同樣是行為投入平均 2.7，拿來討論全班活動與拿來扣個別學生的分，能要求同一套證據嗎？昨天的概念圖把分數用途放在起點，今天就用這個差別寫出測量問題。先說誰在什麼情境作答、分數代表什麼、教師準備採取什麼行動，後面才知道要檢查哪一種誤差與風險。

我為 ENGAGE-v1（本系列自建的合成示範量表，三構念各四題，第 8 天會完整介紹）選一個低風險用途：教師在一門課內，觀察班級層級的行為、情緒與認知投入分布，作為調整教材與活動的診斷線索。它不決定個人成績，不淘汰學生，不跨校排名，也不做臨床判斷。這些排除不是附註，而是控制後續證據負擔。

用途改變，問題就改變

表格的用途是讓證據需求跟著決策風險變動；它不能代表列出的證據已經取得。尤其「教學示範」只表示文章會走過方法，不表示合成資料支持真實群體結論。

Claude 最容易替用途補得太完整

若只給 Claude 題目草稿與「協助教師了解學習投入」，要防止回答自行加上「辨識低投入學生、提供個人化介入、追蹤改善成效」。這些延伸看似合理，卻已把班級描述推到個人分類與介入。沒有新增效度、公平性或決策錯誤證據，就不能將它們寫成既定用途。

提示可以分成兩段：先列出輸入中明說的用途，再列每個延伸用途額外需要的證據。這樣教師能檢查主張走了多遠，而不是從流暢文字裡猜模型是否擴大範圍。明確指令與脈絡仍不夠；教材任務還要寫清楚「不得自行擴大分數用途」，並用上面的個人分類案例測試這條規則。

把分數解釋與用途寫成推論鏈

把前述班級回饋用途展開，完整例題如下：

1. 觀察：學生對 12 題五點題目的反應。
2. 評分：依三個預定構念形成分量表資訊，不先假設單一總分。
3. 一般化：在指定課程與近似作答條件下，分數差異不完全由隨機誤差造成。
4. 解釋：分量表反映題目內容所界定的行為、情緒、認知投入面向，而非完整的「好學生」特質。
5. 使用：教師以班級層級模式提出教材調整假設，再用其他資料確認，不對個人做高風險決策。

每一步都有新前提。從作答反應（response）到分數（score）要有評分規則；從一次分數到一般化要處理誤差；從分數到構念（construct）要有內容與結構證據；從解釋到教材調整還需要行動邏輯與後果監測。心理計量分析提供的是鏈中的證據，不是一次跳到終點的電梯。

反例是同樣得到 BE 平均 2.7。A 教師把它當成班級活動參與的討論起點；B 教師據此列出低投入學生並扣分。數字相同，第二個用途的風險、個人精確度與公平性要求高得多。若文章只報信度（reliability），無法讓 B 的決策變得合理。

六層責任的第一次預演

雖然今天還沒進入估計，我先用六層表檢查用途：資料機制是五點自陳反應；目標是班級層級三面向模式；假設包括題意可理解、作答情境近似與反應不被強迫；可觀察量是題目分布、相關與後續模型摘要；估計／決策規則尚未選定，因為要由下游方法篇補上；保證也尚未成立，只能說這是一個待驗證的 argument（論證）。

「估計不適用」不能寫，因為未來確實需要；正確狀態是 pending，並指定交接。這個細節讓規格和研究進度不混為一談。

用決策後果反推證據強度

為了不讓「低風險」成為免責詞，我再問三個問題。第一，如果班級分數偏低，教師準備改掉哪一個活動？第二，改動會不會讓某些學生承受額外負擔？第三，若分數其實受題目理解或作答情境影響，教師有沒有第二種資料可以核對？這些問題把分數用途（score use）從統計報表拉回實際行動。

例如 CE 偏低，合理的下一步不是宣告學生缺乏深度學習，而是提出一個可反駁假設：「目前作業較少要求比較假設，因此認知投入題目的反應偏低。」教師可以檢查作業設計、訪談或學習歷程，再決定是否調整。量表在這裡是提出問題的入口，不是對學生本質下判決。

Claude 的語言常把「可以作為參考」寫得很安全，但參考仍會影響行動。我要求每個用途句後面接一個動詞：調整、提醒、分類、淘汰、診斷或排名。動詞一旦具體，證據責任與倫理風險就較容易看見。這也是為何本系列明確禁止個人扣分與淘汰，而不是只寫「請謹慎使用」。

這一輪查核沒有估計新參數，卻已經改變後文：Day 13 要談班級分數的一致性而非個人高風險精確度；Day 18 的群體分析只示範可比性問題；Day 26–28 的學生素材不能把合成分數當成個人診斷結果。

換一個用途就應重新走一次推論鏈，不能只在報告結尾補上一句限制。尤其從全班描述走向個人分類時，要先停下來核對決策錯誤。

用途要能約束後面的分析

這條推論鏈給 ENGAGE-v1 劃出工作範圍：教師可用班級模式提出教材調整假設，但合成資料不能支持真實學生的分類或介入成效。讀到後面的係數與模型輸出時，請把結果帶回這條鏈，指出它補的是哪一步，還缺哪一步。基礎閱讀看 Standards（美國教育與心理測驗標準）的指定分數解釋與用途；發展閱讀看 Kane 的論證方法；研究閱讀再追使用後果與公平性。

下一篇會固定共同案例的題目、構念、群體與資料版本。沒有版本化案例，今天寫的用途會在後面被不同題目與不同 scoring（計分）悄悄改寫。

來源與協作揭露

• AERA, APA, & NCME (2014). Standards for Educational and Psychological Testing，Introduction 與 Validity 章。
• Kane, M. T. (2013). Validating the Interpretations and Uses of Test Scores。
• Anthropic (2026). Claude 4 提示工程最佳實務，明確指令與提供脈絡。