调研报告 · 题库分类体系

开源题库系统数据结构调研：
TAO × 学之思 × Spring Boot Online Exam

调研日期：2026-08-14。方法：shallow clone 三个仓库（及 TAO 相关扩展），直接阅读 SQL 建表语句与 Java/PHP 源码，核对实体、字段与判分逻辑。所有结论均来自源码，非文档转述。

zigzagYang

NJUP·2026 年 8 月 14 日

〇、三家系统定位速览

表 1三家开源系统的定位与题库地位速览¹
系统	仓库	技术栈	定位	许可证	题库在系统中的地位
TAO	github.com/oat-sa（tao-core + extension-tao-item / -itemqti / -test / -testqti / -delivery / -outcome）	PHP + RDF 本体（generis），QTI/LTI 标准	商业级开源测评平台（卢森堡大学发起，OAT 维护）	AGPL/GPL 系	核心：题库（Item Bank）+ 试卷（Test）+ 投放（Delivery）+ 结果（Outcome）四段式
学之思	github.com/mindskip/xzs	Java SpringBoot + Vue + 微信小程序	在线考试系统（教育机构/企业）	AGPL-3.0	子模块：题库管理 → 组卷 → 考试 → 判分 → 错题本
Spring Boot Online Exam	github.com/lsgwr/spring-boot-online-exam	Java SpringBoot + Vue	通用在线考试系统（演示型）	无明确开源协议（README 声明开源）²	子模块：题库 → 固定卷考试 → 记录

一句话：TAO 是「测评数据模型」的行业天花板；学之思是「国产考试系统」里工程最完整的参考；sboe 是 2019 年的教学演示项目，结构简单、反例也多。

本节注释

仓库信息与技术栈摘自各仓库 2026-08-14 shallow clone 时的快照；下文以「sboe」简称 Spring Boot Online Exam。↩
该仓库未附带标准 LICENSE 文件，仅在 README 中声明开源，商用前需另行确认授权边界。↩

一、题目分类体系对比

1.1 学之思：4 个标量字段，题型即分类

t_subject（学科，自带 level 年级 1-12）+ t_question 上的 4 个字段：

表 2学之思 t_question 的分类相关字段
字段	取值	语义
subject_id	学科 id（语文/数学/英语…）	学科维度
grade_level	1-12	年级
question_type	1 单选 / 2 多选 / 3 判断 / 4 填空 / 5 简答（Java 枚举 QuestionTypeEnum 写死在代码里）	作答形式，兼当「题型」
difficult	难度档	难度

关键事实：question_type 一个字段同时承担「作答形式」和「题型」两种职责；新增题型必须改 Java 枚举 + 前端组件 + 判分逻辑，无法配置化扩展。
无材料维度、无输入模态维度、无技能维度。听力/阅读材料没有实体，只能塞进题干富文本，多题共享靠复制。

1.2 sboe：三张字典表，题型只有 3 种

question_category（学科字典：天文/数学/物理/生物/地理/化学/英语/历史/人文/生活）、question_level（难度 high/middle/low）、question_type（只有 single/multi/judge 三种，没有填空和简答）。题目通过 3 个外键引用。

字典表化是进步（加行即可扩展学科/难度），但试卷结构按题型固定列（见 2.3），题型枚举仍写死。
试卷也只能组单选/多选/判断，主观题完全缺席。

1.3 TAO：没有内置分类体系，分类=类树+属性，自由度最高但零约束

TAO 的数据层是 RDF 本体（generis）：一切资源都是类的实例，题库就是一棵用户自定义的类树（Item 类的子类可以随便建，如「听力/阅读/语法」），Item 再挂任意属性/元数据。
读 extension-tao-item/models/ontology/taoitem.rdf：Item 类（subClassOf AssessmentContentObject）只有 ItemContent（内容文件）、ItemModel 等基础设施属性，没有任何学科/题型/难度之类的内置分类字段。
结论：TAO 给的是「自由分类引擎」，你要什么分面自己建属性，但不强制、不校验——数据质量完全靠使用方的流程约定。

1.4 三家 vs 你的分面体系

表 3分面分类维度对照¹
你的维度	学之思	sboe	TAO
A 技能领域（L/R/W/T/S/K）	✗	✗	✗（需自建属性）
B 作答形式（b_form）	部分：question_type（且与题型混在一起）	部分：question_type（3 种）	结构化：QTI interaction 类型（20+ 种，见 3.1）
C 材料体裁	✗	✗	✗（无材料实体，见 3.2）
D 输入模态（TEXT/AUDIO/VIDEO/IMAGE）	✗（图片可塞富文本）	✗（图片 base64 塞题干 HTML）	部分：媒体作为 item 附件，但非独立实体
题型（受控词表）	与 question_type 合一	与 question_type 合一	无题型概念（题型=interaction 组合的自由度）
评分方式（MACHINE/HUMAN/AI/HYBRID）	隐式：判分逻辑按枚举分支	隐式：只有机器可判题型	显式：responseDeclaration + responseProcessing（见 3.1）

核心结论：三家开源系统里没有任何一家实现了「材料/题组/题原子/计分点」四级实体，也没有「正交分面分类」——你的设计在开源参照物里是独一份，参考价值主要来自局部做法。

本节注释

表 3 中「✗」表示在建表 SQL、实体类与本体文件中均未找到对应字段或实体；「部分」表示有相近机制但不完整。↩

二、数据结构逐家拆解

2.1 学之思（xzs-postgresql.sql）

实体关系¹：

t_subject（学科+年级）
  └─ t_question（题型/学科/分值(千分制)/年级/难度/正确答案文本）
        ├─ info_text_content_id → t_text_content（题干富文本：题面/填空/解析/答案全在这里）
  t_exam_paper（固定卷/时段卷）
        ├─ frame_text_content_id → t_text_content（试卷结构：JSON，见下）
  t_exam_paper_answer（一次作答的卷面快照：paper_name/paper_type/subject_id/system_score/user_score/question_correct/question_count/do_time/status）
  t_exam_paper_question_customer_answer（逐题作答快照）
        ├─ question_id / question_type / subject_id / customer_score / question_score
        ├─ question_text_content_id（题干快照）/ text_content_id（填空简答的学生作答文本）
        └─ answer / do_right / item_order
  t_task_exam + t_task_exam_customer_answer（任务组卷 + 任务作答）

要点：

试卷结构是 JSON：ExamPaperServiceImpl 把「每个题型 × 题数 × 分值」序列化成 JSON 存入 t_text_content（frame_text_content_id）——组卷模板与内容解耦，这是亮点，但塞进富文本表是权宜。
作答全快照：试卷名字、题型、分值、题干、答案全部在作答时冗余复制进 customer_answer 表——题目后续改版不影响历史记录。
判分在提交端：ExamPaperAnswerServiceImpl 里 doRight = customerScore.equals(questionScore)，customer_score 来自提交报文；填空的作答以 contentArray JSON 保存（needSaveTextContent = 填空+简答），简答没有人工/AI 评分管线，展示参考答案让学生自评。
题干/解析/答案混在一个富文本（infoTextContentId），图片内嵌 HTML——机器不可解析，统计/检索困难。

2.2 sboe（doc/sql/exam.sql）

question_category（学科字典） question_level（难度字典） question_type（题型字典）
question（题干=longtext HTML(含 base64 图片)、question_option_ids 用"-"拼接、question_answer_option_ids 正确选项"-"拼接）
  └─ question_option（独立选项表：内容 + 解析）
exam（试卷：exam_question_ids 全部题号"-"拼接 + 按题型分列 radio/check/judge 题号 + 各题型单题分值列 + 时限/有效期）
exam_record（answer_option_ids varchar(4096)：questionId@True/False_选项id串 用 $ 连接的一条大字符串）
exam_record_level（优秀/良好/一般/及格/不及格）

要点与反例：

选项独立表 ✓（对比 xzs 把选项藏进题干富文本，这是更好的做法）。
题目 ID、答案、作答记录全部用 -/$/@ 拼接的 varchar 大字符串 ✗——无法做任何关系查询、统计、版本管理。
试卷按题型固定列（radio/check/judge 三列）+ 固定单题分值 ✗——新增题型要改表结构。
题干富文本直接内嵌 base64 图片 ✗——数据膨胀、无法复用。
作答记录里冗余存了每题对错标志（questionId@True/False_...），判分是提交时字符串比对。

2.3 TAO（RDF 本体 + QTI XML）

数据模型是「资源-属性」三元组，核心四段：

Item（题库，class 树自由分类）
  └─ ItemContent：QTI XML 文件（itemBody + interactions + responseDeclaration + responseProcessing）
Test（试卷库，class 树）
  └─ TestContent：QTI assessmentTest XML
        ├─ testPart → assessmentSection（可嵌套）→ assessmentItemRef（引用 Item）
        └─ itemSessionControl（最大尝试次数/是否可跳过/何时显示反馈）+ outcomeProcessing（分数规则）
Delivery（投放：把 Test 分发给 TestTaker 的会话）
Outcome / Results（逐题结果变量流：每个 interaction 的响应值 + 分数）

Item 与 Test 彻底分离：Item 是独立资源（QTI 文件），Test 通过 assessmentItemRef 引用——一道题可被多张试卷复用，且题改版通过 revision 管理。
答案结构精确声明（ResponseDeclaration）：每个交互对应一个 responseDeclaration，声明 identifier、baseType（identifier/integer/float/string/point/pair…）、cardinality（single/multiple/ordered/container）、correctResponse、mapping（部分给分：选项到分值的映射表）、areaMapping、howMatch。
判分规则 = responseProcessing：机器判分在题目 XML 内声明（如 matchCorrect 后按 mapping 给分）；开放题（extendedTextInteraction / uploadInteraction）不声明自动判分，留给外部评分器/人工。
题型即交互：20+ 种 interaction（Choice/Order/Match/GapMatch/Associate/InlineChoice/TextEntry/ExtendedText/Hotspot/Hottext/Graphic 系列/SelectPoint/Slider/Upload/Media/EndAttempt/Custom）²——作答形式的表达力远超「单选/多选/判断」枚举，且新增交互=新插件（PCI），不用改核心。
没有材料实体：音频/视频/图片作为 item 的媒体附件（MediaInteraction/<object>）挂在单题上；同一篇听力材料被 5 道题共用时，是 5 份附件，不是 1 个共享实体。

三系统「题目 → 试卷 → 作答记录」实体关系对照

按各仓库建表 SQL 与本体文件归纳 · 仅保留主干实体

图 1三系统实体关系对照。学之思为「题目→试卷→作答快照」链；sboe 以拼接字符串维系关系；TAO 四段式中 Item 与 Test 彻底分离（红色标出），Test 仅经 assessmentItemRef 引用 Item。

本节注释

实体关系代码块仅保留与题库—试卷—作答相关的主干表，用户、消息、日志等周边表从略。↩
20+ 种交互类的完整清单见第五节资料来源所列 extension-tao-itemqti 的 model/qti/interaction/ 目录。↩

三、对本平台设计的参考价值

对照四级实体 + 分面分类 + scoring 映射逐条评估。

3.1 值得抄的

TAO：答案结构声明（responseDeclaration 的 baseType/cardinality）→ 压缩进你的 blank 层。你的 blank（计分点）目前存「占位信息 + 参考答案」。建议增加一个「作答形态」描述（如 blank_kind: choice_single / choice_multi / text_exact / text_fuzzy / ordering / matching / gap…），等价于 QTI 的 baseType×cardinality。好处：b_form → scoring 的 mapping_rule 有了机器可读的输入，部分推导可自动化（choice_single + 精确匹配 → MACHINE；text_fuzzy / essay → HUMAN/AI），这正是 TAO 里 responseDeclaration 干的事。
TAO：mapping 部分给分。responseDeclaration 支持「选项→分值」映射表（选 B 给 0.5 分）。你的 mapping_rule 目前是「(exam, paper, qtype, b_form) → scoring 默认值」，建议加上部分给分规则的字段，多选/匹配题的半对给分是真实刚需。
TAO：Item 与 Test 分离 + 题可多卷复用。你的 item 层天然支持（item_group 可挂多卷），无需改动；但 TAO 证明了「题 = 独立可导入导出的资源文件（QTI）」这条路，建议你的 item 层设计一个序列化格式（哪怕先不接 QTI），未来与外系统互通有标准可循。
学之思：作答全快照（t_exam_paper_question_customer_answer）。作答时把题干、分值、答案、学生作答全部冗余复制。对应你的设计：item 允许改版/停用，但历史作答必须保留出题时的原样——在你的 item 上加 version，并在作答记录里存 item 快照（或 version_id），别只存 item_id 引用。
学之思：组卷模板 JSON（frame_text_content）。「题型 × 题数 × 分值」的组卷规则与具体题目解耦。你的平台如果要组卷，建议做成结构化的「组卷模板表」（比塞 text_content 更规范，sboe 的按题型固定列则是明确的反例）。
sboe：选项独立表。单选/多选的选项应该是独立实体（可加解析、可排序、可复用），学之思把选项塞进题干富文本是劣势。你的 blank 层如果面对 choice 类题型，可以借鉴「选项实体化」的粒度。
TAO：QTI/LTI 标准互通。TAO、QST、Moodle 都支持 QTI 导入导出。你的题库如果未来要接外部系统（或导数据给出版社合作方），QTI 是事实标准——至少把 QTI 的「题型-答案声明-判分规则」三段式思想吸收进数据结构，而不是自造一个无法互通的格式。

3.2 要避的坑

sboe：一切 ID/答案用 -/$ 拼接的 varchar 大字符串——无法查询、统计、版本化。你的 blank 参考答案务必结构化（JSON 或独立表）。
sboe：试卷按题型固定列——新增题型要改表。你的平台题型是受控词表可配置，试卷结构必须动态。
sboe：base64 图片直接塞题干 HTML——数据膨胀、无法去重复用。你的 material 层 + 媒体引用 URL/对象存储是正解。
学之思：判分逻辑放在提交端（customer_score 由前端报文给出，服务端只校验）——可作弊、不可审计。你的评分方式（MACHINE/HUMAN/AI/HYBRID）应该由服务端规则引擎执行，映射表 + 复核队列的方向是对的。
学之思：题型枚举写死在 Java 代码里，新增题型要改代码 + 前端 + 判分——你定的「新题型走配置化新增字典值流程」正是它的补集。
TAO：零约束分类——类树随便建、属性随便挂，数据质量靠流程纪律。你的「必填单值分面 + 受控词表 + 冲突复核队列」是工程上更可控的选择，不要因为 TAO 自由就放松约束。
三家共同：没有材料实体，听力/阅读材料靠复制——这是你四级模型的最大差异化，也是主要复杂度来源（引用/版本/权限）。工程建议：material_id 允许为空，单题内嵌材料也放行，两级并存，避免「必须建材料才能录题」的强约束吓退内容团队。

四级实体模型对照：本平台 vs 三家开源系统

按建表 SQL 与本体文件核对 · 虚线空框 = 该层实体缺失

图 2本平台「material → item_group → item → blank」四级模型与三家对照：三家均缺材料层（虚线空框），听力/阅读材料只能靠复制或单题附件，这正是四级模型的最大差异化所在。

3.3 一个重要认知校正

三家都没有「材料」「题组」概念，但都活得很好——说明不做材料层系统也能跑；你要做的材料/题组层，价值在「多模态材料复用 + 大规模题目共享 + 统计口径」，收益在规模上来之后才体现。所以分级落地是对的：第一阶段 item 单飞（material_id 可空、item_group 可退化为一题一组），第二阶段再强化材料共享。

四、结论清单（可直接进设计评审的条目）

blank 层增加「作答形态」字段（对齐 QTI baseType×cardinality），作为 scoring 推导的机器可读输入。
scoring 映射表增加「部分给分」能力（对齐 TAO mapping）。
item 增加 version；作答记录存 item 快照（对齐学之思 customer_answer 快照）。
组卷模板独立结构化（对齐学之思 frame JSON，但入库为表）。
choice 类题目的选项独立实体化（对齐 sboe question_option，但用正规外键）。
item 层预留序列化格式（长期对接 QTI）。
材料层可选（material_id 可空 + 内嵌路径放行），避免强约束。
判分规则放服务端规则引擎，前端只提交原始作答（避开学之思提交端判分的坑）。
题型/分面全部字典表化，试卷结构动态生成（避开 sboe 固定列）。
评分管线（HUMAN/AI/HYBRID）自研：三家均无开放题评分，QTI 的「答题结构标准化 + 评分器可插拔」架构值得照抄思路。

五、资料来源（本次实际阅读的文件）

学之思：github.com/mindskip/xzs — sql/xzs-postgresql.sql；domain/Question.java；domain/enums/QuestionTypeEnum.java；service/impl/ExamPaperServiceImpl.java；service/impl/ExamPaperAnswerServiceImpl.java；listener/CalculateExamPaperAnswerListener.java
sboe：github.com/lsgwr/spring-boot-online-exam — doc/sql/exam.sql（question / question_category / question_type / question_level / question_option / exam / exam_record / exam_record_level / user / role）
TAO：github.com/oat-sa/tao-core（core，RDF 本体层）；extension-tao-item（models/ontology/taoitem.rdf、category.rdf）；extension-tao-itemqti（model/qti/interaction/ 20+ 交互类、model/qti/ResponseDeclaration.php、OutcomeDeclaration.php）；extension-tao-test（models/ontology/taotest.rdf）；extension-tao-testqti（models/classes/test/、cat/）
标准：IMS QTI 2.1/2.2（imsglobal.org/question/qtiv2p1）；TAO 官方文档 taotesting.com

—— 全文完 ——