後面第 13 天會用 BE03 算信度，第 19 天再用它談 IRT（試題反應理論）。如果中間換過題目文字，題號即使相同，兩篇也不再分析同一個指標。昨天已把用途限定在低風險的課程回饋與方法示範；今天要固定 ENGAGE-v1 的題本、資料與生成設定，讓後面的差異能追到方法，而不是未說明的換題。

最直覺的做法是讓 Claude 生成一份量表，再為每章微調題目。它很快，也能避免資料太髒。但只要第 13 天的 BE03 和第 19 天的 BE03 文字不同，信度、CFA（驗證性因素分析）與 IRT 就不再談同一個 indicator（指標題目）。教科書的案例一致性不能靠題號看起來相同。

ENGAGE-v1 的固定契約

案例有三個暫定構念，每個四題：

以下把十二題的題意逐字固定下來；後面各篇引用相同題號時，指的都是這段文字，不再另行改寫。

所有題目使用 1–5 的 Likert 作答反應（李克特量尺）。資料共有 600 筆，A、B 兩組各 300 筆；群體只是示範 measurement invariance（測量恆等性）的教學標籤，不對應真實校系。生成器使用 seed（隨機種子） 20260901：先在 R 中抽出三個彼此相關的潛在構念（相關分別為 .55、.50、.60），再依各題的因素負荷量（loading）產生連續反應並以五個切點轉成 1–5，B 組的 BE04 額外加入 0.25 的位移；完整生成程式會在第 22 天整篇列出，讀者可自行重建同一份資料。這張表的用途是維持識別碼和內容範圍，不是內容效度證據；題目是否充分代表學習投入，需要更完整的理論與專家程序。

Claude 協助檢查，不能替題目背書

可請 Claude 先把每題對應到預定構念，再提出「它可能測到別的東西」的解釋。例如 BE01 與 BE04 都涉及按時完成，就值得追問是否過度集中在服從要求。這只是內容審查的起點；語言模型提出的疑點，不能代替專家判斷與目標族群的理解證據。

我保留四題，是因為後續需要一個穩定示例，並在 ledger（來源與主張帳本）中註明內容窄化。若這是真實量表開發，我會加入目標族群訪談、專家審查、認知訪談與試測；這裡不假裝完成那些程序。

若為了增加題目變化，把 BE03 改成反向題「遇到困難時我會放棄」，就要重新評估它帶來的方法效應。這個反例可用來討論疏忽作答，卻不應直接加入既有題本，讓後面的三因素模型多出未計畫的解釋。需要展示反向題問題時，應另建失敗案例並標明版本。

合成資料如何產生

本例先生成三個相關的潛在變項，再依固定因素負荷量加上殘差，形成連續反應，最後以切點分成五類。A、B 組設定大致相同，但 BE04 在 B 組加入小幅位移，供恆等性篇討論局部差異。讀者因此能同時看到模型符合生成設定的部分，以及刻意留下、不能靠換資料消除的問題。

生成器跑出的 smoke test 是 600 rows、12 題目（item），總量表 alpha（內部一致性信度係數）約 0.843。這個數字只確認資料具有預期的相關結構，不是量表品質結論。後面 Day 13 會說明，總 alpha 甚至可能掩蓋三構念。

把案例做成可檢查的資料產品

我為 CSV（逗號分隔的資料檔）加了最小 schema test（資料結構定義）：必須正好 600 列、12 個題目欄、所有反應都在 1–5、id 唯一、group 只有 A／B。這些檢查抓得到欄名錯誤與遺漏，抓不到構念定義錯誤。因此 schema 與內容審查分開記錄：前者可由程式重跑，後者要回到資料字典與用途。

資料版本還要固定「已知缺陷」。BE04 的 group shift 是刻意設計的教學事件，不能在 Day 18 因 fit（模型與資料摘要的相容程度）不漂亮而修掉。若模型只在完美資料上教，讀者會把任何不合預期的結果視為程式錯誤；保留局部不恆等，才能示範限制、診斷與不應比較的結論。

我另外保留生成機制與分析資料的界線。教師知道潛在變項（latent variable）和因素負荷量，是因為我們建立了合成資料；分析文章卻只讀 CSV，不把真值餵給模型。這讓完整例題可以比較估計與生成設定，又不會把「知道答案」混進實際分析程序。

最後，題目中文是教材的一部分，不只是欄名旁的說明。任何改字都可能改變理解與作答機制，所以 data dictionary（資料字典）、文章例句、學生學習單和 AI 助教必須引用同一份題目文字。版本一致性在此比生成更多樣本更重要。

反例是重新執行生成器卻不固定 seed。每次文章截圖會有不同相關、fit 與題目參數，讀者無法判斷差異來自方法還是資料。另一個失敗是手動改 CSV 卻仍稱 ENGAGE-v1。版本契約規定：題目、生成器或資料任何實質改動，都要升版並在 ledger 記錄，不覆寫 v1。

六層案例責任

資料機制是合成潛在（latent）作答歷程（response process）與 ordinal cut（有序類別）；目標是示範三面向分數與方法，不估計真實學生母體；假設由生成器明定，但分析時不把真值直接交給估計器；可觀察量是 12 題反應與 group；估計規則由各章決定；能保證的是相同 R 與 seed 可重生相同資料，不能保證外部效度、內容充分性或實際群體可比。

後面的文章都要回到這個版本

今天完成版本化資料字典、生成器與固定的 ENGAGE-v1。它讓後續每篇文章能把新方法加在同一案例上，也保留一個預先設計的局部失敗。發展閱讀是生成器與測量模型；研究閱讀才進入正式量表發展與 validation 程序。

下一篇不增加新方法，而是安排三條閱讀路徑。因為教師可能只有九十分鐘要理解一個判斷，也可能要完整備課或查研究來源；同一本書需要允許不同進入方式，又不能讓速成路徑跳過限制。

來源與協作揭露

• AERA, APA, & NCME (2014). Standards for Educational and Psychological Testing。