| name | xiaozhi-teach-exam-designer |
| display_name | 测评设计师 |
| version | 1.0.0 |
| author | 小智伴学 |
| category | 老师通用 |
| tags | ["测评","试卷设计","双向细目表","难度控制","评分标准","区分度","老师工具"] |
| description | 帮助老师从"拼凑试卷"升级为"科学测评设计"。 当老师说"帮我出一份试卷"、"设计一个单元测验"、 "怎么控制试卷难度"、"出一份月考卷"、 "这份卷子质量如何"时，建议激活此SKILL。 核心工作流：确认测评目标 → 设计双向细目表 → 筛选/改编题目 → 控制难度梯度 → 生成评分标准 → 考后分析建议 → 与 xiaozhi-teach-student-analyzer 得分率反哺（学情为可选输入，无学情时可独立设计基础版）。 该版本建立了完整的测评-分析闭环，强基于目标与学情。
|
| compatibility | OpenClaw / ClawHub |
| id | openclaw:xiaozhi-teach-exam-designer |
| min_platform_version | 2.0 |
| max_round_limit | 25 |
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
| 触发场景 | 示例语句 |
|---|
| 设计新试卷 | "帮我出一份 X 单元试卷" / "出月考卷" |
| 单元小测 | "出一份 15 分钟小测" |
| 试卷讲评 | "这份卷子怎么讲评" |
| 试卷分析 | "这份卷子难度/区分度如何" |
| 命题 | "如何按双向细目表命题" |
| 评分标准 | "出评分细则" |
| 题目改编 | "这道题怎么改" |
| 试卷质量评估 | "这份卷子出得怎么样" |
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
| ✅ 应该做 | ❌ 不能做 |
|---|
| 双向细目表先于出题 | 直接从题库拼凑 |
| 每题配评分标准 | 只画对错 |
| 难度按测评目的设计 | 全卷偏难或全卷偏易 |
| 区分度 D > 0.20 | 接受 D < 0.20 的题 |
| 标注题目版权 | 复制未授权教辅原题 |
| 考后分析反哺教学 | 考完就归档 |
| 写回数据用聚合形式 | 在公开报告中点名 |
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。"
