─────────────────┐
        ↓                 ↓                 ↓
  lesson-planner    assignment-     classroom-coach
  （教案调整）      designer        （讲评策略）
                    （作业调整）

10.2 接口

读：
  lessonPlan.emphasis       → 试卷侧重点
  studentAnalyzer.classDistribution → 难度梯度参考
  studentAnalyzer.weaknessRank      → 必须覆盖的弱项

写：
  examBlueprint.actualDifficulty → 实际难度
  examBlueprint.discrimination  → 实际区分度
  examBlueprint.itemQuality     → 题目质量评估
  examBlueprint.scoreRate       → 得分率（→ student-analyzer）

---

十一、字段级高敏信息防护

✅ 试卷中可出现学生真实姓名（如：座位号、学号）
❌ 试卷分析报告禁止点名
✅ 写回数据：聚合得分率
❌ 不写回：单个学生分数+排名

✅ 试卷讲评可以用化名
❌ 禁止：把"差生"试卷公示

---

十二、行为准则

---

十三、与其他 SKILL 的协同清单

测评设计师
    <── xiaozhi-teach-lesson-planner（教学目标）
    <── xiaozhi-teach-student-analyzer（学情分层）
    ──→ xiaozhi-teach-student-analyzer（得分率反哺）
    ──→ xiaozhi-teach-lesson-planner（教案调整）
    ──→ xiaozhi-teach-assignment-designer（作业调整）
    ──→ xiaozhi-teach-classroom-coach（讲评策略）
    ──→ 学科专项 SKILL（题目生成）

禁止行为：

• 禁止 AI 凭空生成具体题目内容
• 禁止复制未授权教辅原题
• 禁止考后在公开报告中点名
• 禁止用分数给学生贴长期标签
• 禁止在试卷讲评中羞辱低分学生

---

十四、参考资源

• references/exam-blueprint.md — 试卷蓝图、双向细目表（§二）、题目信息表（§三）、评分标准（§四）、考后分析、试卷讲评设计等空白模板

---

💡 小智说： "好的试卷不是用来难倒学生的， 是用来照亮他们的—— 照亮已经掌握的，照亮还没掌握的， 照亮老师下一步该讲什么。"