hinge-question-designer

铰链问题设计器

此技能的作用

设计一道精心构思的单选铰链问题——这是一种在课程关键节点（即“铰链点”）提出的诊断性问题，用于判断学生是否充分理解了关键概念，以便教师决定是否继续教学。与标准的选择题不同，铰链问题中的每个错误选项都是精心设计的干扰项，针对一种具体且已知的误解——这样教师不仅能知道哪些学生不理解，还能知道他们不理解什么以及为什么。输出包括问题、诊断说明（每个答案揭示了什么）和决策指南（根据全班的作答模式采取什么措施）。AI 在此特别有价值，因为设计有效的铰链问题需要同时完成以下工作：识别关键概念、预测最常见的误解、编写能吸引持有相应误解的学生、却不会吸引理解正确的学生的干扰项，并确保学生无法通过错误推理得出正确答案。这是教学中最难的评估设计任务之一。

证据基础

Wiliam（2011）提出了铰链问题这一概念，认为它是课堂内形成性评估最高效的形式——在课程的“铰链点”（教师必须决定是继续教学还是重新讲解的时刻）提出一道问题，并设计成每种作答都能提供诊断信息。其核心设计原则是，每个错误答案都应是学生持有某种具体误解时会给出的答案，这样作答模式才具有可解释性。Christodoulou（2017）拓展了这项研究，指出有效的形成性评估需要问题的错误答案具有诊断价值，而不仅仅是错误——“能从错误答案中了解一些信息的问题，比错误答案毫无信息的问题更有用。”Black 和 Wiliam（1998）确立了形成性评估是教育中影响最大的干预措施之一（效应量为 0.4–0.7），但前提是教师能根据评估信息采取行动——铰链问题的形式旨在促成立即行动，因为作答模式会明确告诉教师下一步该做什么。Sadler（1989）指出，有效的形成性评估要求教师了解当前理解与期望理解之间的差距——铰链问题能让这一差距实时显现。Haladyna 等人（2002）为编写有效的选择题提供了技术框架，并强调干扰项的质量——而非问题的难度——才是使题目具有诊断价值的关键。

输入架构

教师必须提供：

• 所教概念： 铰链问题要考查的具体概念或技能。例如：“平均数与中位数的区别” / “心脏为何有四个腔室” / “所有格与缩写中撇号的用法”
• 学生年级： 年级组。例如：“Year 8”
• 课程背景： 本节课目前已教授的内容。例如：“我刚解释并演示了如何计算一组数据的平均数，还讲解了两个例题。学生还没有进行练习。”

可选（如果可用，则由上下文引擎注入）：

• 已知误解： 教师希望重点针对的具体误解
• 学生概况： 以往的评估数据、常见的知识薄弱点
• 作答方式： 学生作答的方式（小白板、手指、答题器）
• 时间限制： 最长作答时间（默认：少于 2 分钟）

提示词

You are an expert in formative assessment design and diagnostic question construction, with deep knowledge of Wiliam's (2011) hinge question methodology, Christodoulou's (2017) work on diagnostic assessment, and Haladyna et al.'s (2002) item-writing guidelines. You understand that a hinge question is NOT just a multiple-choice quiz question — it is a precision diagnostic tool where every answer option reveals specific information about student understanding.

Your task is to design a hinge question for:

**Concept:** {{concept_being_taught}}
**Student level:** {{student_level}}
**Lesson context:** {{lesson_context}}

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

**Known misconceptions:** {{known_misconceptions}} — if not provided, identify the 3–4 most common misconceptions for this concept at this level and design distractors around them.
**Student profiles:** {{student_profiles}} — if not provided, design for a typical mixed-ability class.
**Response method:** {{response_method}} — if not provided, design for mini-whiteboards or finger voting (A/B/C/D).
**Time constraint:** {{time_constraint}} — if not provided, ensure the question is answerable in under 2 minutes by a student who understands the concept.

Apply these evidence-based design principles:

1. **One concept, one question (Wiliam, 2011):**
   - The question tests ONE specific concept — the one the teacher needs students to understand before moving on.
   - The question should be answerable in under 2 minutes. If it takes longer, it's testing procedure or stamina, not understanding.
   - The teacher should be able to scan all responses in under 30 seconds (this rules out open-ended responses for whole-class hinge points).

2. **Every distractor targets a specific misconception (Christodoulou, 2017):**
   - Each wrong answer must be the answer a student WOULD give if they held a particular misconception.
   - Distractors should be plausible — they should "attract" students with that misconception.
   - Random wrong answers are useless. If a student picks option C, the teacher must be able to say: "That student thinks X" — not just "That student got it wrong."
   - The correct answer should NOT be reachable through flawed reasoning. A student who holds a misconception should be attracted to a distractor, not accidentally arrive at the right answer for the wrong reason.

3. **The question must discriminate (Haladyna et al., 2002):**
   - Students who understand the concept should reliably choose the correct answer.
   - Students who don't understand should reliably choose the distractor that matches their specific misconception.
   - If the correct answer can be guessed through elimination, pattern recognition, or test-wiseness (e.g., "the longest answer is usually right"), the question fails.

4. **Design for immediate action (Black & Wiliam, 1998):**
   - The response pattern should tell the teacher exactly what to do next:
     - 80%+ correct → proceed to practice.
     - 50–80% correct → brief re-teach targeting the most common misconception, then re-check.
     - Below 50% → significant re-teach needed before proceeding.
   - Include specific guidance for each response pattern.

5. **Technical quality (Haladyna et al., 2002):**
   - The stem (question) should be clear, concise, and contain all necessary information.
   - All options should be parallel in structure, length, and grammar.
   - Avoid "all of the above" and "none of the above" — these don't provide diagnostic information.
   - Avoid negative stems ("Which is NOT...") — they test reading comprehension, not subject understanding.
   - Options should be in a logical order (numerical, alphabetical, or conceptual).

Return your output in this exact format:

## Hinge Question: [Concept]

**For:** [Student level]
**Ask this after:** [What should have been taught before asking this question]
**Estimated answer time:** [Time]

### The Question

[Question stem]

A) [Option A]
B) [Option B]
C) [Option C]
D) [Option D]

**Correct answer:** [Letter]

### Diagnostic Key

For each option:
- **[Letter]) [Option text]** — [What choosing this answer reveals about the student's understanding. For the correct answer: what understanding it confirms. For each distractor: the specific misconception it targets.]

### Decision Guide

**If 80%+ choose [correct answer]:** [What to do — typically proceed to practice]
**If many choose [distractor]:** [What specific re-teaching to do — targeting the misconception that distractor reveals]
**If responses are split across multiple distractors:** [What to do — typically a more fundamental re-teach is needed]

### Design Rationale

[Why this question tests the concept effectively. Why each distractor was chosen. Any subtleties in the design — e.g., "Option B gives the answer students get if they add instead of multiply, which is the most common procedural error at this stage."]

**Self-check before returning output:** Verify that (a) the question tests one specific concept, (b) every distractor targets a known misconception (no random wrong answers), (c) the correct answer cannot be reached through flawed reasoning, (d) the diagnostic key explains what each response reveals, (e) the question is answerable in under 2 minutes, (f) options are parallel in structure and length, and (g) the decision guide gives actionable next steps for each response pattern.

示例输出

情境： 概念：“计算一组数据的平均数” / 学生年级：“Year 7” / 课程背景：“我刚解释了平均数的计算方法：将所有数值相加，再除以数值的个数。我演示了两个例题：求 3、5、7 的平均数（答案：5），以及求 10、12、8、6 的平均数（答案：9）。学生还没有独立练习。”

---

关键问题：计算平均数

适用年级： 7 年级数学 提问时机： 教师讲解并示范计算平均数后 预计作答时间： 60–90 秒

问题

五名学生在一次测试中的得分如下：

6，4，8，3，9

平均分是多少？

A）5 B）6 C）8 D）30

正确答案： B）6

诊断要点

• A）5 —— 这是中位数（按顺序排列后的中间值：3，4，6，8，9）。选择这个答案的学生混淆了平均数和中位数——他们可能把数字排序后选了中间值，也可能是对这两种平均数存在普遍的混淆。在平均数和中位数紧接着教学时，这是最常见的错误之一。

• B）6 —— 正确。 学生将所有数值相加（6 + 4 + 8 + 3 + 9 = 30），再除以数值的个数（30 ÷ 5 = 6）。这说明他们理解了两个步骤：求和，以及除以数量。

• C）8 —— 这是极差（9 – 3 = 6……等等，不对——这是一个故意设置的干扰选项）。实际上，学生若除以 4 而不是 5，就会得到 8——也就是说，他们数错了数值的个数，或漏数了一个（30 ÷ 4 = 7.5……我重新算一下）。

让我重新设计。数据集是6，4，8，3，9。

• 总和 = 30。平均数 = 30 ÷ 5 = 6。✓
• 中位数 = 6（3，4，6，8，9 的中间值）。这会与正确答案重复。

我需要调整数据集，让平均数和中位数不同。

修订后的数据集：2，3，5，8，12

• 总和 = 30。平均数 = 30 ÷ 5 = 6。
• 中位数 = 5（2，3，5，8，12 的中间值）。
• 极差 = 10（12 – 2）。

问题（修订版）

五名学生在一次测试中的得分如下：

2，3，5，8，12

平均分是多少？

A）5 B）6 C）10 D）30

正确答案： B）6

诊断要点

• A）5 —— 这是中位数（数据按顺序排列后的中间值）。选择这个答案的学生混淆了平均数和中位数。他们可能知道“平均数”需要找出一个中心值，但使用了错误的方法——选取中间的数字，而不是进行计算。这是学生刚学过这两种平均数时最常见的误解。

• B）6 —— 正确。 学生将全部五个数值相加（2 + 3 + 5 + 8 + 12 = 30），再除以数值的个数（30 ÷ 5 = 6）。这说明他们理解了平均数计算的两个组成部分：将所有数值相加，以及除以数量。

• C）10 —— 这是极差（12 – 2 = 10）。选择这个答案的学生混淆了平均数和极差——他们用最大值减去最小值，而没有进行平均数计算。这种错误常见于知道有几种“汇总统计量”、却把不同名称对应的计算方法弄混的学生。这也可能表明学生上课时只听懂了一部分，并套用了最近学过但不正确的方法。

• D）30 —— 这是未除以数量的总和（2 + 3 + 5 + 8 + 12 = 30）。选择这个答案的学生完成了第一步（将所有数值相加），但忘记了或不理解第二步（除以数量）。这表明他们只掌握了部分内容——他们知道平均数涉及加法，却不知道如何处理总和。这是最容易采取针对性措施的错误：学生需要简要重学为什么要除以数量（让总和由各个数值平均分担）。

决策指南

如果 80% 以上的学生选择 B（正确）： 进入独立练习。学生已经理解了步骤。转入练习题，改变数值的个数，并让答案包含小数。

如果很多学生选择 A（混淆中位数）： 暂停并澄清两者的区别。“有些同学找出了中间的数——那是中位数，不是平均数。平均数是把所有数加起来，再平均分。中位数是把数据按顺序排列，然后找出中间的数。问题不同，方法也不同。我来并排演示这两种方法。”重新讲解这个例子，分别计算两者，并清楚标注。然后换一组新数据重新提问。

如果很多学生选择 D（求和后没有除）： 简短地重新讲解第二步。“有些同学算出了 30——第一步做得非常好。但平均数不是总数。这样想：如果五名学生的分数都一样，每个人会得多少分？你要把 30 分平均分给 5 名学生。除法就是用来做这件事的。”换一个更简单的例子重新提问。

如果很多学生选择 C（混淆极差）： 这说明学生可能存在术语混淆——他们把不同统计量的名称弄混了。“有些同学用最大的数减去了最小的数——这算出的是极差，不是平均数。我们来仔细区分每个术语对应哪种计算。”制作一份快速参考：平均数 = 相加再除。中位数 = 中间值。极差 = 最大值减最小值。

如果答案分散在 A、C 和 D： 需要进行更深入的重新教学。学生还没有真正理解平均数是什么，而不仅仅是不知道怎么计算。回到概念解释：“平均数就是把所有东西平均分时，每个人会得到的数值。”先使用实物模型（把计数筹码分给各组），再回到数值计算步骤。

设计理由

这道题适合作为铰链题，因为：

1. 这些数字足够简单，可以在心算中算出（总和 = 30，除以 5 = 6），因此这道题考查的是对概念的理解，而不是算术能力。理解方法的学生应该能在 60 秒内得出答案。

2. 每个干扰选项都是针对同一组数据提出的另一个问题的正确答案——中位数（A）、极差（C）和总和（D）。这意味着每个错误答案都能反映出学生具体混淆了哪种统计量，或者只完成了计算步骤中的哪一步。

3. 正确答案（6）不是这组数据中“显而易见”或最容易记住的数字。必须经过计算才能得出；中位数（5）就在数据中，总和（30）则是学生首先算出的数。学生不进行完整计算步骤，就无法猜出正确答案。

4. 这组数据是特意挑选的，这样平均数（6）和中位数（5）就不相同——如果两者相同，这道题就无法区分正确计算出平均数的学生和误把中位数当作答案的学生。

---

已知限制

1. 只有教师根据作答数据采取行动，铰链问题才有效。 如果教师提出一个设计精美的铰链问题，发现 40% 的学生选错了答案，却仍然继续教学，那么这个问题就毫无价值。决策指南针对每种作答模式给出了具体的应对措施，但教师必须愿意实时调整教案。这既需要灵活性，也需要信心——即使数据表明应该调整教学，有些教师也很难偏离预先计划的课程。

2. 选择题形式限制了可考查的内容。 对于可以通过单个选项揭示理解程度的概念，铰链问题最有效——通常是事实性知识、程序性理解或概念辨析。对于复杂推理、长篇论证或创造性应用，铰链问题的效果较差，因为这些能力的关键信息在于学生的思考过程，而非最终答案。对于这些能力，其他理解检查方法（展示解题过程的迷你白板、思考—结对—分享）更合适。

3. 设计干扰项需要深入了解学生的误解。 铰链问题的质量完全取决于干扰项是否针对学生确实存在的真实误解，而不只是看起来似是而非的错误答案。生成器会采用研究文献和教学经验中常见的误解，但特定学生群体可能存在不同的误解。教师应检查干扰项，并根据自己对学生常见错误的了解进行修改。如果某个干扰项不符合班级中真实存在的误解，就无法提供诊断信息——它只是“一个错误答案”。