Shello 是怎么教的
学得牢的东西，都是自己下功夫学来的。你得自己把道理想通，趁还没忘光的时候回头复习，还得老老实实面对自己还有什么不会。大多数学习应用的设计正好相反：马上给你答案、替你写好摘要、给你一个哄你开心的分数。Shello 就是围绕那三件更难的事来设计的。这一页要说的，就是为什么。
学习路径
依次完成三个步骤
导师照着真实的课本教，先问，再讲
所以，一节课从一个问题开始，问的是你自己也能读到的那一章；这样开场，背后的证据强得少见。研究者比较各种教学方法时，用的是同一把尺子，叫效应量。用这把尺子量，真人一对一辅导是 d ≈ 0.79：这是已知最大的效应之一，却比大家常引用的那个数字小。一步一步带着学生走的辅导软件，量出来跟真人导师差不多。
2025 年有一项随机对照试验。学生跟着一个把好的教学方法内置在设计里的 AI 导师学，比在主动学习课堂上学，用时更少，学得更多。功劳在设计。这也是 Shello 押的注：教学的功夫在系统怎么搭建，从来不在模型有多聪明。至于打开一个模型随便聊，这项试验并没有测。
学过的东西，接下来会按遗忘的节奏安排复习
当时听懂，不等于一个月后还记得。研究证实有两种学习方法效果显著：自我测试，以及拉长测试间隔。Shello 的闪卡结合了这两点，因此每个概念都会在你即将遗忘时，以问题的形式再次出现。但同一研究也指出另一面：间隔练习会让你记住反复练的内容，无论对错。因此，闪卡上的任何内容，都必须先与出处章节核对无误，才会被收录。
我们唯一不迁就你的地方：对你会不会，说实话
掌握度地图记的是你会什么、还不会什么；这份记录哪怕不中听，也必须诚实。高估自己会多少的人，学得少、记得也少，这是量得出来的：他们听不进反馈，也会跳过本来能补上这一课的功夫。所以地图只按你的作答来显示：哪个概念弱，就显示它弱。其他一切，节奏、模式、想学多深，都由你决定；我们也绝不会拿内疚感来左右你。
实际案例
教学始于给出答案之前
导师会先等你阐述推理过程，再结合章节内容进行检验和修正。提问不是教学前的前奏，而是教学的起点。
将一个远大于其他数值的数加入一个小数据集。在计算前，你认为它会对平均数产生什么影响？为什么？
业内的两个误传，我们不跟着说
第一个误传，是谈辅导效果时大家常引用的那个数字。布卢姆（Bloom）那个著名的“两个标准差”，说一对一辅导能把学生拉高两个标准差，按它最强的那种说法，其实是以讹传讹。经文献综述得出的数字是 d ≈ 0.79；误传里的数字，约是它的 2.5 倍。我们以这个老实的数字为基础。
第二个误传，是关于人怎么学习。写摘要、划重点、反复重读，在研究里被评为效用最低的几种方法，而大多数学习应用替你自动做的，偏偏就是这几样。所以 Shello 没有“一键总结”按钮。这本书要你自己把学到的东西串起来，从不替你代劳。
证据都在这里
上面说的都是简短版。下面是完整的核查记录：每一个决定、我们的假设，以及结论。表里的“Supported”（有研究支持），是指有已发表的研究支持这个选择；“Practice standard”（业内的通行做法），是指没有对照研究、或对照研究用不上时，有业内惯例支持它。这份核查文档跟我们的代码放在一起。每次构建网站时，这张表都从它重新生成，因此不可能悄悄过时。
展开完整的证据核查
| 决定 | 我们的假设 | 结论 |
|---|---|---|
| 以对话辅导为核心模式 | 对话式辅导优于纯内容呈现 | 有研究支持 — 但须按下文对“两个标准差”效应进行修正 |
| 带阶梯提示和让步机制的苏格拉底方法（FR-M.3、P1） | 用引导式提问，绝不让学习者毫无引导地摸索；学习者让步时提供答案 | 有研究支持 — 研究强调必须有引导，正好符合我们的设计 |
| 基于 FSRS 的间隔重复 | 按计划进行检索练习优于重新学习 | 得到强力支持 — 这是目前已知成效最高的两种学习技巧 |
| 记忆模型：强度、随阅读时间衰减、半衰期（D-048） | 每项记忆的回忆率按指数衰减；新证据会改变记忆强度 | 有研究支持 — Duolingo 也独立地从数据中推导出同一种模型 |
| P2：促使学习者自主整合，绝不代劳 | 不自动生成摘要；笔记和高亮作为评估学习的载体 | 有研究支持 — 支持力度超出我们原先的预期 |
| P3：如实呈现掌握程度 | 即使反馈令人不悦，也要保持准确 | 有研究支持 — 过度自信会导致可衡量的学习成效下降 |
| P1：学习模式由用户选择 | 让学习者自主，绝不用内疚感推动他们 | 有研究支持（自我决定理论）— 对新手的限制，我们已经纳入设计 |
| 学习者自行设定熟悉/掌握/精通目标（D-059） | 学习目标由学习者在同一客观尺度上自行设定 | 有研究支持（SOLO 分类法、校准研究） |
| 有名字、用对话语气的导师角色（FR-M.16） | 导师有名字、礼貌、说话自然，并明确说明自己是软件 | 有研究支持（个性化和礼貌效应）— 说明软件身份是伦理要求，不是效果手段 |
| 概念图谱，以及跨书本、跨模式的掌握度（D-029、D-059） | 知识成分不取决于它在哪里被教授 | 有研究支持（KLI 框架） |
| 书本、闪卡、导师各司其职；书中不设练习（P2、§0） | 不同学习过程需要不同工具 | 有研究支持（KLI 的三类学习过程） |
| 反复练习前先核实内容（R3） | 绝不让间隔重复把错误练熟 | 可由研究推论支持 — 让 FSRS 有效的记忆机制，同样会让错误变得牢固 |
| 触发危机干预时立即退出教学，不将其作为教学回合（FR-M.19） | 学习者披露危机时，立即退出教学框架并指引其寻求人工帮助 | 业内通行做法 — 依据危机应对规范，而非随机对照试验；我们会如实说明 |
| 受限制的领域（D-039） | 不提供针对个人的医疗、法律、财务或心理健康建议 | 业内通行做法 — 依据专业边界规范；这不是一个实证研究问题 |
| 重视长期记忆，不以互动量为指标（D-046、非目标） | 衡量学习与用户回访，绝不以使用次数衡量 | 原则上有研究支持 — “互动不等于学习”正是这个领域自身的批评 |
| 按结构检索，不使用嵌入向量（D-007） | 用可导航的章节索引，而不是相似度搜索 | 工程判断 — 有研究支持用来源材料减少幻觉；具体机制仍须由我们在 D.4 验证 |
| 按记忆保留时间发送提醒（D-065） | 依据记忆状态通知，绝不靠连续打卡 | 有研究支持 — 复习接近最佳时点，间隔学习才有效；不施加内疚感也符合自我决定理论 |
| 闪卡标准：通过连续再学习才算掌握（D-065） | 牢固掌握＝在多次有间隔的学习中成功回忆 | 有研究支持 — Rawson 与 Dunlosky 的研究，包括专门针对统计学课程的研究 |
| 闪卡标准：用常见误解制作有竞争力的选择题干扰项，并强制提供反馈（D-065） | 把陷阱变成干扰项，再用反馈消除其诱导作用 | 有研究支持 — Little 与 Bjork 关于竞争性选项的研究，以及 Butler／Roediger 一系关于反馈消除诱饵影响的研究 |
| 版本目标：可读性区间只作为警告级指标（D-065） | 公式提供参考，最终由人判断 | 有研究支持，同时保留该领域自身的限制 — Flesch-Kincaid 明确不是简化程度指标；衔接性指标表现更好；人工审核仍是标准 |
| 用模拟学习者衡量结果，并与只阅读内容的对照组配对比较（D-072） | 在真实学习者出现前，可以衡量教学是否带来迁移，但只能作为比较 | 工程判断，并明确标示 — 比较设计本身合理，也与长期记忆研究中的辅导组对阅读组相呼应；尚未证实的是，角色扮演学习者的进步能否预测真人的进步。它只是 0.20 测量的快速预演，绝不代替真人测量 |
| 设有“没有效果”分支的停止规则（D-073） | 调校过程必须能够得出“这套教学循环没有教学效果”的结论 | 业内通行做法 — 预注册和停止规则是标准实验纪律，正因为看完数据才选门槛，门槛就会迎合数据；这不是关于学习效果的实证主张 |
| 课堂采用阅读界面，而非聊天界面（D-086） | 课程像书本一样排版，且书本一键可达，可让对话紧扣原文，也让导师的回复更易读 | 设计假设，并明确标示 — 没有对照研究比较文档式与气泡式导师对话对学习的影响；Mayer 的分段原则（由学习者控制节奏的内容块）与两者都兼容，ICAP 讨论的是学习者的活动，而非版面。已有依据是它与 P4 及阅读器分层设计（D-056）一致。它会以假设形式上线，并设有淘汰标准：首批用户 30 秒理解测试，同时记录版面切换；若结论改变，只需更换样式，不涉及架构 |
| 按能力类型记录证据：识别、回忆、解释、应用、迁移是证据记录的维度，而不是分数的维度（D-133） | 不同题型显示的是不同的知识，所以只有先记下题型，一个数字才能如实把它们归纳起来 | 有研究支持 — KLI 框架把这些视为不同的知识成分，研究中迁移也经常与记忆保留脱钩；我们在上面另加一条诚实原则：一项能力要等证据足够，才会显示出来 |
| 把掌握程度当作一项经过校准的预测，再用日后的结果检验（D-133） | 强度和把握度合起来，估算的是学习者此刻在没有提示下答对的概率；而计算掌握度那组常数是否正确，就看这个估算能否对得上 30 天后的结果 | 有研究支持 — 用日后表现检验校准，是知识追踪领域的标准效度检验；预测看得见的行为，也化解了“掌握程度是在衡量一种看不见的东西”这个质疑；数据少到不足以分组时，这套工具必须如实说明数据不足，而不是照样给出一张校准表 |
| 按学习者逐一记录误解，用词取自固定清单（D-133） | 学习者相信了什么错的说法，比只看分数更能指引教学；而针对已记下的那个想法去反驳，效果最好 | 有研究支持 — 反驳式文本和误解诊断这两支研究，已经撑起 D-057 的“陷阱”单元和 D-065 的竞争性干扰项，而两者都预设了正是这样一份记录；仍待我们证明的是，一份固定清单能涵盖多少误解 |
| 按证据挑选教学手法，最终由程序结构拍板（D-133） | 根据学习者已经表现出来的情况挑选下一步教法，胜过每次都照同一道阶梯走下去；前提是这个选择可以核查，而且绝不推翻学习者自己的选择 | 原则上有研究支持 — 自适应教学的综述研究支持按证据调整教法，范例效应和专长逆转效应就是最典型的例子；调整的准则在看到数据之前就写好，而 P1 不受影响，因为系统改变的是怎么教，绝不是学习者选了什么 |
| 诊断式起点建议，仅供参考（D-133） | 用十分钟完成一次自适应的已有知识评估，就能为掌握度地图打好底，也让第一节课更贴切，而选择权仍在学习者手上 | 有研究支持 — 已有知识是学习成效最强的预测因素之一，而“只建议、不代为决定”与自我决定理论一致，正如 D-065 的路线规则；至于沿着前置概念图逐层往下走的固定做法，属工程判断：舍弃少许精确度，换来可核查，也换来低阶模型也负担得起的成本 |