criterion-referenced-rubric-generator

标准参照评分量规生成器

此技能的作用

根据学习目标和任务说明生成标准参照评分量规，并为每个表现水平使用描述性（而非评价性）语言。每项标准描述学生作品在各个水平下的实际表现——而不是评价它“好”不好。输出包括完整的评分量规、设计依据、便于学生使用的自评／互评版本，以及用于确保不同评分者评分一致的校准说明。AI 在此特别有价值，因为有效的评分量规设计需要使用精准、描述性的语言区分不同表现水平，避免使用评价性标签（“优秀”“良好”“较差”）或模糊的数量指标（“一些”“很多”“全面”）——并且每条描述都必须与相邻水平在性质上有所区别，而不是对同一描述进行程度上的调整。

证据基础

Brookhart（2013）指出，有效的评分量规应使用描述性而非评价性语言——描述作品中实际存在的内容，而不是评价作品有多好。“使用具体的文本证据支撑每个分析观点”是描述性的；“很好地使用了证据”则是评价性的。描述性评分量规能提高评分的可靠性，并提供更有用的反馈，因为它们会明确告诉学生如何改进，而不只是说他们需要“做得更好”。Andrade（2000，2013）证明，在任务开始前与学生分享评分量规，有助于改进教学和学习——评分量规是学习工具，而不仅仅是评分工具。将评分量规用于自我评估时，效果最显著。Jonsson 和 Svingby（2007）发现，分析型评分量规（分别对各项标准评分）比整体型评分量规（给出单一的总体评价）更可靠，反馈质量也更高，不过使用起来耗时更长。Sadler（1989）指出，评估质量取决于“差距”是否清晰可见——学生必须能够看出自己目前的水平与目标水平之间的差异。描述性的评分量规等级让这种差距具体可见。Panadero 和 Jonsson（2013）证实，使用评分量规可以提升学生表现；结合自我评估时，提升尤为明显，且效果量为中等。

输入架构

教师必须提供：

• 学习目标： 评分量规所评估的内容。例如：“学生能够撰写一篇运用修辞手法影响听众的演讲稿”／“学生能够设计并开展公平测试，并得出有效结论”
• 任务说明： 具体任务。例如：“围绕自选主题撰写并发表一篇 3 分钟的说服性演讲”／“计划并开展一项探究光照对植物生长影响的实验，然后撰写结论”
• 学生年级： 年级。例如：“Year 8”

可选（如有，由上下文引擎注入）：

• 标准数量： 标准的数量（默认值：4）
• 表现等级： 等级数量（默认值：4）
• 学科领域： 课程所属学科
• 现有标准： 教师希望纳入的标准

提示词

You are an expert in assessment design and rubric construction, with deep knowledge of Brookhart's (2013) principles of effective rubric design, Andrade's (2000, 2013) research on rubrics as learning tools, and Sadler's (1989) formative assessment framework. You understand that effective rubrics use DESCRIPTIVE language (describing what is present) rather than EVALUATIVE language (judging how good it is), and that each performance level must be QUALITATIVELY distinct — not just a scaled version of the same description.

Your task is to generate a rubric for:

**Learning objective:** {{learning_objective}}
**Task description:** {{task_description}}
**Student level:** {{student_level}}

The following optional context may or may not be provided. Use whatever is available; ignore any fields marked "not provided."

**Criteria count:** {{criteria_count}} — if not provided, use 4 criteria.
**Performance levels:** {{performance_levels}} — if not provided, use 4 levels.
**Subject area:** {{subject_area}} — if not provided, infer from the learning objective.
**Existing criteria:** {{existing_criteria}} — if provided, incorporate these and add others as needed.

Apply these evidence-based principles:

1. **Descriptive, not evaluative language (Brookhart, 2013):**
   - NEVER use: excellent, good, satisfactory, poor, limited, basic, outstanding, weak.
   - NEVER use vague quantifiers: some, many, few, several, thorough, adequate.
   - INSTEAD: describe specifically what is PRESENT in the work at each level.
   - Bad: "Good use of evidence." Good: "Each analytical point is supported by a specific, relevant quotation from the text."
   - Bad: "Limited vocabulary." Good: "Vocabulary is predominantly everyday; academic or technical terms are absent or used inaccurately."

2. **Qualitatively distinct levels (Sadler, 1989; Brookhart, 2013):**
   - Adjacent levels must describe qualitatively DIFFERENT work, not just more or less of the same thing.
   - Bad progression: "Uses some evidence" → "Uses more evidence" → "Uses a lot of evidence" (quantitative — just more).
   - Good progression: "States claims without evidence" → "Includes evidence but does not connect it to claims" → "Connects evidence to claims with explicit reasoning" → "Selects the most compelling evidence and explains why it is the strongest support for each claim" (qualitative — different type of work).

3. **Criteria must be independent (Jonsson & Svingby, 2007):**
   - Each criterion should assess a distinct, separable aspect of the work.
   - A student should be able to score at different levels on different criteria — not all criteria tracking together.
   - If two criteria always produce the same score, they're probably measuring the same thing.

4. **Student-friendly version (Andrade, 2000, 2013):**
   - Produce a version using student-accessible language.
   - Written in second person: "You support each point with a specific quotation" rather than "The student supports each point with a specific quotation."
   - Can be used for self-assessment before submission.

5. **Calibration notes (Jonsson & Svingby, 2007):**
   - Include notes that help multiple markers apply the rubric consistently.
   - Identify the key distinctions between levels — the "decision points" where markers are most likely to disagree.
   - Where possible, describe what a borderline response looks like between two levels.

Return your output in this exact format:

## Rubric: [Task Description]

**Assesses:** [Learning objective]
**For:** [Student level]
**Criteria:** [Count] | **Levels:** [Count]

### Rubric

[Full rubric table with criteria as rows and performance levels as columns. Each cell contains descriptive language.]

### Design Rationale

[Why these criteria were chosen and how the levels are distinguished]

### Student-Friendly Version

[Simplified rubric in student-accessible language, suitable for self/peer assessment]

### Calibration Notes

[Guidance for consistent application — key decision points, borderline cases]

**Self-check before returning output:** Verify that (a) NO evaluative language appears (no "good," "excellent," "poor," "limited"), (b) NO vague quantifiers appear (no "some," "many," "thorough"), (c) adjacent levels are qualitatively distinct, (d) each criterion is independent, (e) the student-friendly version is genuinely accessible, and (f) calibration notes address the most likely points of marker disagreement.

输出示例

场景： 学习目标：“学生能够撰写一篇运用修辞手法影响听众的演讲稿”／任务说明：“围绕自选主题，为全班撰写并发表一篇 3 分钟的说服性演讲”／学生年级：“Year 9”／学科领域：“English”

---

评分量规：说服性演讲（撰写与发表）

评估内容： 撰写一篇运用修辞手法影响听众的说服性演讲稿 适用对象： Year 9 English 标准： 4 项 | 等级： 4 个

评分量规

评判标准	等级 1	等级 2	等级 3	等级 4
论点与结构	演讲表达了一个观点，却没有用理由展开论述。各个要点只是罗列，彼此之间缺乏逻辑联系。演讲没有明确的开头、中段或结尾——无论从哪里开始或结束，听众都不会察觉。	演讲表明了立场，并给出 1–2 个理由，但理由并未得到充分阐述。演讲有可辨识的开场和结尾，但中段缺乏清晰的组织——各个要点之间没有层层递进。	演讲提出了清晰的立场，并以 3 个或更多充分展开、按逻辑顺序排列的理由作为支撑。每个要点都承接前一个要点，形成层层推进的论证。开场能吸引听众，结论则强化立场，而不是简单重复。	演讲构建了策略性论证，对要点顺序作了刻意安排——把最有力的论点放在最能产生影响的位置。演讲承认并回应反方论点。结论以新的角度重新阐述论点，让听众留下深刻印象。
修辞手法	演讲只依赖个人观点（“我认为……”），没有刻意运用修辞手法。语言始终是对话式的。	演讲包含 1–2 种修辞手法（例如，设问、重复、三段式），但这些手法显得孤立——只是插入对话式语言中，并未融入论证。虽然使用了这些手法，但它们并未明显增强说服力。	演讲运用 3 种或更多修辞手法，并将其融入论证——每种手法都有明确的说服目的（用设问挑战听众，用重复强调要点，用富有感染力的语言营造紧迫感）。演讲者能够说明选择每种手法的原因。	演讲展现了娴熟而多样的修辞运用——组合使用不同手法以增强效果（例如，先提出设问，再用排比句作答）。演讲者策略性地调整语气（从理性转向感性，从平静转向急切），引导听众。语言选择体现出对特定听众的了解。
听众意识	演讲面向一般听众——没有具体提及听众、他们的经历或可能提出的异议。演讲者是在对着听众说，而不是与听众交流。	演讲体现出一些对听众的关注（例如，“作为学生，我们都知道……”），但这种关注停留在表面——只是提及听众，并未根据他们的具体关切或观点调整论证。	演讲直接回应听众可能持有的观点、关切或经历。演讲者会预想听众可能怎么想或有什么感受，并对此作出回应：“你们可能会想……但不妨考虑一下这一点。”演讲的对象明确是这些听众，而不是随便哪群人。	演讲针对特定听众作了策略性调整——运用共同熟悉的内容，预想具体异议，并调整语域、词汇和语气以适应听众。演讲者在演讲过程中观察现场反应并作出回应（调整语速、加强强调、与持怀疑态度的人进行眼神交流）。
演讲呈现	演讲者照稿宣读，几乎不与听众进行眼神交流。音量要么小到听不清，要么始终单调。演讲者显得与自己的论证脱节。	演讲者大多照稿宣读，偶尔看向听众。音量足以听清。演讲者尝试改变语气，但节奏不均——有些部分讲得太快，另一些部分则停顿得不自然。	演讲者把笔记作为提示，而非照着完整稿件宣读。演讲者经常与听众进行眼神交流，并让目光遍及全场。音量、语速和强调方式都经过刻意调整，以突出要点。停顿是为了增强效果，而非因为犹豫。	演讲者基本不依赖笔记。演讲自然、自信——看起来是在边思考边表达，而不是在背诵事先记好的文本。手势、动作、面部表情和声音变化都服务于论证。演讲者能够掌控全场。

设计依据

为什么选择这四项标准：

1. 论点与结构——基础。没有清晰论点的演讲不会有说服力，无论表达得多么出色。
2. 修辞手法——工具箱。学习目标明确要求运用修辞手法；这项标准评估这些手法是否出现，以及是否发挥作用。
3. 受众意识——说服的视角。说服本质上关乎受众；这项标准评估演讲者是在为听众写作，还是只是在对着他们说。
4. 表达——表演维度。演讲是一种口语体裁；内容质量和表达质量是两种不同的技能，应当分别评估。学生可能写出精彩的演讲却表达不佳，反之亦然——分别设置标准才能兼顾二者。

各等级的区分方式：

• 从等级 1 到等级 2：要素已经出现，但尚未发挥作用（有修辞手法，但不具说服力；有结构，但未能层层推进）。
• 从等级 2 到等级 3：要素发挥了作用——服务于特定目的并产生效果（修辞手法融入演讲，结构层层推进，直接面向受众）。
• 从等级 3 到等级 4：要素经过了策略性运用——学生做出深思熟虑、复杂精妙的选择，并能说明理由（修辞手法相互结合，论点按增强效果的顺序编排，能洞察受众并做出回应）。

学生易懂版

提交之前，请根据以下标准检查你的演讲：

你的论点：

• 等级 1：你表达了自己的观点，但没有真正解释原因。
• 等级 2：你给出了理由，但没有充分展开——你没有解释为什么这些理由有说服力。
• 等级 3：你提出了清晰的论点，并给出至少 3 个相互递进的理由。你的开场引人注意，结尾重申了你的观点。
• 等级 4：你策略性地安排了各个论点——把最有力的论点放在最能产生影响的位置。你回应了对方可能提出的观点。

你对修辞手法的运用：

• 等级 1：你没有使用任何说服技巧——听起来就像平时说话一样。
• 等级 2：你使用了 1–2 种技巧，但显得“生硬地加上去”——像是因为不得不用才加上的。
• 等级 3：你使用了至少 3 种技巧，每一种都有明确的目的——你能解释为什么选择它，以及它会产生什么效果。
• 等级 4：各种技巧相互配合——你将它们结合起来，并有意识地调整语气来影响受众。

你对受众的了解：

• 等级 1：你是在对着受众说话，而不是与他们交流。
• 等级 2：你提到了受众（“作为学生，我们……”），但没有真正针对他们调整论点。
• 等级 3：你直接回应了受众的想法和感受。“你可能会想……但请考虑这一点。”
• 等级 4：整篇演讲都针对这一特定受众量身打造——你使用他们的语言，预判他们的异议，并在演讲过程中灵活调整。

你的表达：

• 等级 1：你一直盯着稿纸念演讲稿。
• 等级 2：你有时会抬头。声音听得见，但几乎没有变化。
• 等级 3：你看着提纲，而不是照读完整稿子。你与听众进行眼神交流，有意识地调整语速、音量和重音。
• 等级 4：你几乎不需要看提纲。表达自然、自信。你的肢体语言和声音都能为论点服务。

校准说明

标记时的关键决策点：

1. 修辞手法的第 2 级与第 3 级： 区别在于手法是已经出现，还是发挥了实际作用。可以问：“如果删掉这个反问句，这段演讲的说服力会降低吗？”如果会 → 第 3 级（它发挥了作用）。如果不会 → 第 2 级（它只是装饰）。

2. 论证与结构的第 3 级与第 4 级： 第 3 级有清晰、合乎逻辑的论证。第 4 级则有策略性的论证——内容顺序经过刻意安排，也回应了反方论点。如果演讲提出了不错的观点，但排列顺序没有特别考虑 → 第 3 级。如果顺序本身体现了策略性思考（逐步推向高潮，或把最有力的观点留到最后）→ 第 4 级。

3. 表达与内容彼此独立。 学生可能以十足的信心发表结构糟糕的演讲（表达得分高，论证得分低），也可能以平淡的语调发表精彩的演讲（论证得分高，表达得分低）。请分别为各项标准评分。

4. 第 2 级与第 3 级之间的临界情况： 这是最常见的临界情况。如有疑问，可以问：“学生只是在做某件事（使用某种手法、面向听众讲话），还是带着目的在做这件事（运用手法以达到特定效果，回应听众的具体关切）？”有目的 → 第 3 级。只是走过场 → 第 2 级。

---

已知局限

1. 评分量规描述表现，但不说明如何改进。 学生阅读评分量规后，发现自己在修辞手法方面处于第 2 级，就会知道该如何改变（有目的地运用修辞手法），但可能不知道怎么做。评分量规应与教学和反馈配套，展示学生如何从一个等级提升到下一个等级。可与 Feedback Quality Analyser 衔接，获取有针对性的改进建议。

2. 四个等级是一种务实的折中。 有些任务可能适合更多等级（以区分细微差异）或更少等级（以简化评估）。四个等级在可靠性（等级足够多，能提供有用信息）与易用性（等级数量少，便于实际操作）之间取得了平衡。如果评分量规用于高风险评分，可能需要补充其他等级描述。

3. 描述性语言比评价性语言更难撰写，但也更有用。 评分量规避免使用“好”“优秀”和“差”等词，因此每个单元格会更长、更具体。这是有意为之的取舍——评价性评分量规更短，但对反馈的帮助较小。教师可能需要时间来适应评分量规中的描述性语言。