# 智能教科书测验生成器 **版本：** 0.2 ## 概述 1. 对于每个 Markdown 章节，为教科书章节生成交互式多项选择测验，并进行质量干扰分析。 2. 生成Markdown格式的质量报告。 3. 更新了 mkdocs.yml 导航以包含测验和报告。 ## 目的该技能通过分析章节内容来生成上下文相关的多项选择题，从而自动为智能教科书创建测验。每个测验都与学习图中的特定概念保持一致，分布在 Bloom 分类学认知水平上，并使用 mkdocs 材料问题警告和上层 alpha（A、B、C、D）答案选项进行格式化。该技能可确保高质量的干扰因素、平衡的答案分配以及对教育价值的全面解释。 ## 何时使用此技能在以下情况后使用此技能： 1.章节内容已生成或编写（每章1000+字） 2. 学习图存在概念依赖性 3. 提供术语表（建议用于术语问题）在以下情况下触发该技能： * 为新章节创建测验 * 内容修改后更新测验 * 为整本教材建立综合测验库 * 导出测验数据以用于 LMS 或聊天机器人集成该技能可以增量运行（逐章）或以批处理模式（整本教科书）运行。 ## 工作流程 ### 第 1 步：评估内容准备情况向用户指示测验生成器技能（版本）正在运行。计算每个目标章节的内容准备度分数 (1-100)： **质量检查：** #### 1\. **章节字数：** * 2000+字=优秀（20分） * 1000-1999 字 = 良好（15 分） * 500-999 字 = 基础（10 分） * <500字=不够（5分） #### 2\. **覆盖范围示例：** * 60%+ 带有示例的概念 = 优秀（20 分） * 40-59% = 良好（15 分） * 20-39% = 基本（10 分） * <20% = 不足（5 分） #### 3\. **术语表范围：** * 定义了 80% 以上的章节概念 = 优秀（20 分） * 60-79% = 良好（15 分） * 40-59% = 基本（10 分） * <40% = 不足（5 分） #### 4\. **概念清晰度：** * 对所有概念的清晰解释（20 分） * 大多数概念清晰（15 分） * 一些不清楚的概念（10分） * 许多概念不清楚（5分） #### 5\. **学习图对齐：** * 映射所有章节概念（20 分） * 映射最多（15 分） * 一些映射（10 分） * 很少有映射（5 分） **内容准备范围：** * 90-100：内容丰富，测验质量优秀 * 70-89：内容良好，可以进行扎实的测验 * 50-69：基本内容，可进行有限测验 * 50以下：质量测验内容不足 **用户对话触发器：** * 分数 < 60：询问“第 [X] 章内容有限（[N] 个单词）。生成较短的测验还是跳过？” * 没有术语表：询问“未找到术语表。定义问题将受到限制。继续吗？” * 概念差距：询问“[N] 个概念在章节中而不是在学习图中。继续使用可用的概念吗？” * 无学习成果：询问“课程描述中没有布鲁姆分类法成果。使用默认分布吗？” ### 第 2 步：确定目标分布根据章节类型（入门、中级、高级），设置目标 Bloom 分类法分布： **介绍性章节：** * 40% 记住 * 40% 理解 * 15% 申请 * 5% 分析 * 0% 评估 * 0% 创建 **中级章节：** * 25% 记住 * 30% 理解 * 30% 申请 * 15% 分析 * 0% 评估 * 0% 创建 **高级章节：** * 15% 记住 * 20% 理解 * 25% 申请 * 25% 分析 * 10% 评估 * 5% 创建通过以下方式确定章节类型： * 在教科书中的位置（前 3 章 = 介绍性） * 学习图中的概念中心性（中心性高=高级） * 章节元数据中的显式标记 * 用户规范目标问题数：每章 8-12 个（默认值：10） ### 第 3 步：确定要测试的概念分析章节内容和学习图以优先考虑概念： **优先级 1（必须测试）：** * 学习图中的高中心度概念 * 章节标题或简介中提到的概念 * 具有专门部分的概念 * 以粗体或术语表链接强调的关键术语 **优先级 2（应测试）：** * 通过大量解释来支持概念 * 概念与示例 * 章节中回顾了先决条件 * 学习目标中的概念 **优先级 3（5 月测试）：** * 简要提及外围概念 * 上下文相关概念 * 未来主题预览目标是优先级概念的覆盖率超过 80%。 ### 第 4 步：根据 Bloom 级别生成问题对于选择用于测试的每个概念，根据目标分布在适当的布卢姆级别生成问题。 **重要的格式要求：** 所有问题都必须使用 mkdocs-material 问题警告格式以及上位字母列表样式： #### 1. 学习图的主要目的是什么？

1. 为教科书创建视觉装饰 2. 映射概念之间的先决关系 3. 生成随机测验问题 4. 以目录结构组织文件

???问题“显示答案” 正确答案是**B**。学习图是一个有向图，它映射概念之间的先决关系，显示哪些概念必须先于其他概念学习。这确保了教育内容的适当搭建。 **概念测试：** 学习图 **参见：** [学习图概念](../concepts/learning-graph.md) **格式规则：** 1. 使用 4 级标题 (####) 和问题编号 2. 将问题写成以 ? 结尾的完整句子。 3. 使用 `

` 包装器 4. 将 4 个答案选项写为编号列表 (1, 2, 3, 4) 5. 使用`???问题“显示答案”`警告 6.答案内容缩进4个空格 7. 从“正确答案是**[字母]**”开始。 8. 包含概念名称和源链接 9、div前后保持空行 **问题写作指南：** **记住级别：** * 从术语表中获取定义 * 测试事实回忆 * 识别术语 * 示例：“[概念]的定义是什么？” **了解程度：** * 寻求解释 * 测试对关系的理解 * 比较/对比概念 * 示例：“哪一项最能描述 [A] 和 [B] 之间的关系？” **适用级别：** * 当前需要概念应用的场景 * 使用学到的方法测试解决问题的能力 * 示例：“给定[场景]，您会使用哪种方法？” **分析级别：** * 要求找出模式或原因 * 测试分解概念的能力 * 示例：“[现象]的根本原因是什么？” **评估级别：** * 要求根据标准做出判断 * 测试批判性思维 * 示例：“哪种方法对[目标]最有效？” **创建关卡：** * 要求设计解决方案 * 测试概念的综合 * 示例：“您将如何设计一个满足[要求]的[系统]？” ### 步骤 5：编写质量干扰项对于每个不正确的答案选项（干扰项），请确保： **合理性：** * 对于没有学过这些材料的人来说听起来很合理 * 使用相关术语 * 避免明显错误的答案 * 与正确答案相似的长度 **教育价值：** * 解决常见的误解 * 测试对相关概念的理解 * 区分知识水平 * 不是欺骗问题或文字游戏 **常见的干扰模式：** * 部分真实（在不同上下文中正确） *反转（与正确答案相反） * 相似的术语（相关但不同的概念） * 常见错误（典型学生错误） **避免：** *“以上全部”或“以上都不是” * 笑话或无意义的选项 * 语法不一致的选项 * 重叠的答案或两者都可能是正确的 ### 第 6 步：写下解释对于每个问题，请写下解释： **确认正确答案：** * 明确说明：“正确答案是 **[字母]**。” * 解释为什么这个答案是正确的 * 参考章节内容或概念定义 * 目标：50-100字 **教学（可选但推荐）：** * 简要解释为什么干扰因素是不正确的 * 澄清常见的误解 * 提供额外的背景信息 * 链接到章节部分以获取更多详细信息 **示例说明：** 正确答案是**B**。学习图是映射的有向图概念之间的先决关系。选项A不正确，因为学习图表具有结构性目的，而不是装饰性目的。选项C是不正确，因为测验生成不是主要目的。选项D 将学习图与文件系统混淆。 **概念测试：** 学习图 **参见：** [学习图概念](../concepts/learning-graph.md#definition) ### 第 7 步：确保答案平衡检查正确答案是否均匀分布在 A、B、C、D 中： **目标分布：** * A: 25% (±5%) * B：25%（±5%） * C：25%（±5%） * D: 25% (±5%) **避免模式：** * 所有 C 连续 * 交替 A-B-A-B * 可预测的序列 *位置偏差（第一个/最后一个总是正确的） **随机化策略：** * 在编写测验之前生成随机序列 * 每个问题随机排列 * 完成后验证分发 * 如果不平衡则进行调整 ### 步骤 8：创建测验文件生成具有正确结构的测验文件： **选项 1：单独的测验文件** (`docs/[section]/[chapter-name]-quiz.md`)： # 测验：[章节名称] 用这些问题测试您对[章节主题]的理解。 --- #### 1. [问题文字]？

1.【选项1】 2.【选项2】 3.【选项3】 4.【选项4】

???问题“显示答案” 正确答案是**[字母]**。【说明】 **概念测试：** [概念名称] **参见：** [链接到章节部分] --- #### 2. [问题文字]？ [继续回答所有问题...] **选项 2：嵌入章节**（附加到章节文件）： [章节内容...] --- ## 章节测验通过这些复习题来测试您的理解情况。 #### 1. [问题文字]？ [继续测验问题...] **格式要求：** * 在问题之间使用水平线（---） * 按顺序对问题编号（1、2、3...） * 保持一致的间距 * 确保所有 Markdown 正确渲染 ### 步骤 9：生成元数据文件创建“docs/learning-graph/quizzes/[章节名称]-quiz-metadata.json”： { "chapter": "章节名称", "chapter_file": "文档/节/章节名称.md", "quiz_file": "docs/section/chapter-name-quiz.md", "生成日期": "YYYY-MM-DD", “问题总数”：10， “content_readiness_score”：85， “总体质量得分”：78， “问题”：[ { “id”：“ch1-q001”， “数量”：1， "question_text": "学习图的主要目的是什么？", "正确答案": "B", "bloom_level": "了解", “难度”：“中等”， "concept_tested": "学习图", "source_link": "../concepts/learning-graph.md", “distractor_quality”：0.85， “解释字数”：67 } ], “答案分布”：{ “一”：2， “乙”：3， “C”：3， “D”：2 }, “bloom_distribution”：{ “记住”：2、 “理解”：4、 “申请”：3、「分析」：1、 “评价”：0， “创建”：0 }, “概念覆盖率”：{ “总概念”：12， “测试概念”：10， “覆盖率_百分比”：83 } } ### 第 10 步：生成测验库（聚合）创建或更新包含所有问题的“docs/learning-graph/quiz-bank.json”： { "textbook_title": "构建智能教科书", "生成日期": "YYYY-MM-DD", “总章节数”：20， “问题总数”：187， “问题”：[ { “id”：“ch1-q001”， "chapter": "学习图简介", "question_text": "学习图的主要目的是什么？", “选项”：{ “A”：“为教科书创建视觉装饰”， "B": "映射概念之间的先决关系", "C": "生成随机测验问题", “D”：“以目录结构组织文件” }, "正确答案": "B", "explain": "学习图是有向图......", "bloom_level": "了解", “难度”：“中等”， "concept": "学习图", "chapter_file": "docs/concepts/learning-graph.md", "source_section": "#definition", “标签”：[“图表”，“先决条件”，“脚手架”] } ] } **测验银行的用例：** * LMS 导出（Moodle、Canvas、Blackboard XML） * 测验随机化（选择子集） * 替代测验版本 * 聊天机器人集成（练习题） * 研究应用程序集成 ### 第 11 步：生成质量报告创建“docs/learning-graph/quiz- Generation-report.md”： # 测验生成质量报告生成时间：YYYY-MM-DD ## 总体统计 - **总章节：** 20 - **问题总数：** 187 - **每章平均问题：** 9.4 - **总体质量得分：** 76/100 ## 每章摘要 |章|问题 |质量得分 |布鲁姆的分数|覆盖范围| |--------|---------|----------------|---------------|------------| |第 1 章：简介 | 10 | 10 82/100 | 82/100 24/25 | 24/25 83% | |第 2 章：学习图 | 12 | 12 78/100 | 78/100 22/25 | 22/25 90% | | ... | ... | ... | ... | ... | ## 布卢姆分类分布（总体） |水平|实际 |目标|偏差| |--------|--------|--------|------------| |记住| 22% | 25% | -3% ✓ | |了解 | 28% | 30% | -2% ✓ | |申请 | 27% | 25% | +2% ✓ | |分析 | 18% | 15% | +3% ✓ | |评价| 4% | 4% | 0% ✓ | |创建| 1% | 1% | 0% ✓ | **布卢姆分布分数：** 24/25（优秀） ## 答案平衡（总体） - 答：24% (45/187) - B：26% (49/187) - C: 25% (47/187) - 深度：25% (46/187) **答案平衡分数：** 15/15（完美分布） ## 概念覆盖范围 - **总概念：** 198 - **测试概念：** 156 - **覆盖率：** 79% **覆盖分数：** 16/20（良好） ## 问题质量分析 - **格式正确的问题：** 92% (172/187) - **质量干扰因素：** 平均 88% - **清晰的解释：** 100% - **有效链接：** 98% **问题质量得分：** 28/30（优秀） ## 建议 ### 高优先级 1. 增加15个未经测试的高中心度概念的覆盖范围 2. 添加 2-3 个记忆级问题 (+3%) 3.修正3个措辞不明确的问题 ### 中优先级 1.改进12个问题的干扰项（质量<80%） 2. 为第 5、8、12 章添加更多应用级问题 3. 验证并更新3个失效链接 ### 低优先级 1.针对热门概念添加替代问题 2. 创建学习指南版本 3. 导出为 LMS 兼容格式 ## 章节差距 **覆盖率低的章节（<70%）：** - 第 7 章：高级概念（覆盖率 64%） - 缺少以下问题：[列表] - 第 14 章：集成模式（覆盖率 58%） - 缺少以下问题：[列表] ### 第 12 步：验证质量执行全面验证： **1\.没有歧义：** * 每题都有一个正确答案 * 问题主干清晰完整 * 无语法错误 **2\.干扰器质量：** * 所有错误答案都是合理的 * 干扰因素测试理解力，而不仅仅是猜测 * 相似的长度和语法结构 * 没有重叠的答案 **3\.语法和清晰度：** * 全程专业写作 * 一致的动词时态 * 正确的标点符号 * 没有错别字 **4\.答案余额：** * 正确答案分布在 A、B、C、D 中 * 每个选项 20-30% 以内（目标：25%） * 没有可预测的模式 **5\.布卢姆分布：** * 匹配章节类型的目标 * ±15% 以内可接受 * 通过测验逐步增加难度 **6\.概念覆盖范围：** * 75% 以上的主要概念经过测试 * 重要概念有多个问题 * 不要过度测试琐碎的概念 **7\.无重复：** * 所有测验中都有独特的问题 * 没有近似重复（>80% 相似） **8\.解释质量：** * 所有问题都有解释 * 解释是教导，而不仅仅是证实 * 50-100字目标 * 参考章节部分 **9\.链接验证：** * 所有源链接都指向现有内容 * 在适当的情况下使用截面锚栓 * 链接正确呈现 **10\。偏差检查：** * 没有文化偏见 * 无性别偏见 * 没有关于背景的假设 * 无障碍语言 **成功标准：** * 总体质量得分 > 70/100 * 每章 8-12 个问题 * Bloom 分布在目标的 ±15% 范围内 * 概念覆盖率超过 75% * 每个选项的答案余额在 20-30% 以内 * 100%问题有解释 * 没有重复的问题 * 所有链接均有效 ### 第 13 步：生成替代问题（可选）创建“docs/learning-graph/quizzes/alternative-questions.json”，每个概念包含 2-3 个替代问题： { “替代方案”：[ { "concept": "学习图", “问题”：[ { "question_text": "使用哪种数据结构来表示学习图？", “选项”：{ "A": "链表", "B": "有向无环图", “C”：“二叉树”， “D”：“哈希表” }, "正确答案": "B", "bloom_level": "记住" }, { "question_text": "学习图解决什么问题？", “选项”：{ "A": "按字母顺序组织文件", "B": "确定概念学习顺序", "C": "生成测验问题", “D”：“创建可视化图表” }, "正确答案": "B", "bloom_level": "了解" } ] } ] } 用于： * 测验随机化 * 测试变体（A/B 版本） *练习模式（每次不同的问题） * 自适应难度 ## 问题格式参考 ### 包含所有元素的完整示例 #### 3. 给定一门包含 50 个概念的课程，组织学习图最重要的因素是什么？

1. 概念名称的字母顺序 2. 概念之间的前提关系 3.概念定义的长度 4. 图表的视觉外观

???问题“显示答案” 正确答案是**B**。先决关系是最重要的因素，因为它们决定了必须学习概念的顺序。学习图映射了这些依赖关系，以确保学生先学习基础概念，然后再学习高级概念。字母顺序 (A) 和视觉外观 (D) 是组织偏好，而不是教育要求。定义长度 (C) 不影响概念排序。 **概念测试：** 学习图结构 **参见：** [学习图](../concepts/learning-graph.md#preventions) ### 格式检查表 * 带有问题编号的 4 级标题 * 以 ? 结尾的完整句子 * `

` 包装器 * 选项的编号列表（1、2、3、4） * 结束`

`标签 *`???问题“显示答案”`警告 * 答案块中的 4 个空格缩进 *“正确答案是**[字母]**。”声明 * 说明（50-100字） * **概念测试：** 标签 * **参见：** 具有正确路径的链接 * div前后空行 ## 要避免的常见陷阱 **格式错误：** * ❌ 忘记 `

` 包装器 * ❌ 使用字母（A、B、C、D）代替列表中的数字 * ❌ 答案块中的缩进不正确 * ❌ 缺少结束`

`标签 **问题质量：** * ❌ 有多个正确答案的歧义问题 * ❌“以上所有”或“以上都不是”选项 * ❌ 技巧问题或文字游戏 * ❌ 测试琐碎事实的问题 **干扰器质量：** * ❌ 明显错误的答案 * ❌ 笑话选项或废话 * ❌ 干扰项比正确答案长/短得多 * ❌ 重叠或矛盾的选项 **解释质量：** * ❌ 只是重述问题 * ❌ 无教学价值 * ❌ 链接丢失或损坏 * ❌ 太短（< 30 个字）或太长（> 150 个字） ## 输出文件摘要 **必填（每章）：** 1.测验markdown文件（单独或嵌入） 2. 测验元数据 JSON **推荐（总体）：** 3\. `docs/learning-graph/quiz-bank.json` \- 所有问题数据库 4\。 `docs/learning-graph/quiz- Generation-report.md` \- 质量指标 **可选：** 5\。 `docs/learning-graph/quizzes/alternative-questions.json` \- 替代问题 6\。 `docs/[章节]/[章节名称]-study-guide.md` \- 学习指南 7\.导航更新以链接测验 ## 会话示例 **用户：**“为第 3 章生成测验” **克劳德（使用此技能）：** 1. 评估第 3 章内容准备情况（分数：82/100） 2.确定章节类型：中级 3.设定目标分布：25%记住，30%理解，30%应用，15%分析 4. 确定 12 个要测试的概念（10 个优先级 1，2 个优先级 2） 5. 使用问题警告格式生成 10 个问题 6. 制造质量干扰因素 7. 确保答案平衡（A：2、B：3、C：3、D：2） 8. 写出带有链接的解释 9. 创建元数据 JSON 10.更新题库 11. 报告：“为第 3 章创建了 10 个问题测验。质量得分：78/100。布鲁姆分布：2 记住、3 理解、3 应用、2 分析。概念覆盖率：83%。” ### 第 14 步：更新站点导航以包括测验和报告现在更新“mkdocs.yml”文件以将测验包含在每个章节目录中。使用与此类似的格式：index.md 和测验文件中的章节内容在章节下各有不同的行。导航： ... - 章节： - 概述：chapters/index.md - 第一章 - 人工智能与智能教材简介： - 内容：chapters/01-intro-ai-intelligent-textbooks/index.md - 测验：chapters/01-intro-ai-intelligent-textbooks/quiz.md - 第 2 章 - 克劳德入门和技能： - 内容：chapters/02-getting-started-claude-skills/index.md - 测验：chapters/02-getting-started-claude-skills/quiz.md - 第 3 章 - 课程设计和教育理论： - 内容：chapters/03-course-design-educational-theory/index.md - 测验：chapters/03-course-design-educational-theory/quiz.md 接下来，更新“mkdocs.yml”以包含已放置在学习图目录中的测验质量报告。导航： ... 学习图： ... 测验生成报告：learning-graph/quiz- Generation-report.md ### 步骤 15：写入会话日志文件将会话信息导出到“logs/quiz-generator-YYYY-MM-DD.md”，其中 YYYY-MM-DD 是当前日期。 ### 步骤 15：写入会话日志文件通知用户“mkdocs.yml”文件的站点导航部分已更新，以包含新测验的链接以及学习图表中的测验报告。告诉他们会话已记录到“logs/quiz-generator-YYYY-MM-DD.md”

测验生成器

包含技能