Exam Pipeline

---
name: exam-pipeline
description: "高校期末试卷后半程全流程辅助：试卷审核（A/B 卷等价性、知识点覆盖、难度分值匹配、歧义与答案唯一性、题目间相互提示）、参考答案与评分细则（rubric）、考后成绩分析（得分率/区分度/分数段分布，逐题改进建议）、归档材料（试卷审批表、试卷分析报告、平时分依据表）。当教师说「审核这套试卷」「帮我审一下 AB 卷是不是等值」「出评分细则」「这题怎么给分才公平」「考后成绩分析」「帮我算一下每道题的区分度」「这题是不是太简单了」「写试卷分析报告」「期末归档材料帮我整理一下」时使用。Triggers: 审核这套试卷、出评分细则、考后成绩分析、试卷归档材料、AB卷等值、区分度、得分率、试卷分析报告、参考答案、给分标准、平时分依据表、期末归档。"
---

# 期末试卷后半程流水线（审核 → 细则 → 分析 → 归档）

> **Goal**：把教师手上从「题已经出完了」到「材料交教务处归档」之间的四段活干完：
> 审卷、写评分细则、考后成绩分析、整理归档材料。
> **产出全部是初稿**。评分细则里的分值、最终成绩的判定、归档结论一律留人工确认位 ——
> 这是本包的红线，AI 不给终稿。

## 何时使用

- 「题出好了，你帮我审一遍，看有没有歧义 / 答案是不是唯一」
- 「A 卷 B 卷难度是不是一样，会不会不公平」
- 「这题的知识点有没有覆盖全大纲」
- 「出个评分细则，我怕学生来查分的时候说不清」
- 「考试考完了，帮我做成绩分析，看看哪道题出得不好」
- 「这题区分度多少？是不是该淘汰」
- 「帮我写《试卷分析报告》，教务处要」
- 「归档要交哪些材料，帮我做个审批表和平时分依据表」

**不适用**：出题本身（那是 `quiz-generator` 的活）；平时过程性评价的设计（那是 `classroom-live`）；
学生成绩单的正式录入与上报（教务系统的事，本技能不代做）。

**上游衔接**：`quiz-generator` 出完题 → 本技能接阶段一。若教师直接甩来一份 Word 试卷，
跳过上游直接从阶段一开始。

## 底座（禁止重写）

| 路径 | 用途 |
|---|---|
| `skills/office-layer/SKILL.md` | **文件产出唯一通道**，四条命令的用法与铁律 |
| `skills/office-layer/scripts/xlsx_kit.py` | **`analyze` 已实现成绩分析**：得分率/区分度/分数段/偏度峰度 + 原生图表；`build` 出归档表格 |
| `skills/office-layer/scripts/docx_kit.py` | `md` 出 Word；`comment` 写 **Word 原生批注**（试卷审核意见直接批在卷面上）；`spec` 出带人工确认位的排版稿；`inspect` 自检 |
| `skills/ibook-skills/question-writing/` | 上游出题能力，**阶段一与之衔接**；其题目格式即本技能的审核输入 |
| `skills/ibook-skills/question-writing/references/distractor-writing-guide.md` | 干扰项质量四条标准（可信性/教育价值/区分性/公平性），审选择题时直接引用 |
| `skills/education-skills/edu-learning-analytics/` | `learning-analytics.md`（学习分析口径）、`competency-based-assessment.md`（能力本位评量）、`peer-assessment.md`（量规思路） |
| `skills/k12-teacher-skills/k12-check-for-understanding/` | 检查理解的设计思路，审「题目是否真在考理解而非背记」时参考 |

**环境准备（首次使用必做，已实测）**：

```bash
bash skills/office-layer/bootstrap.sh     # 创建 skills/office-layer/.venv 并装依赖
PY="skills/office-layer/.venv/bin/python"
export MPLCONFIGDIR=/tmp/mplcache && mkdir -p /tmp/mplcache   # 受限环境必须有可写缓存目录
```

## 前置信息收集（intake，一次性问完）

沿用 `awesome-benzi` 的 `question-batch` 思路：**开头的 intake 一次问完，不要边做边问**。
缺信息时用安全默认值继续，并在交付物里标注哪里用了默认值。

1. **课程与考试基本信息**：课程名、课程代码、开课单位、学期、学生层次（本科/研究生/高职）、
   考试形式（闭卷/开卷/机考/大作业）、考试时长、考生人数
2. **试卷文件**：A 卷、B 卷（Word 或 Markdown）；已有的双向细目表（有则给，无则本技能据大纲生成）
3. **依据**：课程教学大纲 / 考试大纲（**知识点清单是覆盖面检查的前提**，尽量要）
4. **分值结构**：题型、题数、各题满分（告诉我是「每题满分」还是「每大题满分」）
5. **评分口径**：学校是否要求「言之成理即可」的开放题，是否有统一的平时分折算比例
6. **成绩数据**（阶段三才需要）：含表头的成绩表 xlsx —— 说明第几列是学号、第几列起是各题得分
7. **归档要求**：学院/教务处指定的表格模板或清单（有则照做，无则用本技能默认栏目并在交付物标注）
8. **敏感数据处置约定**：教师是否同意先用脱敏表分析（**默认走脱敏，见「脱敏」一节**）

**最快路径**：只要教师给了「试卷 + 各题满分 + 成绩表」，阶段一、二、三都能跑；
缺大纲时覆盖面检查退化为「内部一致性检查」并在报告里注明。

## 工作流

### 阶段一 · 试卷审核

**输入**：A/B 卷（docx/md）、各题满分、教学大纲知识点清单（可选）、`quiz-generator` 的输出（若从上游来）
**动作**：按下面六张检查表逐项过，把每条不通过的项写成审核意见
**输出**：`试卷审核意见.docx`（**用 docx_kit 的 `comment` 写成 Word 原生批注**，教师打开就看到批注气球）
＋ `试卷审核检查表.xlsx`（逐项结论）
**退出条件**：所有标记为【阻断】的项清零，或教师明确书面确认「已知悉并接受」

#### 检查表 1 · A/B 卷等价性（公平性底线）

| # | 检查点 | 判定标准 | 不通过 |
|---|---|---|---|
| 1.1 | 题型结构一致 | 两卷题型、题数、题序完全相同 | 【阻断】 |
| 1.2 | 逐题满分一致 | 第 i 题满分两卷完全相同，总分相同 | 【阻断】 |
| 1.3 | 考点覆盖重合 | 两卷覆盖的核心考点重合率 ≥ 80%，且各自 100% 覆盖核心考点 | 【阻断】 |
| 1.4 | 认知层次分值分布 | 识记/理解/应用/分析各层次分值占比，两卷差 ≤ 5 个百分点 | 需修改 |
| 1.5 | 预估难度均值 | 两卷全卷预估难度 P 之差 ≤ 0.05 | 需修改 |
| 1.6 | 预估用时 | 两卷预估总用时之差 ≤ 考试时长的 5% | 需修改 |
| 1.7 | 无原题直搬 | 除明示的等价替换题外，两卷不得有完全相同的题干 | 【阻断】 |
| 1.8 | 上下文无串味 | A 卷某题的题干/材料不得出现在 B 卷另一题的答案中 | 【阻断】 |

> 等价性判定的证据只有「题型/分值/考点/预估难度」四项可客观核对，**认知层次与难度是估计值**，
> 报告里必须写成「预估」并留 【待教师确认：A/B 卷是否认定等值】。

#### 检查表 2 · 知识点覆盖面

| # | 检查点 | 判定标准 | 不通过 |
|---|---|---|---|
| 2.1 | 核心考点覆盖率 | 大纲标为「掌握/重点」的知识点，被考比例 = 100% | 【阻断】 |
| 2.2 | 总体覆盖率 | 被考知识点数 / 大纲知识点数 ≥ 80% | 需修改 |
| 2.3 | 章节分值 vs 课时 | 各章分值占比与该章课时占比偏差 ≤ ±5 个百分点 | 需修改 |
| 2.4 | 无单章独大 | 任一章节分值占比 ≤ 30% | 需修改 |
| 2.5 | 无超纲 | 无未讲授内容、无大纲外知识点 | 【阻断】 |
| 2.6 | 无「讲了不考」 | 重点章节不得整章零分值 | 需修改 |
| 2.7 | 题型—目标匹配 | 考「应用/分析」的考点不应只用选择/填空覆盖 | 需修改 |

产出建议用双向细目表呈现：**知识点 × 认知层次 × 题型 × 分值** 四维矩阵（xlsx）。

#### 检查表 3 · 难度与分值匹配

| # | 检查点 | 判定标准 | 不通过 |
|---|---|---|---|
| 3.1 | 全卷预估难度 | 期末卷预估平均 P 落在 0.60–0.75 | 需修改 |
| 3.2 | 难度梯度 | 题序上由易到难，前 1/3 题 P ≥ 0.7（保底分） | 需修改 |
| 3.3 | 分值—难度相称 | 高分值题（≥ 15 分）应为应用/综合分析题，P 落在 0.40–0.70 | 需修改 |
| 3.4 | 无低分高难 | 分值 ≤ 5 分的题 P 不应 < 0.3（性价比失真） | 需修改 |
| 3.5 | 时间预算 | Σ(各题预估用时) ≤ 考试时长 × 0.9（留 10% 复查） | 【阻断】 |
| 3.6 | 分值粒度 | 分值均为 0.5 的整数倍；单题满分 ≤ 20 | 需修改 |
| 3.7 | 及格线可达 | 按预估难度推算，中位数学生应能拿到 60% 以上 | 需修改 |

时间预算按题型给经验值：选择题 1–2 分钟/题，填空 2 分钟，简答 5–8 分钟，计算 8–15 分钟，
论述/综合 15–25 分钟。**这条最容易出事**，估完必须写进审核意见。

#### 检查表 4 · 题目表述歧义

| # | 检查点 | 判定标准 | 不通过 |
|---|---|---|---|
| 4.1 | 指令动词唯一 | 一题只用一个指令词（「计算」「证明」「简述」「比较」不得混用） | 需修改 |
| 4.2 | 指代明确 | 「其」「该」「上述」必须能找到唯一先行词 | 需修改 |
| 4.3 | 条件充分 | 已知条件足以解题，且条件之间不矛盾 | 【阻断】 |
| 4.4 | 单位统一 | 全卷单位制统一；关键量必须带单位 | 需修改 |
| 4.5 | 精度要求 | 计算题须写明有效数字/小数位要求；未写默认保留 2 位并写明 | 需修改 |
| 4.6 | 否定词 | 全卷「不」「错误」「除外」等否定表述 ≤ 1 处/题，且加粗 | 需修改 |
| 4.7 | 图表可引用 | 图表有编号，被题干文字显式引用；图内文字可读 | 需修改 |
| 4.8 | 选项同构 | 选择题各选项长度、结构、语法形式大致平行（见 distractor 指南） | 需修改 |
| 4.9 | 无绝对化陷阱 | 不靠「以上都对/都不对」「总是/从不」制造迷惑 | 需修改 |
| 4.10 | 答题空间 | 答题留白与该题分值、书写量相称 | 需修改 |

#### 检查表 5 · 答案唯一性

| # | 检查点 | 判定标准 | 不通过 |
|---|---|---|---|
| 5.1 | 单选唯一 | 单选题有且仅有 1 个正确项，其余 3 项均可被明确证伪 | 【阻断】 |
| 5.2 | 多选规则明示 | 多选题必须在题干写明「多选、少选、错选如何给分」 | 【阻断】 |
| 5.3 | 判断题可判定 | 无「半对半错」的表述，不依赖未给出的前提 | 【阻断】 |
| 5.4 | 填空答案唯一 | 每空答案唯一，或已列出全部可接受写法 | 【阻断】 |
| 5.5 | 主观题可复现 | 参考答案能被独立推导，不依赖某一特定解题路径 | 【阻断】 |
| 5.6 | 计算题数值唯一 | 在给定精度下结果唯一；多解情况须在题干中限定 | 【阻断】 |
| 5.7 | 开放题有要点 | 开放式题必须给「评分要点」而非唯一答案，并注明「言之成理即可」 | 需修改 |
| 5.8 | 干扰项有效 | 每个干扰项对未掌握的学生有可信性，且不因表述与正确项不同而暴露 | 需修改 |

> 5.1–5.6 任一项不过 = **这道题会直接引发查分纠纷**，必须在开考前改掉，不能带进考场。

#### 检查表 6 · 题目间相互提示（答案泄露）

| # | 检查点 | 判定标准 | 不通过 |
|---|---|---|---|
| 6.1 | 题干不泄答案 | 后一题题干/选项不得包含前一题的正确答案 | 【阻断】 |
| 6.2 | 选项不跨题复现 | 某题的选项文本不得原样出现在另一题的题干中作为已知条件 | 【阻断】 |
| 6.3 | 小问不提前泄底 | 计算题各小问不得提前给出前一小问的结论（除题型明确设计为「台阶式」） | 需修改 |
| 6.4 | 材料不含答案句 | 阅读/案例分析材料中不得直接含答案原句 | 【阻断】 |
| 6.5 | 术语互不提示 | 名词解释的答案词不得出现在其他题的题干中 | 需修改 |
| 6.6 | 前后题不互推 | 不得出现「做对第 5 题就必然做对第 6 题」的强相关设计 | 需修改 |
| 6.7 | 选项字母分布 | 正确答案的选项字母分布无规律（A/B/C/D 各占 20%–30%） | 需修改 |

> 6.1–6.4、6.6 属于**结构性缺陷**，靠改表述无法修复，必须换题或换材料。
> 6.1/6.2/6.4 一旦命中，直接按【阻断】处理并给出替换建议。

#### 审核意见的落盘方式

把每条意见写成批注 JSON，锚点用**试卷正文里的原文片段**（逐字一致），批注直接钉在卷面上：

```bash
PY="skills/office-layer/.venv/bin/python"
export MPLCONFIGDIR=/tmp/mplcache && mkdir -p /tmp/mplcache

# 1) 先把试卷（md 稿）转成 docx
$PY skills/office-layer/scripts/docx_kit.py md \
    --in 试卷A.md --out 试卷A_待审.docx --title "2025-2026学年第一学期期末考试试卷（A卷）"

# 2) 写审核批注（anchor 必须是正文里逐字存在的片段）
cat > 审核意见.json <<'EOF'
[
  {"anchor": "已知条件如下，求该电路的等效电阻。",
   "text": "【审核·需修改】未规定有效数字位数，学生保留 2 位或 3 位都可自辩。建议在题干补『结果保留两位有效数字』。"},
  {"anchor": "下列关于热力学第二定律的说法，正确的是",
   "text": "【审核·阻断】选项 C 与第 7 题题干中的表述实质等价，构成跨题提示。建议将选项 C 改为『孤立系统熵不减』之外的其他错误表述。"},
  {"anchor": "论述题：试述 XX 理论对当代实践的意义。",
   "text": "【审核·需修改】开放题未给评分要点。本技能阶段二将补出要点框架，请教师确认【待教师确认：要点及其分值】。"}
]
EOF
$PY skills/office-layer/scripts/docx_kit.py comment \
    --in 试卷A_待审.docx --out 试卷A_审核意见.docx \
    --comments 审核意见.json --author "试卷审核"

# 3) 自检：确认批注真的落盘了
$PY skills/office-layer/scripts/docx_kit.py inspect --in 试卷A_审核意见.docx
```

**实测注意（踩过的坑）**：`anchor` 必须匹配 docx **渲染后**的正文文本。
Markdown 里写成有序列表 `2. 计算题 已知……` 时，`2. ` 会被渲染成列表编号而消失，
用整行当锚点会失败并让脚本**以退出码 2 结束**（返回 JSON 里进 `failed`）。
正确做法是只取句子本身（如 `计算题 已知条件如下，求XXX。`）作锚点。
**不要忽略退出码 2**，逐条修正锚点后重跑。

### 阶段二 · 参考答案 + 评分细则（rubric）

**输入**：审过的试卷、各题满分、题型清单、学校的给分习惯（是否给步骤分）
**动作**：按题型用不同的细则结构拆得分点，见下表
**输出**：`参考答案与评分细则.docx`
**退出条件**：每题的「得分点分值之和 = 该题满分」（脚本外人工核对一遍），且教师确认过开放题要点

#### 评分细则表结构（统一骨架）

| 题号 | 满分 | 得分点 | 分值 | 得分标准（什么情况给分） | 常见错误扣分 | 人工确认位 |
|---|---|---|---|---|---|---|
| 一.1 | 2 | 正确答案 A | 2 | 选 A 得 2 分 | 选 B（混淆 XX 与 YY）不得分 | — |
| 二.1(1) | 4 | 正确写出公式 | 2 | 公式正确即给，未代入不扣 | 公式写颠倒扣 2 | — |
| 二.1(2) | 4 | 正确代入数据 | 1 | 数值与单位均对给 1 | 漏单位扣 0.5 | — |
| 二.1(3) | 4 | 计算结果正确 | 1 | 结果保留 2 位有效数字 | 精度不符扣 0.5 | 【待教师确认：是否给步骤分】 |
| 三.1 | 12 | 要点①……、要点②…… | 4+4 | 要点齐、有论据 | 只列要点无论据，每点扣 1 | 【待教师确认：开放式论述给分尺度】 |
| 三.1 | 12 | 逻辑与结构 | 2 | 层次清晰、有论证链 | 条理混乱扣 1 | — |
| 三.1 | 12 | 语言与规范 | 2 | 术语准确、无硬伤 | 术语错误每处扣 0.5，最多扣 2 | — |

**硬性约束**：每题「分值」列求和必须等于「满分」列，**差 0.5 分都不行** ——
这是查分时最容易被抓的点，交付前逐题核一遍。

#### 客观题 vs 主观题的细则差异

| 维度 | 客观题（选择/判断/填空） | 主观题（简答/论述/计算/证明/设计） |
|---|---|---|
| 得分点粒度 | 以「题」或「空」为单位，二元给分 | 以「步骤」或「要点」为单位，分步/分点给分 |
| 是否给部分分 | 一般不给；多选须明示部分给分规则 | 必须给，且要写清「错到哪一步止步」 |
| 常见错误列举 | 干扰项对应的典型误解（见 distractor 指南） | 缺步骤、跳步、单位/精度、术语误用、结论未回应题干 |
| 争议高发点 | 多选的部分给分、填空题的等价写法、错别字 | 方法不同但结果对、结果错但方法对、开放题的「言之成理」 |
| 细则长度 | 短，一题一行 | 长，一题一张子表 |

#### 计算题 vs 论述题的细则差异

| 维度 | 计算题 | 论述题 |
|---|---|---|
| 拆分逻辑 | **按解题链拆分**：建模/公式 → 代入 → 演算 → 结果（含单位与精度） | **按内容+形式拆分**：内容要点分 + 逻辑结构分 + 表达规范分 |
| 分值配比 | 公式/方法分 40–50%，代入与演算 30%，结果 20–30% | 内容要点 60–70%，逻辑结构 15–20%，语言规范 15–20% |
| 等效方法 | 必须写明「其他正确方法同等给分」，并给出至少一种备选解法 | 不设唯一答案，给「必须出现的关键词/论据清单」，缺一扣一 |
| 错到底怎么给 | 中间步骤错但后续方法正确 → 给方法分（「**错误传导不重复扣分**」须写明） | 观点错误但有论证 → 观点分不给，逻辑分可给 |
| 典型扣分项 | 单位缺失、有效数字不符、只写结果无过程、乱用公式 | 只罗列无论证、答非所问、通篇套话、术语错用 |

#### 评分细则的红线

- **不替教师定分**。每个有争议的给分尺度后必须挂 `【待教师确认：……】`，
  尤其是：是否给步骤分、开放式论述的给分尺度、多选部分给分规则、卷面分/印象分是否存在。
- **不虚构评分标准**。学校若有统一评分规范，以教师提供的为准；没有就写
  「按学校/学院相关规定执行，请教师核对」，**不引具体条款号**。
- 细则里的参考答案是**教师卷的初稿**，交付时必须说「这是初稿，请逐题核对参考答案与分值分配」。

### 阶段三 · 考后成绩分析（本技能的核心可执行部分）

**输入**：成绩表 `scores.xlsx`（第 1 行表头；第 1 列学号；第 `first-q-col` 列起为各题得分）
**动作**：调用 `xlsx_kit.py analyze`（已实测通过），读返回 JSON，翻译成改进建议
**输出**：`成绩分析.xlsx`（三个工作表 + 两张原生柱状图）
**退出条件**：返回 JSON 无 `error` 字段，且 `students` 与实考人数一致

#### 命令与参数含义

```bash
PY="skills/office-layer/.venv/bin/python"
export MPLCONFIGDIR=/tmp/mplcache && mkdir -p /tmp/mplcache

$PY skills/office-layer/scripts/xlsx_kit.py analyze \
    --in scores.xlsx --out analysis.xlsx \
    --id-col 1 --first-q-col 3 \
    --full-marks '[10,10,15,15,10,20,10,10]'
```

| 参数 | 含义 | 本场景取值与坑 |
|---|---|---|
| `--in` | 输入成绩表 xlsx | **先用脱敏表**，见下节 |
| `--out` | 输出分析工作簿 xlsx | 建议命名 `成绩分析.xlsx` |
| `--sheet` | 指定工作表名 | 缺省取第一个工作表；成绩在第二个 sheet 时必须显式指定 |
| `--id-col` | 标识列号（1 起） | 只用于标识，不参与计算。填学号列（脱敏后是匿名 ID 列） |
| `--total-col` | 总分列号 | **有正式总分列就填**；不填则用各题之和当总分。若卷面有平时分折算，两者会不一致，须想清楚用哪个 |
| `--first-q-col` | 第一道题得分所在列号 | **最高频出错点**。若第 1 列学号、第 2 列姓名、第 3 列起是 Q1，则填 `3` |
| `--n-questions` | 只分析前 N 题 | 缺省分析到最后一列。末尾若混有「总分」「备注」列，**必须用这个参数截断**，否则会把总分当成一道题算 |
| `--full-marks` | 各题满分 JSON 数组 | **必须给**，顺序与题目列严格一一对应。缺省时会取该题在全班的最高分当满分 —— 一旦无人满分，得分率就被系统性高估，**不要依赖缺省** |

数组写法与题号对应关系（务必在给教师的说明里写出来）：

```
题目列：  Q1   Q2   Q3   Q4   Q5   Q6   Q7   Q8
满分：    10   10   15   15   10   20   10   10
JSON:  --full-marks '[10,10,15,15,10,20,10,10]'
```

#### 返回 JSON 与三个工作表

实测返回（40 人、8 题样例）：

```json
{
  "students": 40,
  "questions": 8,
  "total_stats": {"n": 40, "mean": 67.475, "sd": 16.814, "min": 40.0, "max": 98.0,
                  "skew": 0.063, "kurt": -1.15},
  "weak_questions": ["Q5"],
  "hard_questions": [],
  "easy_questions": ["Q5"],
  "out": "analysis.xlsx"
}
```

输出工作簿三个工作表（实测表结构）：

**① 逐题分析**（1 行表头 + 每题 1 行，附「逐题得分率与区分度」柱状图）

| 列 | 含义 |
|---|---|
| 题号 | 取表头文字（如 `Q1`）；**表头写清楚题号，否则报告里对不上题** |
| 满分 | 来自 `--full-marks` |
| 平均分 | 该题全班平均得分 |
| 得分率P | = 平均分 / 满分，即**难度 P** |
| 高分组得分率 | 总分前 27% 学生在该题的平均得分率 |
| 低分组得分率 | 总分后 27% 学生在该题的平均得分率 |
| 区分度D | = 高分组得分率 − 低分组得分率 |
| 评价 | 脚本自动给结论，含难度过高/过低提示 |

**`区分度D < 0.2` 的整行会被自动高亮**（黄色底纹）—— 这是「这道题没区分出学生水平」的信号。

**② 总体概况**（10 项）

考生数、平均分、标准差、最高分、最低分、及格率（≥ 总分的 60%）、偏度、峰度、高分组成员数、低分组成员数。

**③ 分数段分布**（5 段，附柱状图）

`90-100%`、`80-89%`、`70-79%`、`60-69%`、`60% 以下` 各段人数与占比。
注意：分数段按「占总分比例」划分，与实际卷面分数段在总分非 100 分时不一致，报告里要说明口径。

#### 判读标准

**难度 P = 得分率（越大越容易）**

| P 区间 | 判读 | 处理 |
|---|---|---|
| P ≥ 0.90 | 太容易 | 脚本归入 `easy_questions`；期末卷中此类题不宜超过 20% |
| 0.70 ≤ P < 0.90 | 偏易 | 合格，适合作为保底题 |
| 0.40 ≤ P < 0.70 | 适中 | 期末卷主体应落在此区间 |
| 0.30 ≤ P < 0.40 | 偏难 | 复核题意是否清楚、是否超纲、时间是否够 |
| P < 0.30 | 太难 | 脚本归入 `hard_questions`；优先查「题意不清」和「教学未覆盖」 |

**区分度 D = 高分组得分率 − 低分组得分率（高低分组各取总分前/后 27%）**

| D 区间 | 判读 | 处理 |
|---|---|---|
| D ≥ 0.40 | 优良 | 保留，可入题库 |
| 0.30 ≤ D < 0.40 | 良好 | 保留 |
| 0.20 ≤ D < 0.30 | 尚可，**需修改** | 微调题干或选项后复用 |
| D < 0.20 | **应淘汰** | 脚本归入 `weak_questions` 并高亮；按下方决策表处理 |

**分布形态快评（偏度 / 峰度）**

| 指标 | 参考 | 含义 |
|---|---|---|
| 偏度 \|skew\| ≤ 0.5 | 近似对称 | 成绩分布均衡 |
| 偏度 > 0.5 | 右偏（低分多） | 试卷偏难，或教学效果整体不佳 |
| 偏度 < −0.5 | 左偏（高分多） | 试卷偏易，区分不足 |
| 峰度 ≈ 0 | 接近正态 | 理想 |
| 峰度 < 0（实测 −1.15） | 平坦分布 | 分数分散、两极分化明显 |
| 峰度 > 0 | 尖峰分布 | 分数集中，区分度普遍偏低 |

> 偏度/峰度只是**正态性快评**，样本量小（< 30 人）时不稳定，
> 报告里必须写「仅供参考，样本量 ____ 人」。

#### 返回 JSON → 教师改进建议（决策表）

脚本只给题号列表，**「淘汰还是改编」这个判断由下面这张表决定，不能直接照搬『应淘汰』三个字**：

| JSON 字段 | 触发条件 | 先看什么 | 结论 |
|---|---|---|---|
| `weak_questions` | D < 0.20 | 看该题 P | ↓ 见下三行 |
| ↳ | | P ≥ 0.90（人人都对） | **淘汰或改造**：作为保底题保留，或改成有迷惑项的变式；不能原样复用 |
| ↳ | | P ≤ 0.30（人人都错） | **先查原因再决定**：① 题意是否有歧义 ② 是否超纲/未讲 ③ 时间是否够。<br>属①③ → **改编**（改表述/加时限）后复用；属② → 该题本身无效，**淘汰**并作为教学反思 |
| ↳ | | 0.30 < P < 0.90 但 D 低 | **重编选项**：典型原因是干扰项无人选（形同虚设）或选项有隐含提示。改干扰项后复用 |
| `hard_questions` | P ≤ 0.30 | 与 `weak_questions` 交叉看 | 同时 D 低 → 优先怀疑**题意不清/超纲**；D 高 → 题目有效但偏难，可保留在压轴位或降分 |
| `easy_questions` | P ≥ 0.90 | 与 `weak_questions` 交叉看 | 同时 D 低 → **确认为「白送分题」**，建议淘汰或提高难度；D 仍高 → 属正常保底题，保留 |

**给教师的落款写法（示例，必须留确认位）**：

> 第 5 题（满分 10 分）：得分率 P = 0.92，区分度 D = 0.06，**判定为「白送分题」**。
> 高分组与低分组得分率几乎无差别，说明该题未能区分学生水平。
> 建议：本题可保留作为保底题，但下学期不宜再原样使用；建议改为在选项中加入「XX 与 YY 的混淆项」的变式。
> 【待教师确认：第 5 题处理方式 —— □保留作为保底题  □改编后复用  □淘汰出库】

#### 《试卷分析报告》怎么写

用 `docx_kit.py md` 从 Markdown 生成 docx。报告结构固定为九节：

1. **课程与考试基本信息** — 课程名/代码、开课单位、学期、授课对象、考试形式、考试时长、实考人数、命题教师
2. **命题依据与试卷结构** — 依据大纲章节、题型结构表（题型/题数/分值/占比）、双向细目表（知识点 × 认知层次 × 分值）
3. **成绩总体概况** — 直接抄「总体概况」表：平均分、标准差、最高/最低分、及格率、偏度、峰度
4. **分数段分布** — 直接抄「分数段分布」表 + 柱状图，并注明「分数段按占总分比例划分」
5. **逐题分析** — 抄「逐题分析」表（含 P、D、评价），高亮行在正文里用文字点名
6. **问题试题诊断与处理意见** — 逐题写诊断 + 处理建议（用上面的决策表），**每题带 `【待教师确认：处理方式】`**
7. **教学反思与改进措施** — 由分析结果倒推（如「第 6 题得分率 0.28，反映 XX 章节的 YY 概念讲解不足，下学期拟增加 Z」）
   —— **这一节的因果解释必须由教师确认，AI 只根据「题号 ↔ 知识点」的映射提出候选假设**
8. **命题改进建议** — 难度结构、分值配比、时间预算、A/B 卷等价性四方面的改进方向
9. **附表** — 附件清单，注明哪份含学生个人信息

**第 7 节的纪律**：不得写「因为教师讲得不透」这类对教师的评价性归因，
只写客观现象（「该题得分率偏低」）+ 候选原因清单，由教师自己选。

#### 生成与自检

```bash
# 报告正文（先写 md，再转 docx）
$PY skills/office-layer/scripts/docx_kit.py md \
    --in 试卷分析报告.md --out 试卷分析报告.docx \
    --title "2025-2026学年第一学期《XX》期末试卷分析报告"

# 自检：读回段落/表格/字数
$PY skills/office-layer/scripts/docx_kit.py inspect --in 试卷分析报告.docx
```

### 阶段四 · 归档材料

**输入**：阶段一~三的全部产出、学校的归档清单（可选）、平时成绩记录
**动作**：按下面栏目表生成材料，缺的数据一律留 `【待补：……】`
**输出**：四份归档件（见下）+ `归档材料清单.xlsx`
**退出条件**：清单逐项勾选完毕，且每份材料都标注了是否含个人信息

#### 材料 1 · 试卷审批表（docx）

```bash
$PY skills/office-layer/scripts/docx_kit.py md --in 试卷审批表.md --out 试卷审批表.docx --title "试卷审批表"
```

栏目：课程名称 / 课程代码 / 开课单位 / 学期 / 授课对象（专业·年级·班级）/ 考试形式（闭卷·开卷·机考）/
考试时长 / A·B 卷使用说明 / 命题教师（签名·日期）/ **命题依据**（大纲章节）/ **试题结构表**（题型·题数·分值·占比）/
**预估难度与预估用时** / 试题来源（自编·题库·改编，及比例）/ 参考答案与评分细则是否完备 /
**审核人意见**（签名·日期）/ **教研室主任意见**（签名·日期）/ **学院审批意见**（盖章·日期）/ 备注

> 签字栏一律留空并写 `【待补：签名】`、`【待补：日期】`，**AI 绝不代签、绝不代填日期**。

#### 材料 2 · 试卷分析报告（docx）

即阶段三的产出，九节结构见上。

#### 材料 3 · 平时分依据表（xlsx，用 `xlsx_kit.py build`）

先写规格 JSON，再 `build`：

```bash
cat > 平时分依据表.json <<'EOF'
{"sheets": [
  {"name": "平时分依据表",
   "header": ["学号","姓名","考勤(10)","作业(20)","课堂表现(10)","实验/实践(20)","小测(20)","平时分小计(100)","折算比例","计入总评","备注"],
   "rows": [["【待补：学号】","【待补：姓名】","","","","","","","","",""]],
   "widths": [14,10,10,10,12,14,10,14,10,10,20]}
]}
EOF
$PY skills/office-layer/scripts/xlsx_kit.py build --spec 平时分依据表.json --out 平时分依据表.xlsx
$PY skills/office-layer/scripts/xlsx_kit.py inspect --in 平时分依据表.xlsx     # 自检
```

栏目说明：各分项标题里的括号写满分值；`折算比例` 指平时分占总评的比例（如 30%）；
`计入总评` 为折算后的分数；`备注` 写缓交/免修/特殊情况的依据。
**分项与权重以教师提供的课程考核方案为准**，AI 不得自拟权重，需在交付说明里请教师核对。

#### 材料 4 · 归档材料清单（xlsx）

| 序号 | 材料名称 | 文件名 | 格式 | 页数/行数 | 份数 | 是否含学生个人信息 | 存放位置 | 备注 |
|---|---|---|---|---|---|---|---|---|
| 1 | 试卷（A/B 卷） | 试卷A.docx / 试卷B.docx | docx | 【待补】 | 1 | 否（无姓名学号） | 试卷袋 | |
| 2 | 参考答案与评分细则 | 参考答案与评分细则.docx | docx | 【待补】 | 1 | 否 | 试卷袋 | |
| 3 | 试卷审批表 | 试卷审批表.docx | docx | 【待补】 | 1 | 否 | 试卷袋 | 待补签名 |
| 4 | 试卷审核意见 | 试卷A_审核意见.docx | docx | 【待补】 | 1 | 否 | 试卷袋 | 含原生批注 |
| 5 | 学生成绩登记表 | 成绩登记表.xlsx | xlsx | 【待补】 | 1 | **是** | 教务系统/密封 | 请注意保管 |
| 6 | 成绩分析 | 成绩分析.xlsx | xlsx | 【待补】 | 1 | 是（若未脱敏） | 【待补】 | 建议用脱敏版归档 |
| 7 | 试卷分析报告 | 试卷分析报告.docx | docx | 【待补】 | 1 | 否 | 试卷袋 | |
| 8 | 平时分依据表 | 平时分依据表.xlsx | xlsx | 【待补】 | 1 | **是** | 【待补】 | 请注意保管 |
| 9 | 试卷样卷（含学生答卷） | 【待补】 | 纸质 | 【待补】 | 【待补】 | **是** | 试卷袋 | 按学院要求抽取 |

## 脱敏（敏感数据处理，本技能的强制环节）

成绩、学号、姓名属个人信息。**默认走脱敏路径**：先在本地把成绩表匿名化，再交给分析脚本。

### 为什么要脱敏

`analyze` 在计算上**完全不需要姓名和真实学号** —— 它只要「若干道题的得分」。
把姓名带进分析链路没有任何收益，却让文件名、终端历史、中间产物全都染上个人信息。

### 脱敏怎么操作（已实测）

把原表转成「匿名 ID + 各题得分」的表，再做分析：

```bash
PY="skills/office-layer/.venv/bin/python"
export MPLCONFIGDIR=/tmp/mplcache && mkdir -p /tmp/mplcache

# 步骤 1：匿名化。id_col=学号列，first_q_col=第一题得分列
$PY - 成绩表.xlsx 成绩表_脱敏.xlsx 1 3 <<'PY'
import sys, openpyxl
src, out, id_col, first_q_col = sys.argv[1], sys.argv[2], int(sys.argv[3]), int(sys.argv[4])
wb = openpyxl.load_workbook(src, data_only=True)
ws = wb[wb.sheetnames[0]]
rows = list(ws.iter_rows(values_only=True))
nw = openpyxl.Workbook(); ns = nw.active; ns.title = "scores"
ns.append(["匿名ID"] + list(rows[0][first_q_col - 1:]))     # 丢弃姓名列，只留题号列
for i, r in enumerate(rows[1:], 1):
    if r is None or all(v is None or v == "" for v in r):
        continue
    ns.append([f"S{i:03d}"] + list(r[first_q_col - 1:]))
nw.save(out)
print(f"脱敏完成：{out}（{ns.max_row - 1} 行，姓名与学号列已剔除）")
PY

# 步骤 2：用脱敏表分析（注意 first-q-col 变成了 2，因为只剩「匿名ID + 各题」两段）
$PY skills/office-layer/scripts/xlsx_kit.py analyze \
    --in 成绩表_脱敏.xlsx --out 成绩分析.xlsx \
    --id-col 1 --first-q-col 2 \
    --full-marks '[10,10,15,15,10,20,10,10]'
```

**实测验证**：同一份 40 人数据，脱敏前（`--first-q-col 3`）与脱敏后（`--first-q-col 2`）
返回的 `total_stats` 完全一致（mean 67.475、sd 16.814、skew 0.063、kurt −1.15），
`weak_questions` / `easy_questions` 均为 `["Q5"]` —— **脱敏不影响任何分析结论**。

脱敏前后 `--first-q-col` 会变（少了一列），这是最容易出错的地方，**必须重算这个参数**。

### 脱敏的六条纪律

1. **只在本机处理**。成绩表、答卷扫描件不上传到任何云端服务（含在线 OCR、在线翻译、在线表格）。
2. **先脱敏再分析**。原始含名表只在教师本机存在，分析链路只碰匿名表。
3. **报告里用匿名代号**。正文写「学生 S012」，不写姓名；举个体例子时说明「已匿名」。
4. **外发只发聚合结果**。给同事/教研室看的是平均分、得分率、区分度这类**聚合指标**，
   不发给逐人明细表。
5. **中间文件任务结束后删除**。清单：`成绩表_脱敏.xlsx`、`analysis.xlsx`、`scores.xlsx` 副本、
   以及转 docx 过程中产生的临时 md/json。交付时**主动提醒教师删除**，并给出具体文件清单。
6. **交付说明必须写明**：「本文件含学生个人信息，请注意保管」——
   每个含个人信息的交付物（成绩登记表、平时分依据表、未脱敏的成绩分析）都要带这一句。

> 若教师坚持用含名表分析：照做，但在交付说明里明确标注该文件含个人信息，
> 并提醒归档时使用脱敏版、原始表单独密封保管。

## 产出物

| 文件 | 阶段 | 内容 | 含个人信息 |
|---|---|---|---|
| `试卷A_审核意见.docx` | 一 | 试卷正文 + **Word 原生批注**（六张检查表的逐条意见） | 否 |
| `试卷B_审核意见.docx` | 一 | 同上 | 否 |
| `试卷审核检查表.xlsx` | 一 | 六张检查表逐项结论（通过/需修改/阻断） | 否 |
| `双向细目表.xlsx` | 一 | 知识点 × 认知层次 × 题型 × 分值 | 否 |
| `参考答案与评分细则.docx` | 二 | 题号/满分/得分点/分值/得分标准/常见错误扣分 表 | 否 |
| `成绩分析.xlsx` | 三 | 逐题分析 / 总体概况 / 分数段分布 + 两张柱状图 | 否（用脱敏表生成） |
| `试卷分析报告.docx` | 三 | 九节结构 + 逐题诊断与改进建议 | 否 |
| `试卷审批表.docx` | 四 | 审批栏目 + 签字位（留空待补） | 否 |
| `平时分依据表.xlsx` | 四 | 学号/姓名/各分项/小计/折算/计入总评/备注 | **是** |
| `成绩登记表.xlsx` | 四 | 学生成绩登记（若教师需要） | **是** |
| `归档材料清单.xlsx` | 四 | 9 项材料的完整性核对表 + 个人信息标注 | 否 |

所有文件产出**一律走 `skills/office-layer/`**，禁止文本框拼表格、禁止手写 OOXML、
禁止拿 `.md` 当交付物（除非教师明确只要 Markdown）。

## 红线

1. **不虚构学生数据**。成绩、学号、姓名只用教师提供的文件；缺则留
   `【待补：……】` 并向教师索要。**绝不生成看起来像真的成绩** —— 哪怕是为了"演示"。
2. **不替教师定分**。评分细则的分值分配、开放题给分尺度、问题试题的淘汰/改编决定、
   最终成绩判定，一律留 `【待教师确认：……】`。AI 只出草稿，不给终稿。
3. **不代签、不代填日期**。审批表所有签字栏与日期栏留 `【待补：签名】`/`【待补：日期】`。
4. **不引具体政策条款号**。只写「按学校/学院相关规定执行」并提示教师核对。
5. **敏感数据只在本机处理**。不上传、不外发；脱敏为默认路径；
   任务结束主动给出中间文件删除清单。
6. **交付说明必须含个人信息告知**。含个人信息的文件一律注明
   「本文件含学生个人信息，请注意保管」。
7. **不修改教师提供的原始材料**。所有过程文件放临时目录（如 `/tmp/`），
   不覆盖原试卷、原成绩表。
8. **`analyze` 的结论不等于教学质量评价**。区分度低只能说明「这道题没区分出学生水平」，
   **不得**据此写「教师教学效果差」这类归因；归因永远留给教师。
9. **不忽略非零退出码**。`docx_kit comment` 退出码 2 = 有锚点未命中，必须逐条修好再交付。

## 自检清单

**阶段一**
- [ ] 六张检查表是否逐项过完（等价性/覆盖面/难度分值/歧义/答案唯一/相互提示）
- [ ] 标记【阻断】的项是否已清零，或教师书面确认接受
- [ ] 时间预算是否算过，Σ预估用时 ≤ 考试时长 × 0.9
- [ ] 批注是否真的落盘（`docx_kit inspect` 的 `comments` 数 > 0）
- [ ] `comment` 命令退出码是否为 0（非 0 = 有锚点未命中）

**阶段二**
- [ ] 每题「得分点分值之和 = 该题满分」是否逐题核过
- [ ] 计算题是否写明「错误传导不重复扣分」和「其他正确方法同等给分」
- [ ] 论述题是否给出要点清单 + 逻辑分 + 表述分的三段配比
- [ ] 有争议的给分尺度是否都挂了 `【待教师确认：……】`

**阶段三**
- [ ] 是否用脱敏表分析（默认路径）
- [ ] `--first-q-col` 是否重算过（脱敏后列号会变）
- [ ] `--full-marks` 是否给了，且数组顺序与题目列一一对应
- [ ] 表尾若有总分/备注列，是否用 `--n-questions` 截断
- [ ] 返回 JSON 是否无 `error`，`students` 是否等于实考人数
- [ ] 三个工作表是否都在（逐题分析/总体概况/分数段分布）
- [ ] `weak_questions` / `hard_questions` / `easy_questions` 是否逐个翻译成了处理建议
- [ ] 样本量 < 30 人时，偏度峰度结论是否标注了「仅供参考」
- [ ] 是否**没有**写对教师教学效果的负面归因

**阶段四**
- [ ] 审批表签字栏与日期栏是否留空为 `【待补】`
- [ ] 平时分权重是否来自教师提供的考核方案（不是自拟）
- [ ] 归档清单是否逐项标注了「是否含学生个人信息」
- [ ] 含个人信息的交付物是否都带了「请注意保管」提示

**通用**
- [ ] 引用的 底座路径是否都用 `ls` 验证过存在
- [ ] 所有文件产出是否都走了 `skills/office-layer/` 的脚本
- [ ] 是否给出了中间文件删除清单
- [ ] 交付时是否明确说了「这是初稿，请重点核对 X/Y/Z」
  （特别是：参考答案、分值分配、问题试题处理方式、平时分权重）