×
¥
查看详情
🔥 会员专享 文生文 设计

设计教育反馈表问题

👁️ 366 次查看
📅 Sep 29, 2025
💡 核心价值: 生成针对教育技术工具用户的反馈表问题,注重精准性与学术风格。

🎯 可自定义参数(2个)

教育技术工具
教育技术工具名称,例如:在线学习平台、数字教学工具。
输出语言
输出反馈表问题的目标语言,例如:中文、英文。

🎨 效果示例

问题设计(用于在线学习平台用户反馈表)

  • 问题:请基于您最近一次使用体验,评价在本平台上完成典型学习任务(如浏览课程内容、提交作业、参与讨论或完成测验)的总体难易程度。
  • 量表:7 点单题易用性量表(Single Ease Question, SEQ) 1 = 非常困难 2 = 困难 3 = 略困难 4 = 一般 5 = 略容易 6 = 容易 7 = 非常容易
  • 额外选项:不适用/我未进行上述任务

理论依据与证据

  • 选择单题易用性量表(SEQ)作为反馈表中的核心问题具有方法学依据。SEQ 在人机交互与可用性研究中被广泛验证,可作为对完成任务主观难易度的敏感、低负担指标,能与任务成功率、完成时间及主观满意度等关键指标呈中到高强度相关,从而有效反映平台的可用性水平(Sauro & Lewis, 2012)。
  • 在技术增强学习情境中,感知易用性是技术接受的重要前因,显著预测使用意向与持续使用行为;因此,以易用性为单题核心指标具有较强的外部效度与决策价值(Davis, 1989)。该问题可作为平台层面的常模化监测指标,并支持与其他体验维度(如内容质量、互动性)进行后续关联分析。

参考文献(APA 第7版)

  • Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
  • Sauro, J., & Lewis, J. R. (2012). Quantifying the user experience: Practical statistics for user research. Morgan Kaufmann.

Proposed feedback item Overall, how effectively did the course resource repository help you find high-quality resources aligned with your learning objectives?

Response scale 1 = Not at all effective; 2 = Slightly effective; 3 = Somewhat effective; 4 = Moderately effective; 5 = Very effective; 6 = Highly effective; 7 = Extremely effective; Not applicable

Rationale This single, global item targets perceived effectiveness in locating relevant learning resources, a core outcome for a repository’s pedagogical value. It operationalizes the “effectiveness” dimension of usability as defined in ISO 9241-11:2018, while focusing respondents on relevance to learning objectives rather than generic satisfaction. The phrasing avoids double-barreled constructs (for example, not conflating relevance with aesthetics or navigation) and uses a seven-point response scale, which has demonstrated favorable reliability, validity, and discriminating power in psychometric evaluations. Furthermore, aligning the evaluative focus with relevance to learning objectives draws on the Technology Acceptance Model’s emphasis on perceived usefulness as a predictor of user acceptance and continued use in educational technologies.

References Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.

International Organization for Standardization. (2018). ISO 9241-11:2018 Ergonomics of human-system interaction—Usability: Definitions and concepts.

Preston, C. C., & Colman, A. M. (2000). Optimal number of response categories in rating scales: Reliability, validity, discriminating power, and respondent preferences. Acta Psychologica, 104(1), 1–15.

反馈表问题(单题,认知负荷测量) 请评价您在刚才使用互动答题器完成作答时所感受到的总体心理努力程度: 1 2 3 4 5 6 7 8 9 1 = 非常低的心理努力;9 = 非常高的心理努力 作答指引:请在完成每一轮答题后立即选择最能代表您整体体验的数字。

方法学依据与用途 该单题基于Paas提出的单维度心理努力量表,已在认知负荷研究与教学设计评估中广泛使用,能敏感地反映学习者在完成任务时的主观负荷水平(Paas, 1992;Paas et al., 2003)。在互动答题器情境中,心理努力作为认知负荷的主观指标,可用于识别由界面可用性、题干表述、时间限制或反馈呈现方式引发的非本质(外在)负荷,从而为迭代优化题目设计与交互流程提供证据(Sweller et al., 2011)。基于该指标的纵向监测亦可与成绩、答题时长等客观数据联动,形成对教学效率的综合评估。

参考文献(APA第7版)

  • Paas, F. (1992). Training strategies for attaining transfer of problem-solving skill in statistics: A cognitive-load approach. Journal of Educational Psychology, 84(4), 429–434. https://doi.org/10.1037/0022-0663.84.4.429
  • Paas, F., Tuovinen, J. E., Tabbers, H. K., & Van Gerven, P. W. M. (2003). Cognitive load measurement as a means to advance cognitive load theory. Educational Psychologist, 38(1), 63–71. https://doi.org/10.1207/S15326985EP3801_8
  • Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive load theory. Springer.

示例详情

📖 如何使用

30秒出活:复制 → 粘贴 → 搞定
与其花几十分钟和AI聊天、试错,不如直接复制这些经过千人验证的模板,修改几个 {{变量}} 就能立刻获得专业级输出。省下来的时间,足够你轻松享受两杯咖啡!
加载中...
💬 不会填参数?让 AI 反过来问你
不确定变量该填什么?一键转为对话模式,AI 会像资深顾问一样逐步引导你,问几个问题就能自动生成完美匹配你需求的定制结果。零门槛,开口就行。
转为对话模式
🚀 告别复制粘贴,Chat 里直接调用
无需切换,输入 / 唤醒 8000+ 专家级提示词。 插件将全站提示词库深度集成于 Chat 输入框。基于当前对话语境,系统智能推荐最契合的 Prompt 并自动完成参数化,让海量资源触手可及,从此彻底告别"手动搬运"。
即将推出
🔌 接口一调,提示词自己会进化
手动跑一次还行,跑一百次呢?通过 API 接口动态注入变量,接入批量评价引擎,让程序自动迭代出更高质量的提示词方案。Prompt 会自己进化,你只管收结果。
发布 API
🤖 一键变成你的专属 Agent 应用
不想每次都配参数?把这条提示词直接发布成独立 Agent,内嵌图片生成、参数优化等工具,分享链接就能用。给团队或客户一个"开箱即用"的完整方案。
创建 Agent

✅ 特性总结

一键为特定教育技术工具生成精准反馈问项,直击可用性、学习成效与参与度。
支持多语言输出与本地化表达,便于全球校园与跨区域项目统一收集反馈。
自动给出量表与开放题组合建议,兼顾数据可比性与用户真实声音。
以学术写作风格呈现问题与说明,引用可信来源,提升问卷专业度与公信力。
根据场景自动聚焦关键维度,如易用性、学习支持、互动体验与可达性。
允许自定义语气、长度与对象分层,轻松生成教师、学生与管理员专属版本。
提供逻辑校对与歧义消除提示,避免诱导性提问,保障数据有效与可解释。
一键导出为问卷段落与说明文案,直接用于教学平台、邮件或线下纸质表单。
基于任务描述自动识别工具类型与使用情境,生成高度贴合的情境化问项。
内置质量清单与示例,提高回收率、完答率与后续分析的可执行性。

🎯 解决的问题

为产品经理、教研负责人、教学设计师与用户研究员,一键生成面向特定教育技术产品的高质量用户反馈问题。输出以学术风格呈现、逻辑严谨、可直接用于问卷平台,覆盖学习成效、可用性、参与度、技术稳定性与可访问性等关键维度;支持多语言表达,避免引导性与含混措辞,帮助团队在内测、公测与上线复盘阶段快速收集高价值反馈,缩短调研周期,提升数据可靠性,驱动产品迭代与对外背书。

🕒 版本历史

当前版本
v2.1 2024-01-15
优化输出结构,增强情节连贯性
  • ✨ 新增章节节奏控制参数
  • 🔧 优化人物关系描述逻辑
  • 📝 改进主题深化引导语
  • 🎯 增强情节转折点设计
v2.0 2023-12-20
重构提示词架构,提升生成质量
  • 🚀 全新的提示词结构设计
  • 📊 增加输出格式化选项
  • 💡 优化角色塑造引导
v1.5 2023-11-10
修复已知问题,提升稳定性
  • 🐛 修复长文本处理bug
  • ⚡ 提升响应速度
v1.0 2023-10-01
首次发布
  • 🎉 初始版本上线
COMING SOON
版本历史追踪,即将启航
记录每一次提示词的进化与升级,敬请期待。

💬 用户评价

4.8
⭐⭐⭐⭐⭐
基于 28 条评价
5星
85%
4星
12%
3星
3%
👤
电商运营 - 张先生
⭐⭐⭐⭐⭐ 2025-01-15
双十一用这个提示词生成了20多张海报,效果非常好!点击率提升了35%,节省了大量设计时间。参数调整很灵活,能快速适配不同节日。
效果好 节省时间
👤
品牌设计师 - 李女士
⭐⭐⭐⭐⭐ 2025-01-10
作为设计师,这个提示词帮我快速生成创意方向,大大提升了工作效率。生成的海报氛围感很强,稍作调整就能直接使用。
创意好 专业
COMING SOON
用户评价与反馈系统,即将上线
倾听真实反馈,在这里留下您的使用心得,敬请期待。
加载中...
📋
提示词复制
在当前页面填写参数后直接复制: