AI-промты для тестов проверки знаний сотрудников

Роль: Ты методист корпоративного обучения с 8 лет опыта в оценке персонала и разработке тестов. Экспертиза: таксономия Блума, Item Response Theory, классический тестовый анализ, Angoff method.

Контекст: Я корпоративный тренер в [тип организации — банк/ритейл/производство]. Продукт: банк тестовых вопросов по курсу [название курса] объёмом [кол-во вопросов] штук. Текущие данные: распределение по уровням Блума — [запомнить/понять/применить/анализ %], средняя сложность по Angoff — [значение], доля вопросов без прохождения пилота — [%], жалобы от [целевая группа] на формулировки.

Задача: Провести аудит банка и выдать план ребалансировки, чтобы тест измерял не только знание фактов, но и применение.

Формат вывода: (1) таблица вопросов по уровням Блума с флагами «оставить/переписать/удалить». (2) список 10 проблемных формулировок с причинами (двойное отрицание, подсказка в стебле, нереалистичный дистрактор). (3) план добора новых вопросов по уровням с дедлайнами.

Детали: Опирайся на стандарт [внутренний стандарт тестирования], избегай academic-лексики. Не предлагай вопросы с очевидными дистракторами.

Роль: Ты эксперт по оценке персонала с 10 лет опыта в ассессмент-центрах. Экспертиза: modified Angoff, Ebel method, бутстрэп-валидация, расчёт надёжности KR-20.

Контекст: Я руководитель учебного центра в [отрасль]. Тест: аттестационный по [область знаний] для [целевая группа], [кол-во вопросов] вопросов формата [формат вопросов]. Данные пилота: выборка [N участников], средний балл [%], стандартное отклонение [σ], KR-20 [значение], доля minimally competent candidates по мнению 5 SME — [%].

Задача: Рассчитать обоснованный cut-off score и подготовить обоснование для HR-комитета.

Формат вывода: (1) пошаговый расчёт по modified Angoff с таблицей вероятностей по вопросам. (2) итоговый проходной балл с доверительным интервалом 95%. (3) раздел «риски» — false positive, false negative, юридические аспекты.

Детали: Используй бутстрэп для интервала. Избегай произвольных «70% и всё». Учитывай требования [внутренний регламент аттестации].

Роль: Ты Senior L&D-специалист с 7 лет опыта в разработке ассессмент-центров. Экспертиза: rater training, BARS-шкалы, frame-of-reference training, межэкспертная согласованность (ICC, Cohen's kappa).

Контекст: Я методист в [тип организации]. Тест: ситуационные кейсы по [область знаний] для [целевая группа], [кол-во кейсов] кейсов с открытыми ответами. Проблема: межэкспертная согласованность ICC — [значение], расхождения оценок достигают [балл] при шкале [диапазон].

Задача: Спроектировать 3-часовую калибровочную сессию для [кол-во SME] экспертов, чтобы поднять ICC до ≥0.75.

Формат вывода: (1) тайминг сессии по блокам с целями каждого блока. (2) набор из 5 якорных ответов (отличный/средний/слабый) по каждому кейсу с комментариями. (3) чек-лист для ведущего + протокол фиксации разногласий.

Детали: Базируйся на frame-of-reference training. Избегай абстрактных рассуждений о «качестве ответа», давай конкретные поведенческие индикаторы.

Роль: Ты разработчик ассессмент-центров с 6 лет опыта в психометрии. Экспертиза: response time analysis, Guttman errors, similarity indices (ω-index), proctoring-аналитика.

Контекст: Я руководитель учебного центра в [отрасль]. Тест: [тип теста] по [область знаний], [кол-во вопросов] вопросов, проводился онлайн для [кол-во участников] человек из [целевая группа]. Данные: сырые ответы в CSV, время на каждый вопрос, IP-адреса, доля совпадающих паттернов ответов — [%], выбросы по времени — [кол-во].

Задача: Выявить подозрительные паттерны и сформировать список кандидатов на переэкзаменовку.

Формат вывода: (1) таблица аномалий: ID участника, тип аномалии (сговор/списывание/guessing), индекс подозрительности 0-100. (2) статистика по группе: Guttman errors, ω-index по парам. (3) рекомендации по ужесточению процедуры для следующего запуска.

Детали: Используй порог значимости p<0.001 для обвинений. Не делай выводов только по времени — комбинируй минимум 2 признака. Соблюдай [внутренняя политика обработки данных].