省流
在这期播客中，Math Academy 的联合创始人 Jason Roberts 和 Justin Skycak 深入探讨了该平台的教学哲学、技术架构以及他们对现代教育体系的尖锐洞察。
他们将 Math Academy 比作“为演员准备漫威超级英雄角色的私人健身教练”——不搞花架子，完全针对个人定制，追求极致的系统性、高强度和高效率。
以下是该期播客的核心内容总结：
一、 核心教学哲学：“主动训练” vs “被动娱乐”
- 高效的“私人教练”模式：与 Khan Academy 等平台（适合查漏补缺或临时应付考试）不同，Math Academy 旨在提供完整、系统的全年数学课程。它像私人教练一样，先进行全身评估（诊断），然后制定每日的高效训练计划。
- 坚持文本教学，放弃视频：平台有意不使用视频。他们发现视频容易让学生进入“被动听课”的消极状态（类似于“看网球教练挥拍并不能让你学会打网球”）。Math Academy 采用“最小有效剂量”（minimum effective doses）的超短文本和示例，让学生看完立即动手做题。
- 直觉源于重复：针对“数学重概念轻刷题”的论调，他们持反对态度。他们指出，像科比和乔丹反复练习罚球一样，数学的直觉和“自动性”（automaticity）必须通过重复训练获得。
- 降低学习坡度（Staircase Learning）：他们认为，如果把每一步的坡度放得足够缓（即拆解成极小的知识点），任何人都能登上珠穆朗玛峰。当学生在某个知识点卡住时，通常是因为教学步骤跨度太大，需要将其拆解为两到三个更小的子步骤。
二、 核心技术：手绘“知识图谱”（Knowledge Graph）与自适应诊断
- 自适应诊断：新用户只需进行 30 到 45 分钟（最多 1 小时）的诊断测试。系统通过算法在暗中“摸索”用户的知识边界，迅速绘制出高精度的个人知识画像。
- 纯手工绘制的知识图谱：该图谱由 Justin Skycak 和内容总监 Alex Smith 历时数万小时完全手工编织，不依赖任何现成的 AI 或大语言模型（LLM）生成。图谱精细地标记了每一个数学概念（从小学四年级到大学的实分析、抽象代数）之间的前置与后置依赖关系。
- 隐式间隔重复（Implicit Spaced Repetition）：系统会在未来的时间里无限期地安排温故知新。最具特色的是“隐式复习”：如果学生今天做了一道复杂的两步线性方程 ax+b=c，系统会自动判定他们已经复习了一步方程 ax=b，从而更新前者的复习排程，极大地节省了重复做题的时间。
三、 用户画像与游戏化机制
- 核心用户群：
- 在家自学（Homeschool）群体：将其作为主要的数学学习工具，每日高频使用。
- 天赋优异或遭遇瓶颈的学生：提供超越学校进度的拓展，或通过回溯多年以前的漏洞来进行精准补课（“微积分学不好的本质，是预备微积分忘光了”）。
- 科技界成人：特别是需要补充机器学习、人工智能所需高等数学（多变量微积分、线性代数等）的程序员和科研人员。
- XP 积分系统：平台采用游戏化的 XP（经验值）系统，1 XP 相当于 1 分钟的专注投入。学生每日设定 XP 目标（如 20 至 50 XP），完成即代表完成了今日的“数学健身”。
四、 对教育现状与社会热点的“打分”
播客中，两位创始人对多个教育与社会议题进行了直率的打分和评价：
- 学校官僚体制（评分：C）：自然摩擦力极大，天然排斥变革。在公立学区推行新项目极其困难，需要“神迹”或强力的铁腕领导者支持。
- 传统纸质教科书（评分：D）：教科书无法根据学生的知识漏洞提供自适应反馈。如果完全靠自学教科书，效率极低。
- 小团队“快速行动，打破常规”（评分：B+）：小团队的高自主性和信任度是创新的源泉，而大公司往往因为怕犯错而陷入 glacial（冰川般缓慢）的泥潭。
- 屏幕时间焦虑（评分：B-）：应该区别对待屏幕时间。像 TikTok 这种让人大脑萎缩（brain rot）的无脑刷视频确实有害；但用屏幕进行自适应的系统化学习则是极其高效的。
- 教育系统的核心问题：缺乏问责制（Accountability）与评分通胀（Grade Inflation）。如今许多学校为了逃避责任取消了标准化考试，导致纸面上的“A等生”实际上连最基础的数学概念都不懂。没有公开的透明度和优胜劣汰的问责制，教育系统就无法收敛于行之有效的教学方法。
五、 未来展望
- 2025 年路线图：平台正计划向更低年龄段（二、三年级，乘法表等基础）以及更高深的大学课程（微分方程、抽象代数、实分析）两端延伸。
- 即时任务教练（In-task Coaching）：即将推出一位机器人虚拟教练。当检测到学生在胡乱猜测或跳过教程时，它会像关怀备至的真人老师一样提醒：“嘿，慢下来，仔细读完这段。”
正文
你知道演员为了在漫威电影中饰演超级英雄，会请什么样的私人健身教练进行特训吗？在数学领域，我们就是这样的教练。
如果你想了解我们在做什么，但又没时间翻阅我们 400 多页的书[1]，这一集播客用大约一小时的时间为您做了全面的概括。
非常感谢 Nat、Elli 以及美国企业研究所（AEI）邀请我们参加节目！
∗ ∗ ∗
以下发布的访谈实录需注意以下几点：
- 文本中可能偶尔存在拼写错误或轻微的措辞调整。 拼写错误可能是由音频转换为原始的逐字稿时产生的，而轻微的措辞调整则是为了平滑口语表达，使文本更符合阅读习惯。
- 该实录经过了筛选，仅包含我和 Jason 的发言。 我不想侵犯外部发言人的内容版权，也不希望在可能存在拼写错误或轻微口语改写的情况下引用他们的原话。
∗ ∗ ∗
Jason： 感谢邀请我们。
Justin Skycak： 很高兴来到这里。
Jason： Math Academy 是一个在线自适应数学学习平台。你可以这样理解：如果你想学习一门数学学科——比如代数或微积分这样的数学课程——注册之后，系统会为你进行一次自适应诊断测试，查明你掌握了哪些、缺失了哪些知识，并为你量身定制一门专属课程。
无论你是想攻克高级学科或重新跟上进度的成年学生，还是家里有需要额外拓展、拔高，或寻找传统教学以外学习方法的在家上学者，这本质上就是最适合你的平台。
Jason： 像 Khan Academy 这样的平台，对于快速掌握某些知识点是非常棒的——比如你上物理课需要临时弄懂某个概念，或者因为得了严重流感请假两周而落下了功课，需要看一下三角学的视频，做几道练习题。它非常适合解决这类问题。
但如果你想完整地学完一整年的数学课程，如果没有系统化的教学方法，以及足够高强度的练习和严谨性，大概率是很难成功的。
Math Academy 则是用另一种方式来思考这个问题：就像你去找私人教练说：「我正在参加一部漫威电影的试镜。我必须在六个月内减掉 30 磅，并且练出肌肉。」教练会说：「行，我们先对你进行全面的体能评估，制定一个周密的计划，你必须每天坚持，我们会把训练效率提升到极致。」这样，当你想去参加那部漫威电影的试镜时，你就已经准备就绪。
Justin Skycak： 在我们看来，当今教育最大的痛点在于缺乏「因材施教」的个性化教学。
我们系统中的每一个设计，都是为了精准定位学生在当下这一刻最应该解决的问题，从而让他们的数学学习能取得最大的进步。
通常在教室里，一个老师往往要面对 20 到 30 个学生。大家都在做同样的练习，这些题目对成绩较好的一半学生来说太容易了，而对成绩落后的一半学生来说又太难了。
我们的目标就是找出适合每个学生当前水平的练习类型，并精准推送到他们面前。
Justin Skycak： 没错，正是如此。首先我们要查明你还没有掌握什么，然后在之后的学习过程中逐一攻克——而这条前进之路将延伸得很远。
Justin Skycak： 确实如此。
每当有学生注册我们的一门课程时，除了进行「精熟学习」以掌握当前课程的全部内容外，我们还会回溯多年，考察他们之前所需的前置知识。如果有人报名学习微积分，我们会向上追溯：你还会「配方法」吗？你掌握三角学了吗？你懂得如何运用对数和指数法则吗？
很多学生在进入微积分课堂时都缺失了这些基础技能，导致他们在学习微积分时备感痛苦、效率极低。
而这正是诊断环节的作用。
Jason： 实际上这个过程并不繁杂，通常只需要 30 到 45 分钟，最极端的例子也就一个小时。
但你可以这样来想：如果你是一名老师，学期中途突然转来一名新学生，你不得不评估他的水平——你会问自己：好吧，这个学生掌握了什么？他的代数基础怎么样？你会因式分解这个多项式吗？可能不会。那你能解这个一元一次方程吗？
每一道题都能提供一些线索。如果他们不会，你就再尝试其他的方向，这就像是在漆黑的房间里摸索前行：哦，这里有一堵墙。
你不需要无休止地摸索下去，你是在不断积累他们会与不会的证据。不过，如果是由人工来做这件事，评估结果会非常粗糙，精度极低。
而现在，我们能以极高的精度完成这项评估。学生可能只需要做 30 到 40 道题，甚至更少，我们就能获得一幅关于他们「知识画像」的高清全景图。
Justin Skycak： 这项诊断是基于我们称之为「知识图谱」的底层结构运行的。知识图谱编码了所有这些前置依赖关系和包含关系——哪些技能在哪些地方被运用，以及哪些技能使用了哪些子技能。
利用这些信息，我们实际上可以从我们提出的每一个问题中挖掘出海量的信息。如果我们问一个学生「你是否会因式分解二次多项式」，而他不会，那么你就可以合理地推断出，他还有很多基础不扎实——也就是许多依赖该项技能的后置高阶技能，他同样没有掌握。
Justin Skycak： 没错。
除了评估学生在系统上提交的每一个答案并提供必要的纠错指导外，我们还会在学生进行约 150 分钟的高效学习后，安排一次定时测验。
这些测验的覆盖面非常广泛，包含学生在此之前学过或应当掌握的所有知识。它真正考验的是学生的能力——你是否已经烂熟于心？你能快速解答这些问题吗？你是否已经形成了高度的自动化反应能力？
如果还没达到这个水平，那恰恰是我们推送更多针对性练习、帮助他们巩固薄弱环节的完美时机。
Jason： 我的高中数学老师——他是一个才华横溢的人，实际上是个物理学家——过去常说：「微积分最难的部分，其实是你早就忘光的预备微积分。」
要学好微积分，你需要精通代数，深入了解函数和三角学。如果你想修读更高级的微积分——比如参数方程、极坐标方程——你也必须掌握这些。但学生通常会忘记这些，或者早就生疏了。
一个真正优秀的微积分老师会说：「大家还记得怎么求反函数吗？行，我们来复习一下。我们等一下要进行积分和三角代换——大家都还记得余弦和正弦吗？」而这时你脑子里其实是一片浆糊，对吧？
那些教学非常投入、认真的微积分老师不得不花大量时间帮学生补基础，因为他们知道痛点在哪。但他们能做的也十分有限，毕竟他们自己的教学大纲里还有那么多元微积分的硬骨头要学，他们分身乏术。
微积分的认知负荷更重，它更加复杂。一个微积分题目的解题步骤可能比代数题多得多——可能不是三四个步骤，而是整整十个。它更加抽象、更具综合性，更不用说很多学生是在缺失前置知识的不稳定基础上构建的。
Jason： 这就是底层的逻辑，对吧？是的，100% 如此。
我想补充一点——也许 Justin 可以跟进。
你可以这样想：如果你把学生分成两组，一组是 30 个学生共享一个老师，另一组是每个学生都配备一个专属的私人导师——前一组学生的家长肯定会抗议说：「这不公平！」这确实极其不公平，因为大家都知道一对一辅导的效果有着天壤之别。任何成绩下滑的学生都会被建议去请个家教，因为这比学校大班课要高效得多。
这正是 Math Academy 的运作模式。每位学生都拥有一位私人导师，精准推送他们当前所需的学习内容，直击痛点，绝不让他们在已经掌握的知识上虚度光阴。
这就是它的强大之处——每个学生都拥有自己独特的、处于动态变化中的「知识画像」。
Jason： 我想说的是，随着知识的认知负荷不断加重，它所要求的付出也会水涨船高。有些学生确实天赋更高，他们学起来会更加轻松，就像有些孩子天生足球踢得更好一样。
每个人都有自己的资质和学习边界，有时要取得成功所需付出的努力，可能已经超出了某个学生愿意承担的范围。
你能把一个代数班里成绩最差的四分之一学生一路带到微积分通关吗？理论上完全可以。但这可能超出了这些孩子愿意付出的努力限度。他们可能会说：「我不想学这个，我不在乎微积分。我要去演话剧，我更在乎莎士比亚。」
这在很大程度上取决于学生自己愿意为了学习付出多少精力。而对于另一些孩子来说，他们会觉得：「没关系，练习并不难，而且很有意思。」
Justin Skycak： 我们倾向于将所谓的天赋或数学才能，看作是学生在面对特定任务时所需付出努力的对立面。
如果你更有天赋，你的资质更高，那么你在练习中就能获得「事半功倍」的效果。即使让两个学生各自做符合自身当前水平的个性化题目，天赋更好的那个学生所需的练习次数也更少，他们能更自然地举一反三。
但问题是，许多修读微积分或任何高阶数学的学生学得很挣扎。我认为绝大多数能走到这一步的学生，如果遇到了瓶颈，通常是因为缺乏基础技能。
当然，天资在其中确实有一定影响。如果一个学生的数学资质稍逊，他可能需要对基础知识进行更多轮的反复练习，才能将其彻底吃透并内化为自动反应机制。但如果你能给这些学生提供补齐这些漏洞的机会，那么是的，他们可以走得极其深远。
Jason： 以前我妻子和我偶然被拉去在当地的中学教一个四年级的数学竞赛队。
我这个人做事容易过度投入，当时我可能对做这件事感到比必要的更兴奋了一点。我们每周利用两到三个午休时间进行训练，我玩得很开心，孩子们也乐在其中。
这种热情一方面源于他们对求知的渴望，另一方面源于他们对自身知识盲区的惊讶。比如他们居然不知道负数是什么。我当时就想，你们怎么能连负数都不知道？这绝对不能容忍。
然后他们又会问，圆周率 pi 是什么？什么？你们不知道 pi？好，那我们现在就来学。
那段时光双方都觉得非常有趣。后来在他们读五年级时，我动员学校让我办一个拔高性质的数学拓展班。我把原来数学队里的 13 个孩子聚在一起，每周上课三天，这最终成为了我们在 Pasadena 学区推行 Math Academy 项目的雏形。
当时的学区总监听说了我们的班级，亲自过来旁听。他看到这些五年级的孩子在出于兴趣兴致勃勃地解三角函数、高等代数，甚至是在做一些看起来像微积分的题目。
他彻底被震撼了——无法相信这些孩子能做到这一步，而且还学得这么开心。于是他对我说，你愿意帮我以你的教学模式为蓝本，在全区建立一个试点项目吗？
在随后的几年里，通过与学区密切配合，并在学区总监的大力支持下，我们成功在学区内建立起了这个试点项目。
作为一名软件开发人员，我眼里所有的现实问题最终都是软件问题。一想到每天晚上要发纸质作业然后手工去批改，我就觉得这简直是浪费生命、毫无意义，我可不想每晚把时间花在这上面。
于是我开始编写软件来提高教学效率，随着时间推移，它逐步演变成了今天大家所看到的这套全自动系统。
Jason： 实际上，我认为整个过程进展得相当顺利。
软件在初期确实有很多不完善的地方，我们花了整整两年的时间，才真正让它达到我们预期的运行效果，但学生们几乎是立刻就上手了，并且取得了实实在在的进步。当时唯一的障碍，就是我们必须不断修复系统中的各种 Bug。
这并不是教学方法的问题——纯粹是因为当时的软件还太粗糙，处于非常早期的阶段。
我们遵循的是一套非常标准、合乎直觉的教学法。比如我想教你一个知识点：先给出一个简短的引入，再提供一个例题，然后我们开始做练习。如果你做错了一道题——系统就会给出解析，然后让你再做几道类似的。好，等你连续做对了几道题——我们再过渡到难度稍微提升的变体题型。
你基本上就是这样循环推进。显然，只要你一次性给学生推送的吸收信息量不会太大，而且不把题目出得难到令人崩溃，这种模式就绝对行得通。
它理应奏效——而事实也确实如此。
Justin Skycak： 我们实际上发现，一旦学生们开始使用这个完全自动化的平台，他们的学习效果就会有质的飞跃。
我们推出这个平台，主要是在疫情期间学校完全转为远程授课的那几年。当时我们面临一个严峻的挑战：如何让这些八年级的孩子在完全远程的情况下，还能在 AP Calculus BC 考试中拿到优秀？我们必须在六年级到八年级期间，帮他们把初高中的数学知识全部学完，而且还得在考试里拿高分。在远程教学的背景下，这几乎是一项不可能完成的任务。
但当我们把整个学校的教学大纲转移到这个刚刚搭建好的雏形平台上时，学生们的 AP 考试成绩立刻实现了飙升——单就记住他们本来该复习的内容而言，效果就极为显著；而以前如果只依赖真人老师，他们根本无法获得这么高频且系统化的复习训练。
我记得在 2019 年左右，我经常给这些学生做助教辅导。当时面临的一个大麻烦是，许多进入高中拔高项目的学生，他们最基础的三角学和微积分复习得根本不够。他们每天都在学线性代数、多元微积分、抽象代数等高深课程，但基础却在不断被侵蚀。
这是我注意到的另一个核心问题。而当我们把所有人都接入这套系统后，孩子们竟然把这些前置基础知识掌握得滚瓜烂熟。
Jason： 选拔学生进入该拔高项目的机制是，他们要在五年级结束时参加一次初中数学分班测试。
测试成绩在全区排名前 7% 到 8% 左右的学生，通常会收到邀请。学区会评估他们的考试成绩，只要没有明显的知识断层，且整体资质过硬，就会给他们发送一封邀请函：「你想加入这个数学拔高班吗？」
我们有三所不同的初中学校开展该项目。如果你拿到了名额，你就会从预备代数开始学起，正好衔接五年级数学的期末水平，然后在八年级结束前，一路通关学完直到 AP Calculus BC 的全部内容。
这些孩子确实是同龄人中的佼佼者——但也只是前 7% 左右。我们并不是在挑选那种占 0.01%、全加州最顶尖的超级神童。在我们刚启动这个项目时，班里有三分之二的学生都符合免费或减免学校午餐的贫困生标准。这可不是什么「加州理工教授子女俱乐部」。
这背后真正的秘诀，在于实现极其高效、精准的教学，并且无比严谨地对待这件事。
我们在其他领域也经常能看到类似的奇迹——比如在音乐界，你经常能看到 12、13 甚至 14 岁的孩子，能把钢琴或小提琴弹得极其出神入化；或者在体育界，一些青少年足球或篮球校队的竞技水平，几乎能与职业联赛接轨。
只要你发掘出一群资质不错的孩子，并且用最科学严谨的方式去训练他们，他们所展现出来的成长速度与传统温水煮青蛙式的教学相比，简直是天壤之别。
Jason： 我先开个头，然后 Justin 可以随时补充。
最开始，我们只是单纯地想着该怎么去构建这些课程——不管是微积分，还是综合数学一。我们把每一堂课拆解成一个个我们称之为「知识点」的微观单位。一堂课的内容可能只需要花十分钟就能学会——我们将其细分到了非常微观的粒子级。
我们当时只是按部就班地构建这些课程，并将一门门课程通过前置依赖关系串联起来。比如学完了代数才能去学几何，接着再学代数二，以此类推。
我们每天写教案、规划知识点，琢磨着「好，这个知识点应该和那个知识点连在一起」，诸如此类。我们可没有关起门来，花上三四年的时间去凭空冥想一个关于完美数学教育的「柏拉图式理想蓝图」。我们想的很简单：「好，我们需要能真正派上用场的教案。」
学生要学会这节课，必须先懂什么？哦，孩子们在这一课卡住了——这是怎么回事？好吧，看来我们得把这个内容拆分成两个更细的知识点。
这完全是在现实教学中不断碰撞、迭代出来的成果。
在后来的几年里，Justin 配合我们的内容总监，投入了数以万计的极深心血，不断去打磨、微调，才最终交出了现在的这套「知识图谱」。关于这一点，Justin 应该更有发言权。
Justin Skycak： 这套知识图谱完全是由我们一笔一画、纯手工绘制出来的。它既不是从网上买来的现成货，也不是用算法自动生成的。这完全凝聚了领域专家的心血——主要由我们的内容总监 Alex Smith 和我共同完成。
我主要负责梳理图谱中各个概念之间的包含与覆盖关系。我们的知识图谱拥有「前向」和「后向」两套逻辑。前向图谱决定了「在学习这个新概念之前，你必须先学会什么」；而后向图谱则决定了「当你练习这个新概念时，它所包含的各项子技能分别得到了多大比例的模拟和训练」。
比如，你做这道题时，它所涉及的子技能是被 100% 调动了，还是只训练到了其中的一半？这些细节必须精确定量。
这无疑是一个极具挑战性且耗时漫长的过程，但实践证明，你必须精雕细琢。你当然可以让大语言模型（LLM）一键为你生成某门课程的知识图谱，但那样的图谱结构极其松散，根本无法支撑起学生真正的高效学习。它需要无数次的打磨与微调。
除了编织图谱，我们还会对其进行深度剖析。我们在知识图谱的底层网络上覆盖了一层庞大的「学习热力图」，以此来监控学生们在图谱的各个节点上是学得轻松还是备感挣扎。
这就像是监测城市里的交通十字路口。你可以一眼看到哪些路口正在大堵车——那么我们就会集中精力去优化、拓宽那个节点的通行效率。
近十年来，我们一直在用这种基于真实反馈的数据分析，日复一日地微调、打磨着这张知识图谱。
Justin Skycak： 而且我们还在源源不断地扩张这张知识图谱的版图。
目前，我们的内容已经涵盖了从小学四年级一直到大学阶段的数学。我想，我们目前上线的最高级课程包括「证明方法」、「概率与统计」以及「离散数学」。大约一个月内，我们就会推出「微分方程」课程，这是理工科核心工程数学中不可或缺的一环。
接下来，我们将继续向「抽象代数」和「实分析」等高阶领域挺进，同时也会向下兼容，将版图扩展到小学三年级、二年级甚至是最基础的乘法表。
每当我们开发一门新课程，我们都会将过去积累的一切成功经验应用进去——比如如何铺设最合理的学习台阶（脚手架）、沉淀下来的最佳实践，以及我们打磨多年的启发式教学法——以确保学生学起来能如丝般顺滑。但即使如此，一旦有真实的学生开始跑通新课程，我们依然会根据数据进行新一轮的微调和打磨。
像「预备代数」和「代数一」这种我们运营了很久的王牌核心内容，它的知识图谱已经坚如磐石、非常成熟了。而对于新上线的课程，我们每天都在根据反馈不断地微调。虽然第一个版本的完备度已经很高，但我们永远在寻找可以更进一步的突破口。
Jason： 我们目前拥有几个画像非常鲜明的用户群体。
首先是在家上学（Homeschool）的群体，这很显而易见。你想在家里自己教孩子——你可能会想：「太棒了，我等不及要教他们历史和化学了！」但一转头，你可能会犯愁：「天哪，我居然还得教他们代数！」对于这种家庭学校的场景，Math Academy 简直就是救星。
第二类是有天赋、智力超常儿童的家长。这些孩子可能才上四、五年级，但往往在他们接触预备代数或步入初中时，家长就会意识到，学校里的那套大锅饭教学进度对他们的孩子来说简直是在浪费生命。他们的孩子完全有能力飞速狂奔。
还有一类家长找上门来说：「我的孩子在学校数学学得非常痛苦——因为转学、疫情、或者遇到了一个教学水平很差的老师，不管由于什么，现在数学成绩已经是一团糟。我们必须在彻底崩溃前挽救它。」
此外，我们还有数量极其庞大的成年人用户。这群人里，有些是要重返校园读研深造的；有些是在读本科生，觉得「我们学校的数学教授讲得太烂了，我需要一个更高效的自学神器」。
更有大批人在技术前沿领域进行自学——尤其是想要跨界进入机器学习和人工智能领域的人，这些方向对数学功底有着极高的要求。他们经常说：「我正硬着头皮读 AI 论文，但我已经五年、十年、甚至二十年没碰过数学了，好多概念我当年根本就没学过，学过的也早就还给老师了。」
最后，还有不少特许学校和私立学校也开始把我们作为试点，进行小范围的教学实验。
这种变革正在全球范围内悄张发生——绝不仅仅局限于美国。
Justin Skycak： 我们研究发现，一个用户在平台上的留存粘性，与他们在使用系统时建立起来的「习惯结构」呈绝对的正相关。
那些在家里自学的孩子们，将我们平台作为他们唯一的数学学习资源，并且每天都在使用。这种雷打不动的习惯结构让他们拥有极其强大的粘性。
而那些仅在课外时间把 Math Academy 当作补充练习的学生，他们的粘性就没那么高。因此，我们经常建议这部分课外使用的学生：一旦你们通过系统快速拔高、超越了学校当前的年级进度，就应当向学校申请，在数学课上把我们的系统作为主要的学习工具。一旦锁定了这种「每天上课固定刷题」的习惯结构，学生就极容易坚持下去。
相比之下，成年人往往面临更严重的现实时间冲突，习惯结构的建立要困难得多。但我们也发现，那些能够成功在每天抽出固定时间的成年人——比如坚持「每天清晨 7:30 上班前，雷打不动地在 Math Academy 刷完固定额度」的人——他们最终走得最远。
而那些把平台当成填字游戏，或者只是断断续续、心血来潮时才上去做几道题的人，通常坚持不了多久，也无法取得实质性的突破。
Jason： 他们的进步幅度也会非常有限。
Jason： 每月 50 美元。但对于拥有数百或数千名学生的学校，我们也提供批量折扣。
Jason： 登录系统后，你会看到一个学习任务清单。系统最多会为你列出五个可供选择的学习任务，通常会更少。有时是测验，有时是复习。
每个任务长则十二五分钟，短则只需六七分钟。
你会看到一个具体的知识点——比如解方程组或者套用求根公式——你可以任选其一：「我先做这个，」或者「我先做那个。」然后一步一步地去攻克它。
系统会奖励你所谓的 XP，也就是经验值，玩过游戏的人应该对这个很熟悉。1 个 XP 就相当于 1 分钟的专注投入。
如果一个任务值 10 XP，它通常需要你花 10 分钟来完成。当然，根据你的专注度和熟练程度，你可能 7 分钟就搞定了，也可能需要花上 15 分钟。有的人手快，有的人则更细心。
你获得的 XP 多少完全取决于你的答题质量。如果你表现完美、一题未错，就能赢得更多 XP。而如果你错漏百出，或者敷衍了事，系统给你的 XP 就会缩水。
你需要不断累积 XP。系统会为你设定一个每日 XP 目标。成年人可能会说：「我每天想刷 40 个 XP」或者「每天 20 个 XP」。家长也可以为孩子设定目标——比如五年级数学每天 25 个 XP，或者微积分每天 50 个 XP。
50 个 XP 就意味着 50 分钟的纯专注投入。
你只需每天按部就班地完成这些任务。一旦刷满 50 或 51 个 XP，你今天的学习任务就大功告成了。
这就像去那种为你提供每日训练计划的健身房——这就是你今天的训练量。练完了，你就可以打卡下班。或者你一进门，教练就会对你说：「这就是我们今天的训练内容。二选一，开始吧。只要你每天都来，咬牙坚持，45 分钟到一个小时就能搞定。」
只要坚持几个月，你就会看到自己惊人的进步。
Justin Skycak： 确实如此。
我们这个平台可不是用来应付临考前抱佛脚的。如果你平时几个月都在偷懒懈怠，想在考前一周利用它来突击，那是走错地方了。
但如果你来找我们，说：「我想彻底扫清我的数学盲区，在数学这条路上走得更远，并且我做好了打持久战、坚持几个月的准备，」那么，我们绝对能助你一臂之力。
这跟健身完全是一个道理。你想想，总有些人一进健身房，就幻想自己只要玩命练上一个星期，就能奇迹般地练出六块肌、身材练得像雷神索尔一样。教练不得不当头浇下一盆冷水：「听着，这需要时间。你不可能在一个星期内脱胎换骨，一天之内更不现实。」
哪怕你今天来了一次超高强度的特训——在健身房里大汗淋漓地练足 60 到 90 分钟——要达到那种完美的身材，依然需要日积月累。
我们在用户留存以及学习深度上的表现，几乎和去健身房一模一样。如果你能持之以恒地打卡——每周去三到六次，每次坚持 30 到 90 分钟——只要你挺过几个月，你出来时的数学底子就会像希腊神话里的天神一样强悍。那简直会让人惊叹。
但如果你只想找一条捷径——幻想着「我怎么在一个星期或一个月内改头换面？」——那真的很抱歉，我无能为力。
Jason： 我们之所以反复用健身房来作比喻，是因为它极其贴切。我们扮演的其实就是私人教练的角色。而使用 Khan Academy 就像是去了一个无人看管、器材随便用的自助式健身房。你可能会用一些工具来记录自己的训练。今天用用这个器械，明天练练那个。
我们都见过这种人——我们自己也干过这事——一去健身房就瞎逛、乱晃。这当然比躺在沙发上强，但其实根本练不出什么效果。
相比之下，如果有人说：「我请了一位极其专业、一流的私教，已经跟着他练了一年了，」当你看着他时，你一定会惊呼：「我的天啊，你看起来就像是去参加奥运会的运动员。」因为他们的训练是极具系统性且无比严谨的。
人们总是问我：「我每天应该在 Math Academy 上花多少时间？」我通常会反问：「那你为了保持身材，每周要健身几次？」
一周一次？我觉得根本没用。我试过，毫无效果。
一周两次？可能勉强维持吧。
每周三次，每次 45 分钟——这才是真正开始起步的节奏。这个训练量很扎实。
每周四到五次，每次 45 分钟？太棒了——这样你就会取得突飞猛进的进步。
这才是你需要的底层思维模型。核心在于持之以恒。这也是需要用一生去坚持的习惯。
任何能长期保持魔鬼身材的人，每周都会雷打不动地健身几次。这才是他们维持训练成果的唯一秘诀。学数学，也是一模一样的道理。
Jason： 最开始，我们确实录制过视频。
但这存在两个致命的硬伤：第一，视频的制作和录制成本极高，非常消耗时间；第二，正如我们之前提到的，我们的知识图谱在不断迭代，知识点经常需要重新拆分。每当知识图谱一变，我们就必须把之前的视频全部重新剪辑、重新录制。这在项目初期、内容快速演进的阶段，简直就是一场灾难，让人备受折磨。
但我们发现，还有一个比制作成本更关键的原因：学生们根本不爱看视频。他们往往会直接拉快进跳过。如果你坐在一旁观察就会发现——学生之所以喜欢看视频，仅仅是因为这样最省力。他们只需要坐在那里发呆，什么脑子都不用动。这完全是一种被动接受。
然而，被动地坐着看别人解题，根本算不上是学习。那顶多是让你对这个概念产生一种「我好像懂了」的虚幻熟悉感。
就像你请了一位网球教练，光是坐在场边看他示范反手抽球，你的网球水平是不会有任何长进的。你需要看上一分钟，明白基本动作，然后就必须亲自上场挥拍，并在不断纠错中获得及时的反馈。
所以，我们采用文本的形式，就是为了把需要阅读的信息量精简到极致，从而让学生能立刻把手动起来、开始做题。数学是一门必须亲自下场实践的运动。你必须成为场上的运动员。
如果你以为光看视频、不做大量的练习就能学好数学，那你只是在自欺欺人。我都数不清自己看过多少关于天体物理和量子力学的科普视频了——但一到真格的，我依然一窍不通。看视频只是图个乐，挺好玩的，但那不是真正的学习。
Justin Skycak： 这种知识浅薄得就像一层纸。
我们推崇的是「最小有效剂量」的原则。我们发现，只要你能把知识点浓缩成最精简的剂量，即使全篇采用纯文本的呈现方式，平台依然能牢牢抓住学生的注意力。
很多时候，一提到看书自学，人们脑海里浮现的往往是那种落满灰尘、字迹密密麻麻的厚重教科书——你必须硬着头皮啃完一整章或十页的理论，才能开始做第一道练习题。我们绝对不走这条老路。
我们的文字说明极其精炼。仅仅保留了你用来解答下一道练习题所需的最少、最关键的信息。
这就相当于网球教练只花一两分钟给你讲授一下击球要领——紧接着，你就必须开始用这个动作去击打飞过来的网球。
我们就在这种「最小有效剂量」的理论指导、一个经典的例题解析、一项正在攻克的新技巧，与立刻下场做题之间，进行着高频且顺畅的轮换……
Jason： 哎呀，这可真是个令人头疼的难题。
我只能给它打个 C。你确实可能在学区里遇到一些非常优秀、想干实事的合作伙伴，但官僚体制的本能会设置重重障碍，里面充斥着巨大的摩擦力。
这是体制天然自带的阻力。引入新事物意味着要增加额外的工作量。这意味着要打破常规，改变大家原有的工作习惯。老师们要做更多的事，还要打破原有的课表、打破原有的后勤安排。
整个体制会本能地反弹并抗拒你。这就像你的身体排斥移植器官一样——它本能地抗拒外来物。
你当然可以遇到一个极具远见的学区总监，或者几个非常给力的带头人在后面为你撑腰、摇旗呐喊，但要在公立学区里把这种变革真正推行下去，难度堪比期盼「神迹」降临。
Justin Skycak： 当今绝大多数教育科技平台最大的弊病，就在于它们依然在宣扬「被动学习」——塞给学生一堆视频，却不让他们动手解题。即便设置了练习题，也往往允许学生「带着知识漏洞强行向前学新课」。
它就像是在说：「好吧，三道题你只蒙对了一道。准备好学新知识了吗？没问题，我们出发！」
市场上真的极度缺乏能够将认知科学和教育心理学界沉淀了数十年——甚至上百年——的科研成果，真正应用到实处的教育技术系统。那些真正严肃、严谨的教育科技平台，早就应该雨后春笋般涌现出来了。
Jason： 嗯，对我来说，我绝对会给它打个 A。至于我妻子，她可能会给打个 B-。
我非常喜欢和我的妻子并肩作战，因为我们是天造地设的搭档。我们完美互补。我负责扮演那个天马痕迹的疯狂科学家；而她则在旁边拉住我，负责把控现实：「行了，这是必须要落地的任务，这是最后截止期限。」
维系我们美满婚姻的秘诀，同样也是让 Math Academy 走向成功的基石——我们彼此互补，弥补对方的短板，同时深信并尊重对方的专业强项。
我热爱这种工作状态。这对我来说就像是梦想成真。不过，我不确定她是不是也这么想。
Justin Skycak： 在 2025 年。
就个人而言，我们在 X（前 Twitter）平台上的体验非常愉快，我给它打个 A。我们在那里结识了许多对严肃教育怀有极大热忱的朋友。虽然 X 上有各种各样细分的垂直圈子，但能遇到这么多对教育如此认真的人，真的非常奇妙，也很有意思。
它对于提升我们产品的知名度——让更多人知道 Math Academy——起到了难以估量的帮助。
一年半以前，我在 X 上只有可怜的 19 个关注者。我们当时根本不碰社交媒体。后来 X 上有几个用户自发在讨论 Math Academy。既然大家这么感兴趣，我们就想：「好吧，也许我们应该注册个账号去跟他们互动一下。」
结果一眨眼，我们竟然在 X 上建立起了如此庞大的在线影响力。对于未来一年会发生什么，我感到无比期待。
Jason： 我投反对票。
我曾经是那些对自动驾驶汽车无比狂热的人之一。但这个饼我们已经画了 10 年、15 年了——它永远属于「再过几年就能实现」的技术。
我最近没有太紧密跟踪这个领域了。据我所知，Waymo 目前也只能在某些特定的城市（比如凤凰城之类道路简单的地区）跑跑。它能跑起来确实很了不起，但问题是，它至今依然无法在绝大多数地方被绝大多数普通人日常使用。
我给它打个 C+ 吧。
Justin Skycak： D。
数学教科书最大的死穴在于，很多人一打开书就卡壳，因为他们根本不具备看懂这本书所需的前置基础知识。而教科书对他们身上的知识漏洞完全无能为力。
有些书可能会在开篇煞有介事地放一个「预备知识复习」章节，但这根本无济于事。大多数学生在进入一门新数学课程时，身上的知识盲区是极其庞大的——他们需要的是全面得多的系统性修补。
此外，想要完全捧着一本数学教科书自学通关，需要极强的自律精神，并且你必须自己摸索出高效的自学方法。
我自己曾经硬啃过数学教科书自学。我确实设法搞懂了。但这种方式的效率，能跟自适应平台精准为你推送最合适的练习题相比吗？根本比不了。如果当年我有这样的自适应系统，用同样的时间，我绝对能走得更远。
当然，市面上确实存在一些写得非常精妙、有含金量的教科书。如果你能把里面的内容切碎，在学生做题最需要的黄金时机精准推送对应的章节，那确实能起到不错的效果。
但总的来说，如果你对比一下，一个普通学生抱着教科书死磕，与接入自适应学习平台相比，两者的最终成就？
是的——我只能给教科书一个 D。
Jason： 我想我会给这个打个 B+。
在大多数情况下，最好的做法就是快速尝试、迅速行动，把事情做成。而在大公司里，你经常会遇到每个人都在极力「自我保护」（cover their butt）的情况。大家都在空谈什么达成共识、反复讨论，结果却什么都没干。
这些大公司运转起来慢如蜗牛，而小公司只有少数几个人，他们高度自主、动力十足，且彼此深度信任，能直接把事情做成。
绝大多数创新都源于在这种机制下运转的小公司。即便是苹果公司（Apple）——如果你去维基百科上查一下他们收购过的所有企业——就会发现，无论是 iTunes 还是 iPhone 相关的核心技术，绝大多数重大创新都源自他们收购的小公司。苹果并非自己在内部研发了这些技术，他们只是将其进行精细化打磨，然后整合在了一起。
当然，在某些特殊领域——比如生命科学或医疗技术——你必须更加深思熟虑、谨慎行事。我不认为这个原则可以套用到所有行业。
但我们发现，绝大多数最高效的学习都发生在直面现实、获取真实反馈的过程中。如果你行动迅速，并且甘愿承受「踩坑碰壁」的代价——甚至偶尔伤到别人的感情——通过尽可能多地获取实践反馈，你所能取得的进步将是无与伦比的。
Justin Skycak： 我会给这个打个 B-。
许多关于「屏幕时间」的焦虑，其实都可以追溯到 TikTok 或 Instagram 这类社交媒体。这些让人上瘾的平台不以学习为核心，你可以整个人瘫在沙发上进入一种「大脑空转」（brain rot）的状态，刷着短视频（Reels），不知不觉四个小时就过去了。
我完全理解——这确实是个需要正视的问题。我亲眼见识过它的威力。我曾在学校教过几年书，深知这种东西对孩子产生的负面冲击有多大。
但与此同时，我也发现有些人主张「完全禁用屏幕」。他们一看到这些隐患，就彻底不让孩子接触任何屏幕，我认为这有点因噎废食、反应过度了。
科技其实有很多途径能为学生带来极佳的成长。例如，借助自适应学习平台，由计算机智能决策、为你精准推送最合适的题目，这能帮助你在学业上走得比传统方式远得多。
这确实是一把双刃剑，但我认为我们需要做出更理性的细分判断——看清哪些屏幕时间是有益的，哪些屏幕时间是无益的。
Jason： 我们的题目有三种标准格式。
第一种是选择题。这是一种让学生输入答案门槛极低（low-friction）的形式。不过，即使有五个选项，只靠瞎蒙通常也是行不通的。我们在系统设计上确保了你绝对无法靠投机取巧通过任何一课——否则你必然会失败，这逼着你必须认真作答。
第二种是直接输入答案。如果页面上没有选项，学生就不会被暗示，比如「哦，选项里全是根号，那这道题的答案肯定也带根号。」为了避免这种投机行为，我们设计了自由填空题——提供一个文本框，让学生手动输入方程、代数式或具体数字。
第三种是「填空选择」模式。系统会给出一个关于某个数学定理的逻辑推导过程或一组推论陈述，要求学生补全句子。这有点像拼字游戏（ad libs）。学生需要通过下拉菜单，在三四个关键位置从五到七个候选项中做出抉择，从而构建一个严密的数学论证或补全推理链条。
在学校里，老师有时会要求「写出解题步骤」或「解释你的推导过程」。这确实极具教学价值。比如，为什么这个定理成立？为什么这两个三角形全等？
我们也融入了这一设计——这是一种循序渐进的引导题型，让学生通过完成一系列的选择题填空，来补全一整段冗长的数学推导论证。
Jason： 我先插句话，然后让 Justin 来补充。
现实情况是，人们总是会说：「行了，我不想死记硬背刷题——直接告诉我怎么培养数学直觉吧。」然而不幸的是，所谓的数学直觉恰恰来源于千百次的熟练重复。
我可以坐在这里给你口若悬河地讲解量子力学，用各种生动的比喻逗你开心——但你根本没有真正掌握。你必须亲自去推导、去做题。
为什么 Michael Jordan 和 Kobe Bryant 要日复一日、一练就是几个小时的投篮？就是为了重复。不管练什么技能——你都必须把基础动作磨炼成肌肉记忆。你必须进行高强度的重复训练，才能形成条件反射般的熟练度（automaticity），找到那种浑然天成的触感。到那时，你甚至不用过脑子就明白该怎么操作了。
不管你是练国际象棋还是拉小提琴，都是这个道理。你绝不可能指望别人给你讲讲，用个生动的比喻，就能把他们脑子里的抽象概念瞬间乾坤大挪移到你脑子里。这根本不现实。
我在这里明确地告诉你——你必须亲自动手练。
不过，正如 Justin 之前强调的——我们极度重视「最小有效剂量」，这才是核心秘密。你并不需要一口气做一百道因式分解题。或许我们一开始只做七道、八道或十道；到了第二天，做五道、三道或四道；一周之后，再回过头来复习几道。
我们的训练是有节制、设上限的，绝不搞题海战术，因为过度刷题效率极低。而在我们的教学体系里，效率就是一切。
系统的效率提得越高，学生就能学到越多的内容，也就能越快攻下他们的目标。不管你是想抢跑、飞速通关数学，还是仅仅因为对数学不感兴趣、更偏爱文科而想快点把这块硬骨头啃完，高效都是你的首选。
效率是唯一的王道。
Justin Skycak： 我注意到一件事，其实很多嘴上嚷着「不要重刷题，要重概念」的人，他们真正想要的，不过是对一门学科进行一次走马观花式的浅薄速览，根本不愿深钻各种繁琐的细节，更不愿老老实实地去把每一步练习做到位。
这科学像网上那些备受追捧的科普视频——「一小时学透微积分」、「30 分钟精通线性代数」或者「20 分钟拆解神经网络原理」。虽然这种快餐式的科普能让你迅速对一门高深学问形成一种浅薄的认知，让你兴奋地从一无所知跨越到能聊上几句的水平，但你其实完全忽略了具体推导、编码和实现的硬核细节。
能够亲自写出代码、去落地实现，或者对底层细节进行严密的逻辑推理——这才是最关键、也最容易缺失的能力。
我们始终致力于帮学生建立起真正的掌握（mastery）水平。绝非浮光掠影，绝非浅尝辄止。
我们要解决的终极问题绝不是：「如何能最快地让你获得一知半解的肤浅认知，好让你能在朋友面前吹吹牛、或者觉得自己对某个领域有发言权？」
我们的核心目标是：「我们如何能以最快的速度，让你像专业乐手熟练演奏乐器、专业运动员行云流水地打比赛一样，极其自如、精准地进行数学运算与逻辑推理？」
我们致力于为你全面、完整地筑牢每一项底层技能，打造一个真正的数学殿堂（academy for math）。
Jason： 我们的黄金法则是这个：问问你自己，如果这种方法在体育运动中根本行不通，那么它在数学里就同样是扯淡。
看看任何一支成功的篮球、橄榄、足球或冰球队，他们平时都在干嘛？他们在一遍遍磨炼个人的单项基本功，拉体能，通过双人或三人配合来训练战术拆解。直到训练的最后阶段，他们才可能来一场受到严格控制、教练全程提供即时反馈的队内对抗赛。教练会随时喊停：「不对，我要的是这种跑位，我需要看到那个防守。刚才那个动作错了。」
随后才是进行针对性的实战套路演练。这就是你必须建立的思维模型。
光靠听教练吹水、看教学视频，或者听别人高谈阔论「好的防守理论」，你极不可能成为运动健将。做一些理论层面的探讨当然有必要，但探讨完了，我们必须立刻上场练习：如何卡死进攻队员的路线、如何快速滑步防守，老老实实地去抠每一个动作。
在体育运动里行不通，在数学上就绝对行不通。这可以说是一条屡试不爽的判断标准（mental shortcut）。如果有人向你吹嘘某种新颖的数学法门，而你一琢磨：「不对啊，我以前打球要是用这套理论，连上场的机会都没有」——那你就有了答案。
现在大家都在吹捧「项目制学习」（project-based learning），这其实就类似于体育训练中的全场队内对抗。在训练快结束时打一场对抗赛确实很好玩，你也确实需要来上几次——毕竟你要想学会打篮球，总归是要真正打上一场正规比赛的。
但如果你每次训练从头到尾都在打对抗赛，那你根本无法沉淀下任何一项基本功。没有任何技能可以获得实质性的成长。
Jason： 很有意思，我昨天刚和一所学校进行了一次极其愉快的交流。
我感到无比兴奋，但我对他们说：「别光听我在这王婆卖瓜——亲自去试试。试试，但一定要严肃对待。我们先找一小批学生作为试点，让他们每天登录使用，同时安排专人密切关注他们的后台进度。你一定能见证难以置信的教育奇迹。」
通常情况下，学生们的使用效率是传统大班课的三到四倍。这就是为什么，在我们的学校试点项目中，孩子们能够在短短三年（从六年级到八年级）的时间里，完成从预备代数一直到 AP Calculus BC（微积分）的全部课程。
我还清晰地记得第一届学生毕业时引起了多大的震动。《华盛顿邮报》（The Washington Post）甚至专门为此做了专题报道。人们根本不敢相信这是真的，纷纷质疑：「这不可能吧，肯定是弄虚作假、装神弄鬼（smoke and mirrors）。」但这是百分之百的事实。我们掌握着铁证，因为这些孩子都去参加了 AP 微积分全国统考——考试成绩就在这摆着。
我会建议你：亲自试一试。我们提供 30 天无条件免费试用，期间你可以随时取消，全额退款。但尝试的同时，一定要严格执行。别只丢下一句：「哦，我已经给我儿子注册了，他几天前上去做了两道题。」那根本不叫尝试。你必须确保他们每天都在打卡使用——根据他们的实际年龄，保证每天 20、30 或 40 分钟的专注刷题时间。
在旁边盯紧一点。他们是不是在全神贯注地做题？有没有老老实实地用纸和笔打草稿？只要你保证这几点，你就一定能见证惊人的成效。
Jason： 甚至可以说，在很多情况下，这种方法对于落后生的挽救作用要大得多。
很多学生在传统的应试体制下落后了太多，以至于他们的数学学习之路上基本已经被判了死刑。他们只是在接下来的几年里苦苦挣扎求生，企图勉强吊着一口气（keep their head above water），直到混完义务教育阶段、彻底解脱。
而我们的系统可以帮他们「起死回生」，彻底解决这些历史包袱。通过一次自适应的诊断测试，我们能把他们之前所有断档的前置基础全部揪出来。他们可能缺失了整整一门、甚至是几门课的基础。我们可以直接把他们打回到那个缺失的起点，开始重筑根基。
我最推崇的一句话是：「成功带来更大的成功（Nothing succeeds like success）。」一旦你能够顺应学生当前的实际水平，给他们匹配最契合他们进度的起点，让他们开始在一个稳固、踏实的基础上一步一个脚印地去攻克。这种接连不断的成功体验（哪怕一开始只是解对了一道极简单的题），将颠覆性地扭转他们对数学的态度。
我们收到过雪片般来自家长的感谢信，上面写着：「我的孩子之前落后了整整一到两个学期，一提到数学就怕得直发抖，家里原本像是一场灾难——但现在，他（她）居然能轻松跟上、越学越有劲了。学校里的数学考试成绩直接从以前的 D 跨越到了 A。」
扫清当年的断档死角，用学生自己双手挣来的成功，去帮他们重塑强大的心智防线——这绝不是靠父母在一旁喋喋不休地空灌鸡汤：「孩子，你要树立信心，要有正向心态」，而是来源于孩子自己最切肤的胜利体验。他们会在心底坚定地对自己说：「我可以攻克这个知识点，因为前面的难关都被我亲手击破了，我会一直赢下去。」
Justin Skycak： 这正是最核心的精髓所在。
我们经常从那些原本在班里吊车尾、但通过 Math Academy 疯狂追赶的学生身上听到这种反馈。这些学生不仅逆袭成为班里的数学学霸，甚至把教材进度远远甩在了身后。而在这个蜕变中，他们身上发生的最惊人的质变，就是自信心的重塑。
在短短的一年、甚至仅凭几个月的时间里，一个原本坚定地认为「自己根本不是学数学的料」、「数学太难了，我一辈子都学不会」的学生，能彻底脱胎换骨，产生如下的底气：「学校的家庭作业对我来说简直是小菜一碟；我完全是在俯视全班的进度；这门课太简单了，我已经开始提前预习高年级的内容了。」
这种学习体验的彻底颠覆，将为他们的自信心带来不可思议的飞跃。
Jason： 好的，这也是我经常对家长们说的一番话。
有时候你会遇到一些操之过急、望子成龙心切的家长，你不得不拉住他们说：听着——每天学习一个小时就已经非常完美了，除非你确实面临时间极其紧迫的特殊情况。比方说，你的孩子正在上 AP 微积分班，中途老师突然辞职了，新来的老师教学水平简直是一场灾难，而距离统考只剩下短短三个月——好吧，在那种火烧眉毛的情况下，你可能确实需要让孩子每天进行两到三节、每节一小时的特训。
但你必须把时间错开。连续高强度刷题三个小时，对孩子的大脑来说实在是太超载了。
我经常告诉家长们，每天 50 到 60 个 XP 差不多就已经是普通孩子的极限了——高中生或者初中高年级的尖子生可能会多一些。如果学生真的极其渴望拔高，每天练上 90 分钟也就足够了。
任何超过这个时长的训练，我都会觉得有些过犹不及了。
这完全是一个注重质量而非数量的过程。我常说这和去健身房是一个道理。你没必要每天在健身房里泡上两个小时——只要你每周坚持去五到六天，每次保持 45 分钟的高效、扎实训练，你就绝对能练出令人惊羡的魔鬼身材。
这两者在底层逻辑上是完全相通的。
Justin Skycak： 这完全取决于你能够在多长时间里，维持这种高专注、全强度的精力输出。
一节长达一个小时的高强度训练——无论是在 Math Academy 上刷题还是在健身房撸铁——对体力或脑力的消耗都是极大的。你很难把这种巅峰状态连续维持好几个小时。
当然，如果你确实想每天多刷几个小时，你最好把它们拆分开来——比如早上练一个小时，晚上再练一个小时。但说到底，每个人的专注力时长和能承受的系统工作强度存在着天然的个体差异。
根据我们多年的追踪数据，每天保持大约一个小时的训练，是绝大多数学生能够长期坚持下去的「黄金上限」。
Justin Skycak： 确实如此。
除了我们前面探讨过的精熟学习法之外，系统最核心的技术还在于「间隔重复」。学生在 Math Academy 平台上学会的每一个知识点，都将在未来的学习旅程中无限期地进行复习——只不过复习的时间间隔会像滚雪球一样不断拉长。
比如，你今天刚学会了一个新知识点，明天或后天系统会安排你复习一次。系统判定通过后，下一次复习就会被推迟到一周后。再次通过后，就会延长到两三周后。这是认知科学公认的保持大脑知识库常用常新的最佳方式。
当你尝试攻克更高级的知识点时，你之前学过的一切底层基础都将成为基石。新知识总是像金字塔一样搭建在旧知识之上。如果你不能时刻保持这些底层基础的鲜活，你在学习新概念时就会寸步难行。到那时，你不仅学得慢、备感吃力，整个学习过程也会变得极其低效，因为你不得不反复退回去重新补课。
如果你让一个概念在没有任何温习的情况下搁置得太久，你很可能会彻底遗忘它，不得不从零开始重新学习——这无疑是最愚蠢的效率陷阱。而我们的系统，能百分之百掐断这种可能性。
不仅如此，我们还把复习效率提炼到了极致。如果你今天学了解一步方程（比如 ax = b），明天接着学解两步方程（比如 ax + b = c）——在攻克两步方程这个更高级的题目时，实际上已经包含了对一步方程的完全模拟和练习。这一步，在系统后台就会自动折算为你的复习量。
在我们的自适应知识图谱里，系统会在后台严密追踪所有这些微观数据。当你每学一个新概念时，系统都会评估：有哪些子技能在其中得到了隐式的操练？随后，系统会自动更新这些子技能的复习日程表，通过让你攻克包含旧知识的新题目，来悄无声息地免除那些枯燥、重复的单一复习任务。
我们始终在帮学生筛选那些能最大程度「一石二鸟」的学习任务。他们根本不需要去做那些枯燥的主动复习题。他们只要不断挑战新高度，就能在潜移默化中把旧基础温习得稳如磐石。
此外，平台还深度融入了诸多认知科学领域的黄金法则——比如交叉练习（即多样化练习），并且我们还通过 XP 经验值、段位排行榜和测试效应来进行了一系列极具趣味的游戏化设计。
我们甚至将「检索练习」无缝植入到了日常的定时测验中。学生在系统上每专注学习大约两小时，就会迎来一次全面的诊断测验。
Jason： 这种游戏化设计完全是我们的有意为之。
在项目初期，我们就明确提出要加入游戏化元素。我们需要一套客观的量化机制，来记录学生的学习进度和付出的心血。实践证明，XP（经验值）模型正是极佳的载体。你今天完成了多少富有成效的练习？取得了多大的进步？这些数据能让家长和老师一目了然，清晰地知道该为孩子的表现感到欣喜还是担忧。
但我们有意把重心放在了与实际学习过程强相关的核心体验上，而不是去开发一堆分散精力的支线任务、成就勋章、精美背景之类的花架子。我个人对那些视觉上的小道具并没有任何偏见。我们也反复讨论过在未来加入更多好玩的元素，并且我们相信这能让系统变得更有吸引力——不仅对成年人如此，孩子们也绝对会乐在其中。
我们可以逐步融入这些趣味元素。但前提是必须保持高度克制，绝不能让这些游戏机制喧宾夺主，演变成干扰学生专注学习的娱乐温床。
游戏化的唯一目的只能是为了服务于学习，而不能本末倒置。
不过，我认为这并不会构成什么实质性的风险。在接下来的版本迭代中，我们会非常严谨地层层融入更多的趣味游戏化机制。
Justin Skycak： 没错。其实最让人感到震惊的一点——甚至很多人在刚听说时根本不相信——就是传统观念总认为，针对同一个数学概念，学生需要尝试一万种不同的讲解方式，直到其中某一种讲法能歪打正着地对上他的胃口，而且每个孩子需要的讲法都是千差万别的。
但实际上，你根本不需要什么花里胡哨的讲法。你只需要一个在海量学生中经过反复打磨、实战检验的最硬核、最生动的标准解析。而唯一的前提是：学生在听这一段解析时，身上不能有任何前置知识的漏洞。
只要你做到了这一点，学生就能极其轻松、完美地掌握这项技能。我们掌握着非常强硬的数据支撑：在我们的平台上，高达 95% 以上的知识点，孩子们在第一次尝试时就顺利通关了。而超过 99% 的知识点，学生在最多两次尝试内也绝对能彻底吃透，根本不需要任何额外的真人辅导。
在极少数情况下，如果孩子在某一课遇到了挫折——他们可能会在第二天或隔天进行第二次挑战。得益于前一次挑战在孩子大脑皮层中建立起的初步认知印记，经过一两天的沉淀和巩固，他们往往在第二轮尝试时就能轻而易举地迈过这道坎。
这让许多深信「因材施教就是要把一个概念讲出百般花样」的传统家庭教师感到不可思议。但在我们看来，传统辅导中需要不断变换讲法的根源，本质上是学生身上带着巨大的基础断层。老师只是在绞尽脑汁地编造某种投机取巧的讲法，好让学生在缺失大量基础的前提下，勉强去应付和理解当前的高级概念。
如果你能通过算法，确保孩子在接触任何新知识时，底下的前置地基都已被打得坚不可摧，那么，最标准的硬核解析对每一个孩子来说，都将是无比清晰、易懂的。
Jason： 我想插一句，补充一个非常有画面感的比喻。
我们经常在内部讨论一个概念：如果你能把学习的坡度放得无限缓，那么即便是攀登珠穆朗玛峰，对普通人来说也不过是一段平缓的散步。真正让人半路崩溃、打退堂鼓的，是那些坡度极其陡峭、甚至需要悬崖攀爬的极限路段——也就是在一门课程中，你突然要求学生连跨好几个极难的台阶。
而我们所做的，就是通过技术手段，把每一个陡峭的悬崖完全改造成一个个微小的台阶。只要把步子拆得足够小，任何人都可以学会世上的任何高深知识。它可能需要花费一点时间，但你每一步都走得无比踏实。
而这正是我们利用后台数据分析去干的糙活、重活——我们每天都在筛查：系统的交通拥堵点（congestion points）发生在哪里？孩子们在哪些地方卡壳、挣扎？我们在哪里不小心一次性对学生提了太高的要求？
一旦发现，我们就会刻不容缓地动手，把这个极难的关卡拆解成两到三个微小的、可轻松跨越的子步骤。
这才是最关键的破局之法。很多时候，当教学效果不尽人意时——在排除了前置知识漏洞的前提下——根源百分之百是因为我们步子迈得太大，一次性塞给孩子的东西太多了。
你需要把台阶拆得更细。让孩子们先踏踏实实地站稳第一个小台阶。让这个概念在他们脑子里彻底锁定、消化一两天，再往上走。
Justin Skycak： 没错。然后再顺理成章地把下一项技能层叠在上面。
这绝不是说你需要换个花样去解释。你只需要把现有的核心讲解过程打磨得更加平滑，在整个学习阶梯（learning staircase）上增设更多细密的落脚点，确保每一步的跨度都不会让孩子感到无力迈出。
Jason： 如果要我给当前的教育体制找一个最大的病灶，第一条绝对是「缺乏问责制」。
看看那些触目惊心的真实调研吧——比如在加利福尼亚大学圣地亚哥分校（UCSD）进行的一次测试中，竟然有高达 8% 的名校大学生，其数学真实水平仅相当于小学生。这简直是荒谬至极的现实，但更可怕的是，这种现象根本不是个案，它无处不在。
造成这种恶果的根源，就在于我们彻底丢弃了「问责制」。责任被重重官僚机构和臃肿的体系给稀释、掩盖了。出了问题该怪谁？怪任课老师？怪校长？怪前一年的基础没打好？怪学校董事会？还是怪课程方案的设计者？最后的结果就是：雪崩之下，没有一片雪花觉得是自己的错，谁都不用承担责任。
在没有问责制的同时，我们还亲手掐断了「透明度」——我们极力取消标准化考试、捂着考试成绩不予公开，甚至试图彻底废除 SAT。这无异于掩耳盗铃。
而我们之所以这么干，本质上就是整个教育系统在恐慌地躲避问责。
但在职业体育界，情况完全不同。你不需要特意去给国家橄榄球联盟（NFL）规定：「你们必须运行某种特定进攻战术。」如果你不赢球，你就得卷铺盖走人。只要战绩拉跨，主教练甚至在赛季中期就会被当场解雇。因此，每到星期天，所有人都会拼了命去寻找真正能克敌制胜的战术，因为每一场胜负都在被冰冷、无情地追究责任。
一个系统想要高效运转，透明度和问责制缺一不可。一旦你建立起这两大铁律，整个教育系统就会像水往低处流一样，自然而然地收敛、靠拢那些真正高效、管用的教学方法。你根本不需要指手画脚地命令学校：「你们必须推行主动学习法」或「你们必须采用精熟学习法」。就像打球一样，你不需要去规定谁必须打西海岸进攻战术——只要能赢就行；但如果你输了，对不起，请立刻交出帅印。
当然，公共教育不需要像残酷的职业竞技体育那样冷血无情。但如果你真的想建立一个高水平运转、能稳定输出高质量教学成果的教育体系，就必须迎回问责制和透明度。
Justin Skycak： 我也深有同感，两者的本质是一样的。
在过去，标准化的考试和评估是检验学生真实学术水平的一把铁尺、一架天平。然而糟糕的是，现在的学校成绩已经和学生的真实能力完全脱钩了。
一个学生在班里拿了一连串漂亮的 A，但只要你让他当场做几道题，就会震惊地发现，他竟然连这门课最核心、最基本的技能都不会。
导致这种评分通胀（grade inflation）的原因极为复杂——评估机制的漏洞、带着知识漏洞强行通过、以及家长们为了让孩子履历好看而对学校施加评高分的压力，各种矛盾交织在了一起。
但在我多年的教育生涯中，这些乱象最终都指向了一个极其荒唐的底层事实：在某个时间节点上，一张盖着红公章的纸面成绩宣称孩子已经「掌握」了该门功课，但实际上，他连门都没入。
Jason： 你几乎在任何时候，都需要一个活生生的成年人在课室里坐镇。
孩子们毕竟是小狗（puppy dogs）。如果你把小狗放在房间里不管，它们转头就会在屋里乱窜、把你心爱的鞋子咬得稀烂。你必须在旁边盯着。你必须时刻维持他们的专注力，激发他们的动力。
在我们与学校合作开展的 Math Academy 试点项目中，我们配备了极为专业的现场导师。他们中甚至有几位是数学博士——这简直是顶级配置。
他们的主要工作绝不是在黑板前枯燥地讲上一整节课，而是在每堂课开始的黄金时间，跟孩子们聊一些天马衡迹的数学妙想、讨论一道极具挑战性的烧脑趣题、讲述某个数学公式背后的传奇历史，或者带着大家推进一个正在进行的探索项目。
在完成这些趣味引导后，导师会留出大约 30 分钟的时间，让孩子们戴上耳机、登录系统，各自在专属的学习路径上心无旁骛地狂奔。有了这 30 分钟的高效刷题，他们几乎不用把作业带回家。
这是一种堪称完美的混合教学模式：前 15 到 20 分钟是由导师引领的趣味互动和小组头脑风暴，接着是「好了，孩子们，现在开始我们个人的每日修行，让我们在系统里痛快地斩获一些 XP 吧！」
通过这种方式，孩子们回家后只需要花 15 分钟稍微温习一下即可，而不是在书桌前痛苦地死磕一个半小时。
Jason： 哈哈，我的天哪——应该问，我们有什么地方是不需要改进的？
我每天看着这个平台，脑子里想的都是它的不完美。每当我收到用户的反馈邮件说：「哦，我希望系统能加入这个功能，或者改善那个体验，」我都会在心里默默点头：我完全同意。我手头攒着的研发路线图早就有一英里那么长了。
我时常会闭上眼睛去憧憬：到底什么才是终极的在线自适应学习系统？这是我每天都在苦苦思索的圣杯。然后我会睁开眼审视现实：我们现在做到了吗？还没有？好的，那我们还要继续玩命干。
每当 Justin 和我在讨论新功能的取舍或交互逻辑时，我们都会用一个最质朴的标准去考量：「假设你正作为私人教头坐在一个孩子身边辅导他，在这种情况下你会怎么做？你会用这种生硬的方式对待他吗？」如果不会，那么我们的系统就绝对不采用那种冷冰冰的设计。
我们始终在尝试用代码，去完美复刻一位专业、资深、关怀备至的真人教师在面对孩子时的每一个细微动作。这位长辈会怎么做来让孩子保持积极的心态并不断取得进步？
我们即将上线的一个重磅功能就是「实时随堂督导」（in-task coaching）。当学生在做题时，如果他们试图投机取巧，把本来需要花费一分钟仔细阅读的教学教程在短短 20 秒内就粗暴地划过去了，如果是一个真人在旁边，肯定会拍拍他的肩膀说：「嘿，小家伙，别偷懒。慢下来，老老实实把这段看完。」
现在，我们的系统里将会上线一个扮演实时随堂督导的小机器人化身（avatar），它会适时蹦出来温柔地提醒：「慢下来哦。」
再比如，如果后台检测到，一道按常理至少需要花费 30 秒逻辑推导的难题，某个孩子竟然在短短 5 秒内就提交了正确答案——好吧，从逻辑上分析，这孩子大概率是在作弊或者靠运气瞎蒙。
这就是我们正在精心构建的实时随堂督导系统。我们设计了这个极具亲和力的小机器人头像，好让这种督导显得更有趣、更温和。我在亲自撰写这些提示文案时就在揣摩：如果我正坐在一只急躁、粗心大意的 13 岁「小神兽」旁边，我该用什么样的语气去教育他？
我该如何既能保全他们的自尊心、让他们学得开心，同时又能强硬地守住底线，让他们承担起对自己学业应尽的责任？比如告诉他：「听着，你必须老老实实地看一遍解析。不要投机取巧靠运气去蒙题。」
Jason： 非常感谢邀请我们，今天聊得太痛快了。
Justin Skycak： 感谢邀请，这是一次非常棒的对话。
Thoughts Memo 汉化组译制
感谢主要译者 gemini-3.5-flash，校对 Jarrett Ye
原文：American Enterprise Institute’s “The Report Card” Podcast: Math Academy - Justin Skycak