问卷考试系统设计（四）：质量控制——测谎题、Z3 组卷验证与异常检测

mumu — Wed, 15 Apr 2026 00:00:00 +0000

问卷收上来一堆答案，怎么判断哪些是认真填的、哪些是随便糊弄的？另外，在出卷阶段，怎么保证组出来的试卷在分数分布上是合理的？这两个问题分别对应答题后质量检测和出卷时约束验证。

三道防线：测谎题检测被试是否在刻意美化，Z3 约束求解器在组卷阶段验证分数区间无冲突，异常模式检测抓全选、极端值、过快作答等刷卷行为。

质量控制分成卷前验证和卷后检测，两条链路末尾汇总成答卷可信度：

flowchart TB A["发布前"] --> B["Z3 约束验证"] B --> C["题量、维度、互斥规则检查"] C --> D{"可发布"} E["提交后"] --> F["测谎题检测"] E --> G["一致性检测"] E --> H["作答模式检测"] F --> I["质量分"] G --> I H --> I D --> J["问卷版本可信"] I --> K["答卷有效性等级"]

第一道防线：测谎题，检测"装好人"

设计原理

测谎题的逻辑很简单：大多数人不太可能在所有测谎题上都选“完美”的那一端。

MMPI 的 L（Lie）效度量表是经典案例。它会放一些社会称许性很强、但现实中很难完全做到的题目，例如：

“我从来没有说过谎”，大多数人都说过谎，全选“是”反而可疑
“我从不背后说人坏话”，太完美了，不真实
“我从来不会迟到”，现实里很难完全做到

这些题目不计入心理维度的分数，唯一的用途就是检测被试的作答态度。

评分逻辑

每道测谎题都有一个或多个"可疑答案"。被试选中了可疑答案，就记 1 分；否则记 0 分。末尾把所有测谎题的可疑分加起来，和阈值做比较。

阈值不要写死，更稳妥按量表手册和人群配置。下面只是工程示例：

VALID（有效）：可疑比例 ≤ 50%
SUSPICIOUS（可疑）：50% < 可疑比例 ≤ 80%
INVALID（无效）：可疑比例 > 80%

实现

        
        
        
    
public LieScaleResult calculate(List<Question> lieScaleQuestions,
                                 Map<String, Answer> answers) {
    int totalLieScore = 0;
    for (Question q : lieScaleQuestions) {
        Answer answer = answers.get(q.getId());
        if (answer == null) continue;

        int value = answer.getSelectedValue();
        if (q.getLieAnswerValues().contains(value)) {
            totalLieScore++;
        }
    }

    double lieRatio = (double) totalLieScore / lieScaleQuestions.size();
    String verdict;
    if (lieRatio > 0.8) verdict = "INVALID";
    else if (lieRatio > 0.5) verdict = "SUSPICIOUS";
    else verdict = "VALID";

    return new LieScaleResult(totalLieScore, lieScaleQuestions.size(),
                               lieRatio, verdict);
}

注意：测谎题的可疑答案不一定总是更高分。有些题是"选低分才可疑"，有些还可能有多个可疑选项。稳妥做法是在题目配置里显式声明 lieAnswerValues。

质量控制 - tag - 沐木

问卷考试系统设计（四）：质量控制——测谎题、Z3 组卷验证与异常检测

第一道防线：测谎题，检测"装好人"

设计原理

评分逻辑

实现