题库信息架构 · 数据结构设计

题库数据结构：从计分点到材料

zigzagYang

NJUP·2026 年 8 月 12 日

这份文档把题库的数据结构自下而上讲清楚：最小的是计分点（一个空），往上是题（一道小题）、题组（一篇文章配的几道题）、材料（文章/音频本身）。每一层只放属于自己的字段。

〇、先回答一个问题：答题要求（Directions）挂在哪一层？

就是试卷上「Directions: In this section, you are going to read a passage with ten statements attached to it…」这类作答指令。挂 item_group（题组），字段名 directions。原因：

1. 它约束的是「这一组题怎么答」——上面那段长篇匹配的 Directions，管的是同一篇文章下的 10 个句子题，正是一个题组的范围；
2. 它不是题干：题干（stem）是单个问题，Directions 在同组题之间共享，放题上必然重复存储；
3. 它不是材料：材料是文章/音频本身，同一份材料完全可以换一组 Directions 改成别的考法。

单个小题也一律裹一层题组（组内只有一道题），所以 Directions 永远有家。命名约定：directions = 答题要求（题组层）；translation_direction = 翻译方向（题层，仅翻译题用），两者不要混淆。

一、四层结构总览

二、第一层：blank 计分点

评分落到的最小单位。填空题的一个空、改错的一处错，都是一个计分点。它有自己的提示、答案和判分规则：

{
  "blank_key": "0",                          // 题干里的占位符 {{blank:0}}
  "hint": { "word": "important" },           // 给词提示（词形变换题）
  "accepted_answers": ["most important"],    // 可接受答案（可多个）
  "match_rule": { "caseSensitive": false, "trim": true },
  "points": 1
}

真实对照：你们填空题数据里的 referenceAnswers: {"64131-0": "most important"}，这个 64131-0 就是一个计分点——新结构把它从「答案 map 里的一个隐式 key」变成显式记录。

为什么计分点要有自己的作答形式（b_form_override）：高考语法填空 10 个空里，6 个给了词（词形变换）、4 个没给词（无备选填空）——同一道题内两种作答形式，靠计分点级覆盖表达。

三、第二层：item 题（题原子）

一道小题 = 题干 + 选项或空 + 答案 + 六个分类坐标。坐标全部是字典 code，独立成列，可索引可统计：

真实对照——词形变换题（旧 id 64131）在新结构下：

{
  "skill_primary": "K",  "b_category": "CONSTRUCT_CLOSED", "b_form": "TRANSFORM",
  "qtype_code": "word_form_transform", "scoring": "MACHINE",
  "stem": { "format": "html", "text": "
Among these important things, the {{blank:0}} one is to assess…
" },
  "blanks": [ { "blank_key": "0", "hint": {"word":"important"}, "accepted_answers": ["most important"] } ]
}

注意旧数据里的 <input name="64131-0"> 这种把数据库 id 写进题干的标记，新结构统一换成与 id 无关的占位符 {{blank:0}}。

四、第三层：item_group 题组

「一篇文章配 5 道题」的「配」字就落在题组上：它持有答题要求（directions），并把若干题和一份材料连起来。真实对照——仔细阅读（旧 id 49934）：

{
  "item_group": { "material_id": 9001, "directions": "Directions: In this section, you are going to read a passage… Choose the best answer." },
  "items": [ 64488, 64489, 64490, 64491, 64492 ]   // 5 道单选，各自带坐标
}

你给的那段长篇匹配 Directions（"…a passage with ten statements attached to it…"）同理：1 篇文章 + 10 个句子题 = 1 个题组，这段话就是它的 directions 字段值。

旧结构里 referenceAnswers 把 5 道题的答案平铺在一个 map 里；新结构里答案收回每道题自己身上（answer: {"optionKeys": ["D"]}），题组不再背答案。

五、第四层：material 材料

文章、音频、视频、图片这些「被读被听的东西」。话题、字数、难度、来源挂在这层，一次录入、全组共享。真实对照——旧数据塞在 mainTitle 里的那篇 work-life balance 文章：

{
  "genre": "passage",            // 材料体裁（C 维度）
  "content": { "format": "html", "text": "
The work-life balance is dead…
" },
  "word_count": 312, "topic_code": "work_life", "difficulty": 3,
  "source_type": "original",     // 自编题；真题 = real
  "fingerprint": "sha1:…"        // 去重键：同一篇文章只存一份
}

听力题的材料则带音频资产：assets: [{type:"audio", url:…, duration:95, marks:[…]}]。

六、更多例子：六种题各就各位

除了两条真实数据，再看四种常见题在同一结构下的样子（坐标卡）：

对照着看就能感到结构的好处：同样是「填空」，词形变换、语法填空、完形在坐标上清清楚楚；同样是「一篇文章配多题」，阅读和听力的差别只在材料类型和模态。

七、答案模型速查

八、旧字段兼容速查

—— 全文完 ——