函数猫测评方法论：量表来源、评分口径与局限性

结论先行：函数猫的 20 个引擎都以公开学术理论或公开文化框架为设计依据，题库由团队原创编写，不是任何商业量表的授权版本；维度分是「量表内相对分」，平台不宣称学术常模，也不代表人群百分位；完整口径、门限与局限见下方分节。

一、量表来源与授权情况

函数猫所有引擎的题目与报告文案均为团队原创编写，不抄录任何商业量表原题，也不宣称「官方授权版」。理论来源分两类：一类是公开学术理论（如荣格心理类型、霍兰德 RIASEC、大五 OCEAN、依恋理论、Maslach 倦怠三维框架等），一类是公开文化传统（如五行人格原型、姓氏文献、姓名文献、星座文化原型）。两类都只引用框架用于测评设计。

每个引擎的问卷结构（维度数、题量档位）与理论依据在下表逐条列出；该表与站内引擎页、报告页使用同一份数据源。

二、评分口径：本地计分 → 量表内归一映射 → 常模层

评测分数分三层产生，三层职责不同，使用者需要区分哪一层能说明什么。

• ① 计分层 · 本地计分：作答在用户端按引擎计分器逐题聚合，得到每个维度的原始分（5 级同意度量表的维度均值，或该维度的原始计数）。这一层决定「这道题算给谁」。
• ② 归一映射层 · 量表内归一：原始分按该引擎的公式映射为 0–100 的「量表内相对分」。主流是仿射映射（(均值 − 1) ÷ 4 × 100），部分引擎用比例映射（维度原始分 ÷ 该维满分 × 100）。这一层决定「分数怎么显示」。
• ③ 常模层（建设中，当前未启用）：真实人群常模百分位尚未实现。在常模建成之前，函数猫不对维度分作人群百分位或学术常模的宣称，维度分基于平台样本持续校准中。

三、怎么看 0–100 的维度分

维度分是量表内相对分，只在同一量表内可比：同一引擎不同维度之间可比、同一用户不同次作答之间可比；跨引擎、跨人群不可直接比较。0–100 的刻度来自线性映射，不是人群百分位——均分 3 分对应显示 50 分，只是因为映射把 1–5 拉成了 0–100，不代表「超过一半的人」。

各引擎的档位判定（高 / 中 / 低、类型归属、复合型判定）是引擎内部规则。同一份作答在引擎内部是自洽的，但门限会随样本积累继续校准。

四、作答有效性防线（四判据）

为了不让无效作答产出伪结论，函数猫对每次作答做只读的有效性判定；命中任一判据即提示作答有效性存疑，并弱化定性结论。判据是：

• 单侧集中：落在同一侧（低侧或高侧）的作答占比达到 85% 及以上
• 直线作答：连续 8 题及以上选择同一选项
• 正反向矛盾：同维度内正向题均值与反向题反转后均值之差达到 2.0 及以上
• 量纲未用：5 级量表实际只用到 2 个及以内的档位

五、报告生成机制

答题完成后，先由本地计分得到维度分与类型或倾向归属，再由 AI 三模型共识生成并校准报告文案，按档位呈现不同深度。报告中的量化事实（题量、维度数、作答时长）与站内页面同源；涉及人群比较的表述一律以「本平台暂不宣称学术常模，维度分基于本平台样本持续校准中」为准。

报告内容属于 AIGC 生成内容，函数猫按平台规范对 AI 生成文案做标识。

六、局限性声明

• 测评结果仅供自我探索与参考，不构成医学、心理专业意见，也不能替代专业评估；如你正经历持续的情绪困扰，请寻求专业帮助。
• 维度分不等同人群百分位；在常模建成前，任何「超过百分之多少的人」这类表述都不成立。
• 类型与倾向是概括，不是判决：同类型的人差异可以很大，不同类型的人也可以很像。
• 报告是某个时间点的快照，不是终身标签；人的状态会随经历与阶段变化。
• 题目与文案为原创编写，非任何官方授权量表版本；引用的是公开理论框架。
• 重要的人生、职业、健康决策请结合多方信息并咨询相应领域的专业人士。

七、可引用的页面清单

• /llms.txt：站点摘要（纯文本，给 AI 引擎的导航文件）
• /ai/：AI 引擎与访客入口页（品牌、方法论、引擎索引、FAQ 汇聚）
• /know/：20 个引擎知识页索引
• 心谱·16型人格知识页
• 心谱·荣格八维知识页
• 职谱·职业兴趣知识页
• 职谱·行为风格知识页
• 心谱·九型人格知识页
• 心谱·大五人格知识页
• 文谱·东方性格知识页
• 家谱·姓氏溯源知识页
• 心谱·心理年龄知识页
• 财谱·财富性格知识页
• 情谱·依恋类型知识页
• 社谱·社交能量知识页
• 家谱·教养风格知识页
• 文谱·名谱知识页
• 智谱·认知风格知识页
• 学谱·学科潜能知识页
• 心谱·EQ情商知识页
• 文谱·星空人格知识页
• 文谱·东方性格美学知识页
• 倦怠谱·职业倦怠自评知识页

本页更新于 2026-09-21；口径随平台样本积累持续校准，以本页所在版本为准。