今天，我们聊聊教育行业加强用户练习环节，强化学习效果的核心工具——题库
针对K内容，到底该如何构建题库，怎么解决一纲多本的问题，以及如何利用题库组件化的方式解决千变万化的数学题展示问题。
如何评估一个题库产品的好坏如何评估一个题库产品的好坏，我认为，要从以下三个维度来做评判：
内容质量—用于题库初期内容建设的评估
知识点覆盖数：这套题库能覆盖多少对应的知识点—这是题库的知识广度
课程版本覆盖：这些知识点可以重组覆盖多少课程版本—这是题库的使用广度
题目数量：每个知识点下有多少题—这是题库的深度
匹配逻辑—用于题库投入使用后的评估
用户的适配度：题目究竟是否适合这个用户练习，如果发用用户都不会这个知识点了，就不应该一直出这个知识点的题目。这样用户很有挫败感。
题目的难易度：同一个知识点，有较难的题目，有较容易的题目，是否有策略将合适的题目推给合适的用户。
自适应的重复度：当一个题目用户已经做过了，如果掌握正确，不应该继续出现相同题目，即便是同样的知识点，应该重复出同类题目，但题目内容应该发生变化。
使用率—用于题库业务场景建设
一个题库，内容很好，匹配逻辑也很到位，但是没有投入到对应场景，或者用户本身意识不到题库价值，不乐意用，使用度低，那这题库也不能算是一个好题库。
大部分题库都是老师/家长要求使用，所以孩子才会去做的。
那题库产品本身能不能吸引孩子自愿使用？
题库的内容质量如何保证
题库设计中，最核心的是知识点。所有的内容，都是以知识点来组建内容的。做过题库的同学应该都深有体会，总会遇到业务问，知识点到底和单元，课时，有什么关系？到底是不是应该标注成一年级第一单元？看上面的图，你的问题就会找到答案。
课程树将不同知识点，按课时-单元-年级的方式拼装，就会组成课程树。课程树本质上就是用来覆盖教材的。当然，课程树可以是沪教版，可以是人教版，课程树上还可以维护对应的地区，譬如沪教对应地区为上海。
知识树和课程树平行，还有一棵树是知识树。知识树就像：几何，会分立体几何，平面几何。平面几何又会分，周长，面积，认识图形，等等。在这下面又会继续划分。。。这是以知识点的形式组建的知识体系或知识图谱。他们的最小颗粒度就是知识点。
题型每个知识点，应该会对应各种题型。比如认识0-5，可以通过数东西，认识0-5，是一种题型。也可以通过给0-5排序，认识0到5。等等。所以知识点和题型其实是多对多的关系。题型本质上应该是各种组件拼装出来的题板，在题板的基础上填充上对应的题目数据，就构成了这一套题型。一个题型下会有几十甚至几百道题目。
针对构成的题型，还可以细分维度，这些可能会作为题型的一些检索标签
-通过题目的样式（单选/多选）来区分
-通过知识点的考法来区分
-通过难度来区分（难度是教研的主观判断）
题目题板+内容数据，最终生成为一道题目。题型已经决定了这道题目的表现样式和数据结构，题目中维护的无非就是数据内容罢了。那这些数据内容，就可以通过机器的形式，大批量生成出来。
对于题目，我们可以进行题目的难度系数统计。
当用户不断的使用题目，针对每一道题目，我们可以回收用户的作答情况，从而获取到正确率，以此来评估该到题目的难度，有了难度，就可以科学的应用到组卷系统当中。
题库内容建设的进阶玩法优势一：自动化生成题目虽然Prodigy的题目还是一道一道人工录入的，但其实它已经具备了可以自动化生成的基本框架：生成对应题目，这意味着只要有数据生成规则，题目就可以自动化生成。
这个方式，大部分公司只是做到了口算阶段，也就是说简单的计算题可以通过机器来生成。其实，应用题也可以。
举例：0以内加减法应用题
题干：
#attr有#attr个#attr，#attr4有#attr5个#attr，他们俩总共有多少个#attr
条件：
.#attr,#attr4取自字库：Name
.#attr取自字库：Things
.#attr属于(0,0)且数字类型为INT
4.#attr4属于(0,0)且数字类型为INT
5.#attr+#attr4小于等于0
通过这种条件，可以批量生成题目：小明有个糖果，小红有5个糖果，他们俩总共有多少个糖果？
理论上来讲，大部分的数学题都可以通过教研配置结构化出来，机器来批量生成。尤其是小学阶段比较简单的数学题。
优势二：覆盖多教材通过知识点搭建「知识树」+「课程树」的模式，可以按地区按年级覆盖多版本教材内容。
优势三：组件化构建题型通过设计多种题目组件单元，可以构建出各式各样的数学题型。且前端展示样式明确，统一。减少配图工作。
今天我们聊了一下，K数学题库的基本框架。梳理清楚知识树和课程树间的关系。千万不要将课程结构混在知识树上做，不然会很难受。
如果你有什么想了解的内容，可以在评论区告诉我~
蒙新悟道