題目設計說明

題目如何從“概念”變成“問題”

題目設計的核心難點，是把抽象概念轉成使用者能回答的問題。比如“職業興趣”“盡責性”“資訊偏好”都不是使用者可以直接看見的東西。測評需要透過具體題項，讓使用者觀察自己在某些任務、情境或偏好中的反應。

這個過程可以理解為：先確定想觀察的構念，再設計一組題項來覆蓋它的不同面向。自陳題項不是為了讀心，而是為了收集使用者對可理解情境的自我描述。

單個題目容易受到理解偏差、情緒狀態和臨時經驗影響。一個使用者可能因為最近某件事，對某道題做出與長期傾向不同的回答。因此，測評通常不應依靠單題解釋。

更穩妥的方式，是圍繞同一維度設計一組題項。不同題項從不同情境觀察同類傾向，最後再看整體模式。這樣仍然不能消除全部誤差，但比單題判斷更穩妥。

使用者有時會覺得某些題在問類似內容。這可能是因為它們都在觀察同一維度，但情境不同。比如“我喜歡提前規劃”和“混亂流程會讓我消耗”都可能與秩序和計畫有關，但前者偏主動偏好，後者偏情境反應。

有些測評也會使用方向相反的題項，用來降低機械作答或單一路徑回答的影響。是否使用反向題、如何計分、如何檢查一致性，需要以具體題庫設計為準。目前公開說明中暫不提供 FermatMind 各題庫的完整 item bank 結構。

題目不僅包括文字，也包括選項。選項是二選一、五點量表、同意度量表，還是情境選擇，都會影響使用者如何表達自己。過少的選項可能壓縮差異，過多的選項可能增加猶豫。

回答偏好、興趣或特質類自陳題目時，沒有理想或普遍正確的答案。應按自己通常的狀態回答，而不是按理想中的自己或別人期待的樣子回答。

表現任務的作答方式不同。例如，本站目前的IQ推理練習會區分答案正確與否。應獨立解題並遵循題目要求；“描述平時狀態”的自陳作答建議不適用於解推理題。

測評不能完全消除作答偏差。使用者可能會美化自己、迎合某種結果、受目前心情影響，或因為題目語言理解不同而產生偏差。題目設計可以儘量減少這些問題，但不能保證完全避免。

因此，結果解釋時應保留邊界：它反映的是目前題目和目前作答下的模式，而不是對一個人的最終判定。

題庫版本、題量、計分與常模狀態，應分別檢視具體工具的公開說明，不能一概說成未知。公開這些資訊不等於已完成信度、效度或用途驗證；題項開發、樣本和驗證結論仍須有對應版本與用途的證據。

相關方法說明可檢視測評科學和方法邊界。關於信度和效度的解釋可檢視信度與效度。

它們可能從不同情境觀察同一類傾向。相似並不一定是重複，但需要題庫設計來證明其必要性。

對於偏好、興趣或特質類自陳題目，建議按通常狀態回答。按理想狀態回答可能讓結果更像目標形象，而不是目前可觀察傾向。推理任務則應解答題目，而不是選擇一個描述自己性格的選項。

不應簡單理解為“抓撒謊”。反向題可能用於觀察作答一致性或減少機械作答，但具體使用方式需要題庫說明。

不一定。題量、題目品質、模型設計和作答疲勞都影響結果。更多題目不自動等於更好。

本頁不彙總全部題庫驗證數值。具體主張須對應到工具、版本、樣本與用途的可核對證據；題量或題目來源本身不能證明結果準確。