# Gaokao Question Research

> 系统研究高考数学真题，基于题目结构、设问梯度、评分逻辑和历年变化反推可验证的命题意图，并转化为学生可训练的“看到什么→想到什么→为什么”方法。用于单题深度拆解、同专题跨年研究、同年跨卷比较、易错点分析和高质量变式设计。

- Skill: `dwsy/gaokao-question-research` (Agent Skill)
- Install (CLI): `npx skillmds@latest add dwsy/gaokao-question-research`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dwsy/gaokao-question-research/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: Dwsy (https://skillmd.com/u/dwsy)
- Updated: 2026-09-10
- Page: https://skillmd.com/skills/dwsy/gaokao-question-research

---


# 高考数学命题研究

## Purpose

把“猜出题人想法”改造成可复用、可验证的命题研究流程。

目标不是声称知道命题者的真实心理，而是依据题面、课程要求、设问结构、解法路径、评分点和历年同类题，推断最有证据支持的考查意图，并把结论转化为学生能训练的识别能力。

## Setup

无需额外安装。

优先使用用户提供的真题、答案、评分细则和年份卷别信息。材料不完整时，明确哪些结论属于推断，不把猜测写成事实。

## Core Principle

每个结论都尽量落到这条链条：

`题面证据 → 结构识别 → 所需能力 → 典型错误 → 区分度 → 教学动作`

面向学生时，最终压缩为：

`看到什么 → 想到什么 → 为什么这样想`

## Workflow

### 1. 建立题目身份

先记录：

- 年份、卷别、题号、题型、分值
- 主干知识点与相关知识点
- 已知答案或评分点（如果提供）

如果题目来源不明确，不虚构年份、卷别或官方出处。

### 2. 做“裸题解剖”

先不急着求解，分析题面本身：

- 给了哪些条件？哪些条件是显性的，哪些需要转译？
- 问法属于求值、证明、存在性、范围、最值、零点、参数讨论还是结构判断？
- 是否存在熟悉结构被新符号、新情境或新表述包装？
- 哪个条件最可能是突破口？哪个条件最容易被忽略？
- 信息量中哪些是核心，哪些可能用于制造认知负荷？

### 3. 还原标准解题路径

给出一条最自然、最可评分的主路径，并说明：

- 第一步为什么应该这样启动
- 中间每次转换的依据
- 哪一步体现核心能力，而不只是计算
- 是否存在明显更长但学生容易误走的路径
- 若有多解法，比较它们分别暴露了什么数学结构

不要只给答案；重点解释“为什么从这里想到这里”。

### 4. 反推命题意图

从以下六个维度逐项判断：

1. **考什么**：核心知识、方法和数学思想是什么。
2. **为什么这样包装**：是否在测试迁移、阅读、建模、图形转化、符号理解或陌生情境适应。
3. **真正的突破口**：优秀考生会优先识别什么结构、条件或不变量。
4. **预设错误路径**：基础不牢或策略不佳的学生最可能在哪里失分。
5. **区分度位置**：哪一步区分不同水平学生，区分的是知识、策略、运算还是表达。
6. **设问梯度**：若有多小问，后一问如何利用、推广、反转或抽象前一问。

对“命题意图”的表述使用证据化措辞，例如：

- “从设问梯度看，更可能是在考……”
- “这一条件的作用表明题目重点不只是计算，而是……”
- “若结合前一问，可推断第二问主要测试……”

避免无证据断言“出题人就是想让学生……”。

### 5. 建立学生错误地图

至少区分四类失分：

- **概念错误**：定义、性质、适用条件不清。
- **识别错误**：看到了条件，但没有识别结构。
- **策略错误**：选了低效、不可持续或漏情况的路径。
- **执行错误**：计算、符号、书写、分类讨论或边界处理出错。

对每类错误给出一个教学纠偏动作，而不只写“粗心”。

### 6. 提炼学生可迁移规则

把教师分析转写成学生语言：

- 看到什么信号？
- 第一反应应该是什么？
- 这个反应为什么成立？
- 哪些条件下不能机械套用？

优先形成短规则，而不是口诀堆砌。

### 7. 生成最小变式

每道典型题至少设计 2 个变式方向：

- **保结构变包装**：核心方法不变，只换情境、符号、图形或表述。
- **改一个关键条件**：迫使原方法失效或发生分支，检验学生是否真正理解适用边界。

如有必要再增加：反向设问、参数化、开放化或跨知识点组合。

每个变式都说明“改了什么、为什么改、想测什么”，不要为了变难而变难。

## Longitudinal Research

当用户提供同一专题多年份真题时，做纵向研究：

1. 按年份建立题目序列。
2. 统一标注知识点、核心方法、入口信号、情境包装、运算量、设问层级和区分点。
3. 区分“稳定内核”和“变化外壳”。
4. 找出重复出现的能力要求，以及逐年改变的表达方式。
5. 总结未来复习应训练的能力，不直接做具体年份押题。

输出重点：

`多年没变的是什么？近年变化的是什么？学生应该练什么不变量？`

## Horizontal Research

当用户提供同一年不同卷别或不同地区试卷时：

- 比较相同模块考查的共同能力
- 比较不同包装和入口设计
- 比较难度来源是知识、识别、运算、阅读还是综合
- 找出不能被单一“题型套路”覆盖的变化

## Standard Output

分析单题时优先使用以下结构：

### 题目定位
- 来源：
- 模块：
- 核心知识：
- 核心方法：

### 命题结构
- 表层问法：
- 隐藏结构：
- 关键条件：
- 突破口：

### 命题意图推断
- 主要考查：
- 包装目的：
- 区分度所在：
- 证据：

### 考生心理与错误地图
- 第一处卡点：
- 典型误区：
- 错误类型：
- 纠偏动作：

### 标准突破路径
1. 
2. 
3. 

### 给学生的三句话
- 看到：
- 想到：
- 因为：

### 变式方向
1. 
2. 

## Research Table

批量研究时使用统一字段：

`年份｜卷别｜题号｜知识点｜核心方法｜入口信号｜关键条件｜命题意图｜典型错误｜区分点｜设问梯度｜变式方向｜同类题`

## Quality Rules

- 区分“事实”“题面证据”“合理推断”。
- 不把标准答案路径等同于唯一正确思路。
- 不用“粗心”“没想到”作为错误原因的终点，要继续追问具体认知缺口。
- 不为了展示技巧而优先使用偏门解法。
- 不用少量真题直接宣称稳定命题规律。
- 做跨年结论时，说明样本范围和例外。
- 最终服务于学生能力迁移，而不是制造押题幻觉。