01
老师是最大的变量，所以 AI 对老师负责。
英国教育基金会（EEF）2025 年的语言学习快速证据评估，把教学者的专业排在任何课程或工具之上。我们把它当成设计约束，而不是恭维。老师审阅每一份生成的练习才会发布，可以加上指示引导生成器，也会在家长看到之前先为一对一报告加注。系统承担劳力——生成十五种练习类型、批改开放式作答、在音素级别评分发音——判断留给人。
EEF，语言学习快速证据评估，2025
为什么有效
教学法先行。这一页说明证据怎么说，以及我们据此做了什么。
Language Boss 不是一个对准英语的通用 AI 产品。它的每一个部分，都在回应一项关于第二语言如何被学会的具体发现——从课堂中最关键的因素是什么，到一个词在初次接触后能存活多久。以下是推理过程，附上出处。
02
意义导向的输入，胜过孤立的反复操练。
同一份评估指出，高投入负荷的路径——丰富、真实、能引发投入的输入——胜过死记与脱离语境的语法练习。因此练习取自班级自己的对话、段落与词汇，而不是通用题库；后段的阶段要求学生产出语言，而不是选出语言。看图描述要他用目标句型描述场景，语音对话则把他放进没有脚本的谈话里。
EEF，语言学习快速证据评估，2025
03
四个阶段，从识别到自由创作。
每个概念都会走过四个认知阶段，改编自 Bloom 分类法并调整为第二语言习得的语境。一组练习会带学生在同一个语法点上走完四阶，而这正是“考试时认得出”与“对话时用得出来”之间的差别。
识别
学生能认出这个概念吗？
引导产出
在支持下他能使用它吗？
限制式创作
他能在有结构的情境中运用它吗？
自由创作
他能独立使用它吗？
Bloom 分类法（1956），为第二语言习得改编
04
间隔决定了什么能撑过一学期。
单词与语法按 SM-2 排程算法回来。与一般词卡 App 的差别在于输入：不是二元的对错，而是学生把这个词说出来解释，AI 评估准确度、清晰度与举例质量，反应太慢还会扣分。接下来的间隔反映的是掌握程度，不是猜对与否。系统也会追踪先前的答案，所以重复自己并不会换来更长的间隔。
P. Woźniak，SuperMemo SM-2 算法，1990
05
发音是测量出来的，不是凭感觉。
语音在音素级别评估准确度、流利度与完整度，对照学生自选的美式、英式或澳式英语。口型图演示没发好的音该怎么形成，双语系评估会结合一种以上口音模型的音素数据，而且每一次评估都保留下来——所以一学期的发音趋势是一张图表，不是一个印象。
通过 Azure Cognitive Services 进行音素级别评估
06
个性化，意思是提示词认得这个学生。
每一次 AI 调用都带着一份上下文画像：水平、提交记录、一对一分析、老师观察、词卡记忆保持、班级进度与他说过的兴趣。A1 与 B2 回答同一份练习，评分方式不同。老师标注“连接词偏弱”的学生，会拿到针对连接词的练习。这不是把“自适应学习”当成打勾项目，而是要补上二十人班级不可能给的个别关注。
学生上下文引擎，应用于生成与批改
出处
语言学习快速证据评估：教学者的专业是最重要的因素；高投入负荷的意义导向路径最有效；包含游戏的多感官学习不可或缺。
Education Endowment Foundation，2025
SM-2，现代复习排程背后的间隔算法，并以 AI 评定的复习质量取代二元计分。
P. Woźniak，SuperMemo，1990
从识别到自由创作的四阶段历程，改编自 Bloom 分类法并调整为第二语言习得。
Bloom 等人，1956
常见问题
主要是 Education Endowment Foundation 2025 年的语言学习快速证据评估，它指出教学者的专业是最重要的因素、高投入负荷的意义导向路径最有效，以及包含游戏的多感官学习不可或缺。每一项发现都对应到一个具体的设计决定，本页逐一说明。
在音素级别，分别评估准确度、流利度与完整度，对照学生自选的美式、英式或澳式英语。口型图演示没发好的音该怎么形成，而且每一次评估都保留下来，让一学期的趋势看得见。
差在输入。不是二元的对或错，而是由学生解释这个词，AI 评估准确度、清晰度与举例质量，反应太慢还会扣分。这个质量分数驱动 SM-2 的间隔，所以排程反映的是理解深度，而不是点对了一次。