Skip to content

教學文章裡的問題與用語怎麼寫：提問、回饋、術語與寫作規格的證據

2026年10月13日1 分鐘
首頁›learning
TL;DR問過的內容進步最多，這來自課堂小考與讀前提問的研究，插在文中的問題本身沒有我讀得到全文的綜整；回饋帶的資訊越多效果越大，但這些證據來自課堂、電腦教材與實驗室短文。可讀性公式只能解釋教師難度判斷的四分之一到三分之一，30 份 Bloom 動詞表對同一個動詞的歸類不一致。
#learning-science#retrieval-practice#self-learning#course-guide#blog
系列: 教學文章怎麼寫 (9 / 19)
「做中學」的證據在量什麼：課堂統合分析、ICAP 與 doer effect讀者會不會做文章裡的題目：作答率、略過、先看答案與提示的證據

🌏 English version

這篇屬於「教學文章怎麼寫」系列，談文字本身的後半：文章裡要不要放問題、答案怎麼給、用語和語氣怎麼處理，以及寫作者常用的幾套框架各有什麼依據。前半（例子、解釋、學習目標、讀者程度）在第 1 篇。兩篇可以分開讀；最後一節拿本站的課程導讀規格逐條對照時，會用到第 1 篇的結論，我在表裡各用一句話交代。

站上那篇 Learning How to Learn從學的人那一側談過自我測驗。這裡談的是寫的人能做的事：把問題和回饋直接寫進文章。

這批研究怎麼選、怎麼讀的。範圍是「作者能在一篇解說文字裡操作的寫法」對學習成果的影響，優先找統合分析（把許多實驗的結果合併估計的研究）。第一輪是從我已經知道的研究者和主題出發，邊搜邊選；之後才補做系統性的掃描。選進來的研究有明顯的偏向：英文文獻、大學生、短教材、拿得到全文的研究。初稿只讀了各篇的部分章節，獨立審稿時被指出漏掉好幾處會改變結論的保留；現在列在參考資料裡的每一篇都從頭讀到尾，並留有抽取紀錄。只讀得到摘要的研究，我在文中會明說，不拿它的數字當依據，也不列進參考資料。這一篇受這條規則影響特別大：回饋的時機只有一份直接比較的統合分析讀得到全文；對話式語氣最直接的統合分析，我只讀到摘要，或還沒有合法公開的版本。

先看結論

寫法證據強度
每一節後面問一題課堂小考的統合分析 g = 0.50；考過的內容進步較多，沒考到的也有一些（兩者的差沒有直接檢定）中到強；課堂情境，和網頁文章不同
題目問解釋與應用，不只問事實讀前提問的統合分析：概念型題目對沒問過的內容有小幅幫助，作者說效果不大；讀後題的題目層次，我沒有找到讀得到合法全文的綜整弱
答案附上理由回饋的統合分析：資訊量高的回饋效果量最大；把它對應到「答案加理由」是我的推論中
答案立即給或晚點給一份直接比較立即與延遲回饋的統合分析：平均沒有測到差異，延遲一天以上的研究很少；另一份只讀到摘要，問的是另一個問題未定
用可讀性分數把關公式只能解釋教師難度判斷的四分之一到三分之一我的判斷：不當門檻
術語旁加滑鼠提示的定義一個實驗：讀者自評的流暢度沒有回來；沒有量學習，也沒有記錄讀者有沒有看定義弱
對話式語氣（用「你」）兩份統合分析，一份我只讀到摘要，一份還沒有合法公開的版本未定
拿掉有趣但無關的內容一份博士論文的統合分析：教材裡有這類內容的組表現較差，研究多數在實驗室中；偏誤檢定顯著，大小難定
依 Diátaxis 分文件類型官網沒有引用實驗或使用者研究；我沒有找到評估研究從業慣例
依 Bloom 動詞表寫目標一份內容分析：各動詞表對同一個動詞的歸類不一致動詞表只能當找用語的工具
逆向設計有量化的實驗研究，本文沒有讀；讀到的質性綜整沒有成效估計未定

文章裡的問題與練習

插在文中的問題

在課文裡每隔幾段插一題，這類研究叫 adjunct questions（插入式問題）。經典的整理是 Christiaan Hamaker 1986 年的回顧。這篇研究存在，但我沒讀到作者或出版者公開的全文，所以不引它的數字，下面改用讀得到全文的研究。

最接近的是下一段的課堂小考統合分析。考試出現和小考相同的題目，效果量 0.51；題目改寫過 0.56；小考沒考到的內容 0.32。沒考到的那一格比較小，但原文沒有直接檢定這兩格的差。第 1 篇談的讀前提問差距更明顯：被問到的內容 0.66，沒被問到的 0.01。

所以出什麼題，等於替讀者決定哪些東西最可能被記住。這是我的推論：兩份研究一個是課堂小考、一個是讀前提問，都不是讀完一段之後插在網頁文章裡的題目。

題目的層次也有差，但證據比較弱。第 1 篇引的 2025 年讀前提問統合分析裡，要推論才答得出來的概念型題目，對沒被問到的內容有小幅幫助（g = 0.34），事實型題目沒有，作者說這個效果不大。讀完之後才問的題目，高階題與事實題怎麼比，我沒有找到讀得到合法全文的綜整，所以這一點沒有結論。

上面的數字來自 Chunliang Yang 等人 2021 年的統合分析（共同作者網站上的全文），只收課堂教學的研究，小考讓成績整體提高 g = 0.50。和重讀比，優勢是 0.33；和畫概念圖、做筆記這類策略比，優勢很小，作者的用詞是只有些微較好。小考的利害高低（對成績的影響大不大）沒有差別。在課堂外、沒有人監督的小考，效果比課堂內的小，差異只到邊緣顯著。這份分析明文排除了實驗室研究與線上遠距課程，所以它離「讀者自己讀一篇網頁文章」還有一段距離。

做法：每節後面的題目，問的是這一節你最希望讀者帶走的那件事；題型用「解釋為什麼」「換個條件會怎樣」，不要只問定義。題型這一半是我的推論，而且有相反的證據：Pan 與 Carpenter整理的少數研究裡，需要複雜推論的讀前題多半沒有幫助（那是讀前題，不是讀後題）。

要不要讀者先作答

第 1 篇整理過：被提示要自己解釋的學習者，整體勝過對照組（Bisra 等人 2018 年的統合分析，g = 0.55）。談影片的那一篇引的 Lawson 與 Mayer 實驗也是同一個方向：只讀現成解釋的人，沒有顯著勝過什麼都沒做的人。

我原本據此建議在題目上寫明「先寫下你的答案再往下看」。讀完全文後，這個建議要降成沒有直接證據的個人做法，理由有三個。Bisra 等人的分析排除了把自我解釋和回饋綁在一起的研究，而「先作答、再看答案」正是這種組合。它納入的誘發格式有好幾種，包括選擇題與填空，沒有檢驗「寫下來」。讀前提問的統合分析裡，只看題目不作答和作答的效果差不多，雖然作者提醒受試者可能在心裡作答了。

第 15 篇從另一個角度看同一件事：它問的是讀者判斷自己懂了沒有準不準。那裡的統合分析裡，判斷前先作答練習題能讓判斷準一些，只讀現成的題目與答案沒有測到幫助，所以那篇提議答案預設收起、先作答再展開。這篇看的是學習效果，那篇看的是判斷準確度，依據不同，結論也不同；規格要不要改，留給站主決定。

答案的內容

Benedikt Wisniewski、Klaus Zierer 與 John Hattie 2020 年的統合分析把回饋分成三類，效果量依序升高：

  • 只給獎懲：d = 0.24。
  • 訂正式的回饋：0.46。
  • 資訊量高的回饋：0.99。

這三個數字有四個保留。它們合併了有控制組的實驗和只做前後測的研究，後者的效果量較大，作者自己說較不可靠。全部效果量裡只有大約三分之一被歸進這三類。類別是依原始研究的摘要判定的。偏誤檢定顯著，作者沒有給校正後的估計。

「資訊量高」在這份分析裡的定義，是訂正式回饋的內容再加上自我調節層次的資訊。作者在討論裡把它詮釋成不只告訴學生哪裡錯，還說明為什麼錯、下次怎麼避免。把它對應到「答案後面加一兩句理由」，是我的推論。

Yang 等人的課堂統合分析裡，小考後有回饋的研究效果量高於沒有回饋的。那個比較看的是有沒有回饋，沒有區分回饋的內容。另有一份專門比較電腦教材回饋類型的統合分析（Van der Kleij 等 2015），我只讀到摘要，摘要的方向是附解釋的回饋優於只給正確答案。

做法：節末題目的答案盡量寫成「答案加一兩句理由」。開放式的解釋題沒有唯一答案，給判準。

答案的時機

答案該緊跟在題目後面，還是隔一段再給？直接比較立即與延遲回饋的統合分析平均沒有測到差異，另一份我只讀到摘要，所以這一項我不下結論，細節放在下面「來源說法不同的地方」。要不要把答案摺疊起來，我沒有找到直接的研究。

做比讀更能預測成績

Kenneth Koedinger 等人 2015 年的研究分析一門心理學線上課程的紀錄。學生多做一個標準差的互動練習，每週小考的總分就高 0.44 個標準差，是多看影片或多讀頁面的六倍多。

這個結果有三個條件。小考的題目出自互動練習那套教材的題庫。在教師自己出的期末考上，只做練習的人拿高分的比例沒有比只看影片的人高，要兩樣都多才明顯。資料是觀察來的，沒有隨機分派。作者認為他們用的因果推論模型支持「做練習有因果效果」，同時承認這只是初步的證據；我把它當成相關證據。

語言與呈現

可讀性公式

Flesch–Kincaid 這類公式用每句幾個字、每字幾個音節來估文章難度。Scott Crossley 等人 2023 年的研究請一千多位教師兩兩比較約五千段節錄，問哪一段對學生比較容易懂，再拿各種公式去預測。傳統公式和新式公式都有中高程度的相關，解釋了 23% 到 34% 的變異。同一篇也提到 Flesch–Kincaid 當年是用 18 段海軍訓練手冊定出來的。

三件事限制了這個結果能推多遠。效標是教師的判斷，不是讀者實測的理解成績，而且教師評分本身也有雜訊。節錄是給中小學課堂用的英文讀物，每段不到 230 個字。作者自己建的模型裡，最能預測教師判斷的是用字常不常見、具不具體這類字詞層次的特徵。

我沒有找到「依公式改寫之後讀者理解有沒有變好」的綜整，也沒有讀到中文技術文章的對應研究。所以我的判斷是不拿可讀性分數當過不過關的門檻；這份研究本身沒有這樣建議。

術語：加定義不一定夠

Olivia Bullock 等人 2019 年的實驗讓一般民眾讀三段各三句的新科技說明。一半的人讀到的版本有術語，一半讀到的是把術語換成白話的版本；另外交叉分派有沒有定義，定義做成滑鼠移到術語上才出現的提示。

  • 有術語的版本，讀者自評的閱讀流暢度明顯較低。
  • 有沒有定義提示，流暢度沒有差別。

這個實驗量的是讀者覺得順不順，沒有量理解或學習，對象也不是學生。術語版每段三句話裡放了 10 個術語，密度很高。實驗沒有記錄多少人真的把游標移過去看定義，所以「提示沒用」可能是看了仍然吃力，也可能是多數人沒看。

能確定的是：在這個實驗裡，把術語換成白話的版本讀起來比較順。本站有些文章用了滑鼠提示的詞彙表。我的做法是關鍵名詞在正文第一次出現時就用白話寫出來；這個做法的依據只有上面這一個實驗。「保留術語、旁邊加一句白話說明」這個折衷做法，這個實驗沒有測，是我的推論。

對話式語氣

把教材改成直接對讀者說話的語氣（用「你」），在多媒體學習的文獻裡叫 personalization。Jennifer Cromley 與 Runzhi Chen 2025 年的統合分析把 Mayer 掛名的多媒體研究重新合併，包含這一項；作者稿預定 2026-11-01 在 NSF PAR 公開，我目前沒有讀到合法公開的版本，所以不引它的數字。

另一份範圍更廣的統合分析（Ginns 等 2013）我只讀到摘要。摘要說有效果，也點出學習時間較長的研究裡效果小而且不顯著。

對話式語氣目前沒有我讀得到全文的證據，所以一篇要讀半小時以上的導讀，我沒有改口吻。這是保留，不是結論：指向「長時間沒效」的來源我只讀到摘要，另一份統合分析我目前沒有讀到合法公開的版本。

有趣但無關的內容

教育心理學把「讀者覺得有趣、但和學習目標無關」的內容叫做 seductive details，例如（我自己舉的例子）講閃電原理時插一段有人被雷擊中的故事。NarayanKripa Sundararajan 2018 年的博士論文彙整 54 個比較，教材裡有這類內容的組表現較差，g = −0.43。作者自己做了敏感度分析：效果低於 −1 的 11 個研究裡有 6 個出自同一位共同作者，拿掉這 6 個之後是 −0.28；作者說整體效果可能略被誇大，大小難以確定。同一主題另有 Sundararajan 與 Adesope 2020 年的期刊論文，我只讀到摘要，數字可能不同。圖表那一篇引的 0.33 是 Noetel 轉引的期刊版數字，算的是「拿掉」這類內容的效果，所以正負號相反；兩份的研究範圍不一定相同，大小不同不代表矛盾。

這份論文的出版偏誤檢定也顯著。另外，54 個比較裡 50 個在實驗室做，在教室做的 4 個是 −0.15，沒有測到差異；品質評為高的 17 個研究是 −0.24。能說的是方向：有趣但無關的內容沒有幫到學習；在真實課堂或讀文章的情境裡效果多大，不確定。

本站規格有一條是把查核過程（登入測試、逐頁核對、字幕修正的經過）移出正文。那條規則原本的理由是讀者讀不下去。把它對到這批研究是我的推論：研究測的是趣聞與裝飾圖，沒有測過查核紀錄。

字體與螢幕

有兩個和「頁面長什麼樣」有關的結果，順帶記下來。

把字體弄得難讀一點會不會讓人學得更好，曾經是熱門的說法。Xie 等人 2018 年的統合分析結論是對回想與遷移都沒有效果。後來有一篇正式發表的批評（被誤編的兩項研究是作者自己的）指出它的編碼有錯：重算後遷移的結論大致成立；回想只抽查了幾篇就發現數字對不上，合併效果沒有重算，作者對回想的結論存疑。Xie 那篇我只讀到摘要，批評我讀了全文。

螢幕和紙本的比較有比較完整的證據。Pablo Delgado 等人 2018 年的統合分析比較讀同樣文本的結果，紙本的理解優於螢幕（g = −0.21）；作者認為這個幅度在教育上不算小。這個差距出現在說明性的文本，以及說明與敘事混合的文本；只用敘事文的 7 個比較沒有，作者提醒這一格的比較很少。限時閱讀時差距較大，讀者自己控制時間時很小，信賴區間跨過零。需要捲動的比較裡紙本優勢較大，但和不必捲動的差異不顯著，作者列為待研究。

網頁文章改不了讀者用螢幕這件事。自己控制步調的讀者受的影響可能較小，這是我把跨研究的調節結果套到網頁讀者身上的推論。

非母語讀者與翻譯

本站幾乎每篇文章都有中英兩個版本，所以我特別找了這一塊。

Heleen Vander Beken 與 Marc Brysbaert 2018 年的實驗找了以荷蘭語為主要語言的大學生讀短篇說明文，一半讀荷蘭文版，一半讀英文版，測驗用的語言和文本相同。用是非題考，兩組成績相同。要他們自己寫出記得的內容，讀英文版、用英文寫的組明顯較差（d = 0.86）。

作者對原因提了幾種解釋，沒有定論：可能是用第二語言表達比較難，也可能是用第二語言讀的時候記憶的組織就不一樣。這個實驗沒有「讀英文、用母語作答」的條件，作者還提醒，學習和作答換語言本身可能有代價。所以我不建議「請讀者用母語作答」；能說的只有：以第二語言閱讀的讀者，辨認型的題目答得和母語讀者一樣好，要自己寫出內容時明顯吃虧。

把教材從一種語言翻成另一種語言，對學習成效有沒有影響，我沒有找到對照研究。搜尋到的是機器翻譯輔助外語閱讀的小型研究、第二語言註解對字彙習得的統合分析，以及英語授課的統合分析，都不是在回答這個問題，我沒有讀。

實務框架各有什麼依據

寫技術文件和設計課程的人常用三套框架。我分別查了它們的依據，三者的情況不一樣。

Diátaxis 把文件分成教學、操作指南、參考資料、解說四類。官網首頁的依據是採用它的專案與三則使用者證言。它的立論頁開頭自己承認「It makes sense and it feels right」不足以當理論依據，接著從「行動與認知」「學習與應用」兩個維度推導出這四類。兩頁都沒有引用實驗或使用者研究。我也沒有搜尋到任何比較「照 Diátaxis 寫」和「不照寫」的研究；搜不到不等於不存在。目前它是一套整理得很清楚的從業慣例。

逆向設計（backward design）與對齊。先定學習目標、再定評量、最後才設計教學，出自 Wiggins 與 McTighe 的 Understanding by Design。這一項我沒有查完。Carnegie Mellon 教學中心的說明頁主張目標、評量、教學三者要對齊，頁面本身沒有引用研究。Ufuk Uluçınar 2021 年的綜整只整理質性發現：納入的研究裡有一篇是嵌入式實驗設計、一篇是混合方法，綜整只取它們的質性部分。作者的結論是這套做法對教師專業發展與學生表現有正面影響，依據是訪談與文件的主題歸納，沒有效果量。這份綜整在篩選時排除了 18 篇用實驗方法量化檢驗成效的研究，沒有列出是哪幾篇，也沒有轉述結果。那 18 篇我沒有讀，所以逆向設計有沒有效，本文沒辦法下結論。

Bloom 分類與動詞表。很多學習目標的寫作指南會附一張表，告訴你「理解」層次用哪些動詞、「分析」層次用哪些。Claudia Stanny 2016 年的研究蒐集了搜尋結果排名前 30 個網站上的這種表。從附錄的網址看，大約 23 個是大學或社區學院，其餘是商業網站、非營利組織、軍事院校、中小學學區與專業學會；原文沒有替這些網站分類。433 個不重複的動詞裡，將近一半出現在兩個以上的層次。Stanny 的結論是動詞表像同義詞辭典，可以拿來找用語；一個目標屬於哪個層次，要連同動詞後面寫的具體內容一起看。

來源說法不同的地方

以下幾組結果方向不同，或看起來衝突、其實量的東西不一樣。我把它們並列，不選邊。

回饋立即給還是延後給。Kandemir 等人 2026 年的統合分析只收電腦輔助學習裡、直接比較立即與延遲回饋、隨機或擬隨機分派的研究，51 篇、160 個效果量，平均沒有測到差異（g = 0.03）；延遲至少一天的 7 篇偏向延遲，但不顯著，各研究差異很大。Van der Kleij 等人 2015 年那份我只讀到摘要，摘要說延遲回饋對效果量有負向影響；那裡的效果量是回饋相對於對照組，不是立即與延遲直接比較。兩份回答的問題不同，摘要看起來相反不代表互相矛盾。

文中的問題對沒被問到的內容。Yang 等人的課堂統合分析裡，小考沒考到的內容也有進步，但沒有再分成和小考相關或無關的內容；讀前提問的統合分析裡，沒被問到的內容沒有進步。兩份的情境不同（課堂裡多半是學完之後的小考，對讀之前的提問），不一定是衝突。Yang 等人提了幾種解釋，包括課堂內容彼此關聯、反覆學與考讓學生後續更投入；這些解釋在那份分析裡都沒有被檢驗。

問題放在讀之前還是讀之後。Pan 與 Carpenter 2023 年的回顧轉述三個直接比較的研究，兩個是讀後問較好，一個是讀前問較好；另有兩個課堂研究發現，讀前問一題加課後再考，和只在課後考沒有差別。這些原研究我沒有讀。Yang 等人的統合分析裡有「課前小考」對「課後小考」的比較，但那裡的課前指的是老師講課之前，學生可能已經讀過指定教材，不能當成「還沒讀就先問」的證據。

讀前題目要不要附答案、要不要作答。細節在第 1 篇。在問過的內容上，統合分析裡附回饋的條件分數最高（原作者不把它當成建議），Sana 等人的實驗裡附答案的組較低，方向相反；在沒被問到的內容上，統合分析裡附回饋沒有幫助，Sana 的實驗沒有考這類題目。只看不答和作答的效果在統合分析裡差不多，另兩份來源則指向要作答才有效。

拿本站的課程導讀規格對照

本站課程導讀的規格寫在 course-guide-contract.md。下面依 2026-10-14 工作目錄裡的版本，把和文字有關的條文逐條對到兩篇整理的研究。其中「各節結尾放一題」所在的「影片與正文的搭配」一節是 2026-10-13 才加的，寫這篇時還沒有進版本。

規格現在怎麼寫研究怎麼說判定
寫作前在範圍卡定出「讀完能解釋／計算／實作的能力」；沒有要求正文列學習目標學習目標敘述的幫助不穩定，擺哪裡沒有差別（Sana 等 2020）研究不支持再加「正文要列目標」
概念導讀「從具體問題到直覺與機制」IES 指引評為中等的是：具體與抽象並用，並明寫兩者的對應方向有支持；規格沒寫「明寫對應」
「走完一個例子／推導／反例」；完整例子要有條件、推理或計算、結果、結果的意思數學例題 g = 0.48（Barbieri 等 2023）；IES 指引建議例題與要讀者自己解的題目交替有支持，限數學與科學解題；規格沒寫例子後面接題目
「指出常見誤解」把迷思講出來再駁斥，勝過不駁斥的文字（兩份統合分析）有支持
概念導讀「附可自行判斷的解釋題或變式題」；實作教學要「變式練習與成功判準」自我解釋 g = 0.55（Bisra 等 2018，不含搭配回饋的研究）；IES 指引：數學解題裡，教完概念後題目有變化較好，學的當下較吃力有支持，規格已經有
「自我檢查需答案或判準，不只寫『想一想』」資訊量高的回饋效果量最大（Wisniewski 等 2020）有支持；「答案附理由」是我的推論
「每個主要小節結尾放一題，附答案或判準」（新加、未進版本）課堂小考 g = 0.50，考過的內容進步較多（Yang 等 2021）；插入式問題的經典回顧（Hamaker 1986）我沒讀到合法公開的全文間接支持；課堂研究，明文排除實驗室與線上課程
範圍卡記「讀者先備」；「未在系列教過的先備給可到達的橋接連結」協助對先備知識低的人有益、對高的人有害（Tetzlaff 等 2025）方向有支持；連結這個形式沒有人測過
查核歷程放 .work，不放正文有無關內容的組表現較差（Sundararajan 2018 博士論文）鄰近的支持；對應關係是我的推論
依文章角色分概念導讀、實作教學、總覽（設計依據引 Diátaxis）Diátaxis 官網沒有引用研究慣例
獨立審稿者核對目標、機制、例子、練習有沒有對齊（設計依據引 CMU 對齊頁）CMU 頁沒有引用研究；逆向設計的實驗研究我沒有讀未定

初稿提了七項修改建議。逐項重審之後，留下五項，都只補規格還沒寫、而且有讀完的來源支持的部分：

  1. 完整例子後面接一題讓讀者自己做，題目和例子要有變化。規格已經要求解釋題或變式題，但寫在「依角色教學」那一段；建議在「完整例子」的定義旁邊補上「例子之後接一題」。依據是 IES 指引的交替建議，適用範圍是數學與科學的解題；用在概念解說是我的延伸。
  2. 「指出常見誤解」補一句寫法：把錯誤的想法寫出來，再說明為什麼不對，不要只寫正確的版本。依據是兩份駁斥文字的統合分析。它們沒有檢驗一定要照哪幾個步驟，所以不規定格式。
  3. 「從具體問題到直覺與機制」補一句：同一段要出現抽象的寫法，並明寫具體情境和抽象符號怎麼對應。依據是 IES 指引。
  4. 自我檢查的答案盡量附一兩句理由，保留原有的「或判準」。這一項是推論：回饋的統合分析支持資訊量高的回饋，把它對到「答案加理由」是我做的對應。
  5. 「設計依據」逐條標明是哪一種依據。現有七條裡，NN/g、Karnad、各節自我檢查三條已經寫了樣本與限制。其餘四條建議這樣標：IES 是專家小組的指引，各建議有證據等級；Diátaxis 與 CMU 對齊頁本身沒有引用研究；CMU 對齊頁背後的逆向設計有實驗研究，我沒有查完；Anthropic 的 skill 文件是廠商的實務文件，談的是指令怎麼寫，不是學習研究。

初稿另外兩項撤下：

  • 「學習目標分到各節第一行」：規格本來就沒有要求正文列目標，而研究顯示擺哪裡沒有差別。
  • 「範圍卡加讀者先備程度」：範圍卡已經有這一欄。

有五件事研究還沒有答案，我建議規格先不規定：

  • 讀前題目旁邊要不要放答案。
  • 節末答案要放哪裡、要不要摺疊。
  • 答案該緊跟題目還是延後。
  • 要不要在題目上要求讀者先作答。
  • 把目標改寫成讓讀者先猜的問題。一個實驗室的實驗（Sana 等）支持它，但原作者說拿來當建議還太早。讀前提問的統合分析支持的是讀前題本身，沒有直接檢驗「把目標改成題目」；它還發現，控制組拿到學習目標這類相關活動時，讀前題在沒被問到的內容上的相對效果是 −0.23；不過「控制組類型」這個調節變項整體只到 p = .07，作者在內文說各類沒有顯著差異。

另有三件事我的判斷是不要加進規格：對話式語氣的要求、可讀性分數的門檻、Bloom 動詞表的層次對照。前兩項的理由在上面的小節；動詞表可以當找用語的工具，但各表的歸類不一致，不適合拿來規定層次。

截至 2026-10-14，這五項都還沒有寫進規格，也沒有用試讀驗證過。

今晚可以做的三件事

挑一篇自己寫過的教學文章，照下面改，大約一小時：

  1. 把文末的自我檢查挑兩題搬到對應的小節後面，改成「為什麼」或「如果換成某個條件會怎樣」（題型是我的推論，見上面「插在文中的問題」一節）。
  2. 替每一題的答案補上一兩句理由。
  3. 找出文中三個讀者最可能不認得的名詞，確認它們第一次出現時正文裡就有一句白話的說明，不只放在提示框或文末的詞彙表。

改完之後找一個沒讀過這篇的人試讀，看他節末的題目答不答得出來。

這些證據的限制

  • 沒有研究直接測過自學者讀網頁長文。把課堂、電腦教材與實驗室短文的結果搬到網頁導讀，是我的推論。
  • 插入式問題沒有我讀得到合法全文的綜整。經典的 Hamaker 1986 回顧，我找不到作者或出版者公開的全文；近年的統合分析集中在讀前提問與課堂小考，沒有一份專門處理「文章中間插題目」。
  • 課堂統合分析的情境和網頁文章不同。它排除了實驗室與線上遠距課程；課堂外無人監督的小考效果較小（差異只到邊緣顯著）。一篇沒有人監督的網頁文章，讀者可以直接跳過所有題目；讀者實際會不會作答，第 10 篇整理了：大樣本的作答紀錄只來自 MOOC，沒有一篇量過公開文章的讀者。
  • 回饋的統合分析涵蓋範圍很廣，異質性高，合併了設計不同的研究，偏誤檢定顯著而沒有校正；作者自己說整體數字只是平均。
  • 回饋時機與對話語氣沒有結論。回饋時機唯一讀完全文的統合分析平均沒有測到差異，延遲一天以上的研究很少；對話語氣最直接的研究我只讀到摘要，或還沒有合法公開的版本。
  • 做對讀的研究是觀察資料，小考題目出自練習教材的題庫。
  • 術語的實驗量的是自評流暢度，受試者是一般民眾，術語密度很高，沒有記錄讀者有沒有看定義。
  • 可讀性研究的效標是教師的判斷，節錄很短，是英文的中小學讀物。
  • 螢幕對紙本的統合分析，受試者絕大多數來自四個大型研究；作者排除這四個之後重算，結果幾乎相同。調節分析是跨研究的比較。
  • 第二語言的實驗只有一個，受試者是英語程度不錯的大學生，材料是短文。
  • 取樣偏誤見開頭：英文文獻、大學生、短教材、拿得到全文的研究；中文與日文文獻完全沒有查。
  • 我的推論有九處：把研究結果搬到網頁導讀；出什麼題等於替讀者決定哪些東西最可能被記住；節末題目用「為什麼」「換個條件」的題型；「答案加理由」對應到資訊量高的回饋；關鍵名詞用白話寫進正文；不拿可讀性分數當門檻；自控步調的讀者受螢幕影響較小；查核紀錄等同於有趣但無關的內容；IES 的例題建議用在概念解說。正文都標了。
  • 只讀到摘要、沒有列進參考資料的：Van der Kleij 等（2015）的回饋研究、Ginns 等（2013）的對話語氣、Sundararajan 與 Adesope（2020）的無關內容、Xie 等（2018）的難讀字體。
  • 只知道存在、沒讀到合法公開全文的：Hamaker（1986）的插入式問題回顧。初稿依網路上的第三方轉存檔引了它的數字；查核時找不到作者或出版者公開的版本，2026-10-14 拿掉所有數字，也從參考資料移除。Cromley 與 Chen（2025）重新合併 Mayer 掛名研究的統合分析：初稿讀的作者接受稿是在公開日之前經搜尋服務取得的；作者稿預定 2026-11-01 在 NSF PAR 公開，公開後比對一致才恢復引用，2026-10-14 先拿掉數字。
  • 沒有讀的：Uluçınar 提到的 18 篇逆向設計實驗研究。轉引：Pan 與 Carpenter 轉述的讀前對讀後比較研究。
  • 讀取上的缺口：Yang 等人的書目中段沒有逐行讀；Pan 與 Carpenter 取得的頁面缺表格與圖的內容；多數論文的圖只讀到圖說。
  • 沒有找到的：翻譯教材對學習的對照研究、Diátaxis 的評估研究、依可讀性公式改寫的綜整、答案摺疊的研究。

附錄：各研究的設計與數字

Yang、Luo、Vadillo、Yu、Shanks（2021），Psychological Bulletin 147。只收教學內容在課堂傳授的研究，排除實驗室與線上遠距教育；222 個獨立研究、573 個效果量、48,478 名學生，g = 0.499。573 個效果量裡 195 個來自單堂課。依對照組：沒有活動 0.610、較少題目 0.465、重讀 0.330、其他精緻化策略 0.095（p = 0.062）。被考到的內容 0.512，沒被考到的 0.321。有回饋 0.537，沒有 0.374。課堂內 0.514、課堂外 0.401（p = 0.051）。高利害 0.441、低利害 0.477（不顯著）。講課前的小考 0.186（34 個效果量），講課後 0.536（487 個）。小考與正式考試題型一致 0.531，不一致 0.399（仍顯著）。事實 0.524、概念 0.644、應用解題 0.453，三者差異不顯著。只上一次課 0.385，超過一學期 0.624。作者用了五種方法檢查出版偏誤，判斷風險小。原文沒有獨立的限制一節。

Wisniewski、Zierer、Hattie（2020），Frontiers in Psychology 10。435 個研究、994 個效果量、約 61,000 人（摘要寫超過 61,000）。全部合併 d = 0.55；排除 35 個極端值之後 0.48。有控制組的研究 0.42，只做前後測的 0.63。依回饋類型：獎懲 0.24（39 個效果量）、訂正 0.46（238 個）、高資訊量 0.99（42 個）；類型依原始研究的摘要編碼。Egger 檢定顯著。這篇沒有分析回饋的時機，也沒有納入學習者程度、情境等調節變項。

Bisra、Liu、Nesbit、Salimi、Winne（2018），數字依 Bisra（2020）博士論文第 2 章核對。69 個效果量、5,917 人，g = 0.55（0.45–0.65）；對照組沒有額外解釋 0.67（41 個比較），對照組拿到現成解釋 0.35（6 個比較）。排除了自我解釋與回饋合併的研究。完整數字在第 1 篇的附錄。

Koedinger、Kim、Jia、McLaughlin、Bier（2015），Learning at Scale。課程註冊 27,720 人，註冊使用互動教材並考期末的有 939 人。依變項是每週小考總分：做練習的標準化係數是 0.44，看影片與讀頁面各約 0.065。期末考拿高分的比例：只多做練習 16%、只多看影片 15%、兩者都多 31%。作者列的限制：只量次數沒有量時間、只有一門課。

Crossley、Heintz、Choi、Batchelor、Karimi、Malatinszky（2023），Behavior Research Methods 55。4,724 段供三到十二年級課堂使用的英文節錄，選取時設定每段 140 到 200 字，實際 135 到 228 字；1,116 位教師兩兩比較，每段平均被讀 46 次。把評分資料拆成兩半，各自算出的分數相關是 0.63。現有公式與教師評分的相關多在 0.50 以上，最高 0.58。作者自己建的 28 個變項模型解釋 50.7%，是在同一份語料上配出來的，作者註明可能過度配適。

Bullock、Colón Amill、Shulman、Dixon（2019），Public Understanding of Science 28。線上實驗，樣本不具代表性；650 人參加，分析 640 人；定義組 323 人、無定義組 317 人。流暢度（7 點量表）：有術語 4.57、沒有術語 5.27（η² = 0.11）；定義的主效果 F = 0.37（p = 0.543），交互作用也不顯著。各版本字數相同。定義條件在其中一個模型裡顯著預測對技術的支持，作者沒有解釋。作者列的限制：沒有量理解；滑鼠查定義本身多了一個動作；中介模型用的是橫斷資料。

Sundararajan（2018），Washington State University 博士論文（同一主題另有 Sundararajan 與 Adesope 2020 的期刊論文，沒讀，這裡的數字只能當論文版引用）。54 個比較、5,111 人，教材有 seductive details 對沒有：g = −0.43（95% CI −0.55 到 −0.31）。Egger 檢定與等級相關檢定都 p < .01。拿掉 6 個同一共同作者的研究後是 −0.28（原文沒有給信賴區間）。場域：實驗室 50 個 −0.46，教室 4 個 −0.15（95% CI −0.56 到 0.25，沒有測到差異）。研究品質評為高的 17 個是 −0.24，品質怎麼評原文沒有交代規則。作者一人編碼，沒有報告編碼者間一致性。

Delgado、Vargas、Ackerman、Salmerón（2018），Educational Research Review 25。2000 到 2017 年的 54 個研究：受試者間設計 38 個（169,524 人，其中 165,778 人來自四個大型研究；排除這四個後估計是 −0.22）、受試者內設計 16 個（1,531 人）。受試者間 g = −0.21，受試者內 d_c = −0.21。限時 −0.26、自控時間 −0.09；說明性文本 −0.27、說明與敘事混合 −0.30、只用敘事 0.01（7 個比較）。需要捲動 −0.25、不必捲動 −0.13，差異不顯著。上面這些調節分析只用受試者間設計的資料。文本長度（以 1,000 字為界）、裝置類型、理解題型都不是顯著的調節變項。紙本的優勢隨出版年份增加。Egger 檢定不顯著。限制：10 個符合條件的研究沒有納入（8 個缺統計資料、2 個資料非常態）；異質性高。

Vander Beken 與 Brysbaert（2018），Bilingualism: Language and Cognition 21。199 位根特大學心理系一年級生參加，排除 4 位主要語言不是荷蘭語的人，分析 195 人；高中至少學過四年英語。測驗語言和文本相同。是非題：兩種語言沒有差別（d = 0.07）。自由回想：d = 0.86。

Stanny（2016），Education Sciences 6。取樣是以「action words for Bloom's taxonomy」搜尋排名前 30 的網站。30 份清單共 788 個條目、433 個不重複動詞；236 個（54.5%）只出現在一個層次，197 個（45.5%）出現在兩到六個層次，其中 3 個在六個層次都有。沒有任何一個動詞被 30 份清單一致歸在同一層次；各清單收的動詞不同，原文沒有區分「沒收」與「歸到別的層次」。

Uluçınar（2021），International Journal of Curriculum and Instructional Studies 11。6 個資料庫找到 48 筆，其中 7 筆是跨資料庫重複。篩選時排除了 18 篇用實驗方法量化檢驗成效的研究。作者說最後納入 12 篇，但研究一覽表列了 13 列；其中有混合方法的研究。原文沒有限制一節。

IES 實務指引（Pashler 等，2007）。和這一篇有關的兩項：用小考讓學生再接觸內容、問深層的解釋性問題，證據等級都是強，但各有條件：小考要閉卷、偏好要自己回想的題型（簡答、填空）、要附訂正的回饋；問深層問題的前提是學生已經有基本知識；讀前提問是低，理由是還沒有在課堂口頭教學的情境測過。

參考資料

每一條都從頭讀到尾並留有抽取紀錄；讀不到的部分寫在括號裡。

相關文章

教學文章的例子與開頭怎麼寫：例題、解釋、學習目標與讀者程度的證據1 min讀者會不會做文章裡的題目：作答率、略過、先看答案與提示的證據1 min讀者知不知道自己懂了：理解判斷的準確度、解釋深度錯覺、練習題與延後摘要1 min