---
title: "设计有吸引力的干扰项，提升选择题的质量"
description: "讲解用 AI 出选择题时，如何设计比正确答案更棘手的\"好干扰项\"来提高区分度。"
lang: "zh-Hans"
date: "2026-03-16T15:00:00.000Z"
updated: "2026-06-28T02:37:00.000Z"
tags: ["选择题","干扰项设计","试题编制","区分度"]
canonical: "https://flipsson.com/zh/blog/5Fmiz5tyBWsQ"
---

# 设计有吸引力的干扰项，提升选择题的质量

选择题的质量高低不取决于正确答案，而取决于干扰项。如果只是对 AI 说"给我出一道四选一"，就会得到只有正确答案像样、==其余选项谁看都是错的陪衬==的题目。这样一来，蒙也能蒙对。

## 好干扰项的条件

有区分度的干扰项，会精准瞄准学生常见的误解。你应当向 AI 提出以下要求。

- **基于错误概念**：明确写出"请把学生常犯的错误做成干扰项"。
- **看上去合理**：让干扰项具备与正确答案相近的长度和格式，使人无法靠长度猜出答案。
- **只有一处明确的错误**：每个干扰项都必须==能用一句话说清它为什么错==。含糊不清就会引发多个答案都对的争议。

实际上，一位初中英语老师在编制时态题目时，特别要求"设计出会混淆现在完成时和一般过去时的学生可能选的选项"，从而得到了单靠死记硬背解不出来的题目。

## 出题后必须筛查的事

1. **检查答案线索**：看题干中有没有暗示正确答案的词。
2. **确认互斥性**：检查有没有两个选项可能同时成立的==多答案可能性==。
3. **当心"以上全对/以上皆非"选项**："全部正确"、"没有正确答案"这类选项 AI 会滥用，要斟酌是否真有必要。
4. **撰写干扰项解析**：为每个干扰项一并写好简短解析，用于批改后的反馈。

> 好的题目能把会的学生和不会的学生分开。而制造那条分界线的，正是设计精良的干扰项。

## 出题后用数据打磨题目

出过一次并不代表结束。考完试后看学生的作答数据，题目的质量就会显现出来。

- **查看正确率**：正确率在 95% 以上就没有区分度，低于 20% 则可能过难或存在错误。合适的区间大体是 40~80%。
- **分析干扰项集中度**：如果学生集中选了某个干扰项，说明那种错误概念传播很广。要在下节课上点明。
- **高分段正确率倒挂**：成绩好的学生反而错得更多的题目，意味着==陷阱过头或表述含糊==。
- **未作答比例**：没有人能作答的题目，很可能是指导语本身不清楚。

实际上有位老师在考后整理正确率，把正确率 100% 的题目在下次考试中提高难度，把高分段错得更多的题目打磨表述，逐年提升了==题库的质量==。好题目不是一次成型的，而是靠数据打磨出来的。

## 核心要点

选择题的品质，来自瞄准错误概念的、有吸引力的干扰项。要求 AI 基于常见错误来设计干扰项，出题后检查答案线索、多答案可能性和解析，区分度就会大幅提高。考完之后，再用正确率和干扰项集中度这类数据打磨题目，就能逐年积累出更好的题库。建议从一个单元的题目开始，在干扰项设计上多下功夫，减少靠蒙也能答对的题。哪怕是很小的数据，只要持续积累，出题的手感也会明显变得精细。