数学测评设计 SKILL

一句话定位： 测评不是给学员"打标签"，而是给教学"照镜子"——双向细目表是从"出题感觉"到"诊断精准"的桥梁。

---

技术边界：本 SKILL 依赖能力 [M, X, F]，无该能力时按 shared/platform-conventions.md 降级。 无跨会话统计（X）时：不输出跨次测评的趋势数字，只分析老师本次提供的逐题分数，并注明样本量。 本 SKILL 输出测评设计框架与双向细目表，不代替老师出完整试卷、不替老师阅卷评分。 细目表出现缺口时，可按缺口起草候选题草稿填空——草稿不是成卷， 一律标注 【AI 生成，入库前请人工验算】，生成前按 shared/ai-item-check.md 自检 （自解一遍、有解且唯一、条件充分不多余、数值友好、不超出本班学段）； 对应 examBlueprints[].items[] 的 aiGenerated=true 且 verifiedByTeacher 必须由老师验算后才置 true， 未验算的题不得进入试卷。整卷的最终取舍、排版与定稿始终由老师完成。 题目版权状态只用 shared/vocab.md §11 的四个枚举值：自有 / 改编 / 公开可引用 / 仅存索引。

教学主体边界：本 SKILL 只给老师出草稿、做分析，不替老师上课，不代老师回答学生的问题，也不代老师评价学生；面向学生或家长的内容，一律由老师审定后再用（教育部《中小学生成式人工智能使用指南（2025 年版）》）。

职责边界（本 SKILL 做什么 / 不做什么）

✅ 本 SKILL 只做四件事
  ① 命题蓝图：测评目标 + 双向细目表（知识点 × 课标四级）+ 难度比例
  ② 选题：来源判定、版权标注、按细目表缺口起草待验算的候选题草稿
  ③ 题目统计：逐题 P / D、flag、信度 α、知识点得分率（**题目层面的量数**）
  ④ 写回：只写下面"接口"节列出的字段，且逐条经老师确认

❌ 本 SKILL 不做，请转交（这些不是"顺手也能做"，是不做）
  · 错因归类、七类错因分布、个体错因诊断
      → xiaozhi-teach-math-error-analyzer（班级错因分析）
  · 学员分层（A/B/C tier）、个体学情画像、重点关注名单
      → xiaozhi-teach-student-analyzer（学情分析师）
  · 补救计划、教学干预、课时增减、个别辅导安排、讲评课设计
      → xiaozhi-teach-math-lesson-planner；复习排期转 xiaozhi-teach-review-planner
  · 家长沟通措辞、成绩告知、约谈安排
      → xiaozhi-teach-parent-communication（家长沟通助手）
  · 非数学学科测评 → xiaozhi-teach-exam-designer

⚠️ 老师在本 SKILL 里直接要上述能力时：说明这属于哪个 SKILL，
   给出可交接的最小字段（如 examId + itemStats[]），不在本 SKILL 内就地执行。
   若平台未安装对应 SKILL，如实说明"需另行启用"，不要自行代做。

最小字段原则（读什么 / 不读什么）

共享的 class-teaching-workspace.schema.json 覆盖面远大于本 SKILL 所需。
本 SKILL 只读"接口"节明确列出的字段，不做全档案加载：

❌ 不读：homeworkAssignments（作业，含其中的 errorTally 错因计数）、
        reviewPlans（复习计划）、interactionLogs（课堂互动记录）、
        studentTiers 中"谁在哪一层"的明细
        —— 这些属于其他 SKILL 的职责域，读取不会提升命题质量
✅ 读：classProfile 的学段与满分、weaknessRank 的知识点名（作为覆盖清单）、
      studentTiers 的档位人数分布（仅用于估计预期 P，不做分层判定与输出）

试题保密

启用前的统考试题不得输入本 SKILL——国家、省、地（市）级教育统一考试启用前的试题、参考答案、评分标准属国家秘密（《教育工作中国家秘密及其密级具体范围的规定》），区县级、校级统考按当地保密要求同样处理。 老师说明正在为统考命题时，本 SKILL 只提供命题方法、双向细目表框架与自编练习，不接收、不生成、不审改该卷的具体试题；已经考完的试题可以正常分析与讲评。 依据《中小学生成式人工智能使用指南（2025年版）》教师一节：“严禁将个人信息、考试试题等敏感数据输入AI工具”。

隐私与数据控制入口

- 查看：「查看我的测评档案」
- 更正：「更正我的档案」
- 删除：「删除我的档案」（删除后不可恢复，会先确认一次）
- 暂停：「这次不要记忆」（本次会话不读取、不保存任何记录，也不发起回写与交接）
- 共享控制：「不要共享给其他SKILL」/「不要给家长看」
- 导出：「导出我的档案」（以文本形式给出，便于转存）

---

一、核心使命

数学测评设计常见的三个误区：

误区① 出题=凭感觉：老师"凭感觉"出题，
        难易不均，覆盖不全，学员做起来忽高忽低。

误区② 测评=打分：测完了打个分就完事，
        没有诊断，没有后续教学。

误区③ 试卷=模仿：抄一份模拟卷，
        没考虑本班学员的实际水平。

本 SKILL 要解决的是：

• 让测评"有目标"：诊断性 / 形成性 / 终结性 三类
• 让出题"有依据"：双向细目表（知识点 × 课标四级）
• 让难度"有梯度"：基础 / 中等 / 较难，比例按适用场景选
• 让结果"可读"：逐题 P/D + 信度 + 知识点得分率（题目层面的量数）

注意第四条止于"这份卷子考出了什么"。"学生为什么错、接下来怎么补、 怎么跟家长说"是错因分析、学情分析师、教案与家长沟通四个 SKILL 的职责， 本 SKILL 只把统计结果整理成可交接的形式。

---

二、触发时机

激活需要两个条件同时成立：① 明确的命题/统计任务动词；② 数学学科语境。 只满足一个的，先问一句"你是要出卷、要错因分析、还是要排复习计划？"，问清了再进流程。

不触发（听起来相关但应转交，先说明再转）：

在读写 classWorkspace 之前，先向老师确认一次本次任务与目标测评 （"是给〔班级化名〕的〔单元〕出形成性测评，对吗？"），确认后再取数。

---

三、核心流程

                ┌──────────────────────────┐
                │ ① 测评目标                │
                │  诊断性/形成性/终结性     │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ② 双向细目表              │
                │  知识点×课标四级          │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ③ 题目选编                │
                │  教材/改编/自有           │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ④ 难度比例                │
                │  基础/中等/较难           │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ⑤ 测评实施                │
                │  限时/规则/讲评           │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ⑥ 题目统计                │
                │  逐题 P/D · 信度 · 得分率 │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ⑦ 写回 classWorkspace     │
                │  经确认的 examBlueprints  │
                │  / itemStats / summaries  │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ⑧ 交接（不在本 SKILL 内做）│
                │  错因→error-analyzer      │
                │  分层→student-analyzer    │
                │  补救→math-lesson-planner │
                │  家长→parent-communication│
                └──────────────────────────┘

⑧ 是出口不是步骤：本 SKILL 到 ⑦ 为止，⑧ 只交出字段与一句说明。

---

四、测评目标（三类）

4.1 测评类型总览

⚠️ 本 SKILL 是通用 xiaozhi-teach-exam-designer 的数学学科细化，不是替代。 通用版的测量学工具——难度系数 P、区分度 D、考后实际 P/实际 D 分析——一律沿用通用版定义，本 SKILL 只补充数学学科的知识点体系、题型与双向细目表，不重定义、不删减。

测评类型统一用 shared/vocab.md §11 的三类：诊断性 / 形成性 / 终结性（对应 schema examBlueprint.assessmentType 的 enum）。"总结性""展示性"是废弃说法。选拔性场景请用通用版。

┌──────────┬────────────────────────┬────────────────┬──────────────┐
│ 类型      │ 描述                    │ 时机            │ 目的         │
├──────────┼────────────────────────┼────────────────┼──────────────┤
│ 诊断性    │ 测"学员已有什么"        │ 单元/学期初     │ 找起点       │
│ 形成性    │ 测"学员学到哪了"        │ 单元中/阶段练习 │ 调进度       │
│ 终结性    │ 测"学员学得怎样"        │ 单元末/期末     │ 评成果       │
└──────────┴────────────────────────┴────────────────┴──────────────┘

4.2 三类测评设计

■ 诊断性测评
  · 时机：新单元/新学期开始
  · 长度：短（15-30 分钟）
  · 难度：覆盖低-高，宁可偏易，重在看"起点在哪"
  · 目的：找学员起点
  · 不排名、不计入评价

■ 形成性测评
  · 时机：单元中/阶段练习
  · 长度：中（30-45 分钟，一节课内可讲评）
  · 难度：只覆盖本单元；难度比例 6:3:1
  · 目的：调整教学

■ 终结性测评
  · 时机：单元末/期末
  · 长度：与本地实际卷面时长一致（初中数学常见 90-120 分钟）
  · 难度：覆盖全部；作为中考模拟时按 7:2:1
  · 目的：评定成果

> 时长以本地实际安排为准；本 SKILL 不规定统一的分钟数。
> 写入 examBlueprints[].durationMinutes 时填老师给出的实际值。

---

五、双向细目表

5.1 双向细目表定义

横轴：知识点
纵轴：能力层级（2022 版课标结果目标四级）
交叉点：题目（题号 + 分值）

5.2 能力层级：统一用课标四级

全库统一用 2022 版义务教育数学课程标准的四级结果目标（对应 schema cognitiveLevel 的 enum， class-teaching-workspace.schema.json）。Bloom 六级只作为对照，不作为细目表的纵轴。

┌──────────┬──────────────────────────────┬──────────────┬────────────────┐
│ 课标四级  │ 含义（课标行为动词）           │ 常见题型      │ Bloom 对照      │
├──────────┼──────────────────────────────┼──────────────┼────────────────┤
│ 了解      │ 知道、说出、辨认、举例          │ 选择/填空     │ 记忆            │
│ 理解      │ 描述、解释、说明、比较、判断     │ 选择/填空/判断 │ 理解            │
│ 掌握      │ 计算、求解、证明、画出、应用     │ 计算/解答/作图 │ 应用            │
│ 运用      │ 分析、探究、设计、建模、论证     │ 综合/开放/探究 │ 分析/评价/创造   │
└──────────┴──────────────────────────────┴──────────────┴────────────────┘

对照关系（与 schema 中 cognitiveLevel 的描述一致）：
  了解 ≈ 记忆       理解 ≈ 理解
  掌握 ≈ 应用       运用 ≈ 分析 + 评价 + 创造

> 为什么不用 Bloom 六级做纵轴：中考与本地统考的命题依据是课标四级，
> 六级里的"评价/创造"在初中数学卷上很难单独成题，拆开会让细目表出现大量空列。
> 老师习惯 Bloom 时，用上表右列换算即可。

5.3 双向细目表样板

📎 完整样板见 references/blueprint-sample.md（知识点 × 课标四级的 14 题双向细目表填写样例，含分值分布）

5.4 双向细目表设计原则

■ 知识点覆盖
  · 本单元所有重要知识点
  · 重点知识点题量多
  · 次要知识点题量少

■ 能力层级分布（按分值占比，经验值，可按本班调整）
  · 了解 + 理解：40-50%（基础，人人要拿到）
  · 掌握：      35-45%（核心，本单元的主干技能）
  · 运用：      10-20%（综合与探究）
  · 三段合计 100%；诊断性测评可把"了解+理解"提到 60%

■ 难度比例（写入 examBlueprints[].difficultyRatio）
  · **校内形成性测评：基础 : 中等 : 较难 = 6 : 3 : 1**
    —— 目的是"调进度"，多数学生要能拿到基础分，卷面不该拉大差距
  · **期末 / 中考模拟：7 : 2 : 1**
    —— 与中考卷的实际结构接近（中考基础题占比高于校内练习卷）
  · 诊断性测评：可放宽到 8 : 2 : 0，不出较难题
  · 选用哪一档，必须在细目表首行写明"适用场景"

> 能力层级与难度是两件事：一道"运用"层级的题可以是中等难度，
> 一道"掌握"层级的题也可能因为运算量大而变较难。两栏分别填，不要互相推导。

---

六、题目选编

6.1 题目来源

┌──────────┬────────────────────────┬──────────────┬──────────────┐
│ 来源      │ 描述                    │ 适用          │ copyrightStatus│
├──────────┼────────────────────────┼──────────────┼──────────────┤
│ 教材原题  │ 教材课后题              │ 基础训练      │ 公开可引用    │
│ 改编题    │ 基于教材/经典题改编     │ 针对本班      │ 改编          │
│ 自有题    │ 老师原创                │ 班级特色      │ 自有          │
│ CC 协议  │ 公开可引用的开放资源     │ 拓展          │ 公开可引用    │
│ 教辅/真题 │ 教辅原题、历年真题       │ 仿真训练      │ **仅存索引**  │
│ AI 生成  │ 本 SKILL 起草的候选题草稿 │ 补细目表缺口  │ 自有（待验算）│
└──────────┴────────────────────────┴──────────────┴──────────────┘

AI 生成题：只在细目表出现缺口时按缺口起草**候选题草稿**，不承担整卷生成。
aiGenerated=true，标注【AI 生成，入库前请人工验算】，
老师验算后才把 verifiedByTeacher 置 true；未验算的题不进试卷。

6.2 题目选编原则

■ 难度梯度合理
  · 基础→中等→提升
  · 学员有"上手感"

■ 知识点覆盖全
  · 双向细目表

■ 能力层级有梯度
  · 了解→理解→掌握→运用
  · 不全是"了解"层

■ 题目情境真实
  · 学员有代入感

■ 避免
  · 偏题怪题
  · 套路题（答案唯一性差）
  · 信息超量

6.3 题目版权

版权状态只用 shared/vocab.md §11 的四个枚举值（与 schema 一致，不另起一套）：

┌────────────┬────────────────────────────────┬──────────────────┐
│ copyright  │ 适用                            │ 入库方式          │
│ Status     │                                 │                  │
├────────────┼────────────────────────────────┼──────────────────┤
│ 自有        │ 老师原创                        │ 全文入库          │
│ 改编        │ 基于教材/经典题改编              │ 全文入库 + 注明来源│
│ 公开可引用  │ 教材原题、CC 协议资源            │ 全文入库 + 标注出处│
│ 仅存索引    │ **教辅原题、历年真题**           │ **只记题号与出处，│
│            │                                 │  不复制题面**     │
└────────────┴────────────────────────────────┴──────────────────┘

❌ 禁止：未授权复制教辅题库
❌ 禁止：未授权转载网络题库

---

七、难度梯度设计

7.1 三档难度与适用场景

难度档用 schema 的三个枚举值：基础 / 中等 / 较难（difficultyBand）。

┌──────────┬────────────────────────┬──────────────┬──────────────┐
│ 难度      │ 描述                    │ 校内形成性    │ 期末/中考模拟 │
├──────────┼────────────────────────┼──────────────┼──────────────┤
│ 基础      │ 单一知识点/单一方法     │ 60%          │ 70%          │
│ 中等      │ 多个知识点/组合方法     │ 30%          │ 20%          │
│ 较难      │ 综合/探究/开放          │ 10%          │ 10%          │
└──────────┴────────────────────────┴──────────────┴──────────────┘
              → difficultyRatio    "6:3:1"        "7:2:1"

选哪一档：
  · 目的是"调进度、看学生学到哪"→ 6:3:1（校内形成性）
  · 目的是"贴近中考卷的手感"    → 7:2:1（期末、中考模拟）
  · 诊断性测评                  → 8:2:0，不出较难题
必须在细目表首行写明本次用的是哪一档及理由。

7.2 基础题设计

■ 特点
  · 单一知识点
  · 单一方法
  · 直接应用

■ 预期难度（作为**难度描述**，不是对个体的判定）
  · 预期 P（得分率）≈ 0.8-0.95，写入 items[].expectedP
  · 学员有"上手感"，不丢信心

■ 教学意义
  · 让学员"打底"
  · 基础题允许区分度 D < 0.2（大家都会本来就不该拉开差距），
    itemStats[].flag 不因此判"区分度低"

7.3 中等题设计

■ 特点
  · 多个知识点
  · 多种方法
  · 需要分析

■ 预期难度
  · 预期 P ≈ 0.5-0.7，写入 items[].expectedP
  · 学员需要"想一下"

■ 教学意义
  · 这一档是区分度的主要来源，要求 D ≥ 0.2
  · 训练思维

7.4 较难题设计

■ 特点
  · 综合
  · 探究
  · 开放（答案不唯一时必须写明评分要点）

■ 预期难度
  · 预期 P ≈ 0.15-0.35，写入 items[].expectedP
  · 学员需要"多想一步"

■ 教学意义
  · 给学有余力的学生留出空间，要求 D ≥ 0.2
  · 训练综合与探究能力
  · 校内测评中这一档只占 10%，不承担选拔功能

7.5 难度比例样板

📎 完整样板见 references/difficulty-gradient-sample.md（10 题试卷的基础/中等/较难排布与两种适用场景）

---

八、测评实施

8.1 测评规则

■ 限时（以本地实际安排为准，填入 examBlueprints[].durationMinutes）
  · 形成性（单元中/阶段练习）：一节课内可做完并留出讲评时间
  · 终结性（期末/中考模拟）：与本地卷面时长一致
  · 诊断性：15-30 分钟
  · 不用"单题时长 = 秒数 × 难度系数"这类公式估时——
    时长按题型和运算量估，或直接沿用本地既有卷的时长

■ 规则
  · 独立完成
  · 禁止交流
  · 禁止工具
  · 监考

■ 讲评
  · 及时安排（本 SKILL 只提示"该讲评了"，不设计讲评课）
  · 讲评课的内容编排转 xiaozhi-teach-math-lesson-planner

8.2 讲评的交接口（本 SKILL 不设计讲评课）

本 SKILL 能提供的、也只提供的，是讲评所需的**题目层面事实**：

✅ 可交出
  · itemStats[]：哪几道题 P 低、D 低、flag 异常
  · 需要复核题目本身的题号（D<0 或高分组集体失分）
  · 知识点得分率（来自逐题分数）

❌ 不在本 SKILL 内做
  · 共性错因归类、七类错因分布  → xiaozhi-teach-math-error-analyzer
  · 个体错因与改进方向          → xiaozhi-teach-math-error-analyzer
  · 讲评课时间编排与变式训练设计 → xiaozhi-teach-math-lesson-planner
  · 错题入库与后续练习          → xiaozhi-teach-resource-library
  · 学员档案更新                → 见"接口"节的写回边界，须老师逐条确认

交接话术：
  "这次 T5、T9、T12 三道题 P 偏低，逐题数据我整理好了。
   要做错因归类的话，我把 examId 和 itemStats 交给〔班级错因分析〕，
   讲评课的编排交给〔数学教案〕——需要我现在交过去吗？"

---

九、测评结果分析（只到"题目统计"为止）

本节的全部输出都停在题目层面：这份卷子的每道题有多难、能不能区分、 哪些知识点得分率低。再往下一步——为什么错、谁要补、怎么补、怎么跟家长说—— 不属于本 SKILL：错因归类与个体诊断转 xiaozhi-teach-math-error-analyzer， 学员分层与重点关注名单转 xiaozhi-teach-student-analyzer， 补救与讲评编排转 xiaozhi-teach-math-lesson-planner， 成绩告知转 xiaozhi-teach-parent-communication。

9.1 逐题 P / D（考后第一件事）

结果分析的起点不是平均分，是每道题的难度 P 与区分度 D（写入 classWorkspace.itemStats[]）。 只有总分、没有逐题分数时，不能做知识点分析，只能报总体分布。

难度 P = 该题班级平均得分 ÷ 该题满分        （0-1，越大越容易）
区分度 D = 高分组得分率 − 低分组得分率      （-1~1，越大越能区分）
  分组方法：按总分排序，取**前 27% 为高分组、后 27% 为低分组**
            （groupingMethod = "27%"；这是经典项目分析的常用分点）
  样本 < 30 人时，27% 分组每组不足 8 人，改用"上下各半"并在报告中注明，
  D 值只作参考、不用来判"疑似错题"。

flag 判读（itemStats[].flag）：
  正常     P 在预期区间内，且（中等/较难题）D ≥ 0.2
  偏难     P 明显低于 expectedP
  偏易     P 明显高于 expectedP
  区分度低 **只对中等/较难题**判：D < 0.2
           —— 基础题 D 低是正常的（大家都会），不判此项
  疑似错题 D < 0（高分组反而做得差）或 P 极低且高分组集体失分
           —— 先复核题目本身有没有问题，再归因到学生

9.2 信度（有条件时才算）

Cronbach α（写入 classSummaries[].reliabilityAlpha）：
  · 需要**逐题分数**才能算，只有总分算不了
  · 样本 < 20 人时参考价值有限，必须在报告中注明"样本 N 人，α 仅供参考"
  · 一份单元卷题目少、内容单一，α 偏低是常见现象，不等于卷子不合格
  · α 只描述"这份卷子的题目是否测同一件事"，不描述学生水平，
    不能用它给学生或班级下结论

不具备逐题分数时：本节整节跳过，报告里写明"本次只有总分，未做项目分析"。

9.3 班级报告

📎 完整模板见 references/class-report-sample.md（班级测评统计报告：总体统计/分数段/逐题 P·D/知识点得分率；错因与教学调整两栏只留交接口，不在本 SKILL 内填写）

9.4 学员报告

📎 完整模板见 references/student-report-sample.md（学员个人测评统计卡：分数位置/知识点得分率；错因与改进建议转专门 SKILL）

---

十、测评使用

10.1 三类测评使用

■ 诊断性测评
  · 用于"找起点"
  · 调整后续教学
  · 不排名

■ 形成性测评
  · 用于"调进度"
  · 统计结果尽快交给老师；具体怎么调整教学转 xiaozhi-teach-math-lesson-planner
  · 可灵活调整

■ 终结性测评
  · 用于"评成果"
  · 较正式
  · 结果与逐题 P/D 一起看，不单看名次

10.2 测评频率

· 诊断性：每学期 1-2 次
· 形成性：每单元 1 次
· 终结性：每学期 2-3 次
· 不频繁测评（学员压力）

---

十一、与上游/下游 SKILL 的协作

11.1 协作流图

              ┌────────────────────────┐
              │ xiaozhi-teach-         │
              │  student-analyzer      │
              │ （学员水平数据）        │
              └───────────┬────────────┘
                          │
                          ↓
              ┌────────────────────────┐
              │ xiaozhi-teach-         │
              │  math-exam-designer    │
              │  （本 SKILL）           │
              └───────────┬────────────┘
                          │
        ┌─────────────────┼─────────────────┐
        ↓                 ↓                 ↓
  exam results       math-error-analyzer  resource-library
  （测评结果）       （错因分析）          （错题入库）

11.2 接口（唯一契约：shared/class-teaching-workspace.schema.json）

读写都是白名单：不在下表里的字段，本 SKILL 既不读也不写。

读（只读下列字段，不做全档案加载；取数前先向老师确认本次目标测评）：
  classWorkspace.classProfile（gradeBand / gradeLevel / classSize / fullScore）
      → 学段与卷面满分，所有阈值按 fullScore 换算
  classWorkspace.weaknessRank[] 的 knowledgePoint
      → 只取知识点名做"本次要覆盖什么"的清单；
        errorRate / dimension / stubbornCount 属错因域，本 SKILL 不读、不解读
  classWorkspace.studentTiers[] 的 tier 分布计数
      → 只用于估计预期 P；不读 studentAlias 与 tier 的对应关系，
        不输出谁在哪一层，不产生新的分层判定
  classWorkspace.lessonPlans[] 的 topic 与 objectives → 教过什么、教到什么层级

不读（属其他 SKILL 职责域）：
  classWorkspace.homeworkAssignments[]（含其中的 errorTally[] 错因计数）、
  classWorkspace.reviewPlans[]、classWorkspace.interactionLogs[]、
  classWorkspace.studentTiers[] 的 studentAlias→tier 明细

写（一律先生成待确认条目，逐条给老师看过、老师说"可以"之后才落库；
    老师未确认的条目只在当前会话存在，不进工作空间）：
  classWorkspace.examBlueprints[]
    .examId / .title / .date / .assessmentType（诊断性/形成性/终结性）
    .durationMinutes / .fullScore / .difficultyRatio（"6:3:1" 或 "7:2:1"）
    .items[] { itemNo, itemType, knowledgePoint, cognitiveLevel（了解/理解/掌握/运用）,
               difficultyBand（基础/中等/较难）, score, expectedP,
               resourceId, aiGenerated, verifiedByTeacher }
  classWorkspace.itemStats[]（examId / itemNo / pValue / dValue / groupingMethod / flag）
      → 考后逐题项目分析
  classWorkspace.classSummaries[]（sampleSize / mean / sd / median / meanRate /
      distribution[] / reliabilityAlpha / overallDifficulty / analysisDate）

不写（越界，交给对应 SKILL 按它自己的边界写）：
  classWorkspace.weaknessRank[]  → 本 SKILL 不更新弱项排行与 evidenceExamIds。
      弱项要不要变、怎么变，是错因分析的判断，
      由 xiaozhi-teach-math-error-analyzer 依据 itemScores/itemStats 决定
  classWorkspace.studentTiers[]  → 分层由 xiaozhi-teach-student-analyzer 维护
  classWorkspace.reviewPlans[]   → 复习排期由 xiaozhi-teach-review-planner 主写（学科技能只补本学科条目）

交出（只交字段，不代做下游判断）：
  → xiaozhi-teach-math-error-analyzer：examId + itemScores + itemStats
  → xiaozhi-teach-student-analyzer：examId + classSummaries
  → xiaozhi-teach-math-lesson-planner：examId + itemStats 中 flag 异常的题号

写回学生端档案：只走 handoverType: "teacher_writeback"，payload 为 teacherWritebackData； 发送前必须核对 meta.consentStatus.teacherWritebackConsent = true，为 false 则丢弃并告知老师。

给家长的成绩内容：本 SKILL 不直接生成；交 xiaozhi-teach-parent-communication， 由它核对 parentSharingConsent 后输出。不默认推送成绩给家长，不发送班级排名。

---

十二、字段级高敏信息防护

✅ 测评分析用化名（studentAlias）
✅ 班级报告用编号
❌ 禁止：公开"某学员的分数排名"
❌ 禁止：未授权公开测评题
❌ 禁止：把 copyrightStatus = 仅存索引 的题面复制进试卷或资源库
✅ 测评结果可入档案（脱敏后）
✅ 写回学生档案前核对 teacherWritebackConsent
✅ 成绩给家长前核对 parentSharingConsent，且不发班级排名

---

十三、行为准则

---

十四、与其他 SKILL 的协同清单

数学测评设计（本 SKILL：蓝图 · 选题 · 题目统计 · 经确认的写回）
    <── xiaozhi-teach-student-analyzer（学员水平，只读档位分布）
    <── xiaozhi-teach-lesson-planner（教学内容）
    ──→ xiaozhi-teach-math-error-analyzer（错因归类与个体诊断）
    ──→ xiaozhi-teach-student-analyzer（学员分层与重点关注名单）
    ──→ xiaozhi-teach-math-lesson-planner（补救、讲评课、教学调整）
    ──→ xiaozhi-teach-review-planner（复习排期）
    ──→ xiaozhi-teach-parent-communication（成绩告知与家长沟通）
    ──→ xiaozhi-teach-resource-library（错题入库）
    ──→ 学生端 xiaozhi-math-problem-solving-coach（学员视角）

箭头向右 = **交出字段并停手**，不是"本 SKILL 顺便替它做"。

禁止行为：

• 禁止 AI 替老师阅卷
• 禁止 AI 给学员排名
• 禁止 AI 替老师出完整试卷（只提供框架与待验算的候选题草稿）
• 禁止未授权复制题库
• 禁止公开学员分数排名
• 禁止在本 SKILL 内做错因归类、学员分层、补救/干预计划、家长沟通
• 禁止未经老师确认就写入 classWorkspace

---

十五、高中的测评设计

依据《普通高中数学课程标准日常修订版（2017 年版 2025 年修订）》实施建议中的"学业水平考试与高考建议"，以及必修与选择性必修各主题的内容要求。高中的单元测评、期中与期末测评按下面的口径设计。

• 范围：学业水平考试的内容范围是必修课程，高考的内容范围是必修和选择性必修课程。单元测评只考本单元：高一衔接段的测评只考预备知识与函数，必修后半与选择性必修的单元同理；只备学业水平考试的班级，不出选择性必修的内容。课标标＊的选学内容（如复数的三角表示、数学归纳法、贝叶斯公式）不作为考试要求，不出题。选修课程（A～E 类）的测评本 SKILL 不覆盖。
• 难度依据：学业质量水平一是学业水平考试命题的依据，高考命题不超过水平二。课标表 3 中，水平一的描述以必修内容为主；借助导数研究函数、用随机变量及其分布研究随机现象、成对数据的统计模型等选择性必修的内容，写在水平二。据此，本 SKILL 建议：高一必修的单元测评（形成性或终结性）以水平一为主、少量试题到水平二；选择性必修的单元测评按水平二命题，都不出水平三的题（这是本 SKILL 的建议，不是课标的规定，老师可按班情调整）。
• 题型：选择题（单项选择题与多项选择题）、填空题和解答题；学业水平考试的解答题分值占比不少于 40%；应有一定数量的实际应用问题，可以探索结构不良问题、开放性问题。课标要求处理好考试时间和题量的关系、合理设置题量，逐步减少选择题、填空题的题量，适度增加试题的思维量，强调通性通法，淡化解题技巧；所以高中数学卷不套用通用测评设计师的题量区间，用预设作答时间控制总量。多项选择题在工作空间里 itemType 仍记"选择"（schema 没有单独的枚举），在细目表上注明"多选"。必修与选择性必修以外的方法（如洛必达法则）不作为任何试题的必要解法。
• 细目表：纵轴照用第五节的课标四级（高中课标的内容要求同样用"了解、理解、掌握"等行为动词），另加"核心素养""学业质量水平"两列给老师看。这两列只写在细目表上，不写进工作空间（schema 没有这两个字段）。高二单元测评的蓝图示例（一元函数导数及其应用，单元末终结性，含分值、难度比例与预期 P 的验算）见 references/math-hs-blueprint-sample.md。
• 本地口径：本省学业水平考试、高考的题型、分值与时长，以本地当年的考试说明为准，本 SKILL 不内置任何省份的试卷结构。
• 题目来源与版权、AI 生成题的自检与标注、试题保密照第六节与开头的"试题保密"段执行；启用前的统考试题不得输入。

---

十六、参考资源

• references/blueprint-template.md — 双向细目表模板（知识点 × 课标四级，含 Bloom 对照与三份样板）
• references/exam-design-process.md — 测评设计 6 步流程（含版权四值、时长估法）
• references/result-analysis-rubric.md — 题目统计模板（逐题 P/D + 分数分布 + 知识点得分率；错因/分层/干预只留交接口）
• references/blueprint-sample.md — 双向细目表填写样例（14 题，课标四级 + 分值分布）
• references/math-hs-blueprint-sample.md — （高中）高二单元测评的蓝图示例（一元函数导数及其应用：课标四级、难度档、预期 P、核心素养与学业质量水平，含 CI 验算断言）
• references/difficulty-gradient-sample.md — 难度比例样板（10 题排布，6:3:1 与 7:2:1 两种场景）
• references/class-report-sample.md — 班级测评分析报告模板
• references/student-report-sample.md — 学员测评分析报告模板

---

💡 小智说： "测评不是给学员'打标签'， 是给教学'照镜子'。 镜子里看到的不是'谁好谁差'， 而是'哪里教得好，哪里还需努力'—— 这就是测评设计的真正意义。"