评分引擎 - tag - 沐木https://oldletter.cn/tags/%E8%AF%84%E5%88%86%E5%BC%95%E6%93%8E/评分引擎 - tag - 沐木Hugo -- gohugo.iozh-cnFri, 10 Apr 2026 00:00:00 +0000问卷考试系统设计（三）：评分引擎--维度计分、公式 DSL 与常模https://oldletter.cn/posts/qnr-03-scoring-engine/Fri, 10 Apr 2026 00:00:00 +0000mumuhttps://oldletter.cn/posts/qnr-03-scoring-engine/上一篇:问卷考试系统设计(二):题目 DSL 设计

评分引擎是整个系统里容易出错、也需要优先可审计的部分。心理量表和普通考试上限的差异也在这里：不能只把考试系统那套 sum() 逻辑搬过来，很多规则要单独设计。

心理量表评分 vs 普通考试

两者的差异很大。

普通考试的计分模型很直白:答对得 1 分,答错得 0 分,加起来就是总分。题目按章节组织,分数按章节汇总,出个柱状图就完事了。

到心理量表这里，逻辑就不一样了。题目常用 Likert 等级量表–“从不”到“总是”、“非常不同意”到“非常同意”，每个选项对应一个分值，没有对错之分，只有程度差异。量表按心理学维度组织，比如焦虑、抑郁、躯体化，每道题在设计阶段就归属到某个维度了。

更关键的差异:

  • 反向计分题:防止被试不动脑子全选同一个选项。正常题"我觉得工作很有成就感"选"总是"得 5 分,反向题"我觉得工作毫无意义"选"总是"得 1 分。考试没有这种概念。
  • 测谎题:检测被试是否在刻意美化自己。考试也不需要这个。
  • 维度分析:心理量表的核心价值是维度分–焦虑多少分、抑郁多少分、躯体化多少分,分别对应什么严重程度。光给一个总分没有意义。
  • 常模参照:原始分需要转换成标准分(T 分/Z 分),然后和常模比较才能得出有意义的结论。这是心理量表和考试上限的区别,后面会详细讲。
维度 普通考试 心理量表
计分逻辑 对/错二元 程度量表(1-5 Likert)
反向题 不存在 存在,需要反转分数
维度结构 章节/知识点 心理学维度(如焦虑、抑郁)
质量检测 无 测谎题、一致性检测
结果呈现 总分 维度分 + T分/Z分 + 常模比较

维度模型设计

维度和题目不要做成简单多对多，还要记录反向题、测谎题和父子维度聚合规则：

flowchart TB Scale["量表版本"] --> Root["总维度"] Root --> D1["一级维度 A"] Root --> D2["一级维度 B"] D1 --> L1["叶子维度 A1"] D1 --> L2["叶子维度 A2"] L1 --> Q1["题目 1"] L1 --> Q2["题目 2<br/>反向题"] L2 --> Q3["题目 3"] D2 --> L3["叶子维度 B1"] L3 --> Q4["测谎题"] Q1 --> Sum["叶子维度聚合"] Q2 --> Sum Q3 --> Sum Sum --> Parent["父维度聚合"]

维度与题目的关联

每个量表由若干维度组成,每道题归属于一个维度。维度之间可以有层级关系–比如职业兴趣测评里先有"人际/事务/研究"这类一级维度,下面再拆更细的子维度。类似 SCL-90 这种经典量表则是相对扁平的 9 个因子,不要硬套层级。

]]>