问题量规·双盲评题校准
同一把四轴尺先由两位评审独立落档，再对照判例依据、计算一致率，改写最低轴后做第二轮复评；量规是对话工具，不是问题价值的绝对真理。
学习证据 学完后，怎么核对？
把学习结果留在一个可以回看、可以复做的动作里；这一区只写学生能自己检查的证据。
如何核对
- 论证拆解或量规评分
- 来源核验记录
适用边界
论证与证据框架是检查工具；不能替代学科方法、原始材料或专业审查。
最后复核
这是内容复核日期，不是学习截止日期。
讲
例子两份评审，先独立再对照
同一个问题——「通知太多让晚自习分心，学校要不要禁手机？」——评审甲给出 A 用途 1、B 深度 2、C 真实性 1、D 后续可接性 0，评审乙给出 A 2、B 2、C 2、D 1。他们没有先讨论总分，而是各自写下“为什么不是上一档”的判例依据。
这两份记录不需要被压成一个“正确答案”。对表后，B 轴一致；A、C、D 成为分歧热区，说明量规描述或题干仍有模糊处。把分歧留在纸面上，下一步才知道要改哪一句，而不是争谁的印象更强。
名词这把尺叫问题量规：把评价拆到用途、思考深度、真实性、后续可接性四条轴，每轴 0–3 档。两人独立评分后按轴计算一致率，得到的是一次校准记录，不是问题价值的绝对真理。
定义四轴 0–3 ＋ 三件制度
四轴给出可对照的档位，三件制度让尺子在不同评审手里尽量不走样：
| 制度 | 怎么做 |
|---|---|
| 判例式定档 | 不背定义，援引锚点例句——「为什么是这档、不是上一档」必须说得出口；没有依据就先停在待核档。 |
| 双盲校准 | 两人独立评同一问题 → 按轴算一致率 → 把分歧热区当作描述维修单 → 改写一轴 → v2 再评。一次样例的百分点不等于普遍统计。 |
| 起点预期 | 第一次练习时 0–1 档扎堆很常见；它是能力练习的坐标起点，不是失败或标签。保留判例依据，盯升档幅度，不盯绝对分。 |
边界提醒：量规是对话工具，不是替你宣布「这个问题本质上值几分」的绝对真理。分数只提示先检查哪条轴；把最低轴改写一档、重新发问，再看回答有没有更贴近任务。若同伴援引了不同锚点，优先修订量规描述，而不是争一个“正确总分”。
泛化量规的两个下游
给自己：有了尺子，「练提问」才有可复做的动作——独立评分、对照依据、改写最低轴、复评。给 AI：若把量规交给 AI，也应要求它逐轴给出判例依据并标出不确定处；最后仍由你核对证据、参与者处境与行动边界。
例
补充三例——两个常见用法，一个易错。
小雨和朵朵拿同一问题做独立评审：「通知太多让晚自习分心，学校要不要禁手机？」两人先不看对方分数，再对照四轴判例：
- 用途轴：小雨给 1（先澄清“太多”），朵朵给 2（已经要比通知与分心记录）。
- 深度轴：两人都给 2（要串一条可检查的因果链）——一致。
- 后续可接性轴：小雨给 0，朵朵给 1——分歧，且都是低档起点。
对表时她们发现：甲把“答案会不会改方案”当真实性依据，乙则把“是否已经有决定权”也算进去；两种判例都说得通，说明描述还不够清楚。她们先只改写后续可接性轴，补上“引用哪条记录、用什么证据区分受影响对象”，再让两人独立复评。
这就是双盲校准的完整一轮：分歧是尺子送来的维修单，不是争吵的理由。第一次练习出现 0–1 档扎堆也不奇怪；下一轮看升档幅度和依据是否更接近。
小舟把“上一轮同学说通知太多”原话贴进提问，并问：「用一周通知记录和分心登记比较；哪些证据会让我们调整禁用方案？」这一步同时拉高用途、后续可接性，也把真实性从表态推进到“答案会改变哪一版草案”。他仍会要求 AI 逐轴说明判例依据，再自己核对记录——量规是陪练提示，不是自动裁判。
阿凯看到自己四轴总分比同伴高，就宣布“我的问题更好”，还跳过判例依据。对表时两人其实在 D 轴引用了不同记录，C 轴也没有确认谁拥有提案决定权。错在哪：总分不能替代逐轴说明，更不能把量规当绝对真理。修法很朴素：先列每轴锚点，算一致率，找分歧热区；只改最低轴，第二轮再看回答有没有真正推进。
问题量规·双盲评题校准工作台
同一把四轴尺先独立评分，再对照依据、找分歧热区；改写最低轴后做第二轮复评并生成校准报告。
互动版需要运行脚本（本地 HTTP 预览）；不运行脚本时，上面的静态例子已包含同样的内容。
做
第一次做双盲评题，很多轴落在 0–1 级，这说明什么？
- 选一个真实但低风险的问题，写下上一轮线索、四轴定义和各档判例。
- 找一位同学（或家人），两人独立逐轴评分并写“为什么不是上一档”——先不商量。
- 对表算一致率：四轴里完全相同几格？列出分歧热区和各自依据。
- 只改写最低轴，记为 v2；两人重新独立复评，比较一致率、平均分差和下一步行动是否更清楚。没有搭档时，可隔一段时间盲评自己，但要保留两份记录。
怎么算过关：留下两份逐轴评分与依据；算出一致率并标出至少一处热区；完成最低轴 v2 改写和第二轮复评报告。分数只作讨论起点，不替代证据核验。
卡
双盲评题校准的一轮完整动作是什么？
两位评审独立逐轴评分并援引判例 → 按四轴算一致率、找分歧热区 → 只改写最低轴 → 第二轮独立复评并写校准报告。起点预期提醒你 0–1 档可先当坐标；量规是对话工具，不是替问题盖章的绝对真理。
- 「挺好的」是印象分；逐轴写判例依据，才有机会让两位评审对得上。
- 一致率和分歧热区是尺子的维修单：先改最低轴，再用第二轮复评检验描述是否更清楚。
- 量规可以作为 AI 陪练提示，但最终仍要回到证据、处境与行动边界；总分不负责宣布问题价值。