✨ SparkSoul 自學基地

since 2026.5
📚 逾 100 篇課程，每篇都有孩子版與家長版

閱讀時間約 11 分鐘

⏱️ 30 秒版（先看這裡！）

一、美國有一種學校，每天只用 2 小時就上完所有課，下午全部拿來做超酷的專案。 二、秘密是「AI 家教＋一定要全懂才能前進」——不是比誰聰明，是比誰把地基打穩。 三、你現在在家自學的方式，其實就跟這種學校很像喔！

🚀 先來想想看…

如果有人跟你說：「只要你早上專心 2 小時，下午的時間全部還給你，做你最想做的事。」你會怎麼安排下午？做綠能實驗？寫故事？還是研究掃地機器人？

美國有一位創業家叫 Joe Liemandt，他真的開了一間這樣的學校，叫 Alpha School。今天我們來看看，它是怎麼辦到的。

① 普通學校的「漏洞問題」

想像你在蓋樂高高塔，可是第三層有幾塊沒卡緊。你繼續往上蓋，蓋到第十層——塔就開始搖搖晃晃了。

普通學校有個規定：不管你學會了沒有，時間到了就全班一起升級。所以有的小朋友五年級的數學有個小洞沒補，到了國中，那個洞讓他越學越痛苦，最後說「我討厭數學」。其實他不是討厭數學，是三年前的洞沒人幫他補。

🤔 **小朋友想想看：**如果考試考了 80 分就過關，那沒學會的那 20 分，去哪裡了？

② AI 家教的兩張地圖

Alpha School 給每個孩子一位 AI 家教。它手上有兩張地圖：

  • 知識地圖：你已經會什麼、哪裡有洞。有洞就先補洞，補好才前進——一定要全懂，才能去下一關。
  • 興趣地圖：你喜歡什麼。有個男生討厭閱讀，AI 就生成一篇「他和好朋友一起對抗壞蛋」的冒險故事給他讀，他就一直讀下去了！

AI 還會把題目控制在「你大概能答對 80%」的難度——跟好玩的電玩一樣：太難你會想放棄，太簡單你會無聊，剛剛好的難度最好玩。

③ 大人不當「老師」，改當「教練」

在這種學校，判斷你會不會的是 AI（它超嚴格、不能討價還價），而現場的大人是教練：他們不改考卷、不罵人，只做一件事——陪你想辦法、幫你加油。

下午的時間拿來練「生活技能」：有小朋友學會解魔術方塊、有全班一起練跑 5 公里、還有五年級學生經營一台餐車學做生意！

🏠 生活裡的例子

你有沒有發現，我們家的自學就有點像這樣？AI 幫忙把大學課程變成你看得懂的教材，爸媽陪你一起讀、一起討論——AI 管「教」，家人管「陪」。而且你選了綠能當專案，就像 Alpha 的學生選自己的下午專案一樣。

🎒 今天學到了什麼？

  1. 普通學校「時間到就升級」會累積知識漏洞；比較好的方式是「全懂了才前進」。
  2. AI 家教有知識地圖和興趣地圖，還會把難度調到像電玩一樣剛剛好。
  3. 在這種學校，AI 負責教知識，大人負責當教練陪你。
  4. 早上有效率地學完，下午的時間就是你的——時間是最棒的獎勵。
Q: 為什麼有人到國中會「討厭數學」？
- 因為數學本來就很討厭
- *因為以前的知識漏洞沒補，越學越辛苦
- 因為國中數學老師比較兇
解釋: 就像樂高塔第三層沒卡緊，越往上蓋越搖晃！
Q: AI 家教會把題目難度調到哪裡？
- 超級難，讓你快點變聰明
- 超級簡單，讓你都答對
- *大概能答對 80%，像好玩的電玩一樣
解釋: 太難會想放棄、太簡單會無聊，剛剛好最好玩。
Q: 在 Alpha School，現場的大人主要做什麼？
- 站在台上講課
- 改考卷、打分數
- *當教練，陪你想辦法、幫你加油
解釋: 判斷對錯交給 AI，大人專心做「陪伴和鼓勵」這件 AI 做不到的事。

Alpha School 創辦人 Joe Liemandt 訪談

📖 家長導讀

本文改編自 Joe Liemandt 的公開訪談。他是軟體創業家，與教育家 MacKenzie Price 共同創辦 Alpha School——一所以「每天 2 小時學術學習＋下午生活技能專案」為核心的私立學校。孩子版聚焦三個概念：精熟學習、AI 個人化、教師角色轉型；本家長版保留完整論證，並在文末附查核筆記——訪談中的量化成果多為學校自述，請以「創辦人觀點」而非「已驗證事實」的視角閱讀。

🔍 完整概念

**一、傳統體系的結構性缺陷。**Liemandt 認為問題不在資源，而在底層設計：「以時間為基礎」的升級制讓知識漏洞不斷累積（高中討厭數學的根源常在小五）；體制只獎勵高智商與高盡責性的學生；疫情後同一班級的程度落差可達數年，「一位老師對全班齊頭講課」成為最沒效率的形式。

**二、三大承諾。**孩子必須熱愛上學（校內問卷 40–60% 學生認為上學比度假好）；每天 2 小時學會 2 倍內容；下午全部投入可量化的生活技能——從魔術方塊、5K 長跑、餐車創業到高中生的四年熱情專案（Alpha X）。

**三、AI＋學習科學。**核心系統 Timeback 餵入三種資料：知識圖譜（會什麼／缺什麼）、興趣圖譜（用漫威或棒球包裝教材）、認知負荷評估。搭配「精熟制」——100% 精熟才前進，使學習從「智商驅動」變成「努力驅動」；並把正確率控制在 80–85% 的最適難度區間。

**四、動機工程。**時間返還（早上專心、下午自由）是主獎勵；Waste Meter 監測無效學習行為；「100 分換 100 美元」計畫讓學生自願降級補洞，重建「我能拿滿分」的自我認知。Liemandt 對外在動機的辯護：只要能翻轉孩子對自身能力的內部認知，外部誘因是值得的工具。

**五、教師轉型為嚮導。**學科教學、教案、行政、家長溝通全部剝離，嚮導 100% 專注於連結與教練工作，原則是「高標準、高支持」——學生沒學好是系統與嚮導的責任，不允許責備學生。

**六、擴展。**以學費 15,000 美元的德州體育學院驗證模式不限於富裕階層——搭配德州教育券（約 10,474 美元，2026-27 學年）後家庭月付約 300–400 美元。

✅ 查核筆記

  • Bloom 2 Sigma（一對一＋精熟學習可提升約兩個標準差）：確有其研究（Bloom, 1984, Educational Researcher）；但後續複製研究普遍顯示效果小於 2 SD，學界視其為「方向正確、幅度偏樂觀」的經典。
  • 「80–85% 正確率是最適學習難度」：有實證支持——Wilson 等人 2019 年於 Nature Communications 提出「85% 法則」（The Eighty Five Percent Rule for optimal learning）。
  • 「哈佛 80% 學生拿 A」：大致正確。《Harvard Crimson》報導 2020–21 學年約 79% 的成績為 A 或 A-。
  • 「德州教育券 12,000 美元」：不精確。德州 ESA（TEFA）2026-27 學年為每生約 10,474 美元（州均經費的 85%），本文已修正。
  • MAP 全美前 1%、2 小時學 2 倍、10 倍速：皆為學校自述數據，目前無獨立第三方稽核；解讀時也應注意 Alpha 為篩選性收費私校，存在選擇偏誤。
  • 「美國高中生四年學術成長幾乎為零」：屬誇大的簡化。NAEP 長期趨勢確實顯示 17 歲學生成績數十年停滯，但「四年零成長」並非嚴謹實證結論。
  • 「17 歲學生以第一作者投稿 Nature」：「投稿」不等於「刊登」，原話僅為投稿。

📚 原始出處

  • Joe Liemandt 訪談影片（YouTube）
  • Bloom, B. S. (1984). The 2 Sigma Problem. Educational Researcher, 13(6), 4–16.
  • Wilson, R. C., et al. (2019). The Eighty Five Percent Rule for optimal learning. Nature Communications, 10, 4646.