题库系统怎么判断题目区分度？尤其是没有历史做题数据的时候！这篇文章讲透了冷启动阶段的设计思路，产品人建议收藏！

上一篇讲了在没有做题数据下“如何初始化习题的难度”，本篇主要介绍习题的另外一个参数“区分度”，存在做题数据和无历史做题数据的时候分别如何确定区分度。

一、有历史数据的区分度

1. 极端分组法（最常用）

适用条件：有用户做题数据，样本量≥30人(人数越多越好)。

步骤：

排序分组：按总正确率从高到低排序(正确率是总的正确率，非某一道题)，选取前27%为高分组，后27%为低分组。

计算通过率(针对某一习题)：

高分组通过率 P_h= 高分组答对人数/高分组总人数

低分组通过率 P_l = 低分组答对人数/低分组总人数

计算区分度：D = Ph-Pl

结果解读：

D ≥ 0.4：区分度优秀，可保留

0.3 ≤ D < 0.4：良好，需优化

D < 0.2：差，建议淘汰或修改

举例：某题高分组30人答对24人 P_h=0.8 ，低分组30人答对9人P_l=0.3，则D=0.5，区分度优秀。

2. 点二列相关系数法（适用于客观题）

适用条件：题目为二分计分（0/1），总分连续。

公式：

3. S-P表分析法（适用于试卷整体分析）

步骤：

1. 计算每题得分率（难度指数 S）：S = 平均分/满分

2. 计算鉴别指数 P = (答对人数\总人数) – (答错人数\总人数)

3. 绘制S-P表，横轴为难度 S，纵轴为鉴别指数 P ，定位题目位置

应用：可直观筛选出高难度高区分度（右上角）或低难度低区分度（左下角）的题目。

二、无数据的区分度

1. 专家评估法（核心方法）

操作流程：

1)组建评估小组：3-5名数学教师/教研员，熟悉课程标准和学生水平。

2)制定评估维度（建议5分制）：

• 知识点覆盖广度：1分（单一知识点）→5分（跨章节综合）
• 解题策略复杂度：1分（直接套用公式）→5分（需创新方法）
• 错误类型多样性：1分（仅计算错误）→5分（概念、逻辑多重错误）
• 思维层次：1分（记忆复述）→5分（批判性思维）

3) 独立评分：专家根据题目特征对每个维度打分，取平均分作为区分度值。

4）结果校准：对评分差异较大的题目进行讨论，达成共识。

2. 认知复杂度模型（基于SOLO分类理论）

分类标准：

• 前结构：无法理解题意，无有效解答
• 单点结构：仅使用一个知识点，步骤单一
• 多点结构：使用多个孤立知识点，缺乏整合
• 关联结构：知识点间建立联系，形成完整逻辑链
• 拓展抽象：能推广结论或提出新方法

标记规则：

• 关联结构及以上：区分度高（D≥0.4）
• 多点结构：区分度中等（0.2≤D<0.4）
• 单点及前结构：区分度低（D<0.2）

3. 题目特征分析法

关键指标：

1. 选项干扰性：选择题中错误选项是否能有效迷惑低水平学生。

2. 开放性程度：主观题是否允许多种解法或答案。

四、注意事项

1. 数据场景：

极端分组法建议样本量≥50人，否则27%分组可能不具代表性。

点二列相关系数需满足总分正态分布假设，否则结果偏差较大。

2. 专家评估：

评估前需进行培训，统一评分标准。

建议采用双盲评分（隐去题目来源和出题人）。

3. 混合方法：

有数据时优先采用统计方法，无数据时专家评估需至少3人独立评分。

重要考试（如中考、高考）建议结合两种方法交叉验证。

通过以上方法，可系统、科学地标记数学题的区分度参数，为教学决策和题库建设提供量化依据。