個案示例

TopRecall™ 個案：半衰期 Half-Life Retention 式記憶保持的威力

兩位學生、同一主題（聯立方程）、同一天開始。

Mia 練習一次便往下進度；Alex 在兩天後收到一次短而準時的 TopRecall™ 複習—— 正好在「最可能遺忘之前」。這小小的提醒，拉長了 Alex 的「記得時間窗」。

• Alex 下一次複習安排在約 80–85% 的可回想率門檻：不早不晚，剛剛好。
• 每次成功、寫得完整的複習，都會把間隔拉長（由數天 → 數週 → 數月）。
• 臨近考試時，Alex 更少重學時間、更多應用時間。

給家長的一句話：「在快要忘記前複習一次——大腦下次就能記更久。」

研究

TopRecall™：面向 GCSE／IGCSE 數學的精準間隔練習引擎（PLUS）

在 LazyExams 中，結合可解釋的間隔安排與 AI 品質評分

---

給家長的摘要

當短複習發生在「即將遺忘之前」最有效。TopRecall™ 透過 AI 評分解讀每次作答的品質，並悄悄地在合適時機安排下一次短複習。 這代表更少隨機練習、更少臨急抱佛腳，而是更穩定的實力累積。

我們的系統設計專注記憶與學習研究（例如早期與現代對間隔與提取練習的探討）。 

TopRecall™ 在 LazyExams 如何運作

對「每位學生 × 每道題目」，TopRecall™ 建立可解釋的「穩定度」概念。 每次 AI 評分會提供多個訊號（例如分數、步驟／書寫完整度、（選填）信心、題目難度）。 強證據會把下次複習推遠；較弱證據會把時間拉近——把時間花在最有幫助的地方。

由 AI 評分到學習洞見

AI 評分不只看對錯，也重視清晰步驟並降低「碰運氣」影響。 TopRecall™ 將多重訊號合併為單一「學習強度」，據此設定該主題「何時再見」。 穩定的主題會拉長間隔；仍不穩的主題會以短、快的方式回訪，建立信心。

跨學生與主題的個人化

每個孩子的遺忘速度不同。TopRecall™ 會依學生、依主題（數與代數、幾何等）、到題目層級自動調整。 體驗保持公平、透明且合身，而非一刀切。

讓每日負擔可控

我們限制每日的練習數，使溫習更人性化。系統按急迫度排序，並在主題間平均分配。 顏色一目了然：綠色（穩定）、黃色（將到期）、紅色（需要喚回）。 把紅轉綠，就是進步的微里程碑。

為何採用可解釋方法

• 透明：學生明白為何「該複習」。
• 自適應：證據累積越多，間隔越長。
• 可稽核：少數關鍵輸入、清楚的決策邏輯。
• 具動力：顏色與小勝利帶來持續動能。

研究設計（評估綱要）

我們計劃以班級規模比較：日常溫習 vs. TopRecall™ 引導的排程。 指標包含延後保留、主題內近遷移、及「每分鐘得分」效率。 分析將採合適的統計模型，並在學校同意下，以去識別化資料進行。

家長可以期待甚麼

• 短而平衡的每日練習，適合繁忙日程。
• 鎖定孩子真正需要的部分，而非隨機題海。
• 以顏色與小獎勵呈現的可見進步。
• 少重複熟練內容，多專注於關鍵弱點。

限制與保障

每位學生都不同，TopRecall™ 會持續調整。它重視清楚的書寫步驟、降低猜測影響，並以每日上限保護負擔。 教師與家長可監察進度並配合課程節奏。我們的目標是「可持續理解」，而非臨時抱佛腳。

TopRecall™ 專利 Patent pending（摘要）

我們的保護重點在於：如何把「步驟層級的 AI 評分作答」轉化為多訊號的學習強度，並以人性化、負載平衡的排程 決定練習時機與內容。我們公開效益與高層設計，但資料管線與更新規則之細節屬專有。

參考（公共學術）

• 與記憶衰退與間隔相關的早期研究傳統（1885 ）。
• 當代對間隔、提取練習與持久學習的研究社群。