01
老師是最大的變數，所以 AI 對老師負責。
英國教育基金會（EEF）2025 年的語言學習快速證據評估，把教學者的專業排在任何課程或工具之上。我們把它當成設計限制，而不是恭維。老師審閱每一份生成的練習才會發布，可以加上指示引導生成器，也會在家長看到之前先為一對一報告加註。系統承擔勞力——生成十五種練習類型、批改開放式作答、在音素層級評分發音——判斷留給人。
EEF，語言學習快速證據評估，2025
為什麼有效
教學法先行。這一頁說明證據怎麼說，以及我們據此做了什麼。
Language Boss 不是一個對準英語的通用 AI 產品。它的每一個部分，都在回應一項關於第二語言如何被學會的具體發現——從課堂中最關鍵的因素是什麼，到一個字在初次接觸後能存活多久。以下是推理過程，附上出處。
02
意義導向的輸入，勝過孤立的反覆操練。
同一份評估指出，高投入負荷的取徑——豐富、真實、能引發投入的輸入——勝過死記與脫離語境的文法練習。因此練習取自班級自己的對話、段落與單字，而不是通用題庫；後段的階段要求學生產出語言，而不是選出語言。看圖描述要他用目標句型描述場景，語音對話則把他放進沒有腳本的談話裡。
EEF，語言學習快速證據評估，2025
03
四個階段，從辨識到自由創作。
每個概念都會走過四個認知階段，改編自 Bloom 分類法並調整為第二語言習得的脈絡。一組練習會帶學生在同一個文法點上走完四階，而這正是「考試時認得出」與「對話時用得出來」之間的差別。
辨識
學生能認出這個概念嗎？
引導產出
在支援下他能使用它嗎？
限制式創作
他能在有結構的情境中運用它嗎？
自由創作
他能獨立使用它嗎？
Bloom 分類法（1956），為第二語言習得改編
04
間隔決定了什麼能撐過一學期。
單字與文法依 SM-2 排程演算法回來。與一般字卡 App 的差別在於輸入：不是二元的對錯，而是學生把這個字說出來解釋，AI 評估準確度、清晰度與舉例品質，反應太慢還會扣分。接下來的間隔反映的是掌握程度，不是猜對與否。系統也會追蹤先前的答案，所以重複自己並不會換來更長的間隔。
P. Woźniak，SuperMemo SM-2 演算法，1990
05
發音是量測出來的，不是憑感覺。
語音在音素層級評估準確度、流暢度與完整度，對照學生自選的美式、英式或澳式英語。口型圖示範沒發好的音該怎麼形成，雙語系評估會結合一種以上口音模型的音素資料，而且每一次評估都保留下來——所以一學期的發音趨勢是一張圖表，不是一個印象。
透過 Azure Cognitive Services 進行音素層級評估
06
個人化，意思是提示詞認得這個學生。
每一次 AI 呼叫都帶著一份脈絡側寫：程度、繳交紀錄、一對一分析、老師觀察、字卡記憶保留、班級進度與他說過的興趣。A1 與 B2 回答同一份練習，評分方式不同。老師註記「連接詞偏弱」的學生，會拿到針對連接詞的練習。這不是把「適性學習」當成打勾項目，而是要補上二十人班級不可能給的個別關注。
學生脈絡引擎，套用於生成與批改
出處
語言學習快速證據評估：教學者的專業是最重要的因素；高投入負荷的意義導向取徑最有效；包含遊戲的多感官學習不可或缺。
Education Endowment Foundation，2025
SM-2，現代複習排程背後的間隔演算法，並以 AI 評定的複習品質取代二元計分。
P. Woźniak，SuperMemo，1990
從辨識到自由創作的四階段歷程，改編自 Bloom 分類法並調整為第二語言習得。
Bloom 等人，1956
常見問題
主要是 Education Endowment Foundation 2025 年的語言學習快速證據評估，它指出教學者的專業是最重要的因素、高投入負荷的意義導向取徑最有效，以及包含遊戲的多感官學習不可或缺。每一項發現都對應到一個具體的設計決定，本頁逐一說明。
在音素層級，分別評估準確度、流暢度與完整度，對照學生自選的美式、英式或澳式英語。口型圖示範沒發好的音該怎麼形成，而且每一次評估都保留下來，讓一學期的趨勢看得見。
差在輸入。不是二元的對或錯，而是由學生解釋這個字，AI 評估準確度、清晰度與舉例品質，反應太慢還會扣分。這個品質分數驅動 SM-2 的間隔，所以排程反映的是理解深度，而不是點對了一次。