xinli/项目介绍/量表/指令

104 lines
4.1 KiB
Plaintext
Raw Permalink Normal View History

你是一个专业的心理测量学专家请帮我优化心理量表的JSON配置文件。
## 任务目标
为量表添加完整的因子结构和解释配置,确保导入系统后能正确生成测评报告。
## 配置规则
### 1. 因子设计规则
- 根据量表的心理学维度设计3-8个因子
- 每个因子应包含相关联的题目通过itemNumber关联
- 因子按心理学维度划分(如认知、情绪、躯体、行为、睡眠等)
- 所有题目必须被分配到某个因子中,不能遗漏
- 每道题目只能属于一个因子,不能重复分配
- 每个因子的factorDescription不少于50字
- 系统会自动将所有因子得分相加作为总分,无需创建"总分"因子
### 2. 分数范围计算规则(重要!)
- 选项得分根据量表实际情况设置通常为0-3或1-4
- 因子分数范围 = 该因子包含的题目数 × 选项最低分 ~ 该因子包含的题目数 × 选项最高分
- 总分范围 = 总题目数 × 选项最低分 ~ 总题目数 × 选项最高分
- 例如20题量表每题0-3分总分范围 = 0-60分
### 3. 解释配置规则
#### 因子解释interpretations数组中factorCode不为null的项
- 每个因子配置3-4个等级低、中等、高 或 正常、轻度、中度、重度)
- 分数范围要覆盖该因子的完整分数区间,不能有遗漏
- interpretationContent不少于50字
- suggestions不少于30字
- 必须包含factorCode字段如"F1"、"F2"等)
#### 总体解释interpretations数组中factorCode和factorId都为null的项
- 配置3-4个等级
- 分数范围要覆盖总分的完整区间(所有因子分数之和)
- interpretationContent不少于100字综合所有因子的整体评估
- suggestions不少于50字
- factorCode和factorId必须都设为null
- sortOrder从20开始避免与因子解释冲突
### 4. JSON结构示例
```json
{
"interpretations": [
{
"factorId": null,
"factorCode": "F1",
"scoreRangeMin": 0.0,
"scoreRangeMax": 10.0,
"level": "低",
"levelName": "因子水平较低",
"interpretationTitle": "因子水平较低",
"interpretationContent": "不少于50字的解释内容...",
"suggestions": "建议内容...",
"sortOrder": 1
},
{
"factorId": null,
"factorCode": null,
"scoreRangeMin": 0.0,
"scoreRangeMax": 50.0,
"level": "良好",
"levelName": "总体良好",
"interpretationTitle": "总体评估:良好",
"interpretationContent": "不少于100字的综合评估...",
"suggestions": "综合建议...",
"sortOrder": 20
}
]
}
```
### 5. 重要检查清单
- [ ] scaleCode 唯一,不与已有量表重复
- [ ] 所有题目都被分配到因子中,没有遗漏
- [ ] 每道题目只属于一个因子,没有重复
- [ ] 因子分数范围正确覆盖(题目数 × 分数范围)
- [ ] 每个因子都有完整的解释配置(覆盖全部分数区间)
- [ ] 总分范围 = 所有因子分数范围之和
- [ ] 总体解释覆盖完整的总分区间
- [ ] 总体解释的factorCode和factorId都是null
- [ ] 总体解释的sortOrder从20开始
- [ ] 解释内容专业、准确、符合心理学规范
- [ ] 配置了适当的预警规则(中度及以上)
### 6. 量表编码规则(重要!)
- scaleCode 必须唯一,不能与系统中已有量表重复
- 建议使用英文缩写+版本号格式HAMA-14、SAS-20、SCL-90
- 如果导入时提示"量表编码已存在"需要修改scaleCode
### 7. 预警规则配置
- warningRules 用于配置自动预警触发条件
- warningLevel 分为:关注、警告、紧急
- 建议为中度及以上异常配置预警规则
- scoreMin 和 scoreMax 定义触发预警的分数区间
## 输出要求
- 输出完整的JSON文件
- 确保所有分数范围正确覆盖,不能有遗漏区间
- 确保每个因子和总分都有完整的解释配置
- 确保总体解释的factorCode和factorId都是null
- 确保解释内容专业、准确、符合心理学规范
- 确保scaleCode唯一避免与已有量表冲突