热门角色不仅是灵感来源,更是你的效率助手。通过精挑细选的角色提示词,你可以快速生成高质量内容、提升创作灵感,并找到最契合你需求的解决方案。让创作更轻松,让价值更直接!
我们根据不同用户需求,持续更新角色库,让你总能找到合适的灵感入口。
设计一个包含五个问题的教育主题问卷调查,提供专业研究支持。
论点陈述:为考察四年级数学课堂中可观察的教与学特征与学生即时学习成效之间的关联,本研究提出一份由五个核心条目构成的简短问卷,聚焦于教学清晰度、认知激活、练习与反馈、同伴互动以及学习目标达成的自评。条目设计基于已有证据表明:教学清晰度与反馈对学习成效具有较高影响,认知激活型任务与学习讨论能促进更深层的数学理解。该量表用于课后3–5分钟由学生独立完成,旨在为课堂观察与学习成效的量化分析提供高效、低负担且具有理论依据的工具。 一、问卷设计与使用说明 - 适用对象:四年级数学课后即时填写的学生问卷(个别辅导或资源班可按需口头引导)。 - 作答方式:5点李克特量表(1=非常不同意;2=不同意;3=不确定;4=同意;5=非常同意)。 - 施测时间:每节数学课结束后立即填写,约3–5分钟。 - 结构与测量维度: - 课堂教学质量(4条):教学清晰度、认知激活、练习与反馈、同伴互动。 - 学习成效自评(1条):对本节课目标达成的自我判断。 二、问卷条目(五题) 请回想今天这节数学课,并根据你的真实感受勾选最符合的一项。 1) 今天老师用清楚的步骤和例子讲解了新知识。 2) 课堂上的问题和任务需要我认真思考、说明理由,或用不止一种方法来解决。 3) 我在课堂上有足够时间做题,老师或同学给了我有用的反馈,帮助我改正错误。 4) 我有机会与同学讨论解题思路,并向大家说明我的想法。 5) 下课时,我觉得自己能独立完成与本节课知识点相似的题目。 作答选项(每题相同):1=非常不同意;2=不同意;3=不确定;4=同意;5=非常同意。 三、评分与分析建议 - 计分与汇总: - 教学质量指数(TQ):题1–4的平均分(1–5分),分数越高表示学生感知到的课堂质量越高。建议检验内部一致性(α或ω系数),理想阈值≥0.70。 - 学习成效自评(SL):题5的单题得分(1–5分)。 - 信效度与数据质量: - 内容效度:条目对应于研究充分的教学要素——教学清晰度与示范、认知激活、练习与及时反馈、同伴互动与数学话语(Hattie, 2009;Rosenshine, 2012;Stigler & Hiebert, 1999;Black & Wiliam, 1998)。 - 构念效度:使用单因子CFA检验TQ的四题结构;拟合指标建议CFI/TLI≥0.90、RMSEA≤0.08(样本量允许时)。 - 区分效度与效标关联:将TQ与外部学习指标关联,如课后同堂“离场测验”(exit ticket)得分或单元测验成绩;预期TQ与SL、外部成绩呈正相关。自评(SL)应与客观测验存在中等相关,用于形成性监测而非替代成就测量。 - 公共方法偏差控制:固定施测时点(课后即刻),匿名填写,强调无评优或惩罚后果。 - 统计分析范式: - 描述统计:按班级/教师汇总TQ与SL的均值与分布,监测时间趋势。 - 推断分析:以SL或离场测验为因变量,TQ为自变量,控制学生先前成绩与背景变量的多层线性模型(学生层嵌套班级/教师),估计课堂质量与学习成效的关联强度。 - 敏感性分析:剔除极端同质应答、测量日异常事件(如考试前复习日),检验稳健性。 四、实施与伦理注意 - 语言可读性:条目已按四年级阅读水平表述,建议在正式施测前进行小规模预测试(n≈20–30)以检查理解度与计时。 - 伦理与隐私:家长知情同意与学生同意;匿名收集,数据仅用于研究改进教学。 五、基于证据的设计依据(参考文献,APA第7版) - Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7–74. - Hattie, J. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. Routledge. - Rosenshine, B. (2012). Principles of instruction: Research-based strategies that all teachers should know. American Educator, 36(1), 12–19. - Stigler, J. W., & Hiebert, J. (1999). The teaching gap: Best ideas from the world’s teachers for improving education in the classroom. Free Press. 说明:上述条目将课堂中可观察、与学习成效紧密相关的关键教学实践以学生感知的形式加以量化,既兼顾可操作性与时间效率,又与成熟研究证据保持一致,以支持课堂改进与效果评估的循证决策。
论点陈述 本问卷旨在获取学生对“光与影”单元学习的反馈,聚焦于四个与学习质量密切相关的维度:自我感知的概念理解、可迁移应用、误解澄清,以及反馈与教学支持。题项采用简明、单概念表述与五点李克特量表,以提高可测性与信度,辅以一项开放题获取情境化证据(Artino et al., 2014; DeVellis, 2017)。维度与题项设计参照形成性评价与有效反馈的证据基础(Black & Wiliam, 1998; Hattie & Timperley, 2007),并注意到学生在光学主题上常见替代理念的存在,以便监测教学对误解纠正的作用(Driver et al., 1994)。 适用范围与对象 - 适用对象:小学四至六年级学生的科学单元“光与影”后测学习反馈。 - 主要用途:为教师与教研团队提供关于学习成效与教学改进的证据,支持后续教学调整与资源优化。 作答说明与量表 - 作答方式:请根据真实感受选择一个选项。 - 量表:1=非常不同意,2=不同意,3=不确定,4=同意,5=非常同意(若未经历或不适用,可选“不适用”,后续分析中作为缺失处理;AERA, APA, & NCME, 2014)。 问卷题项(共5题) - Q1(概念理解):我能用自己的话清楚解释影子形成的基本条件(光源、物体、屏幕)及它们之间的关系。 - Q2(可迁移应用):当改变光源与物体的相对位置或距离时,我能够预测影子的大小或位置变化,并说明原因。 - Q3(误解澄清):通过本单元的实验与讨论,我已纠正先前的错误认识(例如将光的明暗与影子大小简单对应等)。 - Q4(反馈与教学支持):课堂中教师与同伴给出的反馈,明确指出了我需要改进的地方,并帮助我改进实验设计或数据解释。 - Q5(开放题:真实情境迁移):请举一个你在日常生活中应用“光与影”知识解释现象或解决问题的例子(如阳光下拍照、台灯位置调整等),并简要说明你的思考过程。 分析与使用建议 - 维度与得分:建议将Q1–Q4计算为总分与分维度指标(概念理解/应用/误解澄清/反馈支持)。Likert题建议报告均值与标准差,并进行项目—总分相关检验与内部一致性估计(Cronbach’s α≥0.70为可接受阈值;DeVellis, 2017)。 - 质性分析:对Q5进行编码,识别迁移层次(如情境识别、因果解释、证据引用),为量化结果提供补充证据(Artino et al., 2014)。 - 信效度注意事项:在正式施测前进行小样本预测试与认知访谈以优化措辞与理解一致性(Willis, 2005),并在报告中说明缺失处理与量表信度。为减少社会期许偏差,确保匿名与自愿(AERA, APA, & NCME, 2014)。 基于证据的简要论据 - 采用清晰、单一构念的Likert题与开放题混合设计,有助于同时获取可量化的学习感知与可解释的迁移证据(Artino et al., 2014)。 - 针对“误解澄清”的显性测量契合光学概念的已知替代理念谱系,能更好反映形成性教学对学习质量的影响(Driver et al., 1994)。 - 将“反馈与教学支持”纳入核心维度,呼应反馈对学习提升的高影响力证据(Hattie & Timperley, 2007),并与形成性评价框架相一致(Black & Wiliam, 1998)。 参考文献(APA第7版) - AERA, APA, & NCME. (2014). Standards for educational and psychological testing. American Educational Research Association. - Artino, A. R., Jr., La Rochelle, J. S., Dezee, K. J., & Gehlbach, H. (2014). Developing questionnaires for educational research: AMEE Guide No. 87. Medical Teacher, 36(6), 463–474. - Black, P., & Wiliam, D. (1998). Inside the black box: Raising standards through classroom assessment. Phi Delta Kappan, 80(2), 139–148. - DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). Sage. - Driver, R., Squires, A., Rushworth, P., & Wood-Robinson, V. (1994). Making sense of secondary science: Research into children’s ideas. Routledge. - Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. - Willis, G. B. (2005). Cognitive interviewing: A tool for improving questionnaire design. Sage.
以下方案提出一个聚焦“合作”与“自我效能”的五题问卷框架,用于高等或中学情境下的课堂/小组学习研究。设计遵循社会互赖理论与自我效能理论,采用简短、单维表达的条目,便于在教学实践中快速监测,并为后续量化分析提供可操作的计分与验证路径。 一、研究目的与理论依据 - 目的:在有限题量下,捕捉学习者在协作学习中的关键行为表现(合作)与情境化的信念判断(合作情境下的自我效能),以支持教学改进与学习支持决策。 - 理论依据: - 社会互赖理论指出,积极互赖、面对面促进性互动与个体责任是高质量合作学习的核心机制(Johnson & Johnson, 2009)。据此,合作条目聚焦分享、协调、建设性地解决分歧等关键过程性行为。 - 自我效能是对自身达成目标能力的判断,是学习动机与坚持性的关键预测因子(Bandura, 1997;Zimmerman, 2000)。据此,自我效能条目聚焦在合作情境中的困难应对与推动团队前进的信心。 二、构念界定与量表框架 - 合作(Collaboration)子量表:指个体在小组学习中表现出的主动分享、协调推进与建设性协商行为(过程导向)。 - 合作情境自我效能(Collaborative Self-Efficacy)子量表:指个体对自身在合作任务中克服障碍、促进团队达成高质量产出的能力判断(信念导向)。 - 维度与题量:两维度,共5题;合作3题,自我效能2题。采用5点Likert量表。 三、问卷条目与作答说明 - 作答说明:请回想过去两周在课程或小组任务中的真实经历,并根据实际情况作答。量表从1到5:1=完全不同意,2=不同意,3=不确定/一般,4=同意,5=完全同意。 - 条目(避免双重表述,均为正向措辞): 1. 在小组学习中,我会主动分享自己的想法。(合作) 2. 在小组任务中,我能够与同伴有效协调以推进工作。(合作) 3. 遇到意见分歧时,我会以建设性的方式与同伴协商解决。(合作) 4. 我有信心在小组合作中克服困难并高质量完成任务。(合作情境自我效能) 5. 即便小组进展受阻,我也能找到方法促进团队继续推进。(合作情境自我效能) 四、施测与计分 - 计分方式: - 合作子量表得分=题1–3均值;合作情境自我效能子量表得分=题4–5均值。总分可作为整体“合作-效能”指数(5题均值),但建议主要以子量表解释为主。 - 缺失值处理:若子量表缺失不超过25%(合作≤1题缺失;自我效能≤0题缺失),可用该被试子量表其余题的均值进行单项均值代入;超过阈值则该子量表缺失。 - 解释:更高分值表示更频繁/更高质量的合作行为与更强的情境化自我效能。由于缺乏常模,不建议进行绝对性阈值判断,可用于组间比较或纵向跟踪。 五、信度与效度评估计划(建议性) - 内容效度:依据理论溯源并经专家评审(合作学习/教育心理学领域3–5名),审查条目的相关性、清晰性与文化适配性(DeVellis & Thorpe, 2021)。 - 认知访谈:对目标群体进行小规模认知访谈以检验理解一致性与词汇可读性(Willis, 2005)。 - 结构效度: - 预注册两因子模型(合作3题,自我效能2题)。样本量建议≥200以支持稳健的CFA估计(Kline, 2016)。 - 拟合指标阈值参考:CFI/TLI≥.95,RMSEA≤.06,SRMR≤.08(Hu & Bentler, 1999)。 - 因子载荷目标≥.50;相关但可区分的双因子结构。 - 信度:报告McDonald’s ω优先于α,目标≥.70;条目-总分校正相关(rit)≥.30(McNeish, 2018;DeVellis & Thorpe, 2021)。 - 效标关联效度: - 收敛效度:合作情境自我效能与一般学业自我效能量表呈中等正相关;合作子量表与同伴学习/社会互赖相关测量呈中等正相关(Bandura, 1997;Johnson & Johnson, 2009)。 - 区分效度:与社会期许或无关构念的相关较低。 - 已知组效度:有系统合作训练的班级或团队干预组得分高于对照组。 - 测量等效性:按性别、年级或专业进行多组CFA等值检验(配置/载荷/截距)以保证组间比较的公平性(Kline, 2016)。 - 共同方法偏差控制:在可行范围内进行程序性控制(匿名、强调无对错、变换条目顺序),并在建模中关注方法因子风险(DeVellis & Thorpe, 2021)。 六、实施与伦理 - 以匿名、自愿为原则,提供知情同意,说明用途与保密措施。施测前进行小规模试测以确认技术与指令清晰性。 - 若用于跨语言场景,遵循跨文化量表适配流程(正反向翻译、专家委员会、预试)(Beaton et al., 2000)。 参考文献 - Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman. - Beaton, D. E., Bombardier, C., Guillemin, F., & Ferraz, M. B. (2000). Guidelines for the process of cross-cultural adaptation of self-report measures. Spine, 25(24), 3186–3191. - DeVellis, R. F., & Thorpe, C. T. (2021). Scale development: Theory and applications (5th ed.). Sage. - Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. - Johnson, D. W., & Johnson, R. T. (2009). An educational psychology success story: Social interdependence theory and cooperative learning. Educational Researcher, 38(5), 365–379. - Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press. - McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433. - Zimmerman, B. J. (2000). Self-efficacy: An essential motive to learn. Contemporary Educational Psychology, 25(1), 82–91.
快速制定课堂观察与学习成效问卷;统一研究方法与题型,支持年级横向对比;生成审批材料与实施说明,推动校本教研。
针对单元或项目一键生成学习反馈问卷;优化表述减少学生误解;依据解读提纲,调整教学策略与作业设计。
依据选题快速搭建测量框架与问卷;获得文献线索与变量定义;遵循分析路径完成论文数据部分。
为不同年龄段定制满意度与迁移效果问卷;多语言版本服务跨城校区;据结果建议迭代课程与讲师手册。
面向教师与学生设计可复用调研模板;获得抽样与统计建议保障可靠性;沉淀洞察支持产品路标与增长实验。
生成基线、过程与结项对比问卷;附带伦理与隐私提示模板;形成证据链支撑资助申请与政策建议。
为培训前后评估设计五题量表;本地化措辞覆盖全球团队;依据建议归因成效并优化学习路径。
用一条可复用的智能提示词,让 AI 以“教育研究员”的视角,围绕你指定的主题与受众,快速生成一份由 5 个高质量问题组成的教育问卷,并附带每题测量意图、题型或选项建议、发放与回收要点、基础分析思路与基于证据的改进建议。输出采用正式、学术风格,可选择多语言,结构清晰,可直接粘贴到表单工具或研究报告中,帮助你以更少时间拿到更可靠的数据,用于课程评估、教学改进、培训效果与家校沟通等场景,最终提升决策质量与执行效率。
将模板生成的提示词复制粘贴到您常用的 Chat 应用(如 ChatGPT、Claude 等),即可直接对话使用,无需额外开发。适合个人快速体验和轻量使用场景。
把提示词模板转化为 API,您的程序可任意修改模板参数,通过接口直接调用,轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。
在 MCP client 中配置对应的 server 地址,让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作,让提示词在不同 AI 工具间无缝衔接。
免费获取高级提示词-优惠即将到期