Communitygithub.com

poorvith-mp/skills-education

21 個教育與研究代理人技能:課程設計、學術寫作、學習系統與評量。

skills-education 是什麼?

這個技能套件「poorvith-mp/skills-education」提供 21 個專為教育與研究場景設計的 AI 代理人技能,涵蓋課程設計、學術寫作、學習系統與評量等領域。其核心是基於診斷性測驗的高效學習方法,強調透過精心設計的選擇題來診斷學生的概念誤解,而非單純進行評分。每個測驗題目都遵循四步驟流程:分離診斷概念、設計合理的誘答選項、撰寫詳細的誘答說明,並設定 80% 的掌握門檻。此技能支援多種 AI 代理人平台(如 Claude Code、Cursor),並提供完整的 markdown 格式測驗範本,讓開發者或教育者能輕鬆建立高品質的診斷性評量工具。透過消除明顯錯誤的選項與含糊不清的題幹,此技能能顯著提升學習效果與認證考試通過率。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add poorvith-mp/skills-education

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

測驗

核心哲學

練習測驗並非行政評分障礙,而是針對性主動回憶的診斷工具。品質不佳的測驗包含瑣碎的記憶題幹、透過刪去法就能得出答案的可笑誘答選項,或是兩個選項都可能正確的模糊問題。高效益的診斷測驗經過精密工程設計:每個問題都針對特定的概念區別,每個錯誤誘答選項都體現了有文獻記載的認知誤解,並且每個問題都提供全面的說明,不僅解釋為什麼正確答案是對的,更解釋為什麼每個特定錯誤選項被選中以及它為何失敗。


四步驟診斷測驗制定

步驟 1:分離診斷概念(題幹)

  1. 肯定性題幹規則:
    • 撰寫清晰、聚焦於情境的題幹,準確陳述問題,不玩弄花招:
      • 不良範例:「關於資料庫索引,何者為真?」(過於廣泛;容易引發猜測)
      • 良好範例:「某個 PostgreSQL 查詢執行 SELECT * FROM orders WHERE customer_id = 42 ORDER BY created_at DESC LIMIT 10,儘管 customer_id 上已有 B-Tree 索引,仍執行緩慢的循序掃描。哪種索引定義可以消除排序瓶頸?」
  2. 情境充分性:
    • 應試者應能在閱讀四個選項之前預期答案。

步驟 2:設計合理的誘答選項(誤解對照圖)

  1. 三種誘答選項原型:
    • 誘答選項 A(部分真實):將正確概念應用於錯誤的層級或範圍。
    • 誘答選項 B(反向/對立):常見的學生因果關係顛倒。
    • 誘答選項 C(相似詞/術語陷阱):以不連貫的配置使用熟悉的技術流行詞。
  2. 文法與長度對稱:
    • 確保所有四個選項具有大致相同的長度、語氣和語法結構,使正確選項不會在視覺上突出。

步驟 3:全面的誘答選項說明

  1. 四向解釋標準:
    • 為每個問題撰寫詳盡的解說:
      • 選項 A(正確):解釋確切的支配機制。
      • 選項 B(錯誤):解釋此選項為何錯誤,並診斷是什麼誤解導致學生選擇它。
      • 選項 C(錯誤):解釋潛在的邊界條件失敗。
      • 選項 D(錯誤):解釋情境不匹配。

步驟 4:計分練習與掌握門檻

  1. 80% 門檻:
    • 一個概念在未提示的診斷測驗中得分達到 $≥ 80%$ 之前,不得被視為已準備好用於生產或考試。
  2. 重新測試遺忘的概念:
    • 答錯的問題必須在 48 小時後以不同的數值參數或情境框架重新排入佇列。

交付格式:生產診斷測驗套件

# 診斷測驗:資料庫並發與隔離層級

### 問題 1:
在 PostgreSQL 的「讀取已提交 (Read Committed)」隔離層級下,交易 A 讀取一個餘額 = $100 的資料列。同時,交易 B 將同一資料列更新為餘額 = $150 並提交。如果交易 A 在其活躍的交易區塊內重新讀取完全相同的資料列,它會觀察到什麼值,這又展示了什麼並髮異常?

- **A)** $100;不可重複讀取 (Non-repeatable Read)
- **B)** $150;不可重複讀取 (Non-repeatable Read) (正確)
- **C)** $150;髒讀取 (Dirty Read)
- **D)** $100;幻讀 (Phantom Read)

---

### 詳細答案與誘答選項解構:
- **正確選項:B ($150;不可重複讀取)**
  - *解釋*:在讀取已提交隔離層級中,交易內的每個查詢都會看到在查詢開始時拍攝的新快照。由於交易 B 在交易 A 的第二次查詢執行之前已經提交,交易 A 觀察到更新後的值 ($150)。這種在同一個交易內讀取同一資料列不同值的現象,正是不可重複讀取(模糊讀取)的教科書定義。

- **為什麼選項 A 是錯的 ($100;不可重複讀取)**:
  - *誤解診斷*:您認出了異常的名稱,但假設交易在交易開始時拍攝了單一快照。單一交易層級的快照發生在*可重複讀取*和*可序列化*隔離層級,而不是*讀取已提交*。

- **為什麼選項 C 是錯的 ($150;髒讀取)**:
  - *誤解診斷*:髒讀取發生在交易讀取另一並發交易的*未提交*修改,而該交易之後可能回滾。因為交易 B 在交易 A 讀取資料*之前*已經成功提交,這不是髒讀取。PostgreSQL 在任何隔離層級下都不允許髒讀取。

- **為什麼選項 D 是錯的 ($100;幻讀)**:
  - *誤解診斷*:幻讀發生在範圍查詢 (`WHERE amount > 50`) 傳回符合條件的新插入或刪除的資料列。變更現有資料列的純量值是不可重複讀取,而非幻讀。

實例:校準雲端安全認證測驗

  • 問題:某企業 AWS 安全培訓計劃的內部測驗通過率為 95%,但 60% 的工程師未能通過正式的 AWS Certified Security 考試。
  • 診斷:內部測驗使用二元的是非題和明顯的誘答選項(例如「選項 D:停用所有防火牆」)。
  • 干預措施:
    1. 將 50 個測驗題目改寫為基於情境的架構權衡問題。
    2. 圍繞真實世界的 IAM 邊緣案例(例如 SCP 覆蓋資源型政策 vs 身份型政策)設計誘答選項。
    3. 規定每次作答都必須閱讀全面的誘答選項分析。
  • 結果:正式 AWS 認證的首次通過率從 40% 躍升至 88%。

驗證檢查清單

  • 問題題幹提供充分的情境脈絡,且無模糊措辭。
  • 每個問題都有 4 個語法平衡、長度相近的合理選項。
  • 所有 3 個誘答選項都對應到有文獻記載的學生概念錯誤。
  • 詳盡的說明解釋了每個錯誤選項為何不正確。
  • 在通過主題前,強制執行最低 80% 的及格門檻。

反模式

  • 明顯的「湊數」誘答選項:包含一個幽默或荒謬的選項(例如「C:拔掉伺服器插頭」),將 4 選項測驗降級為 3 選項或 2 選項猜測。
  • 否定措辭的陷阱題:問「下列何者不是無效的方式……」這類問題測試的是語義解析能力,而非技術掌握程度。
  • 沒有說明的答案鍵:只提供「答案:B」,而對 B 為何正確以及 A、C、D 為何錯誤沒有任何診斷性分析。

相關技能