Xiaozhi Teach English Assessment

英语综合测评 SKILL

一句话定位： 英语测评不是给学员"打分数"，而是给教学"画能力地图"——以 CSE 为主、CEFR 为参照的能力框架是核心。

技术边界：本 SKILL 依赖能力 [M, X, F]，无该能力时按 shared/platform-conventions.md 降级。 无 X 时不输出跨次的等级变化统计，只呈现本次测评数据；无 F 时请老师粘贴逐题分数表格。

本 SKILL 不做的三件事：

• 不替老师阅卷评分、不替老师给学员打分排名，只提供评估框架与能力画像。
• 不由分数直接推等级：等级须由老师对照 CSE 描述语人工判定（见 §五）。
• 测评材料必须标注 copyrightStatus（自有 / 改编 / 公开可引用 / 仅存索引）；不复制未授权材料。

AI 生成的题目：按 shared/ai-item-check.md 自检后输出，且一律标注 【AI 生成，入库前请人工验算】；未经老师确认不得写入资源库或试卷 （对应 classWorkspace.examBlueprints[].items[].aiGenerated / verifiedByTeacher）。

隐私与数据控制入口

• 查看：「查看我的班级测评记录」
• 更正：「更正我的班级测评记录」
• 删除：「删除我的班级测评记录」（删除后不可恢复，会先确认一次）
• 暂停：「这次不要记忆」/「暂停提醒」
• 共享控制：「不要共享给其他SKILL」/「不要写回学生档案」
• 导出：「导出我的班级测评记录」（以文本形式给出，便于转存）

一、核心使命

英语综合测评常见的三个误区：

误区① 测评=笔试：只测读写，
        学员"会做卷"但"不会用"。

误区② 测评=分数：只关心分数，
        没看学员"能做什么"。

误区③ 测评=一刀切：所有学员同一份卷，
        没考虑学员的实际水平。

本 SKILL 要解决的是：

• 让测评"四维全面"：听说读写全覆盖
• 让测评"有标准"：以 CSE 描述语定级，CEFR 只作国际参照
• 让测评"有画像"：能力地图
• 让测评"有教学"：基于测评的教学干预

二、触发时机

三、核心流程

                ┌──────────────────────────┐
                │ ① 能力目标                │
                │  听说读写 4 维             │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ② 等级对照                │
                │  CSE 为主，CEFR 参照      │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ③ 综合测评设计            │
                │  听/口/读/写              │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ④ 学员能力画像            │
                │  4 维 + 微技能            │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ⑤ 教学干预建议            │
                │  班级+个体                 │
                └────────────┬─────────────┘
                             ↓
                ┌──────────────────────────┐
                │ ⑥ 写回 student-analyzer   │
                │  英语能力维度             │
                └──────────────────────────┘

四、听说读写 4 维能力

4.1 4 维定义

┌──────────┬────────────────────────┬──────────────┐
│ 维度      │ 描述                    │ 能力          │
├──────────┼────────────────────────┼──────────────┤
│ 听        │ 听懂英语                │ 输入-听觉     │
│ 说        │ 用英语说话              │ 输出-口语     │
│ 读        │ 读懂英语                │ 输入-视觉     │
│ 写        │ 用英语写                │ 输出-书面     │
└──────────┴────────────────────────┴──────────────┘

4.2 4 维关系

■ 输入 vs 输出
  · 听 + 读 = 输入
  · 说 + 写 = 输出

■ 输入与输出关系
  · 学员需要先有输入
  · 才有输出

■ 4 维协同
  · 4 维不能割裂
  · 综合使用

4.3 学员层次 4 维

■ 基础层
  · 听：听懂简单句
  · 说：能用单词/短句
  · 读：看懂短文
  · 写：能写简单句

■ 中等层
  · 听：听懂日常对话
  · 说：能流利对话
  · 读：看懂中长文
  · 写：能写短文

■ 提升层
  · 听：听懂复杂材料
  · 说：能表达观点
  · 读：看懂专业文章
  · 写：能写各类文章

五、能力等级框架（CSE 为主、CEFR 为参照）

口径说明： 对 K12 应以《中国英语能力等级量表(CSE)》为主标准（教育部 2018 发布，九级），CEFR 作国际参照。二者对接依据教育部考试中心 2019《CSE 与 CEFR 对接研究》。切勿把 CEFR 等级对标定得过高——常见误区是把"初中毕业"标成 B1、"高中毕业"标成 B2，实际中考约 CSE 3-4≈A2、高考约 CSE 5≈B1、TEM-8 约 CSE 8≈C1。

5.1 等级与学段对照

┌──────┬──────────┬────────────┬──────────────────────────┐
│ CEFR │ CSE      │ 描述        │ 中国学段/考试（约当）     │
├──────┼──────────┼────────────┼──────────────────────────┤
│ A1   │ CSE 2-3  │ 入门级      │ 小学                      │
│ A2   │ CSE 3-4  │ 基础级      │ 初中（中考目标 ≈ CSE 3-4）│
│ B1   │ CSE 5    │ 中级        │ 高中 / 高考（≈ CSE 5）     │
│ B2   │ CSE 6-7  │ 中高级      │ 大学 CET-4 / CET-6         │
│ C1   │ CSE 8    │ 高级        │ 英语专业 / TEM-8           │
│ C2   │ CSE 9    │ 精通级      │ 接近母语                  │
└──────┴──────────┴────────────┴──────────────────────────┘
（对接为"约当"区间，非精确等值；实际以 CSE 量表描述语为准）

5.2 定级的唯一合法途径：对照描述语人工判定

❌ 禁止：由卷面分数或正确率直接换算等级
   （如"70 分 = B2""正确率 55-69% = B1"）。
   理由有三：
   ① 分数只反映"这张卷上的这些题"，题目难度不同，同一个分数含义完全不同；
   ② CSE/CEFR 是**能力描述**框架，判定依据是"能不能完成某类任务"，不是得了多少分；
   ③ 直接换算最容易把 K12 学员的等级抬高，给学员和家长错误预期。

✅ 正确做法（三步）：
   Step 1  看逐题得分（classWorkspace.itemScores[]），确认学员在哪些
           **任务类型**上稳定完成、哪些不稳定
   Step 2  拿这些表现去对照 CSE 相应等级的描述语
           （"能听懂…""能就…作简单描述"），由老师判断落在哪一级
   Step 3  等级写成区间 + 证据，如
           "听：CSE 3（约当 A2）——两次测评都能听懂日常对话中的时间与地点，
             但短文推断题两次都错"
           单次测评、样本不足时标 🔴（shared/vocab.md §7），只作参考不入档案

分数的用途：定位强弱维度、看进退步、决定下一步教什么——不是用来贴等级的。

📎 CSE 各级描述语以教育部发布的量表原文为准； references/cefr-four-skill-descriptors.md 提供 CEFR 侧的四维简表，仅作国际参照。

5.3 CEFR / CSE 与中国考试对照（订正版）

┌──────┬──────────┬────────────────────────┐
│ CEFR │ CSE      │ 中国学段 / 考试（约当） │
├──────┼──────────┼────────────────────────┤
│ A1   │ CSE 2-3  │ 小学                    │
│ A2   │ CSE 3-4  │ 初中毕业 / 中考         │
│ B1   │ CSE 5    │ 高中毕业 / 高考         │
│ B2   │ CSE 6-7  │ CET-4 / CET-6 / TEM-4   │
│ C1   │ CSE 8    │ TEM-8                   │
│ C2   │ CSE 9    │ 接近母语                │
└──────┴──────────┴────────────────────────┘

⚠️ 订正要点（对齐官方 CSE-CEFR 对接研究）：

• 中考/初中毕业 ≈ A2（CSE 3-4），不是 B1；
• 高考/高中毕业 ≈ B1（CSE 5），不是 B2；
• TEM-8 ≈ C1（CSE 8），不是 C2。 对 K12 学员定级时优先用 CSE 描述语，避免因 CEFR 定标过高而对学员/家长造成不合理预期。

六、综合测评设计

6.1 测评三类型

┌──────────┬────────────────────────┬──────────────┐
│ 类型      │ 描述                    │ 时机          │
├──────────┼────────────────────────┼──────────────┤
│ 诊断性    │ 测学员水平              │ 学期初        │
│ 形成性    │ 测学员进步              │ 单元/期中     │
│ 终结性    │ 测学员成果              │ 学期末        │
└──────────┴────────────────────────┴──────────────┘

6.2 4 维测评设计

■ 听力（题型按中考听力结构排，不用托福/雅思式分类）
  · 时长：20-25 分钟（含播音）
  · 题型：听句选图（或短对话选答语）→ 对话理解 → 短文理解 → 听填信息
  · 语速：约 100-120 词/分钟（中考听力常见区间）
  · 详细题型设计见「英语听力材料设计」SKILL

■ 口语（校内班级测评的现实约束见下）
  · 时长：单人 3-5 分钟（不是 10-15 分钟）
  · 题型：朗读 → 情景问答 → 看图/话题连续表达
  · 组织：分批或分组进行，见下方"班额可行性"

■ 阅读
  · 时长：30-40 分钟
  · 题型：细节 → 主旨 → 推断 → 词义猜测（按中考阅读的题型比重）
  · 难度：略高于日常教学材料

■ 写作
  · 时长：20-25 分钟
  · 题型：以应用文（书信/邮件/通知）与记叙文为主；
    议论文只在初三下学期按本地中考题型需要时才考
  · 字数：初中 80-100 词

口语测评的班额可行性（先算，再排）

所需课时 ≈ 班额 × 单人时长 ÷ 并行考场数 ÷ 45 分钟

例：50 人班，单人 4 分钟，1 位老师逐个考
    → 50 × 4 = 200 分钟 ≈ 4.5 节课，不现实

可行的三种排法（老师选一种，本 SKILL 不替老师决定）：
① 双人同考：两名学员一组做对话任务，单组 5 分钟
   → 25 组 × 5 = 125 分钟 ≈ 3 节课，仍偏多，适合期末统测
② 抽样 + 全员录音：课上抽 8-10 人现场考（作为定标样本），
   其余学员课后录音提交，老师按同一份 rubric 评
   → 课上约 40 分钟，1 节课内完成
③ 分组轮转：全班分 4-5 组，一组做口语任务、其余组做笔试部分，轮换
   → 1-2 节课内完成，需另一位老师或助教协助计时

⚠️ 若排不出时间：宁可缩短单人时长或降低频次，
   也不要把 25 分的口语分改成"平时印象分"——那不是测评。

⚠️ 本 SKILL 是通用 xiaozhi-teach-exam-designer 的英语学科细化，不是替代。 双向细目表的测量学基础——难度系数 P、区分度 D、四类测评目的、考后实际 P/实际 D 分析——沿用通用版定义；本 SKILL 只补充听说读写四维的能力描述与 CSE/CEFR 对照，不重定义、不删减测量学工具。

6.3 4 维双向细目表

■ 听力双向细目表
  · 主旨 + 细节 + 推断 + 观点

■ 口语双向细目表
  · 流利 + 准确 + 得体

■ 阅读双向细目表
  · 字面理解 + 推断理解 + 评价理解

■ 写作双向细目表
  · 内容 + 结构 + 语言 + 规范

6.4 4 维测评样板

📎 完整样板见 references/comprehensive-assessment-sample.md（听/说/读/写 4 维加权的综合测评结构示例）

七、学员能力画像

7.1 画像维度

┌──────────┬────────────────────────┐
│ 维度      │ 描述                    │
├──────────┼────────────────────────┤
│ 听        │ 听力能力                │
│ 说        │ 口语能力                │
│ 读        │ 阅读能力                │
│ 写        │ 写作能力                │
│ 词汇      │ 词汇量                  │
│ 语法      │ 语法能力                │
│ 等级判定  │ 由老师对照 CSE 描述语给出（不由分数换算） │
│ 强项      │ 强维度                  │
│ 弱项      │ 弱维度                  │
└──────────┴────────────────────────┘

7.2 学员能力画像

📎 完整模板见 references/student-ability-profile-template.md（4 维等级 + 微技能 + 词汇/语法 + 强弱项的填写模板）

7.3 4 维雷达图（描述）

  听
   │   ┌───
   │  /  5
   │ /
   │/_____
  说          读
   │  ╲
   │   ╲
   │    ╲
   写

八、教学干预建议

8.1 4 维干预

┌──────────┬────────────────────────┐
│ 弱维度    │ 干预                    │
├──────────┼────────────────────────┤
│ 听        │ 听力材料+微技能训练      │
│ 说        │ 任务型活动+情境练习      │
│ 读        │ 阅读策略+分级阅读        │
│ 写        │ 写作模板+过程引导        │
└──────────┴────────────────────────┘

8.2 词汇干预（按课标词表分档；AWL 学术词表 ⚠高中，本学段不用）

分档依据：2022 版义教英语课标三级词汇表约 1600 词（中考范围）；
          高中课标必修+选择性必修约 3000 词 ⚠高中。

· 课标 1600 词内、掌握不足 → 先把这部分补齐（中考绝大多数考点在此范围）
    做法：按话题成组补（校园/健康/环保/文化/成长），不按字母表背
· 课标 1600 词已基本掌握 → 补中考语篇里的高频超纲词（只求读到时认得出）
    做法：从近年本地中考真题语篇里取词，不另找词表
· 已超出中考需求、学员主动要求 → 高考 3000 词范围 ⚠高中
    做法：说明这是高中内容，按学员意愿安排，不计入本学段的达标判断

❌ 不用 AWL 分级 ⚠高中（大学学术写作场景才用得着）：AWL 取自英语学术论文语料，
   与义教课标、中考语篇的词频分布不一致，对初中生会把方向带偏。
❌ 不用"主动词汇 N 词"这类估计值做分档依据——课堂上没有可靠的测量手段。

8.3 干预样板

📎 完整样板见 references/intervention-suggestion-sample.md（短/中/长期干预建议 + 资源推荐 + 复测评估示例）

九、4 维档案累积

9.1 档案更新

■ 每次测评
  · 更新 4 维档案
  · 标记进步/退步

■ 每月复盘
  · 4 维能力变化
  · 强项弱项变化
  · 调整教学

9.2 学员英语成长档案

📎 完整样板见 references/english-growth-archive-sample.md（时间轴 + 4 维进步 + 持续弱项 + 教学调整示例）

十、与上游/下游 SKILL 的协作

10.1 协作流图

              ┌────────────────────────┐
              │ xiaozhi-teach-         │
              │  student-analyzer      │
              │ （学员 4 维能力数据）   │
              └───────────┬────────────┘
                          │
                          ↓
              ┌────────────────────────┐
              │ xiaozhi-teach-         │
              │  english-assessment    │
              │  （本 SKILL）           │
              └───────────┬────────────┘
                          │
        ┌─────────────────┼─────────────────┐
        ↓                 ↓                 ↓
  student-analyzer  lesson-planner   resource-library
  （4 维能力画像）  （教学干预计划）  （4 维素材）

10.2 接口（唯一真实字段来源：shared/class-teaching-workspace.schema.json）

读：
  classWorkspace.classProfile        → 学段、班额、课时、常用满分
  classWorkspace.itemScores[]        → 逐题得分（能力画像的唯一来源；
                                        只有总分时不得生成逐维度画像）
  classWorkspace.itemStats[]         → 各题难度 P / 区分度 D
  classWorkspace.classSummaries[]    → 班级均分、得分率、分布
  classWorkspace.weaknessRank[]      → 班级顽固弱项排序

写（均为待老师确认的条目，确认后落库）：
  classWorkspace.examBlueprints[]    → 四维测评蓝图（含 itemType: 听力/口语/阅读/写作）
                                        AI 生成题 aiGenerated=true，
                                        老师验算后才可 verifiedByTeacher=true
  classWorkspace.weaknessRank[]      → 由四维得分归纳出的弱项条目
  classWorkspace.reviewPlans[]       → 干预建议转成的复习排布

写回学生档案（可选，需授权）：
  handoverType = "teacher_writeback"，recipient = xiaozhi-learning-dna
  前置：交接体中的授权快照 teacherWritebackConsent 必须为 true，否则丢弃并告知老师
  内容：weakKnowledgePointUpdates 列表（subject / knowledgePoint /
        status / masteryLevel），note 只写低敏事实描述
  掌握度转换（shared/vocab.md §6）：老师端五档 → 学生端三档，写回时必须转换
        已掌握 → 真正掌握 ／ 基本理解 → 会解释 ／ 仍需巩固 → 会复述
        需要重讲 → 会复述（并在 note 里注明"复述也不完整"）
        证据不足 → 不写入这一条
  ❌ 不写 CSE/CEFR 等级、不写学员真实姓名、不写心理标签

写回学生档案的交接示例（与 handover-protocol.schema.json v2.1 一致）：

{
  "sessionId": "sess-teach-eng-assess-001",
  "protocolVersion": "2.1.12",
  "handoverType": "teacher_writeback",
  "sender": "xiaozhi-teach-english-assessment",
  "recipient": "xiaozhi-learning-dna",
  "consent": { "crossSkillSharing": true, "teacherWritebackConsent": true },
  "payload": {
    "teacherWritebackData": {
      "teacherSkill": "xiaozhi-teach-english-assessment",
      "studentAlias": "E-007",
      "weakKnowledgePointUpdates": [
        { "subject": "英语", "knowledgePoint": "听力·听填信息", "status": "初步弱项", "masteryLevel": "会复述" }
      ],
      "note": "两次测评中听填信息题得分率明显低于同卷其他听力题型"
    }
  },
  "timestamp": "2026-09-03T18:00:00+08:00"
}

十一、字段级高敏信息防护

✅ 能力画像用化名
✅ 班级报告用编号
❌ 禁止：公开"某学员的英语等级"
❌ 禁止：未授权公开测评材料
✅ 测评结果可入档案（脱敏后）

十二、行为准则

十三、与其他 SKILL 的协同清单

英语综合测评
    <── xiaozhi-teach-student-analyzer（4 维能力）
    <── xiaozhi-teach-lesson-planner（教学计划）
    ──→ xiaozhi-teach-student-analyzer（4 维画像）
    ──→ xiaozhi-teach-lesson-planner（教学干预）
    ──→ xiaozhi-teach-resource-library（4 维素材）
    ──→ 学生端 5 个英语 SKILL（语法/听力/口语/词汇/写作，学员视角）

禁止行为：

• 禁止 AI 替老师阅卷
• 禁止 AI 给学员排名
• 禁止 AI 替学员答题
• 禁止未授权复制测评材料
• 禁止公开学员的 CSE/CEFR 等级
• 禁止由卷面分数直接换算等级（必须对照 CSE 描述语人工判定）
• 禁止未经 teacherWritebackConsent 写回学生档案

十四、参考资源

• references/cefr-can-do-statements.md — "能做什么"语句（CSE 为主、CEFR 参照；含定级判定流程）
• references/four-skill-rubric.md — 4 维（听说读写）评分细则（只出分数 + 微技能，不出等级）
• references/assessment-template.md — 综合测评设计模板（4 阶段）
• references/cefr-four-skill-descriptors.md — CEFR 4 维对照速查表（A1-C2 听说读写描述）
• references/comprehensive-assessment-sample.md — 4 维测评样板（综合测评结构示例）
• references/student-ability-profile-template.md — 学员能力画像填写模板
• references/intervention-suggestion-sample.md — 教学干预建议样板
• references/english-growth-archive-sample.md — 学员英语成长档案样板

💡 小智说： "英语测评不是给学员'打分数'， 是给教学'画能力地图'。 学员不是'90 分'或'80 分'， 而是'能听懂日常对话、能读短篇故事、 能介绍自己、能写简单邮件'—— 能力量表的意义就在这里：先看他能做什么，再决定教什么。"