tw-edu-formative-assessment
形成性評量工具生成器
Step 0：讀取文件
/mnt/skills/public/docx/SKILL.md
概念對齊協議（必要前置步驟）：
../../tw_edu_concept_alignment.md
→ 在執行任何工作前，先完成概念對齊確認卡。
Step 1：資訊收集
- 先確認兩件事再選工具：
- 這節課的學習意圖是什麼？（這堂課結束後，學生應該能做到什麼？）
- 成功標準是什麼？（學生達成目標時，會有什麼可觀察的表現？） → 學習意圖和成功標準不清楚，評量收集到的資料就沒有方向。
- 科目、年級、主題？
- 評量目的（課前診斷/課中監控/課後出口）？
- 工具類型？
- 出口票（Exit Ticket）
- KWL 表（Know-Want-Learned）
- 概念理解自評量表
- 課前知識診斷測驗（3-5 題）
- 學習收穫與困惑記錄單
Step 2：生成評量工具
python scripts/generate_formative.py \
--subject "[科目]" --grade "[年級]" --topic "[主題]" \
--type "[exit_ticket/kwl/self_check/diagnostic]" \
--output "/mnt/user-data/outputs/[主題]_形成性評量.docx"
輸出設計
- 每份評量工具設計三個節點：
- 課前（了解起點）→ 學生帶著哪些先備知識進來？
- 課中（即時偵測）→ 學生卡在哪裡？哪裡需要即時調整？
- 課後（確認理解）→ 學生達成學習意圖了嗎？
- 每個節點都要有「教師觀察後如何調整」的記錄欄
- 一頁排版 2-4 份（方便裁切分發）
- 留白足夠學生書寫
- 包含教師觀察記錄表（另一頁）
KWL 表設計提醒
傳統 KWL 的 W 欄（Want to know）效果有限，建議改為：
- W 欄 → 「這節課我預計達成的目標是…」
- 讓學生在學習前主動設定意圖，而非被動等待老師說什麼
出口票必備欄位
出口票務必包含兩個欄位（而非只問「你今天學到什麼」）：
- 「我現在確認理解了…」
- 「我還不確定的是…」
→ 讓評量結果對學生本人也可見——他們能看見自己的掌握程度，而不只是給老師打分。
年級適應 + 引導式收集（v2.0 更新）
自動年級偵測
從使用者輸入辨識學習階段（國小/國中/高中），自動調整：
- 教學語言複雜度與詞彙難度
- 布魯姆認知層次分布
- 活動設計的自主程度
- 課綱代碼學段後綴（-E- / -J- / -U-）
詳見：../../tw_edu_grade_adapter.md
引導式資訊收集
啟動時執行漸進式三輪問答，確保取得充足資訊再開始任務。
詳見：../../tw_edu_guided_collection.md
MCP 連接器
Claude Code ／ Claude.ai（Pro/Team/Enterprise）
WebSearch（自動啟用）：
搜尋最新課綱資料、教材資源、時事素材
Google Drive（若已連接，Settings → Connectors）：
直接從 Drive 讀取現有教材
完成後直接儲存輸出文件到 Drive
Codex 平台
MCP Connectors 透過 ~/.codex/config.toml 設定（codex mcp add 指令或手動編輯）。
未設定時自動降級：請參閱上方降級方案。
Antigravity 平台（Google AI IDE）
MCP 透過 MCP Server Hub（1,500+ servers）或 ~/.gemini/antigravity/mcp_config.json 設定。
支援 Jupyter Notebook 整合。未設定時自動降級：請參閱上方降級方案。
MCP 整合更新（v3.0）
讀取全域策略文件：../../tw_edu_mcp_strategy.md
本 Skill 適用的 MCP 最佳化
WebSearch（已啟用）： 搜尋最新課綱資料、教學素材、時事情境。
Canva MCP（若已連接）： 使用者說「幫我做更美觀的版本」或「Canva 設計」時： → 呼叫 Canva:generate-design 生成高設計感版本 → 優先適用：教案封面、簡報、學習單封面
Google Drive（若已連接）： 文件生成後詢問：「要上傳到 Google Drive 嗎？」 → 確認後上傳，返回分享連結 → 不修改任何現有檔案的分享權限
安全原則： 所有 MCP 寫入操作執行前，必須顯示確認摘要並等待使用者確認。