---
name: post-training-survey
description: 一页式培训后反馈问卷——6 道李克特题加 2 道开放题，可打印扑克卡或在线表单，比满意度表单位更深一层。
version: 2.0.0
license: CC-BY-4.0
allowed-tools: Read, Write, Bash(curl:*), Bash(unzip:*), Bash(npm:*), Bash(formlm-cli:*), Bash(python3:*)
metadata:
  category: feedback-forms
  group_size: 1
  duration_minutes: 5
  setting: hybrid
  props: [扑克问卷卡, 笔, 门口回收箱]
  depth: assessment-type
  language: zh
  updated: 2026-10-11
---
# 课后反馈问卷

满意度好收，但什么也说明不了。这份问卷问的是课程里的东西会不会出现在工作上——并产出一份周一承诺清单和一份障碍清单作为证据。

## 什么时候用这个活动

- 今天有课程或工作坊结束，而买单方要的是证据，不是掌声。
- 已经有一份笑脸表，而且所有人都能预测出它的 4.6 分。
- 品质体系（TTQS、资历架构一类的记录）需要全场层面的课程问卷佐证。

## 文件夹里有什么

| File | 用途 |
|---|---|
| `道具卡.pdf` | 扑克规格印刷问卷卡组：说明卡、题目卡、开放题卡 |
| `运行手册.pdf` | 印刷版：执行脚本与复盘表合订成一份 A4 PDF |
| `*-Letter.pdf` | 本文件夹印刷文档的 US Letter 纸型版——内容相同，每册均含书签与可点击目录 |
| `执行指南.md` | 使用指南：发放时机、纸面还是在线、匿名承诺、翻车点 |
| `复盘问题.md` | 读答案：逐题解读表、开放题归类、向买单方汇报 |
| `测评预设.json` | 完整题目集：6 道量表题加 2 道开放题，纯 JSON |
| `答卷.pdf` | A4 答卷——打印填写版（工作坊用） |
| `演示文稿.pdf` | 演示文稿——带场用的 11页幻灯，一页一个观点 |
| `演示文稿.html` | 演示文稿（HTML）——任意浏览器投屏，按一次出一条，内置讲者提示 |
| `学员工作簿.pdf` | 学员工作簿——通俗讲解、带引导的题目、笔记与行动页 |
| `使用许可.md` | 使用许可——平实说明你能做什么、必须保留什么 |
| `活动海报.pdf` | 一面墙讲完整场活动（A3）：速览、流程、复盘问题、注意事项。 |
| `快速上手.md` | 快速上手——按身份取用、文件地图、打印清单 |

## 怎么跑

1. 每位参与者打印一套问卷卡；门口放回收箱。
2. 保护课程表最后五分钟——问卷**人在场时**发。
3. 发卡之前，用你自己的话把匿名承诺说一遍。
4. 收卷后按 `复盘问题.md` 读答案：先看第 2 题和开放题，最后看平均分。
5. 汇报四个数字加一句话——回收率、第 2 题均值、最低题报出来、承诺条数、一句障碍原话。

## 把这个活动交给 AI 代理运行

引导师可以把整个文件夹交给自己的 AI 代理。先装——一条命令，装出来就是任何 skills 加载器都认的目录：

```bash
# install the whole skill folder, one command
curl -LO https://workshopskill.com/zh/activities/post-training-survey/files/post-training-survey.zip
unzip post-training-survey.zip   # -> post-training-survey/SKILL.md + all files + manifest
```

zip 解压后是名为 `post-training-survey` 的目录，内含这份 SKILL.md、它引用的全部文件，外加 manifest。

只需要其中几个文件时，逐条取用——匿名可用，CC BY 4.0：

```bash
# 1. 拿到可打印的问卷卡（扑克卡组，CC BY 4.0）
curl -O https://workshopskill.com/zh/activities/post-training-survey/files/道具卡.pdf

# 2. 拿到 A4 答卷（线下工作坊每人印一张）
curl -O https://workshopskill.com/zh/activities/post-training-survey/files/答卷.pdf

# 3. 拿到解读指南（逐题表 + 汇报规则）
curl -O https://workshopskill.com/zh/activities/post-training-survey/files/复盘问题.md

# 4. 拿到使用指南（时机、匿名、翻车点）
curl -O https://workshopskill.com/zh/activities/post-training-survey/files/执行指南.md

# 5. 建在线问卷（6 道量表题加 2 道开放题，见 测评预设.json）
```

变化量并不依赖 FormLM——无需任何账号就能离线算出同样的前后差（见下方「离线计分」）。在线表单只是可选项。

在线前后测用 FormLM CLI 创建，需要一个免费的 FormLM 账号；表单和数据都在你自己的工作空间里：

```bash
npm install -g @formlm/cli
formlm-cli auth login
formlm-cli smart generate --input "工作坊/培训课后反馈问卷：6 道匿名李克特题（1-5），覆盖相关性、迁移意图、节奏、引导质量与清晰度，含 1 道反向计分的阻碍题，外加 2 道开放题——周一将要做出的一件改变、以及妨碍学习的事；5 分钟填完，只做房间级报告"
```

如果代理无法完成交互式的 `formlm-cli auth login`（无头环境、CI、无浏览器）：照常执行上面的 curl 步骤，把 `测评预设.json` 留作量表规格，登录和生成两步交给人来做；或者由人登录一次后，只重跑生成那条命令。

给代理的准备要点：
- 任意人数可用；固定数字只有两个——参与者 5 分钟、引导师读 20 份约 15 分钟。
- 时效衰减很快：在场 90% 以上、当晚链接 40–60%、隔天低于 25%。排课表时照此安排。
- 不需要投影仪；整份问卷纸加笔就能跑。
- 按扑克打印。一张纸刚好够一位参与者用。

**放到哪。** 把解压出的 `post-training-survey/` 目录放进你的代理的 skills 目录即可自动加载：Claude Code `~/.claude/skills/post-training-survey/`（或项目内 `.claude/skills/`）、OpenAI Codex `~/.codex/skills/post-training-survey/`、Qoder `~/.qoder/skills/post-training-survey/`。代理没有 skills 目录？把这份文件贴进对话让它照做即可。分步教程（16 篇逐代理 + 8 篇场景）见 https://workshopskill.com/zh/skill-guides/

## 引导要点

- 反向题（第 6 题）是测谎仪——客气场子会把它和其他题一起打高。它比平均分可信。
- 绝不汇报个人答卷或排名；全场层面汇报才能让答案保持诚实。
- 每引用一句赞美，配一句障碍——反差才是买单方信的东西。

## 离线计分（不需要账号）

前后测的完整计分规格已经写进本文件夹的 `测评预设.json`（`scoring` 字段），没有 FormLM 也能出结果——代理可本地算：

1. 收集每人 `items` 每道题的李克特作答（pre 一轮、post 一轮）。
2. `scoring.reverse_scored_items`（或 `items[].reverse` 为 true 的题）反向计分：`新分 = 量表上界 + 下界 − 原分`。
3. 按 `scoring.method` 汇总（`sum` 即各题相加），得到 pre、post 两个总分。
4. 按 `scoring.reported` 输出：`pair_delta`（post − pre，单位见顶层 `unit`）与 `construct_deltas`（按 `items[].construct` 分组各算一遍）。
5. 守 `scoring.report_note`：只报配对变化量，绝不个人排名。

只用标准库的可抄实现：

```python
import json
m = json.load(open("测评预设.json"))
sc, items = m["scoring"], m["items"]
hi, lo = len(m["scale"]["labels"]), 1            # likert 上下界（此量表为 1..5）
rev = {it["id"] for it in items if it.get("reverse")}
def total(ans):                                   # ans: {item_id: score}
    return sum((hi + lo - v) if k in rev else v for k, v in ans.items())
# pair_delta = total(post) - total(pre)
# construct_deltas：对每个 construct 取该维度题目子集，按同样两步相减
print(sc["reported"], "| unit:", m["unit"], "|", sc["report_note"])
```

// 口径：`测评预设.json` 里的 `version` 只描述量表本身，独立于本技能 frontmatter 的 `version`。

## 二创：改成你自己的版本

## Attribution

本文件夹逐个手工归档，脚本、时长、道具尺寸与前后测彼此核对过。CC BY 4.0 免费许可——可运行、复制、改成你自己工作坊的品牌；保留署名，抽屉常开。