ConvoLive 的教学方式，以及背后的研究

更新于

ConvoLive 只用一种方式教学。你打开应用，一个角色用你正在学的语言开始和你对话，你出声回答，直到完成这个场景要求你做的三件事。点一杯饮料，问清过敏原，结账。然后对话结束。明天还有下一段。

这是一个很窄的设计，也有人问为什么这么窄。语法表在哪里？单词表呢？选择题呢？老实说，我们一开始就有这些，看到了结果，然后回头去读研究文献，看人到底是怎么学会开口说的。这个页面就是那个答案的后半部分。

下面每一节是一个决定、我们因此在应用里怎么做，以及它所依据的研究。简单说：

  1. 沉浸有效，是因为它逼你开口，不是因为它把你包围
  2. 说话是一种提取，而提取只有靠练习才会变快
  3. 有目标的对话比操练教得更多
  4. 帮助应该在你第一次尝试之后出现，而不是之前
  5. 重复一个场景能建立流利度，但要明天重复，而不是现在
  6. 一天的练习有个终点，明天的已经排好
  7. 允许休息的连续记录比严格的更持久
  8. 和 AI 对话能降低让人不敢开口的恐惧
  9. 为「出勤」发奖励会消耗动力，诚实的反馈不会

完整的文献列在页面底部，页面上的每一处引用都会跳到对应条目。

沉浸有效，但不是因为人们以为的那个原因

最常见的语言学习故事是这样的：我学了好多年，什么都没记住，然后搬去了那个国家，突然就通了。通常的解释是，你被这门语言包围了。到处都是输入。

研究的结论是：包围是必要的，但不充分。

上世纪 80 年代，Merrill Swain 研究了加拿大法语沉浸式学校的孩子。他们多年来一直用法语上课，接受了成千上万小时听得懂的输入，理解能力非常好。可他们的法语口语仍然远远配不上这么多的接触量。Swain 的结论后来成为「输出假说」：理解和产出是两种不同的技能，光有输入建立不起第二种。你还必须被推着去产出语言，在失败时注意到自己的缺口，然后再试一次1。

2004 年有一个更干净的检验。Freed、Segalowitz 和 Dewey 比较了三组法语学习者：本国的普通课堂，去法国留学一个学期，以及本国为期七周的强化项目，学生承诺只说法语。口语流利度进步最大的不是在法国的那组，而是本国沉浸组，他们报告的课外说法语、写法语的量也远超另外两组2。二十八名学生是个小样本，而且流利度进步唯一的统计预测因子居然是课外写作的时长，所以诚实的解读要比标题窄一些：把几组人分开的是他们用了多少这门语言，而不是他们人站在哪里。住在某个地方，不等于被迫开口。

所以我们没有去模拟「在国外」。我们模拟的是国外生活里真正起作用的那部分：日常生活丢给你一个带着目标的小问题，而除了开口说点什么，没有别的办法解决它。

**在应用里：**每一课都是一段有任务的口语对话。没有单独的阅读模式，也没有单独的听力模式。连初始设置也是说出来的：主持人问你想学什么，你出声回答，所以这个习惯从最初的三十秒就开始了。

说话是一种提取，而提取必须靠练习

看到一个词时认得它，和需要一个词时找得到它，是两种不同的能力，强度也不一样。阅读和单词卡训练的是第一种。说话需要的是第二种。我写过一篇更长的文章，讲这道沟是怎么拉开的，简短的版本是：从意思到词的这条路，只有靠使用才会变快。

「从记忆里把东西调出来，比再看一遍学得更多」，这条证据在学习科学里差不多是最扎实的。Roediger 和 Karpicke 让学生要么重读一段文章，要么就它做一次测试；一周后，测试组记住的多得多，尽管重读组当时更有信心3。Karpicke 和 Roediger 随后用外语词汇证明，带来持久学习的是反复提取，而不是反复学习，一周后的回忆量大约翻了一倍4。

对一款口语应用来说最重要的研究，是 Kang、Gollan 和 Pashler 在 2013 年做的。多数语言课程让你跟着母语者复述。Kang 的团队把它和另一种条件做了比较：学习者必须先自己试着把词说出来，然后才听到示范。先尝试的一组，对这些词的理解和产出都更好，而且，大家最担心的那一点，发音质量没有任何损失5。想说得好，不需要先听到。你需要的是去够它。Kang 的研究用的是单词和图片，不是对话里的句子，所以对我们这样的应用来说，它是相邻的证据，而不是直接的检验。

技能习得理论给出了机制。DeKeyser 描述语言知识从陈述性（你能说出规则）转为程序性（你不假思索就能用），只有通过对这项技能本身的练习，而且要在接近你将来使用它的条件下6。练阅读让你更会阅读。练实时组织句子，让你更会做这件事。

**在应用里：**每一轮都由你开口。课后总结会把你用自己的话说的句子，和照着提示念出来的句子分开计数，因为前者才是提取。

是对话，不是操练

既然目标是产出，为什么不用操练？说这句。再说这句。做起来还更简单。

因为互动研究表明，一来一回本身就是很多学习发生的地方。Long 的互动假说提出，当你和对方必须协商意义（对方没听懂，你换个说法，对方确认，你再确认），协商本身会让相关的语言变得突出，而这是操练做不到的7。Mackey 和 Goo 对这类研究的元分析发现，互动在即时测试和延迟测试上都带来了大幅提升，而且值得注意的是，几周后对词汇的效应仍然很强8。

任务型教学更进一步：给学习者一个真实任务，结果可以被评判，语言则是达成目标所需的任何东西。Bryfonski 和 McKay 汇总了 52 项任务型项目的研究，发现总体效应很强（d = 0.93）；后来的一次重新分析得出 g = 0.61，而 2023 年的一篇综述认为这些研究差异太大，根本不该汇总9。所以效应的大小有争议。没有争议的，无论在那里还是在上面的互动研究里，是学习者需要用这门语言去做某件事，而一个有结果的任务，让对话有了存在的理由。

关键词是「任务」。开放式闲聊没有什么可以完成的，也无从判断聊得好不好，多数「随便跟 AI 聊聊」的产品就是在这里把人弄丢的。任务有终点。

**在应用里：**每个场景都有三个目标，以清单显示。你真正说出那句话时，它们才会被勾掉，全部完成后对话结束。如果角色没听懂你，它会说出来并再问一遍，就像人一样，而不是显示一个红叉；一句话有没有奏效，你从对方的回应里得知，然后在下一句里修正。一整段对话只需几分钟。

帮助在你试过之后才出现

每个学习者都会遇到脑子一片空白的时刻。口语应用必须处理好这个时刻，否则人就走了。问题是什么时候帮。

研究的回答是：在尝试之后，而不是之前。Kornell、Hays 和 Bjork 证明，先尝试作答并失败，再看到答案，比直接被告知答案学得更好，哪怕那次尝试毫无希望10。Bjork 关于「合意困难」的更广泛工作汇集了大量同一形状的结果：让练习感觉更难、更慢的条件，往往记得更牢；让练习感觉顺畅的条件，往往记不住11。上面 Kang 的结果，就是同一发现在口语情境下的版本：去够那个词，胜过被递到手里。

这一点做起来并不舒服，因为一开始就给提示显得更贴心，在第一分钟的测试里表现也更好。但尝试之前的提示，会把提取练习变回阅读练习。

**在应用里：**轮到你时，有可以点一下听标准说法的建议，也可以用你的母语问「这个怎么说」。两者都是为了让你继续说而不是干瞪眼，也都是可选的：对话不会停下来等你用它们。课后总结把你用自己的话说的句子和照着提示念的句子分开计数，因为学习发生在「去够」的那一下，那才是要努力提高的数字。

重复这个场景，但要明天

你会注意到 ConvoLive 里同样的情境反复出现。这是有意的，安排的时间也是有意的。

De Jong 和 Perfetti 让 ESL 学生做一次四分钟的口头陈述，再做三分钟，再做两分钟。一半人重复同一个话题，一半人每次换新话题。训练期间两组都变快了；但只有重复组在之后的测试里保住了进步，而且他们的速度迁移到了从未练过的新话题上12。重复一个任务，不只是教会你那个任务。它把里面的语言程序化了。Bygate 更早的研究发现了同样的事：重复一个口语任务，流利度和复杂度都提高了13。

然后是什么时候重复的问题。Suzuki 和 Hanzawa 比较了一次坐下来把同一任务做六遍，和把它分散到一节课或一周里。集中重复消除停顿最快，但也让发音变慢，并产生更多逐字重复：学习者是在背诵，不是在说话14。Kakitani 和 Kormos 接着测试了流利度练习之间隔一天和隔七天的差别，发现一个月后两者的收获相同15。隔一天就够了。要避免的唯一安排，是马上再来一遍。

间隔效应总体上是记忆研究里最古老的发现之一；Cepeda 及其同事的综合分析涵盖了 250 多项研究16。Duolingo 自己在 330 万学习者身上做的生产环境实验发现，更好的间隔模型让任何活动的次日留存提高了 12%17。

**在应用里：**一门课程有一百个场景，所以同样的功能（点单、问路、描述问题）会在新的情境里再次出现，而不是重复同一份脚本。完成一个场景后，应用会记下你的最好成绩，并邀请你明天来打破它，而不是现在。

一天的练习有个终点

每天练多少也是一个设计问题，这里的证据来自我们自己，而不是论文。它是相关性，不是对照试验，请照此看待。

在 2026 年 8 月 18 日至 25 日注册的 461 人中，第一天完成四段或更多对话的人，有 48% 在之后的某一天回来了，而一段都没完成的人只有 14%。但这一组的首次会话中位数是 24 分钟，而且其中大多数人仍然再也没回来。一次很长的首次会话是热情，不是习惯。「三」是一个产品选择，不是研究给出的数字：足够构成一次真正的练习，又小到能做完就停。

把一次练习变成第二次，证据最充分、成本最低的工具是「执行意图」：具体地决定你下一次什么时候做。Gollwitzer 和 Sheeran 对 94 项研究的元分析给出的效应量是 d = 0.65，对一个只需一个问题的做法来说，这很大18。Nunes 和 Drèze 发现，人们完成一个已经显示出进度的目标的可能性，远高于完成一个从零开始的目标19。

**在应用里：**一天的练习是三段对话。第三段结束时应用会告诉你，展示已经排好的明天的场景，并只问一个问题：明天什么时候？你的提醒会在那时响起，并点出那个场景。想做第四段也可以，但屏幕已经告诉你今天完成了。

可以错过的连续记录

连续记录有效，但也脆弱。Silverman 和 Barasch 发现，给人看一条已经断掉的连续记录，比看一条完好的更不容易让人继续，而当记录可以修复时，伤害要小得多20。Sharif 和 Shu 发现，带一点内置余量的目标（「七天里做五天」）既更受欢迎，也更容易达成，而且错过一天的人在有余量时恢复的概率高得多21。Duolingo 记录在案的最大一次连续记录改进，是允许一个小活动就延续记录，而不是要求完成整个每日目标22。

**在应用里：**连续记录是一个天数计数，每个滚动的七天里内置两天休息。错过两天，什么也不会发生。一段对话就能维持它。真的断了时，应用也不会大做文章。

和一个不评判你的对象说话

说是四项技能里最让人焦虑的一项，而这种焦虑会明显压低表现，也压低开口的意愿23。MacIntyre 的「交际意愿」模型把这种意愿视为开口之前的最后一步，因此也是其他一切变量最终都要推动的那个东西24。

近几年一个一致的发现是，和机器说话会降低门槛。Bashori 及其同事对 232 名印度尼西亚中学生做了一项准实验：在语音识别网站上练习的几组，口语焦虑最终低于普通课堂组，而在访谈里学生说，对着网站说话比对着人更不紧张25。Tai 和 Chen 发现，用语音助手练习的青少年，用英语交流的意愿显著提高，焦虑更低，信心更高，因为这个环境比课堂的威胁感小26。

这是 AI 伙伴相对真人的唯一优势，我们把它用足。角色对你没有任何看法。你可以在咖啡馆连续搞砸三次，除了你自己没人知道。

**在应用里：**你随时可以重来，没有任何东西会当着别人的面被评分，任何场景的第一次尝试都允许很糟糕。

我们有意不做的东西

有些东西不在，是因为证据反对它们，不是因为我们还没做到。

没有生命值，没有体力，没有宝石商店，也没有徽章柜。其中一部分是证据，一部分是品味，下面说清楚哪个是哪个。

证据针对的是预期奖励和竞争。Deci、Koestner 和 Ryan 对 128 项研究的元分析发现，为一项本身有趣的活动提供预期的实物奖励，会降低对它的内在动机，而关于你做得如何的信息不会27。Mekler 及其同事发现，积分、等级和排行榜提高了人们做的量，却没有改变他们做得多好，也没有改变他们有多想做28。Hanus 和 Fox 在课堂上做了一学期的徽章和排行榜试验，发现游戏化组的动机更低，考试成绩也更低29。

生命值和体力是另一回事：它们不是奖励，而是对错误的惩罚，而上面关于帮助的那一节，正是在论证要让犯错变得廉价。不做它们是与此一致的设计选择，不是一项研究发现。

所以课后页面告诉你发生了什么：你完成了哪些目标，说了多少句，多少句是你自己的话，多少句角色第一次就听懂了，以及你在这个场景的最好成绩。这是关于能力的信息，同一批研究说它有帮助。XP 只是一个安静的数字。仅此而已。

也没有自由聊天模式，原因在对话那一节说过：它没有终点，也没有失败的可能，而一个不可能失败的任务，不会让人感到进步。

结语

出声说，在一个有目标的情境里，尽可能多地自己去够那些词。从对方的回应里得知有没有奏效。明天再做同类的事，不是现在。一天三段，然后停下。保住连续记录，原谅错过的那天。不为「出勤」发奖励，只诚实地记下你说了什么。

这些没有一条是原创的。它就是研究很久以来对人如何学会开口说的结论，去掉了那些让应用在第一分钟显得更讨喜、在第一个月显得更空洞的部分。想感受一下，应用是免费的，而且第一段对话本来就应该很难。

ConvoLive 的数据来自我们自己对 2026 年 8 月 18 日至 25 日注册用户的分析，已剔除测试账号。「回来」指在之后的任何一个日历日有任何活动，观察窗口至少为注册后五天。

参考资料

  1. Swain, M. (1985). Communicative competence: Some roles of comprehensible input and comprehensible output in its development. In S. Gass & C. Madden (Eds.), Input in Second Language Acquisition (pp. 235–253). Newbury House. ↩

  2. Freed, B. F., Segalowitz, N., & Dewey, D. P. (2004). Context of learning and second language fluency in French: Comparing regular classroom, study abroad, and intensive domestic immersion programs. Studies in Second Language Acquisition, 26(2), 275–301. doi:10.1017/S0272263104262064 ↩

  3. Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255. doi:10.1111/j.1467-9280.2006.01693.x ↩

  4. Karpicke, J. D., & Roediger, H. L. (2008). The critical importance of retrieval for learning. Science, 319(5865), 966–968. doi:10.1126/science.1152408 ↩

  5. Kang, S. H. K., Gollan, T. H., & Pashler, H. (2013). Don't just repeat after me: Retrieval practice is better than imitation for foreign vocabulary learning. Psychonomic Bulletin & Review, 20(6), 1259–1265. doi:10.3758/s13423-013-0450-z ↩

  6. DeKeyser, R. (2007). Skill acquisition theory. In B. VanPatten & J. Williams (Eds.), Theories in Second Language Acquisition: An Introduction (pp. 97–112). Lawrence Erlbaum. ↩

  7. Long, M. H. (1996). The role of the linguistic environment in second language acquisition. In W. C. Ritchie & T. K. Bhatia (Eds.), Handbook of Second Language Acquisition (pp. 413–468). Academic Press. doi:10.1016/B978-012589042-7/50015-3 ↩

  8. Mackey, A., & Goo, J. (2007). Interaction research in SLA: A meta-analysis and research synthesis. In A. Mackey (Ed.), Conversational Interaction in Second Language Acquisition (pp. 407–452). Oxford University Press. eprints.lancs.ac.uk ↩

  9. Bryfonski, L., & McKay, T. H. (2019). TBLT implementation and evaluation: A meta-analysis. Language Teaching Research, 23(5), 603–632. doi:10.1177/1362168817744389. Re-analysis: Xuan, Q., Cheung, A., & Liu, J. (2025). Language Teaching Research. doi:10.1177/13621688221131127. Review: Boers, F., & Faez, F. (2023). Meta-analysis to estimate the relative effectiveness of TBLT programs: Are we there yet? Language Teaching Research. doi:10.1177/13621688231167573 ↩

  10. Kornell, N., Hays, M. J., & Bjork, R. A. (2009). Unsuccessful retrieval attempts enhance subsequent learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 35(4), 989–998. doi:10.1037/a0015729 ↩

  11. Bjork, E. L., & Bjork, R. A. (2011). Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning. In M. A. Gernsbacher et al. (Eds.), Psychology and the Real World (pp. 56–64). Worth. bjorklab.psych.ucla.edu ↩

  12. de Jong, N., & Perfetti, C. A. (2011). Fluency training in the ESL classroom: An experimental study of fluency development and proceduralization. Language Learning, 61(2), 533–568. doi:10.1111/j.1467-9922.2010.00620.x ↩

  13. Bygate, M. (2001). Effects of task repetition on the structure and control of oral language. In M. Bygate, P. Skehan & M. Swain (Eds.), Researching Pedagogic Tasks: Second Language Learning, Teaching and Testing (pp. 23–48). Longman. routledge.com ↩

  14. Suzuki, Y., & Hanzawa, K. (2022). Massed task repetition is a double-edged sword for fluency development: An EFL classroom study. Studies in Second Language Acquisition, 44(2), 536–561. doi:10.1017/S0272263121000358 ↩

  15. Kakitani, J., & Kormos, J. (2024). The effects of distributed practice on second language fluency development. Studies in Second Language Acquisition, 46(3), 770–794. doi:10.1017/S0272263124000251 ↩

  16. Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354–380. doi:10.1037/0033-2909.132.3.354 ↩

  17. Settles, B., & Meeder, B. (2016). A trainable spaced repetition model for language learning. Proceedings of ACL 2016, 1848–1858. research.duolingo.com ↩

  18. Gollwitzer, P. M., & Sheeran, P. (2006). Implementation intentions and goal achievement: A meta-analysis of effects and processes. Advances in Experimental Social Psychology, 38, 69–119. doi:10.1016/S0065-2601(06)38002-1 ↩

  19. Nunes, J. C., & Drèze, X. (2006). The endowed progress effect: How artificial advancement increases effort. Journal of Consumer Research, 32(4), 504–512. doi:10.1086/500480 ↩

  20. Silverman, J., & Barasch, A. (2023). On or off track: How (broken) streaks affect consumer decisions. Journal of Consumer Research, 49(6), 1095–1117. doi:10.1093/jcr/ucac029 ↩

  21. Sharif, M. A., & Shu, S. B. (2017). The benefits of emergency reserves: Greater preference and persistence for goals that have slack with a cost. Journal of Marketing Research, 54(3), 495–509. doi:10.1509/jmr.15.0231 ↩

  22. Duolingo (2020). Improving the streak. blog.duolingo.com ↩

  23. Horwitz, E. K., Horwitz, M. B., & Cope, J. (1986). Foreign language classroom anxiety. The Modern Language Journal, 70(2), 125–132. doi:10.1111/j.1540-4781.1986.tb05256.x ↩

  24. MacIntyre, P. D., Clément, R., Dörnyei, Z., & Noels, K. A. (1998). Conceptualizing willingness to communicate in a L2: A situational model of L2 confidence and affiliation. The Modern Language Journal, 82(4), 545–562. doi:10.1111/j.1540-4781.1998.tb05543.x ↩

  25. Bashori, M., van Hout, R., Strik, H., & Cucchiarini, C. (2021). Effects of ASR-based websites on EFL learners' vocabulary, speaking anxiety, and language enjoyment. System, 99, 102496. doi:10.1016/j.system.2021.102496 ↩

  26. Tai, T.-Y., & Chen, H. H.-J. (2023). The impact of Google Assistant on adolescent EFL learners' willingness to communicate. Interactive Learning Environments, 31(3), 1485–1502. doi:10.1080/10494820.2020.1841801 ↩

  27. Deci, E. L., Koestner, R., & Ryan, R. M. (1999). A meta-analytic review of experiments examining the effects of extrinsic rewards on intrinsic motivation. Psychological Bulletin, 125(6), 627–668. doi:10.1037/0033-2909.125.6.627 ↩

  28. Mekler, E. D., Brühlmann, F., Tuch, A. N., & Opwis, K. (2017). Towards understanding the effects of individual gamification elements on intrinsic motivation and performance. Computers in Human Behavior, 71, 525–534. doi:10.1016/j.chb.2015.08.048 ↩

  29. Hanus, M. D., & Fox, J. (2015). Assessing the effects of gamification in the classroom: A longitudinal study on intrinsic motivation, social comparison, satisfaction, effort, and academic performance. Computers & Education, 80, 152–161. doi:10.1016/j.compedu.2014.08.019 ↩