它不是排版习惯，也不是为了让卷面看起来有变化，而是一套有明确测量学依据的结构安排：每一种题型对应一类不同的可观察行为，也对应一组不同的测量误差。把它们组合在同一张卷子里，目的是在有限的考试时间与可控的阅卷成本下，尽可能准确、稳定、有区分度地推断学生的数学能力。

这个结论可以拆开验证。下面以高考数学为例，从考试究竟要测什么说起，逐一分析四类题型的测量属性、评分规则的设计意图，以及 2024 年新课标卷的结构调整为什么恰恰是这套逻辑的一次公开演算。

先说考试的性质。高考是常模参照的选拔性考试，不是达标性考试：它的任务不是判断「及格与否」，而是尽可能精细地把考生按数学能力排开，为高校选才提供依据。这一点决定了，试卷设计必须同时追求测量的准确性和分数的区分能力。

再说测量的对象。《普通高中数学课程标准》所列数学学科核心素养——逻辑推理、数学运算、直观想象、数学建模、数据分析，以及发现问题、提出问题、分析问题和解决问题的能力——都是潜在特质，无法直接观测。一场考试能记录的，只有考生留下的反应：涂了一个选项、写下一个数值、给出一段推导。

经典测量理论把这件事写成最朴素的一个式子：

命题与题型设计的全部努力，就是让 T 的份额尽可能大、E 的份额尽可能小。具体落到四个可检验的指标上：

可观察行为在四个备选项中选出唯一正确的一项，只记录最终选择。

计分方式全对或全错，机器阅卷，评分误差为零。

测量优势有两条。其一，单题耗时短、题量可以做多，一题一个知识点，8 道题就能把主干内容铺开一遍，相当于对「高中数学能力域」做了一次较宽的抽样，内容效度高。其二，评分完全客观，不存在阅卷者宽严差异，信度在这一维度上是最优的。

误差来源也很明确。第一是猜测：四选一随机作答的命中率是 1/4，按每题 5 分计，完全不会做而蒙的期望得分是 1.25 分，这部分分数与能力无关。第二是选项提示效应：选项本身携带信息，考生可以用代入特殊值、排除、量纲判断、极端情形、图像趋势等策略得到答案，这些策略未必调用命题想测的那个构念，测量学上称为构念无关变异。第三是过程不可见：真会做和「排除对了」在卷面上完全一样，教师也无法据此诊断错因。

所以它的定位是测基础概念的辨析、基本运算的熟练度、性质的快速识别，承担「铺覆盖面」和「低起点保底」的功能，不能承担高阶推理与论证表达。

可观察行为答案个数不预先告知，考生须对每一个选项独立作出真伪判断。

计分方式现行规则为全部选对得 6 分，部分选对得部分分，有错选得 0 分。

这个赋分规则是四种题型里最值得细看的，因为它同时完成了两件事。

其一，大幅压低猜测的期望收益。单选随机蒙对的概率是 25%；多选若随机勾选，只要包含一个错误选项就计 0 分，而保守少选又只能拿到部分分。用「部分得分 + 错选否决」的组合，猜测几乎不再构成有效策略，猜测带来的误差被显著压缩。

其二，把「判断到哪一步」编码成分数。全对、漏选、错选对应三种不同的能力状态：完全掌握、掌握但不确信、概念本身有误。二值计分只能区分「对／错」，部分赋分却能区分这三种状态，单题提供的信息量明显更高，区分度也随之提高。

测得到什么：概念的边界、命题真伪的独立裁决、反例意识、结论的完备性（有没有把所有情形考虑全）。这恰好是逻辑推理素养中最容易暴露漏洞的一环，也是中上层考生真正被拉开的地方。

误差来源：推理链仍然不可见；同时存在「策略性保守作答」——只选最有把握的选项以规避错选风险，这需要通过选项设计来平衡。

2020 年新高考引入多选题时，命题方给出的表述是：为数学基础和能力在不同层次的学生都提供发挥空间，更好地体现区分选拔功能。这里的「不同层次」「区分选拔」，正是区分度层面的表述。

可观察行为不提供任何选项，答案必须由考生自己生成，卷面只保留最终结果。

计分方式全对或全错，机器阅卷，评分误差为零。

测量优势：去掉了选项，也就去掉了选项提示效应和排除法这条捷径。考生必须真正把结果算出来，测的是「独立求解」而不是「辨认」，构念效度高于选择题；同时仍保持机器可判、评分零误差。近年填空题还常承担开放性设问（如「写出一个满足条件的值」），在客观题框架内引入有限的开放度。

误差来源同样突出。第一，全或无计分使单题误差方差很大：中间推导全部正确、最后一步算错，与完全不会做，得分完全相同，测量结果不稳定。第二，过程不可见，诊断价值低，改卷后无法定位错因。第三，答案形式的规范性——区间端点开闭、集合表示、多解是否遗漏、单位、精确值还是近似值——会引入与数学能力无关的失分。

它的定位是测一次性准确率、运算求解能力、结果的完备与严谨。它是客观题里最接近真实求解的一种，也是对计算习惯最敏感的一种。

可观察行为要求写出文字说明、证明过程或演算步骤，推理过程完整留在卷面上。

计分方式依据评分细则分步赋分，同一道题不同考生可得不同分数。

这是构念效度最高的一种题型，原因有三。

其一，过程可观察。只有它能直接测推理是否严密、论证是否完整、数学语言是否规范、面对陌生情境能否自主建模与探究。这些恰恰是选择题、填空题在原理上就无法触及的能力。

其二，阶梯式设问与分步赋分在一道题内部实现了难度分层。一道 17 分的题被拆成若干可观察的能力节点，不同水平的考生在同一题上获得不同分数，既提高了区分度，也避免了「全或无」带来的误差方差。压轴题第（1）问面向全体作为入口，末问承担高区分度，正是「低起点、多层次、高落差」的具体落地。

其三，给「部分正确的思考」以分数，这比结果计分更接近能力的真实连续分布。

误差来源是评分者误差：不同阅卷者对同一份解答的宽严可能不同，书写规范与表达差异也会引入构念无关变异；此外阅卷成本高、时间长。大规模考试靠评分细则、试评、双评与仲裁等质量控制手段把这类误差压到可接受范围。

现行卷面解答题 5 题共 77 分，占全卷约 51%，这个权重不是偶然——它是唯一能看见思维过程的窗口。

第一，覆盖面与思维深度的权衡。一份试卷是对「高中数学能力域」的一次抽样。抽样的点位越分散，内容效度越高、偶然性越小；但每道题分配到的时间有限，120 分钟内若全部要求完整推理论证，可抽到的知识点数量会骤减，覆盖不足反而抬高抽样误差。客观题用小成本换覆盖，解答题用大成本换深度，二者配合才能兼顾。

第二，难度与区分度需要连续分布。选拔性考试最怕分数堆积：题目都太易，高分段挤在一起；都太难，大多数人的分数失去区分意义。四种题型天然提供不同的难度区间——单选起点低、填空题容错低、多选与压轴解答提供高区分度，组合起来才能形成一条从易到难的连续曲线，把每一档考生都停在能反映其真实水平的位置上。官方表述的「低起点、多层次、高落差」，说的就是这条曲线。

第三，误差互补。把 X = T + E 拆开看：客观题消灭了评分者误差，却留下猜测误差、选项提示误差和全或无误差；解答题消灭了猜测与提示误差，却引入评分者误差与表达误差。两类误差的来源几乎不重叠，组合之后总误差方差小于任何单一题型；题量足够多，还能摊薄「恰好抽到不熟板块」的偶然性。这是统计意义上的互补，不是经验上的「搭配一下更好」。

第四，可操作性、公平性与教学导向。机器阅卷保证大规模考试的评分一致性与效率，主观题则必须靠评分细则和阅卷质控保障公平。同时，题型结构本身就是最有力的教学指挥棒：卷面怎么配权重，课堂训练就怎么配时间，这是命题对教学最直接的引导渠道。

这个反证能让结论更清楚。

四种题型因此不是并列的「花样」，而是一组彼此补盲区的必要配置：一类负责稳，一类负责严，一类负责准，一类负责深。

如果上面还只是原理，2024 年的结构调整提供了可以直接核对的证据。命题方没有取消任何一类题型，只是重新调配权重：

逐条看这些调整的测量学含义：

减题量，是提高单题可用的思考时间，降低「答题速度」这一构念无关因素对分数的贡献，让思维深度有空间充分展现；多选提分并优化部分赋分，是提高该题型的单题信息量与区分度，强化「逐项判断」的测量；解答题总分提高、单题分值加大，是提高过程性分数在全卷中的权重，也就是提高构念效度，同时给高分段留出更大落差；打乱题号与板块顺序，是削弱靠训练套路与猜题获得的构念无关得分，提升效度与公平性；三层设问则是在单题内部实现难度分层，兼顾入口与区分。

教育部教育考试院当年的评析把意图说得很直白：减少题量，给学生充足的思考时间，深入考查思维过程；反套路化、反机械化刷题；给不同水平的学生提供充分展现才华的空间，服务拔尖创新人才选拔。

最值得注意的一点是：改革没有删掉任何一种题型，只调整了它们之间的权重。如果题型之间可以相互替代，调权重就没有意义；恰恰是因为每一种都不可替代，才需要在信度、效度、区分度与成本之间反复重新平衡。

现行卷面为 8 道单选（40 分）、3 道多选（18 分）、3 道填空（15 分）、5 道解答（77 分），共 19 题、150 分、120 分钟；分值分配本身就把功能分工写在了明面上。这一结构到 2026 年仍沿用。

把一份素材只改问法，能最直观地看出「可观察行为变了、误差来源变了、测到的能力也跟着变了」。取 f(x) = x³ − 3x：

知识点没有变，四个问法测到的却是四种不同的能力表现，对应的误差结构也各不相同。

顺带核对答案：单选 A（f′(x) = 3x² − 3，x = −1 处导数由正变负）；多选 ABC，D 错在 x = 1 是极小值点且函数在 R 上无全局最大值；填空 2（比较 f(−2) = −2、f(−1) = 2、f(1) = −2、f(2) = 2）。

题型结构既然对应不同的能力节点与误差来源，训练重点就不该一刀切。

一个便于操作的备课组活动：就拿上面这个函数，每人把它改写成四种题型，再逐条讨论「每改一次，测到的构念变了什么、引入或消去了哪种误差」。做过一轮，题型背后的评价逻辑就不需要靠记了。