在下只是三峽國中學生普通家庭的家長，學識也普通，不過是和兒子聊天談起今年會考的試題能不能用人工智能來預測試卷？就是這樣，我慢慢坐到電腦前，開始向 AI 請教，起手之際覺得原來比想像中容易。

隨著再深入一點，才發覺自己實在志大才疏，AI也不是萬能的，是去到山腳才知道爬山沒有直路，都有暫緩過一下，默默覺得「這可能是我能為台灣唯一能做的事」，再試一下吧。

所以這個網站如果仍然錯漏百出，還請大家多多包涵。畢竟，這是一個在開初連會考時間日期都還未完全搞清楚的人做出來的。

祝各位同學和家長會考順利。

這不是AI 預測題庫，而是一個「考前學習流程」的重構 會考倒數 35 天，一名普通家長自行開發 AI 備考系統： 預測題庫、AI 聆聽、作文批改、分階補強，全面免費開放全台十八萬考生 各位媒體朋友您好： 正值 2026 年國中教育會考進入最後倒數約 35 天之際，我希望提供一個或許值得關注的案例。 我並不是教育科技背景，也不是任何機構或公司，只是一名普通的國中三年級學生家長，孩子目前就讀於新北市三峽國中。在陪伴孩子準備會考的過程中，我逐漸產生一個很實際的問題：在考前最後這段時間，學生是否只能依賴大量刷題與補習，還是有可能透過一套更有結構、更有回饋、更有效率的方式來學習？ 基於這個問題，我自行設計並完成了一個線上學習平台： https://www.tw-exam.com/ 這個平台目前已對外開放使用。我並沒有打算以此作為商業產品，也不打算接受訪問或個人曝光，只是希望讓今年約十八萬名會考學生，多一個完全免費的學習選擇。即使未來使用人數大幅增加，我亦已準備好自行負擔伺服器成本，確保平台穩定運作。 ________________________________________ 一、這不是題庫，而是一個「考前學習流程」的重構 tw-exam.com 的設計出發點，不是增加題目數量，而是重新整理「考前應該如何學習」這件事。 平台目前已公開提供以下內容： • 4 份歷屆全真卷 • 8 份 AI 預測試卷 • AI 英語聆聽測驗（真實語音發音） • AI 作文評分與回饋系統 • 個人化設定與介面主題 • 學習雷達與戰力分析 • 錯題自動收集與補強系統 • 模擬考試倒數與完整作答流程 這些功能並非獨立存在，而是被整合為一個完整的備考學習流程。 ________________________________________ 二、AI 預測試卷：從「題目」轉向「結構分析」 平台中的 AI 預測試卷，並非隨機生成或傳統意義上的押題，而是基於歷屆會考試題進行系統性分析後的結果。 會考命題依據課綱與能力指標，具備相對穩定的結構。平台透過 AI 將試題拆解為： • 題型配置與頻率 • 主題類型與重現模式 • 知識點分布與交叉 • 能力層次分佈 • 選項設計與迷惑邏輯 再進行跨年度比對與重建，形成更具方向性的模擬試卷。 此方法屬於模式辨識（Pattern Recognition）與結構重建（Structured Reconstruction），其目標是讓學生練習高再現性的能力結構，而非預測單一題目。 ________________________________________ 三、分階段學習設計：從教育理論到可操作路徑 平台學習流程參考多項教育理論： 布魯姆學習層次（Bloom’s Taxonomy） 精熟學習（Mastery Learning） 形成性評量（Formative Assessment） 鷹架理論（Scaffolding） 並轉化為四個階段： 第一階段：戰力掃描 建立能力輪廓與題型熟悉度 第二階段：弱點突破 針對錯誤進行補強 第三階段：實戰配速 模擬考試時間與流程 第四階段：錯題鎖定 建立持續修正循環 這四個階段形成一個由診斷、補強到穩定輸出的學習過程。 ________________________________________ 四、認知負荷理論（Cognitive Load Theory） Sweller（1988）指出，學習成效受到工作記憶負荷限制影響。當學習資訊過於分散或缺乏結構時，會產生過高的外在認知負荷。 平台透過整合題目、錯題、補強與測驗流程，減少學生在不同資源間切換所產生的負擔，使認知資源集中於理解與應用本身。 ________________________________________ 五、測驗效應（Testing Effect） Roediger 與 Karpicke（2006）研究指出，反覆測驗比單純閱讀更能強化長期記憶，且錯誤後的回饋可進一步提升學習效果。 平台透過「做題—錯誤—回饋—再測」的結構，使測驗本身成為學習機制的一部分。 ________________________________________ 六、間隔重複（Spaced Repetition） Ebbinghaus 遺忘曲線顯示，資訊需透過適當時間間隔重複接觸，才能轉化為長期記憶。 平台透過錯題累積與再出現機制，使學生在不同時間點重新接觸相同概念，符合間隔重複的記憶強化原則。 ________________________________________ 七、AI 作文與英語聆聽：補足兩個關鍵能力 作文 依據會考四向度評分標準（立意、結構、用字、格式），提供即時評分與回饋，並設有預測作文題。 英語聆聽 透過 AI 語音生成聽力題目，讓學生進行有聲訓練。現階段採單一語音來源，反映實際開發條件。 ________________________________________ 八、補充觀點四：自我調節學習（Self-Regulated Learning） Zimmerman 指出，自主學習需包含目標設定、自我監控與策略調整。 平台透過： • 學習雷達 • 錯題記錄 • 補強建議 使學生能觀察自身狀態並調整學習行為。 ________________________________________ 九、補充觀點五：自我決定理論（Self-Determination Theory） Deci 與 Ryan 提出，學習動機來自： • 自主性 • 能力感 • 關聯感 平台透過個人化設定、戰力等級與介面選擇，使學生在學習過程中建立這三種心理條件。 ________________________________________ 十、一個早期使用案例 開發過程中，孩子（新北市三峽國中國三學生）持續參與測試。 原平均約七十多分，後提升至八十五分以上，班級排名進入前十。 此為單一案例，但顯示結構化學習與回饋機制可能帶來的變化。 ________________________________________ 十一、值得討論的問題 台灣在 AI 硬體與產業上具備優勢，政策亦推動 AI 發展。 但在教育現場中，AI 是否已轉化為可用的學習工具，仍有待觀察。 問題已不在於是否擁有 AI，而在於 AI 如何被實際使用。 ________________________________________ 十二、平台立場 平台完全免費，僅設自願支持（100 元），不影響使用。 即使流量增加，亦將自行負擔伺服器成本。 目的僅為提供學生另一種學習選擇。