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。
生成针对特定模块的5个自评问题,内容精确且学术性强。
以下自我评估问题面向本科层次的“向量空间”模块,聚焦于概念理解、性质判定与基本证明技能。每题均配备简要的评估意图与理论依据提示,以便学生自我校准学习成效并对照权威教材核验概念与方法。 1) 向量空间公理检验 - 题目:判定下列结构是否为实数域上的向量空间;若是,请概述满足公理的要点;若否,请明确指出违反的具体公理并给出反例。 a) C([0,1], R)(闭区间上的实连续函数全体),以逐点加法与数乘为运算。 b) R^2 上的运算定义为通常的向量加法与非标准数乘 α ⊙ (x, y) = (αx, αy + α − 1)。 - 评估意图:考查对向量空间八条公理的系统掌握及反例构造能力。 - 理论依据提示:向量空间的公理化定义与基本例示;检验策略包括零向量与0·v性质、分配律与结合律等[1][2]。 2) 子空间判定与典型性质 - 题目:设 V = M2(R)。判断下列集合是否为 V 的子空间,并给出证明或反例。 a) S1 = {A ∈ V | tr(A) = 0}。 b) S2 = {A ∈ V | det(A) = 1}。 - 评估意图:应用“子空间判别三条件”(含零向量、对加法与数乘封闭)进行严格判定;辨析线性函数(如迹)与非线性函数(如行列式)对封闭性的影响。 - 理论依据提示:线性泛函与核的子空间性;非线性约束导致的非子空间典型反例[1][2]。 3) 线性相关性、张成与基 - 题目:在 R^3 中,令 S = {(1, 0, 1), (0, 1, 1), (1, 1, 2)}。 a) 判定 S 是否线性无关。 b) 若否,给出一个极大线性无关子集,并说明其张成的子空间。 - 评估意图:综合运用线性相关性的定义、行列秩判定或等式关系识别;连接“极大无关组—基—张成子空间”的链条。 - 理论依据提示:线性无关与张成的等价刻画;秩与基的关系;极大无关组构造[1][2]。 4) 线性映射与同构的刻画 - 题目:设 P2(R) 为次数不超过 2 的实系数多项式空间。定义 T: P2(R) → R^3,T(a0 + a1x + a2x^2) = (a0, a1, a2)。 a) 证明 T 为线性映射并为双射,从而为线性同构。 b) 由此刻画 P2(R) 与 R^3 的构造等价性,并说明任意一组 P2(R) 的基在 T 下如何对应为 R^3 的基。 - 评估意图:训练对线性性、单射与满射的严格检验;理解“同维有限维向量空间两两同构”的核心思想并操作化到基的对应。 - 理论依据提示:线性同构的定义与等价刻画;有限维空间同构与维数不变量[1][2]。 5) 直和分解与商空间维数 - 题目:设 V = P3(R),U = {p ∈ V | p(0) = 0},W = Span{1}。 a) 证明 V = U ⊕ W(直和分解)。 b) 构造商空间 V/U 的等价类表示,并求 dim(V/U)。 - 评估意图:将子空间分解思想与商空间构造联系起来,验证直和的充要条件 U ∩ W = {0} 且 U + W = V;运用维数公式计算商空间维数。 - 理论依据提示:直和判定准则;商空间定义与维数公式 dim(V/U) = dim V − dim U(有限维情形)[1][3][4]。 参考文献(AMS 风格) [1] Axler, S., Linear Algebra Done Right, 3rd ed., Springer, 2015. [2] Hoffman, K., and Kunze, R., Linear Algebra, 2nd ed., Prentice-Hall, 1971. [3] Lang, S., Linear Algebra, 3rd ed., Springer, 1987. [4] Halmos, P. R., Finite-Dimensional Vector Spaces, 2nd ed., Springer, 1974.
以下问题面向“测量与信度”模块的自我评估,覆盖概念理解、方法选择、计算应用与研究设计。每题均给出作答要点或参考答案要点,并以权威文献为依据。 1) 单项选择题(概念) 题干:在经典测验理论(CTT)框架下,下列哪一表述最准确地定义了“信度”? A. 测验得分与效标之间的相关性 B. 观测分数方差中可归因于真分数方差的比例 C. 测验条目之间的平均相关 D. 测验得分在不同群体间的稳定性 参考要点:B 为正确答案。CTT 将观测分数视为真分数与随机误差之和,信度定义为 Var(T)/Var(X),并受情境与样本影响(AERA, APA, & NCME, 2014;Lord & Novick, 1968)。 2) 计算题(标准测量误差与置信区间) 题干:某量表在目标样本上的总分标准差 SD=10,内部一致性(例如 ω_total 或 α)为 0.84。某学习者观测分数为 70。计算: - 标准测量误差 SEM; - 该学习者真分数的 95% 置信区间。 参考答案要点: - SEM = SD × sqrt(1 − ρ_xx) = 10 × sqrt(1 − 0.84) = 10 × 0.4 = 4。 - 95% 置信区间:X ± 1.96 × SEM = 70 ± 7.84,即约 [62.16, 77.84]。 注:该区间在正态误差与所用信度估计适配的前提下成立(AERA et al., 2014;Lord & Novick, 1968)。 3) 情境判断与报告(内在一致性与维度性) 题干:一份 20 题五级评分量表在样本上 α=0.92;探索性因子分析提示两个潜在因子。是否可据此声称该量表“高度可靠且单维”?应如何改进报告与证据链? 参考要点: - 不能仅凭 α=0.92 断言单维或高质量信度。α 假设近似等值性(tau-equivalence),对条目数量敏感,且对多维性缺乏诊断力(Cronbach, 1951;Sijtsma, 2009)。 - 建议补充:基于同一维度模型的 ω_total 与(若假设层级结构)ω_hierarchical;验证性因子分析(CFA)检验单维拟合;必要时报告分量表的内部一致性(McDonald, 1999;Revelle & Zinbarg, 2009;Dunn, Baguley, & Brunsden, 2014)。 - 说明信度为“分数在特定用途与群体上的属性”,避免将 α 作为唯一或用途无关的指标(AERA et al., 2014)。 4) 研究设计题(评分者信度) 题干:你需评定学生写作表现,采用四点序位量规,3 名评分者同时评分。选择合适的评分者信度指标并简述估计与改进步骤。 参考要点: - 序位数据:优先使用加权 Kappa(建议二次权重)评估两两评分者一致性;若将评分近似为连续并关注“绝对一致”,可用双向随机效应、绝对一致型 ICC(Shrout & Fleiss 的 ICC(2,1);或 McGraw & Wong 的 ICC(A,1)/(A,k) 视单个评分或平均分)(Cohen, 1968;Shrout & Fleiss, 1979;McGraw & Wong, 1996)。 - 若关注多来源误差(评分者、题目等),可采用广义理论(G-theory)估计 G 系数/Φ 系数,并据此优化抽样与设计(Shavelson & Webb, 1991)。 - 改进策略:评分者培训与校准、锚例与评分指南精细化、盲评与复核、必要时增加评分者或题目数量以降低误差方差(AERA et al., 2014)。 5) 计算与设计题(Spearman–Brown 预言公式) 题干:某量表含 10 个条目,现有内部一致性为 0.70。若维持条目质量与同质性,希望将信度提升至 0.85,需将条目数增加为原来的多少倍?据此估算所需条目总数,并说明该方法的适用前提与局限。 参考答案要点: - Spearman–Brown:k = [ρ_target(1 − ρ_current)] / [ρ_current(1 − ρ_target)] - 代入:k = [0.85 × (1 − 0.70)] / [0.70 × (1 − 0.85)] = 0.255 / 0.105 ≈ 2.43。 - 需约 2.43 倍条目,即约 24–25 题(在 10 题基础上新增约 14–15 题)。 - 前提与局限:要求新增条目与原条目平行/同质;仅增加数量可能引入冗余与疲劳,不解决维度性或质量问题;应并行关注条目质量、维度结构与内容覆盖(Nunnally & Bernstein, 1994;DeVellis, 2017)。 参考文献(APA 第7版) - American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. AERA. - Cohen, J. (1968). Weighted kappa: Nominal scale agreement with provision for scaled disagreement or partial credit. Psychological Bulletin, 70(4), 213–220. - Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. - DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). SAGE. - Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105(3), 399–412. - Lord, F. M., & Novick, M. R. (1968). Statistical theories of mental test scores. Addison-Wesley. - McDonald, R. P. (1999). Test theory: A unified treatment. Lawrence Erlbaum. - McGraw, K. O., & Wong, S. P. (1996). Forming inferences about some intraclass correlation coefficients. Psychological Methods, 1(1), 30–46. - Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill. - Revelle, W., & Zinbarg, R. E. (2009). Coefficients alpha, beta, omega, and the glb: Comments on Sijtsma. Psychometrika, 74(1), 145–154. - Shavelson, R. J., & Webb, N. M. (1991). Generalizability theory: A primer. SAGE. - Shrout, P. E., & Fleiss, J. L. (1979). Intraclass correlations: Uses in assessing rater reliability. Psychological Bulletin, 86(2), 420–428. - Sijtsma, K. (2009). On the use, the misuse, and the very limited usefulness of Cronbach’s alpha. Psychometrika, 74(1), 107–120.
Below are five evidence-based self-assessment questions designed to target core competencies in business email writing. Use a 1–5 scale (1 = not at all; 5 = consistently and effectively) to rate your draft. 1) Purpose and audience focus: To what extent does the opening state the main point or request clearly and early (BLUF) while framing relevance to the recipient’s needs, constraints, and decision context? (Department of the Air Force, 2015; Plain Language Action and Information Network [PLAIN], 2011; Garner, 2013) 2) Subject-line specificity: To what extent does the subject line concisely and accurately preview the message (e.g., action needed, topic, deadline), enabling efficient triage and retrieval? (Garner, 2013; PLAIN, 2011) 3) Organization and readability: To what extent is information front-loaded and segmented for scanning (short paragraphs, informative headings, bullets where appropriate), with concise sentences that reduce cognitive load? (PLAIN, 2011; Department of the Air Force, 2015) 4) Tone and professional etiquette: To what extent does the email maintain a courteous, professional tone appropriate to the relationship and context (clear but not abrupt; avoids slang, emojis, and ALL CAPS; uses bias-free and positive language)? (Garner, 2013; PLAIN, 2011) 5) Actionability, completeness, and correctness: To what extent does the email specify a clear next step, responsible party, and deadline; reference and correctly attach needed materials; use CC/BCC intentionally; present a professional signature block; and exhibit mechanical accuracy (grammar, punctuation, and formatting)? (Garner, 2013; Department of the Air Force, 2015) References - Department of the Air Force. (2015). The Tongue and Quill (AFH 33-337). - Garner, B. A. (2013). HBR guide to better business writing. Harvard Business Review Press. - Plain Language Action and Information Network. (2011). Federal plain language guidelines. https://www.plainlanguage.gov/guidelines/
为每个教学单元快速产出5道自评题,对齐学习目标,支持课堂即时反馈与课后巩固。
依据课程框架批量生成标准化题目,统一难度与表述,完善评估闭环并优化教学大纲。
针对不同班型与水平一键改写自评题,多语言输出,直接用于讲义与在线问卷收集。
为岗位技能模块生成可量化自评题,支持分层考核与复训追踪,提升培训落地效果。
将模板纳入内容生产流程,快速补齐题库,缩短课程上线周期,保证质量一致性。
围绕选题或方法论生成高标准自测题,检视论证严谨与引用规范,辅助论文训练。
在工作坊与评图前后生成针对性自评题,促进学生反思,提升讨论深度与效率。
为高校教师、培训负责人与课程设计师提供一套即插即用的“模块自评问题生成器”,围绕任意教学模块,快速产出5个高质量自我评估问题;问题自动对齐课程规划、学习目标与评估标准,语言严谨、可衡量、可落地;支持多语种输出,适配国际化教学与跨团队协作;在保障学术严谨的同时显著缩短设计时间,提升课程一致性、审核通过率与学习成效可视化,帮助用户从试用快速过渡到日常必备工具。
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