学习

生成形成性评价问题

创建揭示推理并指导下一步教学的诊断问题

7 分钟准备已测试:ChatGPT复核日期: 2026-08-28
1

补充你的背景

你填写的内容只保留在当前浏览器中,AILesson 提示语不会将其发送给模型或服务器。

2

生成的提示语

未填写的字段会保留为占位符,你仍然可以复制后自行编辑

请只基于所提供内容生成形成性评价问题。

材料、目标、前置知识和范围:
[content]

学习者证据、误区、语言和无障碍:
[evidence]

题数、时间、作答方式、分组和反馈时机:
[delivery]

每题对应一个目标或前置知识,并说明要揭示的推理。避免琐碎记忆、歧义、无意提示和只靠关键词作答。选择题干扰项应对应已知误区。每题提供可接受答案、基于来源的依据、可能反应模式、各模式能与不能证明什么及具体教学响应。让早期答案指导后续追问。措辞无障碍但不降低认知要求。最后检查覆盖和时间,标记约束内无法有效检查的目标。
默认保护隐私提示语在浏览器本地组装。除非所在组织明确允许,否则不要把机密信息提交给任何 AI 服务。

从输入到成果

实际案例

看看具体背景如何通过这条配方转化为可使用的成果

实际输入

内容与目标
目标:区分相关与因果,并识别合理混杂因素。相关表示变量共同变化;因果需要改变一个变量会导致另一个变化的证据;混杂因素与两者都相关。观察本身不能证明因果。
学习者证据
成人入门课。多人认为强相关就证明因果。使用通俗语言,无需计算。
实施约束
6分钟内4题,个人举牌,随后即时反馈。含一道选择题和一道迁移题。

示例输出

  1. 选择题:“携带打火机者肺癌率更高,可以得出什么?”正确:两者有关联,但仅此不能证明因果。干扰项分别声称直接因果、反向因果或强度证明原因。若因果选项占多数,重教观察与干预的区别。
  2. 简答:说出一个同时关联带打火机与肺癌风险的因素并解释两条联系。只有“吸烟”且说明两条联系才完整。
  3. 错误分析:标题说消防员更多的街区损失更大,因此消防员增加损失。应识别无支持的因果跳跃;火灾规模是合理混杂因素。只说火灾规模而未指出推理错误是部分证据。
  4. 迁移:使用健康应用的员工病假更少。写一个有支持的观察、一个无支持的因果主张和一个混杂因素。符合所给定义的不同答案均可。

每题约75秒,另留1分钟扫描举牌。目标两部分各抽样两次;研究设计知识不在目标内,不评价。

为什么有效

  1. 1

    与作答关联的行动把问题变成教学决策,而不只是小测。

  2. 2

    基于误区的干扰项能揭示真实推理。

检查结果

  • 每题是否关联目标和下一步行动?

  • 答案和诊断是否由所给材料支持?

  • 学习者能否在实施约束内完成?

更多探索方式

这条配方出现在哪里

继续完成任务