Присоединиться бесплатно

Design a rubric from standards

Автор: AILesson9 мин на настройкуПроверено на:ChatGPTПроверено: 2026-08-28

Быстрый ответ

Translate standards into observable, distinct, and consistently scorable criteria. Укажите: Task and standards, Scoring design, Fairness constraints. Ожидаемый результат: A weighted analytic rubric with evidence rules, calibration cases, and a quality audit.

1

Добавьте контекст

ваш текст остаётся в этом браузере. AILesson Prompts не отправляет его ни в модель, ни на сервер.

2

Ваш промпт

Незаполненные поля остаются видимыми как заполнители, поэтому вы всё равно можете скопировать и отредактировать промпт

Design a rubric strictly from the supplied task and standards.

Task, standards, objectives, evidence, and assistance rules:
[task]

Level, type, performance levels, points, weights, and use:
[scoring]

Access, language, formats, collaboration, and separation constraints:
[fairness]

Map requirements to criteria and flag requested criteria not supported by the standards. Use observable evidence, not traits, effort guesses, or vague adjectives. Keep criteria non-overlapping and avoid double penalties. Describe coherent differences in quality, accuracy, completeness, independence, or transfer at every level; do not rely only on error counts or labels such as excellent. Verify points and weights. Add rules for missing, partial, contradictory, and format-equivalent evidence, plus what is not scored. Provide two borderline calibration cases without inventing student work. Audit alignment, clarity, accessibility, bias proxies, overlap, arithmetic, and inter-rater reliability.
Попробовать в Playground
Конфиденциально по умолчаниюПромпт собирается локально в вашем браузере. Не вводите конфиденциальную информацию в сервисы ИИ, если ваша организация этого не разрешает.

От исходных данных к результату

Разобранный пример

Посмотрите, как конкретный контекст превращает этот рецепт в полезный результат

Реальный ввод

Task and standards
Adult workplace course: give a 4-minute recommendation from a provided dataset. Standards: decision-relevant claim with accurate evidence; one material limitation; organization for the named audience. Notes allowed; no outside data.
Scoring design
Analytic, Ready/Developing/Not yet, 20 points. Evidence accuracy at least half. Certification and feedback.
Fairness constraints
Live or prerecorded. Do not score accent, charisma, slide design, or eye contact. Captions and assistive technology allowed. Keep claim quality separate from organization.

Пример вывода

Weights: claim and evidence 10; material limitation 5; audience organization 5; total 20.

Claim and evidence — Ready 9-10: an actionable recommendation uses dataset values accurately and explains their connection without outside data. Developing 5-8: the recommendation is identifiable, but relevance, selection, accuracy, or connection is incomplete; a material numerical error caps this at 6. Not yet 0-4: no actionable claim, evidence is absent or substantially inaccurate, or outside data is essential. Limitation — Ready 5: an evidenced limitation is explained in terms of confidence or use. Developing 2-4: relevant limitation, incomplete consequence. Not yet 0-1: absent or unrelated. Organization — Ready 5: the audience can locate recommendation, support, limitation, and next step within four minutes. Developing 2-4: elements exist but ordering obscures a decision need. Not yet 0-1: essential elements cannot be located.

Live and prerecorded evidence use identical descriptors. Do not score accent, charisma, eye contact, visuals, or production polish. Calibration A: accurate evidence plus a named but unexplained limitation is Ready-range on evidence and Developing on limitation. Calibration B: polished organization with a decision-changing number misstated cannot be Ready on evidence. Calibrate the 8-to-9 boundary on one shared sample before certification scoring.

Почему это работает

  1. 1

    Observable descriptors reduce impression-based scoring and make feedback actionable.

  2. 2

    Calibration cases expose ambiguous boundaries before real grading.

Проверьте результат

  • Can two scorers locate the same evidence for each descriptor?

  • Are criteria distinct, aligned, and arithmetically correct?

  • Does the rubric avoid unsupported style or access penalties?

Используйте уверенно

Часто задаваемые вопросы

Практические ответы о том, когда использовать этот рецепт, что нужно предоставить и где по-прежнему важна проверка человеком

What should I prepare before using “Design a rubric from standards”?

For “Design a rubric from standards,” prepare Task and standards, Scoring design, and Fairness constraints. Replace placeholders only with information you can verify. If a detail is unknown, preserve that uncertainty explicitly instead of asking the model to infer it.

When is the “Design a rubric from standards” result not ready to use?

The result is not ready if it does not yet deliver the stated outcome—A weighted analytic rubric with evidence rules, calibration cases, and a quality audit—from the supplied evidence, or if it relies on unresolved assumptions, missing approvals, or invented details. Use the checks as release gates: revise the source inputs or assign a named, authorized reviewer instead of polishing an unsupported output.

Which AI tools have recorded tests for “Design a rubric from standards”?

The published test record for “Design a rubric from standards” lists ChatGPT as of 2026-08-28. This confirms recorded runs, not guaranteed compatibility or identical results in later product versions. For another tool or version, keep every constraint visible and repeat the result checks before use.

Другие способы изучения

Где этот рецепт применим

Текстовые промтыОбратная связь и рецензированиеПреподавание и образованиеОценивание и рубрикиДля учащихся и преподавателей

Продолжайте работу

AILesson · Рекомендуемые курсы

ваш следующий шаг: примените ИИ на практике

Перейдите от понимания ИИ к выполнению задач. Практикуйтесь в составлении запросов, проверке и улучшении результатов с помощью интерактивных уроков для работы и повседневной жизни.

Просмотреть все курсы
Обложка курса «ИИ для начинающих»

15 интерактивных уроков

ИИ для начинающих

Начните полезную беседу с ИИ, улучшите ответ, проверьте важное и поймите, когда следующий шаг нужно сделать вам.

Просмотреть этот курс
Обложка курса «Основы ChatGPT»

10 интерактивных уроков

Основы ChatGPT

Освойте ChatGPT на трёх практических рабочих процессах: проведите первую беседу, поработайте с файлом, а затем перенесите проверенный план в новую беседу с помощью проектов.

Просмотреть этот курс
Обложка курса «Как работает генеративный ИИ»

7 интерактивных уроков

Как работает генеративный ИИ

Разберитесь, как распространённые ИИ-чаты изучают закономерности языка, используют текущие сообщения, формируют ответы и подключают источники и инструменты.

Просмотреть этот курс