自适应备考是一个决策系统
许多产品把题目序列称为“自适应”，但其实只是在答对后让下一题更难、答错后让下一题更简单。有用的自适应范围更广。它评估学生能做什么、能多可靠地做到，以及下一步应收集什么证据。
对于 SAT 和 ACT 备考，这意味着布置一套有明确目的的完整练习，让学习者完成它，然后用结果更新下一份计划。即使规划逻辑很详细，学生的体验也可以保持简单。
一个有用的系统应考虑的五个信号
| 信号 | 它可以揭示什么 | 它不应仅凭自身证明什么 |
|---|---|---|
| 正确率 | 所选方法是否产生了最佳答案 | 熟练度或持久掌握 |
| 作答时间 | 正确作答是否足够高效 | 学习者为何慢 |
| 错误类型 | 内容缺口、误读、设题错误或执行错误 | 在没有上下文的情况下，最佳后续行动是什么 |
| 导师支持 | 哪些推理需要解释或提示 | 独立表现 |
| 后续保持 | 一段时间后某项技能是否仍然可靠 | 相关技能的整体准备度 |
为什么后续提取很重要
一项技能在解释后可能立刻看起来掌握牢固，但一周后就消失了。关于分散练习的研究表明，将学习时段间隔开可以提高后续保持，而提取练习研究表明，回忆信息可以强化长期学习，而不仅仅是测量它。
因此，一个实用的系统会安排已学技能在一段延迟后再次出现。如果学习者能够准确且高效地提取它，间隔就可以扩大。如果表现变差，该技能可以更早再次出现，并配以更有针对性的解释或不同的呈现方式。
如何构建每日自适应计划
- 从目标和诊断证据开始。 确定考试、目标分数范围、时间线和当前技能画像。
- 选择一组有针对性的练习。 平衡一个优先技能与少量混合或计划好的复习。
- 收集完整的结果。 记录答案、用时、跳过的题目、与导师的互动以及推理错误的类型。
- 更新技能证据。 避免让一道题造成掌握程度的剧烈变化。
- 安排下一次有用的接触。 判断该技能是需要立即修补、流利度训练、混合练习，还是稍后进行保持性检查。
AI 导师的贡献
AI 导师可以解释某个具体错误，要求学习者找出下一步，并检查学习者能否将这一思路迁移到相关问题。使用导师本身也是证据：在多次提示后得出的正确答案，不应与独立得出的正确答案完全等同对待。
导师不应是掌握程度的唯一评判者，解释也不应自动取代经过验证的题目内容。最安全的角色是在可衡量的练习与复习循环中进行引导式教学。
Hourly Prep 如何让这个循环自动运行
Hourly Prep 正是围绕这种多信号模型构建的。学习者打开一个每日计划，完成一组有针对性的练习，在结束时收到结果，并在推理需要修补的地方使用 AI 导师。下一个计划会区分独立正确答案与缓慢作答、有辅助的作答，或未通过后续保持性检查的技能。
- 学生会得到明确的下一步行动。 无需浏览庞大的题库并猜测该学什么。
- 导师先教学，再检查。 它可以改变方法、提出有针对性的问题，并让学习者独立应用这一思路。
- 练习跟随你的作答。 Premium 会根据你最近的学习情况来选择接下来的技能。
- 学习节奏由你掌握。 调整你的考试重点和每日学习时间。
题库支持学习循环，而决策引擎将每个结果转化为有针对性的下一步。查看完整的 SAT 和 ACT 路径，或将 Hourly Prep 与 免费的 Khan Academy 官方 SAT 练习 进行比较。
你应该看到什么
你的进度应帮助你决定下一步做什么：哪些技能需要再试一次，哪些方法有效，以及何时再次练习。
Hourly Prep 的Premium 优惠把个性化练习和 AI 导师的帮助放进你的学习日程。在选择升级之前，先从免费诊断测试开始。
向任何自适应备考产品提出的问题
- 它衡量的仅仅是正确率吗？
- 它是否将独立完成的学习与导师辅助下的学习区分开来？
- 它是否会在间隔一段有意义的时间后重新回顾已学技能？
- 它能否解释为什么布置某一套练习？
- 它是否使用官方练习进行完整考试模拟，而不是声称可以取代它？
- 它是否说明预测分数的不确定性？
