■引子
最近利用业余时间写了几篇公众号小文章，文中提到本人创建的“高考真题大数据语料库(1977-2025)”，不少老师对此很好奇，问我为何能那么早就开始做真题大数据研究。其实这段经历要从上世纪90年代在学校教书时说起——严格说来，当时并没有想做什么研究，最初只是源于一名普通英语老师最朴素的想法：让好题目能被好好留存。
■从第一台电脑说起
上世纪90年代，当大家还在用钢板刻蜡纸的时候，我就花“血本”买了人生第一台组装的286电脑(现在的年轻人估计都不一定知道286是啥意思)，成了当时同行里最早“触电”的英语老师。当时买这台电脑时，我所在的小县城还只有两家小打字店，电脑在那时还是相当稀奇的“高科技”。谁也想不到，这台开机要等三分钟的机器，会成为后来我搭建“高考真题大数据语料库”的起点。
第一次用电脑录入高考题时，连打字都得对着字根表敲。记得那时一道完形填空题有25个空，要让选项上下对齐是一件很麻烦的事，得在DOS系统的文本框里反复调整格式。那台电脑不仅配置低，性能、质量和稳定性也远不如现在的电脑。更关键的是，它没有硬盘，启动电脑得用一张专门的“启动盘”，所有资料都存在软盘里。可软盘比较容易坏，常常会毫无征兆就提示：Date error reading drive A；General failure error reading drive A；Sector not found reading drive A: Abort, Retry, Fail? 等，所以每次录入资料，都得用好几张软盘来备份，并且要定期进行“安检”；一旦有一张软盘坏了，就得赶紧检查其他备份盘是否完好，并根据情况补充备份。那时每一张软盘都是数据的“诺亚方舟”，对它们不敢有丝毫马虎。直到后来换了有硬盘的电脑，这些数据的保存才算让人安心些。可惜后来从老家调到长沙工作时，把那些软盘都扔了——当时的电脑早就装了硬盘，电脑连软驱都没有了，留着软盘也没用，那会儿也没想到该留几张作纪念。
■买第一台电脑的目的并不单纯
其实我买第一台电脑的初衷，并不完全是为了整理高考题，而是因为当时喜欢给报社、杂志社投稿。大家都知道，投稿很难“百发百中”：有时候辛辛苦苦写篇稿子，从草稿到正稿要反反复复抄好几遍，如果投出去没被采用，就得修改后再抄一遍，换一家报社或杂志社“碰运气”。当年喜欢投稿的朋友，应该都有过类似的经历。所以我当时就想，要是用电脑打字就不一样了——录入一次就能反复修改，改好后直接打印出来，比手写的稿子更清晰、整洁，编辑看着也舒服，“命中率”说不定能更高——其实这才是我买第一台电脑的真正原因。
但有了电脑之后，我发现用它备课、整理资料也很方便。那时同事们写教案都用“备课本”，而我的“备课本”则是一叠打印出来的A4纸，虽然没按学校的统一要求使用“备课本”，但我的教案经常被学校评为优秀教案——估计当时的学校领导也更喜欢这种清晰、整洁的教案吧。
■回归正题：“高考真题大数据语料库”的建库与思考
1.先说说对原始真题的收集与整理
最初收集、整理高考真题，想法特别简单：就是想把手上攒的高考题录入电脑，整理清楚，校对无误，当成备课和写稿的素材，免得每次用的时候都要重新录入，说白了就是图省事。但慢慢就养成了习惯：不仅把买电脑前的历年高考题都集齐录入，而且每年新高考题一出来，我都会赶紧找来录进电脑。
那时候的国家教委(即现在的教育部)还不像现在这样，每年都会出版《高考试题分析》，当时也没有互联网。获取高考真题的途径只有两个：一是找登有高考题的报纸、杂志，二是买收录了高考题的图书。可不管是报纸、杂志还是图书，当时的校对都不如现在严谨，有时候会出现排版错误。为了核对真题的准确性，我会通过各种渠道买不同版本的真题资料，遇到可能有编校错误的地方，就对照多个版本反复核实。来看看我从书柜最顶层翻出来的这些“老古董”吧！
我从1997年开始收集国家教委考试中心编辑的《高考试题分析》（由高等教育出版社出版），此后真题的收集和整理工作就变得方便和简单了，因为《高考试题分析》比起原来某些报社、杂志社、出版社出版的真题正确性更高，很少有什么编校错误。我把最早几年的《高考试题分析》拍张照片给大家看看，估计没有多少老师还保存有这样的“宝贝”吧。
原来的《高考试题分析》一直由高等教育出版社出版，近几年才换成语文出版社。新版本不仅开本变大了，内容也更详细：最早是按文理科分册出版，现在已经改成单科成册了。
2.再说说高考真题对高考复习的重要性
很多人认为，考过的高考题不可能再考，对复习没有指导作用，于是总盯着那些所谓的“原创题”“名校题”“名师题”让学生来做。其实这是个特别害人的误解。你用脚后跟想一下都知道，对于要参加高考的同学来说，还有什么题会比高考真题更好呢？
我们评价一道题好不好，标准是什么？其实就是真题！如果一道题的命题风格、考点设置、设问方式与高考题高度契合，我们就说它出得好；反之，要是和高考题不搭边，那这道题还算好吗？即使它是所谓的“原创题”“名校题”“名师题”，也不能算好题，你说是不是？说到底，真题就是衡量模拟题好坏的“标尺”。即便真题也有不尽完美的地方，它也要比市面上普通的模拟题好N倍。你如果硬要说这个“标尺”不好，那是你的评价逻辑出了问题！
如果你非要撇开好好的真题不用，专找一些所谓的“原创题”“名校题”“名师题”来让学生做，到最后你的学生高考没有考好，你只能用一句“学生们没有发挥好”来安慰自己，同时也用它来忽悠学生！殊不知，是老师自己把学生带到沟里去了。君不见，每年高考过后，总会听到有老师说“今年的高考题出得不好”，你知道说这话的老师，言外之意是什么吗？我想大概率就是：他教的内容高考没有考，高考考的内容他没有教。
关于研究真题的重要性，这里引用原教育部考试中心命题中心主任刘芃先生的一个观点。他在《刘芃考试文集》中的《教你应试》一文里提到：“与其大量做题，不如抽出时间认真研究往年的试题。社会上流传的复习题往往粗制滥造，不得要领，不分良莠地抓着就做，最容易产生误导。往年的试题是精雕细磨的产物，它反映了对考试内容的深思熟虑、对设问和答案的准确拿捏、对学生水平的客观判断。研究这些试题，就如同和试题的制作者对话。”——这话说得很直白了吧！研究高考试题，就如同和高考试题的制作者对话！
3. 最后说说对高考真题的具体研究方法
研究高考的人很多，方法也各不相同，简单来说可以分为两类：一类是宏观层面的研究，比如高考命题改革的整体趋势、各学科核心素养在考试中的体现、不同省份试卷的难易度与差异、高考评价体系对教学的导向作用等；另一类是微观层面的研究，比如单道真题的考点拆解与能力考查维度分析、某一知识点在历年真题中的考查共性、对应这些共性所需掌握的核心知识、解决同类问题的共性方法与技巧等。我们的研究主要侧重后者。
我个人觉得，研究高考重点要做好两件事：一是搞清楚高考是如何命题的，二是找到高考题的考点共性和考查规律。
先说说高考是如何命题的。大家可能听说过（或在网上见过）高考命题的场景：每年四五月份，一群专家（通常是大学教授、中学在职教师和学科教学研究者）会被召集到一个封闭的地方，与外界完全隔离，独立完成命题——这就是所谓的“入闱”命题，也叫会议任务型命题。以这种方式命题，通常是在命题组长的带领下，由学科秘书协调各命题专家进行命题，包括学习相关文件、研究考试大纲（或课程标准）、查阅相关资料、寻找命题素材、编制高考试题、拟写参考答案、内部试测难度等。但这种纯会议任务型的命题方式估计至少是10年甚至20年前的事了。
随着科学技术的发展，尤其是近几年人工智能的进步和各国考试题库的建设，我国也开始研发自己的考试题库——国家题库。综观我国教育考试的国家题库建设，自2006年教育部考试中心正式启动“国家教育考试题库建设工程”暨国家题库1.0以来，我国的题库建设已走过了近20年历程并取得了飞速的发展，我国教育考试的国家题库也从1.0版（2006-2014）走向2.0版（2014年之后），现正向智慧题库建设迈进。
作为统筹全国教育考试命题与管理的核心机构，教育部考试中心（即现在的教育部教育考试院）专门设有“题库建设与管理处”。这个处室的专家团队，在《中国考试》《清华大学教育研究》等核心期刊上发表过不少关于题库建设的专业论文，有兴趣的老师可以找来看看(限于篇幅，下面截图只是文章的标题和开头部分，想深入学习的朋友，可找到相关杂志学习全文)：
我在今年的4月23日发过一篇《从国家题库建设看高考命题的考点共性》的公众号文章（有兴趣的网友可以去看看），许多媒体和公众号都转发了。我在文中分享了自己对国家题库建设相关论文学习后的心得，同时也引用了教育部考试中心题库中心一些专家老师的观点。比如教育部考试中心高升老师撰写的《对B类题库建设中若干问题的思考》（原载《中国考试》2008年第2期）提到：如何保证为数多达数十套且命制于不同时期、出自不同命题者的试卷在各方面的平衡方法主要有两条。第一，设置基准卷；第二，编制详尽的“命题细则”。（本文作者注：A类题库指“题库”，B类题库指“卷库”，两者有一定差别，特此说明）
你看，高考命题其实是有“基准卷”和“命题细则”的。什么是“基准卷”？高升老师接着解释道：所谓基准卷，是指经过命题组再三推敲和权衡，认为其难度等各方面的指标符合要求、可以作为命制其他试卷时的参照基准的试卷。基准卷一旦确定，在相当长的时间内不再轻易更动，以后每次命题均以该卷为准绳。
原来命题人不仅要依据“基准卷”命题，而且“基准卷”在很长时间内不会轻易改动——这就导致很多高考题虽然形式不同，但考点高度一致。比如在2015-2024的10年间，高考英语语法填空考查人称代词变形容词性物主代词的题目有10道，其中7道都是考查it变为its。虽然每年的句子语境不一样，但核心考点始终没变——这就是我们常说的“考点共性”或“考查规律”。
至于怎么找到高考题的考点共性和考查规律，官方文件肯定不会直白地告诉你。但你可以想想：既然高考命题要依据“基准卷”和“命题细则”，那命制出来的试题，必然会充分体现这两者的要求吧？顺着这个思路，只要我们大面积研究往年高考试题，把每道题拆解到具体考查细节，再对这些细节“合并同类项”，提炼出反复出现的共性特征——这不就是“考点共性”或“考查规律”吗？
这就是我们这么多年研究高考真题的核心理念，而支撑这项研究的关键，就是覆盖1977-2025年的“高考真题大数据语料库”，以及与之配套的“三位一体”系统（标签系统、编码系统、检索系统）。大家最近在本公众号看到的小文章，相关数据和素材都来自这个语料库。
回望这段从20世纪90年代开始的“真题建库”之旅，其实从来没有什么“宏伟蓝图”——最初不过是一名普通英语老师“留存好题目”的朴素心愿，是为了备课省事、投稿方便的现实需求。可偏偏是这份“不刻意”，从一台286电脑开始，凭着一份份真题的不断积累，慢慢建成了这个覆盖近半个世纪的“高考真题大数据语料库”，还慢慢完善了与之配套的“三位一体”系统。如今再回想，那些曾反复调整格式的完形填空、小心翼翼备份的软盘数据、逐字核对的真题细节，都成了挖掘考点共性、把握考查规律的“铺路石”。
这么多年研究高考真题，我最深刻的一点心得就是：与其让学生盲目刷题，不如引导他们真正吃透高考真题（尤其要通过历年真题大数据梳理出真题的考点共性）——这些真题是经过命题专家精雕细琢且承载着“基准卷”与“命题细则”要求的真正好题！小小心得，与各位教育同行共勉。
注：
1.文中关于国家题库的相关理解，仅为本人学习专家论文后形成的个人心得，若有不妥，恳请大家批评指正。您若想深入了解国家题库的专业内容，建议直接查阅相关论文原文（据我所知，刊载此类论文的刊物主要有《中国考试》《清华大学教育研究》《中国培训》等），以获取更权威、全面的信息。
2.本文作者对高考真题大数据研究有浓厚兴趣，欢迎有相同爱好的朋友添加作者微信(zzx-exam)，或关注微信公众号“周贞雄大数据备考”，一起交流探讨，共同进步。
