跳至內容

用於動態學習、評分同模組嘅知識庫。

請參閱呢啲資料,了解 AI 評分自學背後嘅產品循環、聲稱政策同技術依據。

學習引擎點樣運作

量度同摩爾

有效數字、單位換算、摩爾同化學式,以及揪出計算錯誤嘅習慣。

反應同化學計量

平衡方程式、限量反應物、溶液濃度、反應類型同氧化還原。

原子、化學鍵同命名

電子組態、週期性趨勢、路易斯結構、分子形狀同化合物命名。

氣體、能量同酸

分子間作用力、氣體定律、焓、赫斯定律,以及酸、鹼同 pH。

原子、光同化學鍵

同位素、原子光譜、量子數、電負性同軌域混成。

溶液、相同熱力學

滴定、依數性質、相圖、熵同自由能,以及核衰變。

動力學同平衡

速率定律、半衰期、活化能、平衡常數同勒沙特列原理。

平衡計算同電化學

ICE 表、弱酸同弱鹼、緩衝溶液、溶度積同電池電勢。

自己學習

練習點樣調整、點樣計劃,同埋點樣堅持落去。

幫助學習者

俾睇學習者訊號嘅老師、導師、家長同導引者。

我哋點樣提出論點

呢個網站上任何模型或者評估聲明背後嘅資料來源。

學習引擎點樣運作

  • 將每個答案視為證據,而唔係最終分數。
  • 當推理睇落合理但唔完整時,會提出質疑。
  • 利用呢啲訊號揀選下一條題目,而唔係由頭重新開始成條學習路線。

產品將練習變成持續更新嘅理解模型。

  1. 一個回應變成證據。

    答案、信心、解釋同睇得到嘅推理,顯示邊啲可能已經穩固,邊啲可能仲脆弱。

  2. 證據更新掌握度訊號。

    系統持續保存一個可以修訂嘅概念層面理解估計,而唔係將單一答案當成最終分數。

  3. 概念圖決定下一步。

    先修條件同相關概念幫手決定係繼續向前、重溫基礎,定係追問一個更尖銳嘅跟進問題。

唔係固定嘅課程次序。

Robotutor 係自適應、由模型驅動嘅學習基礎設施:練習、掌握程度估計同後續題目會隨住你嘅訊號變化而調整。

  • 以證據為本嘅掌握度建模

    學習者嘅證據會跨時間衡量,所以估估吓、唔確定同有信心嘅推理唔會睇落一樣。

  • 以概念圖為本嘅排序

    概念透過先修同相關概念嘅連結相連,所以可以由結構推導出學習路徑,而唔係跟固定嘅課程次序。

  • 對立式提問

    問題會探究答案背後嘅推理,包括邊緣情況同改變咗嘅假設,令錯誤觀念浮現出嚟。

  • 混合檢索

    結合語意相似度同概念圖遍歷,令回應同時建基於意思同明確嘅概念關係。

如需帳戶協助、推出意見或產品查詢,請電郵至 support@precision-learning.org。