为什么有效

skillalong 每门课程背后的十项设计决定，没有一项是随意的。

15 到 20 分钟的单元，会根据你的情况自动调整

课程简短，每节只有一个目标，学习顺序会根据你答对什么、忘了什么而变化。

AI 辅助的微学习能解释学生参与度变化的 86%，尤其体现在认知层面。采用以记忆为导向的自适应框架后，28 天后的记忆率升至 74.6%，而传统数字教学只有 53.9%，同时多余的重复复习减少了一半（每位学生从 18.6 次降到 8.9 次）。

词汇会在最合适的时间重新出现，这个时间是针对每个单词单独计算的，而不是随机的。

不复习的话，最初 24 小时内大约会忘掉 70% 的新内容（艾宾浩斯遗忘曲线）。新一代间隔重复算法（FSRS）会估算每个项目的记忆概率，并安排复习，使记忆率保持在 90% 的目标水平，误差比经典算法更小。

AI 老师先给提示、提问和例子，再给解答。这样你才是真的学会了。

在一项有 6000 多名学生参加的随机现场实验中，采用苏格拉底式引导的 AI 辅导老师，使学生答错之后下一次尝试的正确率提高了 8.5 个百分点，并显著减少了得出正确答案所需的尝试次数。直接给答案的机器人则产生相反的效果：被动，以及已经掌握的错觉。

每个答案都会立刻批改并讲解。而且 AI 老师只使用课程资料，不会自己编造规则。

对成人学习者来说，即时的直接纠错对学习投入度的影响比延迟纠错更快、更稳定。RAG 架构（用经过核实的文档检索来生成回答）能大幅减少语言模型的编造，因为它要求回答必须依据真实的教学资料。

语法讲解是针对你的母语写的。德国人觉得难的地方，和阿拉伯人觉得难的地方并不一样。

明确对比母语和目标语言，可以减少负迁移（句法照搬、假朋友）。在学习者语料库中标注错误，可以分离出因学习者背景而异的系统性干扰，并加以解释。

对话和练习都围绕你将会遇到的事情：市场、看医生、面试、你的工地或你的医院。

通过对话模拟和自适应互动接受培训的人，完成学习的速度快多达 4 倍，在真实场景中应用时的信心高出 275%。和 AI 对话者练习能消除难为情：在这里说错话不会有任何代价。

双人配音的对话音频，加上逐句的发音练习，帮你克服不敢开口的心理。

在标准化任务中，用虚拟 AI 考官评估口语能力，评分者间信度达到 0.948（组内相关系数），70% 的学生表示用起来自在。语音识别系统遇到非母语口音时，准确率仍会下降，我们也把这一点考虑在内。

每天有固定的时间，目标由你自己选，有连续学习天数和看得见的进度：习惯比意志力更管用。

在注册时就确定学习的时间、地点和日常安排，养成习惯的可能性至少会翻倍。连续学习达到 7 天的人，第二天回来的可能性高出 2.4 倍，学完课程的可能性高出 3.6 倍。让学员自己调整每周目标，练习时间增加 25%，技能掌握程度提高 40%。

你的每周看板按技能显示进度，并在有人落后时提醒，赶在他放弃之前。

早期预警模型根据登录次数、不活跃时间和反复出现的错误，能以 0.88 的 AUC-ROC 检测出学习兴趣下降的风险。配合由这些预警触发的干预措施，完成率从 62% 提高到 88%，规律登录增加 25%，不活跃时间减少 40%。

买一个级别，几周内学完，拿到你的证书。没有长达一年的课程，也不会交了学费却学不完。

一项针对 1787 名专业人士的全国调查显示，人们明显偏好简短、在线、异步的微证书，这与欧盟到 2030 年让 60% 的成年人每年参加培训的目标一致。传统大规模开放课程的完成率中位数只有 12.6%；简短又有陪伴的结构，正是为了避免这种情况。

这些数字来自独立研究，研究对象是在线培训中的这些做法。