LexAI
一款自适应语言学习应用,它的智能是看不见的。我让个性化变成学习者真正能看到的东西。

背景
LexAI 根据每个人的学习方式调整课程,提供与母语者练习的机会,并实时给出反馈。竞赛命题要求做一个 AI 语言导师。而底下真正的设计问题是:自适应系统最有价值的工作,往往是在看不见的地方完成的。




设计过程








关键决策 · 01
为两次学习之间的空档做设计
选择
把进度追踪和目标设定,对准应用没有被打开的那些日子。
放弃
把同样的精力投入到更丰富的课中体验。
原因
语言学习者不会在一节课中途放弃,他们是在两节课之间放弃的。设计必须在那里起作用。
依据
连续天数页面自己解释自己——连续天数记录的是你连着练了多少天——而承诺的大小由学习者在第一天之前自己选:5、10、15、30 或 60 分钟。



关键决策 · 02
让学习者看见系统改了什么、为什么改
选择
在调整发生的当下,用平实的语言把它说出来。
放弃
静默适应,这是默认做法,交互也更顺滑。
原因
如果应用悄悄改了你的课程却从不说明,它看起来只是一个反复无常的普通应用。一旦被看见,同样的行为就变成了体贴。
依据
智能阅读导师把发音结果拆成一个词一个标签,而不是给一个分数;口语测试的转写稿则把每个错误标在句子里出错的那个位置。






关键决策 · 03
把练习拆到真正出错的那一层
选择
练习拆到单个语法单元——独立从句、从属从句、名词性、形容词性、状语从句——各有各的十五道题和各自的分数。
放弃
一个「语法」模块,配一条总进度条。
原因
一个总是错状语从句的学习者,需要的不是更多语法,而是那一个单元。一个合并的分数只能告诉他「再努力点」,而那不是一条可执行的指令。
依据
每种从句都带着自己的题量和对错统计,答案就地标出对错,而不是最后汇总成一个数字。



成果







如果重做
它靠概念的力量获奖,但从未经过跨多次使用的真实测试,而这恰恰是「维持动力」这个主张所依赖的时间尺度。在验证之前,我会把它当作尚未成立。