← 返回目录

第 7 讲　课堂互动：一次测验变成一组数据

【可执行状态】需教学套件（建题需口令，随套件发放）；学生端零安装，当天就能用

【本讲对应资产】测验服务（/quiz-api/，含学生答题页、投影讲评页、成绩页）、题库解析工具

【本讲原理来源】吴恩达《Agentic AI》设计模式·反思（评估优先）、L3 第 20 课《Function Calling》（确定性解析）

引子：一句问了千百遍、却几乎从来没得到过答案的话

每节课最后五分钟，很多老师都会问同一句话：“都听懂了吗？”底下通常是一片点头——然后期中卷子发下来，一半人不及格。

后来你才想明白：点头不是答案，只是社交。 学生不想当众说“没懂”，老师也不想当场难堪，于是一句问句，两方都体面地过去了。也有的老师换个问法：“谁还有问题？”教室安静得能听见空调声，因为问“有没有问题”比问“听懂没有”更难回答。

真问题是：课上最该拿到的那条信息，偏偏是最拿不到的一条。 谁跟上了、哪一段卡住了、下一节课该从哪儿重讲——这些信息在教室里的每一分钟都在产生，却一条也没有被留下来。

这一讲要练的动作，就是把一次课堂练习，变成一组能看懂的数据。

一、场景：七十八分能告诉你什么

第一章第三、四节讲完了。你想知道一件事：学生到底听懂没有。

王老师（化名）的办法，是很多老师的办法。课上随机点两个学生问——问到的会，没问到的不清楚，而且被点到的学生会紧张；课后留一次小测，收上来判两小时，第二天课上她只能看到一句话：“平均分七十八。”

七十八分能告诉你什么？告诉你“大概是听懂了一半”，但不知道是哪一半。第十一题全班错了七成，这是全班的问题，还是这道题本身有歧义？是概念没讲透，还是选项设计得容易混？不知道。因为手判卷子时，你只记分数，不记每道题。

李老师（化名）的办法不一样。她把自己写的题库稿放进文件夹，说清三件事：卷子编号、卷面标题与课程名、带上口令建题。几分钟后，她拿到的不是一个分数，是一页能看懂的数据：交了多少人、每题正确率多少、哪三题错得最多、有谁重名、有谁交了两遍。她做的判断只有一件——下一节课的前十分钟，重讲哪一段。

同一件事，两种过法。差别不在判卷快慢：王老师拿到的是一个结果，李老师拿到的是一份地图。 这一讲练的就是后者。

二、原理：出题与判分必须分开

2.1 一次测验值不值，看它产出几样东西

一次测验如果只产出“一个分数”，它就只是一次点名。一次值钱的测验要产出四样：交没交、对不对、哪道题错得多、下一节课讲什么。

前三样是机器能算的，第四样是只有你能判断的——所以这条链的终点不是成绩表，是下一节课的教案。打个比方：这就像体检和诊断的区别。体检报告会给出一串数字（血压、血糖、各项指标），但“这说明什么、接下来怎么办”是医生的事。一次测验的分数是体检报告，哪一段要重讲，才是诊断。

教育研究里管这种“用评价信息反过来改教学”的做法叫形成性评价：评价的目的不是给学生排队，而是让老师知道下一步该做什么[3]。例如，同样是看到“平均分七十八”，形成性评价问的是“哪几题错得多、下节课怎么补”，终结性评价问的是“这个班排第几”——两种问法，同一份数据，走向完全不同。

（顺带说一句教育研究里的另一条老结论：测验不只是“检查学过没有”，它本身就是一种学习。让学生把学过的东西取出来用一次，比再读一遍记得更牢——教育心理学把这个现象叫“提取练习效应”[1]。例如，同样是复习二十分钟，让学生做十道选择题，比让他们再读二十分钟讲义，一周后的留存明显更好。所以课堂练习不是额外负担，它是学习环节本身。）

2.2 这件事，从举手到扫码走了多久

“课上查一查学生懂没懂”这件事，手段换过好几代，但目的从来没变过：

这条线上有一个值得记住的转折：机读答题卡把“判分”交给了机器，但没有把“每道题”交给人。 老师拿到的是总分和分布，想知道“第十一题错得像不像话”，还得回头翻卷子抽样。扫码答题这一代补上的恰恰是这一点——每一道题的正确率都留下来了，而且是当场留的。 于是“下节课讲什么”第一次变成了一个可以看着数据决定的问题，而不是凭印象猜的问题。

2.3 题由你定，判分交给机器

这是本讲最重要的一条分界。

• 出题：题是你想的、考点是你定的、干扰项是你按学生常见误解设计的——内容责任在人
• 判分：A 对了 B 错了、哪题正确率多少、谁重名、谁交了两遍——规则清楚的事交给机器

换句话说：凡是需要教学判断的，一样都不许交出去；凡是只要照规则执行的，一样都不该留在手上。 判一道客观题、统计一次正确率，这里面没有任何教学判断，它只是重复劳动；而“这道题该不该出”“这个干扰项是不是在考学生的误解”，机器不知道你的班上学期错在哪。

吴恩达的四大设计模式里，“反思”的意思是：先给出评估标准，再让系统自己对着标准看结果[2]。放到测验这件事上，就是先把评判标准定死（题干、选项、答案是唯一的），然后才能让机器判、让机器统计。标准说得越死，机器能干的事越多——这跟考核是一样的道理：评分标准写得含糊，交给谁判都会有争议。

2.4 为什么题库稿要写“固定体例”

我们不用模型现编题，也不用模型猜你的答案。做法是：你的题库稿按固定体例写，解析工具逐题读懂，变成一份题库数据，再一次性建成一份题卷。

这条路看起来笨，其实是最稳的：同一份稿子今天解析和明天解析结果一样，题目不会被“改写”，答案不会被“猜”——可复现，才谈得上当考核依据。 这里的道理跟上一讲的填制是同一个：内容由人定，搬运由机器做，两件事分开，才不会互相污染。

体例是这样的，每一题五样东西，缺一不可：

为什么体例要这么严？ 因为工具是逐条读的，不是靠“猜意思”的。例如，题干里一旦出现“答案”二字，很可能被当成答案行；缺失“答案：”这一行，这一题就会被跳过并在报告里列出来。再比如，选项只有一个，题就没法判——工具会直接把它标成有问题的题，让你回去改稿，而不是硬建一份残缺的卷子。这就像填快递单：地址、电话、姓名三格都得填，少一格，件就走不了——不是快递员不通融，是流程确实缺了必需的信息。

2.5 两个码要分开

• 学生卷：投屏给学生扫码答题，看不到答案与解析，提交后立刻知道自己交上了
• 投影卷：讲评时你自己用，逐题过、看正确率

一张二维码走遍全班是错的——学生扫到讲评页，答案当场就露了。另外，成绩表里有三样东西是判卷最容易出错的地方，机器会标出来：同一学号重复提交、姓名重名、谁没交。

这三样恰好是手判时代最容易漏掉的：比如两个同名学生，手判时你分不清谁交了；再比如一个学生交了两遍，手判时你把两份都收着，最后按哪一份算全凭运气。机器把这三件事标出来，不是因为它更聪明，是因为它不会累。

2.6 有人要问：学生拿手机答题，不就能查答案、能互相抄吗？

这个问题问得非常对，值得正面回答，而不是绕过去。

先说清楚一件事：任何课堂练习都防不住铁了心要作弊的人，问题不在于“能不能防死”，在于“作弊的收益有多大”。 课堂练习按“过程性数据”用，不计入最终考核，学生的收益本来就很小——抄一个满分，得到的只是一个假的“我听懂了”，亏的是他自己。

再说实际的做法，有三条：

• 缩短时间窗：一次十几道客观题，给学生十分钟。搜答案要花的时间比想答案还长，例如一道考“代理权终止情形”的概念题，题目就一行，翻书翻到那一段，两分钟已经过去了
• 题目指向理解，不指向记忆：把“下列哪一项属于”这种能在书上找到的题，换成“这个案例里谁有权代理”这种要先判断的题——搜得到答案的题，本身就出得不好
• 讲评只讲全班，不念个体：当场对着正确率讲哪几题错得多，不给任何人贴标签，抄的动机也就淡了

（技术上还有一层：学生端页面看不到答案，提交后也不显示分数与解析——这也是校验点里那条“在学生答题页里搜你的答案字母，搜不到才对”。）

2.7 还有人要问：机器判的分，准吗？能当真吗？

分两个层面答。

判得准不准：客观题的判分是确定性解析——你写“答案：B”，它就记 B；A、C、D 都是错的。它不会发挥，也不会看错行。真正会出错的地方在两头：题稿本身写错了（比如答案标错、选项少一个），或者学生身份信息出问题（重名、学号填错）。所以校验的重点不在“它对不对”，而在“我的稿子和名单对不对”。

能不能当真：一次课堂练习不是评价一个学生的依据，它是给老师的过程性数据，用来看教学哪里没讲透。要计入平时分，得你自己在教务系统里登记；要作为正式考核依据，必须事先向学生说明。别把“我看到了数据”当成“我可以给它打分”——这是两件事。

三、动手三件套

一句话指令（点名工具，可直接改数字用）

把题库稿放进文件夹，然后说清三件事：建哪一份卷（编号）、卷面标题与课程章节叫什么、带上口令建题。

用第一章第三、四节那份题库稿，调 quiz_create 建题，编号 jjf-ch1-s34，标题写经济法基础第一章第三、四节课堂练习，课程写经济法基础；建好把学生答题页和投影讲评二维码给我；出完再用 quiz_scores 把成绩页读给我。

编号为什么要规矩一点？因为它会进链接和二维码。例如编号写成 jjf-ch1-s34（经济法基础，第一章，第三、四节），下学期你想调出上学期的卷子，一看编排就找到了。

预期产物

• 一个学生答题页（可转成二维码投屏，也可直接发链接到课程群）
• 一张投影讲评二维码（老师通道）
• 一份成绩页：平均分、最高分、最低分 + 每道题的正确率 + 明细表（可导出）
• 学生提交后可以自助查“交上了吗”

（实测题卷示例：经济法基础·第一章第三、四节课堂练习，十五题，学生页与二维码页均已在线；另有一份三题的自检卷，仅用于检测服务通不通。）

校验点（照这六条量）

1. 题数一致：建出来的题数与你题库稿的题数一致；有问题的题号会被列出来（选项少于两个、没写答案），别硬建，先改稿
2. 答案不在学生端：在学生答题页里搜你的答案字母，搜不到才对
3. 能提交、能查状态：自己先交一遍试试，提交后状态要能查到
4. 成绩页只在老师通道：把链接发给别人前，确认那是带口令的那一条
5. 异常能暴露：故意用同一个学号交两次，看成绩表是否标出“提交两次”；重名是否标出
6. 数据只用于教学改进：作为正式考核依据前，必须事先向学生说明

第 1 条和第 5 条是最值得花五分钟的：一条管“题对不对”，一条管“人对不对”。 这两条过了，中间那张正确率表才值得信——就像报账前先核对发票和名单，中间那个数字才有意义。

四、常见错误与排错

五、边界与红线

• 成绩与作答数据不外传：只在老师通道看；不导出到公网工具、不发到群里
• 不改学校成绩系统：课堂测验是过程性数据，不能自动变成教务成绩；要计入平时分，必须自己在教务系统里登记
• 不公开个体成绩：讲评只讲“哪道题全班错得多”，不念谁的分数
• 不能替代考核：一次课堂练习不是评价一个学生的依据
• 学生数据最小化：只收学号、姓名、班级；不要顺手收集手机号、身份证号
• 网络与设备兜底：总有学生手机没电、没流量——备纸质版或课后补答，不要让技术成为门槛

最后一条常被忽略，但它是底线中的底线：技术方便了一部分人，不能同时排除另一部分人。 比如，一个手机坏了的学生，不能因此在本节课上“没有数据”；给他一张纸、让他课后补答，都是应有的兜底。

六、拓展与学科迁移

• 变式一：课后作业当测验——设一个提交时间窗，防抄袭，也方便统计
• 变式二：把主观题拆成“要点勾选”（多选哪几个要点答到了），机器能判，学生也清楚标准
• 变式三：开学第一次课做一次“前测”，同一套题期中再做一次，看这一学期的变化——同一份卷子前后各测一次，比两次不同的卷子更能说明问题
• 跨角色：教研组共用一份题库，各自建卷、各自看自己班的正确率；同一门课不同班之间的差距，一眼能看出来
• 跨专业：语言类可以做成听力或词语选择；工科类做成“这一步参数对不对”的单项选择；财会类把常见错账做成干扰项——干扰项越像学生的真实误解，这张卷子越值钱
• 接下一讲：测验的数据最终要回到课上去。把“哪三题错得多”带回第 6 讲的课件里重做一页讲评，或者带回第 3 讲的教案里改一段讲法——闭环才算真的闭上。

带走一句话

出题归你，判分归机器；你要的不是分数，是下一节课讲哪儿。

背后的引擎（本讲速查）

本讲要点（速记）

• 一次测验要产出四样：交没交、对不对、哪题错得多、下一节课讲什么
• 出题归人，判分归机器：题由你定，判分与统计交给规则
• 题库稿按固定体例写，确定性解析——模型不现编题、不猜答案，可复现
• 两个码分开：学生卷（答题）与投影卷（讲评）
• 成绩表要看的不只是平均分，是每道题的正确率
• 课堂测验是过程性数据，不能替代教务考核，也不能公开学生个体成绩

参考文献

[1] Roediger H L, Karpicke J D. Test-enhanced learning: Taking memory tests improves long-term retention[J]. Psychological Science, 2006, 17(3): 249-255.（提取练习效应：测验本身即是一种有效的学习方式）

[2] Ng A. Agentic AI（智能体式人工智能）[EB/OL]. DeepLearning.AI, 2024.（反思设计模式：评估优先，先定标准再看结果）

[3] Black P, Wiliam D. Assessment and classroom learning[J]. Assessment in Education: Principles, Policy & Practice, 1998, 5(1): 7-74.（形成性评价：把评价所得的信息用于调整教学，而非仅用于排序）

数据与平台：本讲实测数据来自 zhenyuonline.cn 的 lesson-agent 引擎与测验服务（2026-09-17 实跑）：题卷示例《经济法基础·第一章第三、四节课堂练习》十五题，学生答题页与二维码页均已在线；另有一份三题自检卷，仅用于检测服务连通性。工具名以「事实底座」所列为准，一个不编。