english on 林協霆醫師

eng-speaking：24 天英語口說奇蹟與 Turn Dialogs 母語式訓練課程實作

Fri, 24 Apr 2026 00:00:00 +0000

# Introduction（引言）

對於以中文為母語的研究者與醫師，英語口說的瓶頸常不在於詞彙，而在於「即時組句」的反應速度與語塊使用習慣。傳統的單字背誦或文法練習無法直接改善口說流暢度。Turn Dialogs 為一種強調「真實對話輪次（turn）」的訓練法，要求學習者在固定時間內完成一輪對話，藉由高密度反覆建立母語式回應習慣。本專案將 24 天密集口說課程數位化，提供結構化、可量化進度的訓練平台。

# Methods（方法）

系統以 TypeScript 為主，前端實作互動對話練習介面，後端管理課程進度與學習紀錄。每日課程包含若干 Turn Dialog 模組，每個模組以日常情境為主題（醫療、餐飲、會議），要求學習者在限定秒數內完成回應，系統紀錄停頓時間、回應長度與重複次數。

設計重點在於「無中斷」訓練體驗：使用者開啟頁面後即可立即開始練習，不需切換頁面或登入流程；進度自動儲存至本地，支援跨裝置同步。語音輸入功能可選擇接入瀏覽器原生 SpeechRecognition 或第三方 STT API，以擴展實際口說情境的覆蓋。

# Results（結果）

24 天課程完成後，學習者預期可在常見情境中具備母語式即時回應的能力。課程的數位化使其能被精確追蹤：哪些 Turn 反覆失敗、哪個情境需要更多練習，皆可透過後台統計呈現，作為日後個人化教練系統的資料基礎。

# Discussion（討論）

本專案展示了將「老派但有效」的語言訓練法以現代工具重新打造的價值。其貢獻在於提供結構化的口說訓練流程，並以資料為基礎進行進度管理。限制方面，自動評分目前仍以反應時間與長度為主，語法與發音的細部評估須仰賴 LLM 或專門 ASR；課程內容深度仍需要持續擴充。未來可結合 LLM 提供即時回饋與情境拓展。

# 連結

GitHub：htlin222/eng-speaking
主要語言：TypeScript
最後更新：2026-04-24

r-with-ai-eng：英語版 R 統計工具入門：以 AI 學臨床研究統計

Sun, 12 Apr 2026 00:00:00 +0000

# Introduction（引言）

臨床研究者學習 R 統計工具時，常被語法細節卡住而失去探索熱情。傳統教材多以「先學語法、再學統計」順序展開，與學習者的實際需求方向相反。本教材主張「先讓 AI 帶你跑出第一張圖，再回頭理解每行做了什麼」的逆向學習法。在 LLM 已能即時生成可執行 R 程式碼的時代，臨床新手最需要的不是更多範例，而是被引導以結構化方式提問。

# Methods（方法）

教材以英語撰寫並以 R Markdown／Quarto 為載體，章節以「臨床問題」為主軸：例如「我的試驗主要終點是事件發生時間，怎麼跑生存曲線？」每章節提供：問題敘述、與 AI 對話的標準提問模板、AI 產生的範例程式碼、逐行解釋、以及挑戰題。學習者在跑出結果後，被引導對 AI 進行三輪追問：要求解釋、要求修改、要求泛化。

整體設計強調「AI 是教練不是寫手」：每章節的最後皆要求學習者自行不依靠 AI 重寫一次相似題目，藉此鞏固理解。教材以 R 為主，但所提倡之提問結構可遷移至 Python 等語言。

# Results（結果）

教材使初學者得以在數小時內跑出第一張臨床研究專用圖表（如 Kaplan-Meier、Forest plot），同時建立可遷移的 AI 提問習慣。對於非英語母語但需用英文撰寫研究報告的學員，本教材亦提供雙重學習：統計與英文同步進步。

# Discussion（討論）

本專案實踐了「教學重點轉向提問能力」的觀念：當 AI 能即時生產程式碼，課程價值便不在於教語法，而在於教結構化提問。限制方面，AI 答案會隨模型版本飄移，教材需要週期更新；對於完全沒有程式背景的學習者，仍需要基本語法掃盲章節。未來可結合互動執行環境（如 Quarto Live、WebR），讓讀者在瀏覽器中即時嘗試。

# 連結

GitHub：htlin222/r-with-ai-eng
主要語言：R
最後更新：2026-04-12

toefl-skill：TOEFL iBT 2026 備考教練與學習系統的 Claude Skill

Mon, 06 Apr 2026 00:00:00 +0000

# Introduction（引言）

TOEFL iBT 為臨床醫師申請海外進修、研究合作或英語教學職位常見的英語門檻測驗。其四個子測驗（聽、說、讀、寫）各自需要不同訓練策略，而市售教材多為被動式內容，缺乏針對個人弱點動態調整的教練功能。隨著 LLM 在語言評估與互動上的能力提升，將 TOEFL 備考流程數位化、客製化並嵌入個人 AI 工作流，成為有意義的設計目標。

# Methods（方法）

Skill 以 Python 撰寫，採漸進式載入：使用者透過 npx skills add htlin222/toefl-skill 安裝後即可在 Claude 對話中觸發。內含分項練習（精選題型、口語題範本、寫作架構）、模擬測驗與弱點分析。每次互動皆會將結果結構化記錄，作為下次練習動態出題的依據。

設計重點為「學習如同教練指導」：Skill 不單純提供答案，而是引導使用者先嘗試、再回饋、再反思。為了避免 LLM 評分的飄移，內建多個對標 ETS 評分標準的提示詞模板，使口語與寫作回饋盡可能穩定。

# Results（結果）

完成 Skill 後，使用者可在固定碎片時間內進行針對性練習，特別是口語自我錄音與寫作即時批改。對於忙碌醫師，能將通勤、值班空檔轉換為有效備考時間。Skill 形式亦使其能與作者其他學習工具（eng-speaking、zh-ebn-report-skill）形成完整的英語訓練生態。

# Discussion（討論）

本專案展現了「將傳統考試備考數位化」的可能性：當教材本身具備互動與反饋能力時，學習效率可顯著提升。限制方面，TOEFL 出題機構與評分系統的細節仍為閉源，Skill 評分僅能近似而非完全等同；長期備考的動機維持仍需學習者主導。未來可加入語音直接打分、與 Anki 整合進行單字長期保留，並提供繁體中文的學習說明。

# 連結

GitHub：htlin222/toefl-skill
主要語言：Python
最後更新：2026-04-06