教學文章誰讀不到：WCAG 對圖、程式碼、公式與影片的要求，螢幕閱讀器使用者的研究與 UDL 的實證
一個線上實驗裡，螢幕閱讀器使用者回答線上圖表題目的正確率 34%，對照組 87%；圖附了資料表時，螢幕閱讀器組升到 73%。本站 192 張中文 mermaid 圖只有 1 張有無障礙標題。UDL 唯一讀得到全文的統合分析合併 g = 3.56，但納入的研究多數沒有對照組。
#blog
34 篇文章「做中學」的證據在量什麼：課堂統合分析、ICAP 與 doer effect
大學課堂的統合分析得到約半個標準差，比的是整堂課的教法，主動組多半有小組討論與老師回應，控制多半沒做或沒交代。線上教材裡「做練習的人小考較好」在十幾門課重複出現，但全是觀察資料。這篇讀的研究沒有一篇比過一個人讀文章時有沒有練習。
教學文章裡的程式碼要寫到什麼程度：步驟標籤、追蹤、Parsons 題與跑不跑得起來
替程式例題標上「這一步要達成什麼」，在一門入門課的準實驗裡，有標籤的班剛學完的小考較好，之後的考試沒有顯著差別；現場寫程式、用 Parsons 題代替寫程式，都沒有測到學習上的差別。GitHub 上的公開 notebook 照存下來的順序重跑，跑完沒有錯誤的約四分之一；程式跑不起來對讀者學習的影響，沒有研究量過。
讀者會不會做文章裡的題目：作答率、略過、先看答案與提示的證據
量到「題目出現時有沒有人答」的大樣本紀錄只來自 MOOC：影片播到題目的位置時在播放器裡出題，開始看那支影片的人約七成四作答；跳出的複習題，選擇題約七成、要打數字的約四成。隨機分派下，要打字的任務做的人約是只要勾選的一半。我讀到的研究裡沒有一篇量過公開文章的讀者，本站的流量統計是匯總的，量不到誰作答。
教學文章要不要開留言區：論壇參與、聲望制度、讀書會與問答社群的證據
MOOC 論壇發過文的人及格率比沒發文的人高很多（一門課 57% 對 8%），但作者自己說這是自我選擇下的相關；隨機加上聲望制度讓回覆變多變快，成績沒有測到差異；講師積極回覆對不回覆，完成率與投入都沒有測到差異。沒有研究測過部落格留言區對讀者學習的影響。
教學文章要不要做可操作的圖：課堂模擬、加上互動的圖、讀者使用率與製作成本
沒有研究直接比較同內容的互動文章與靜態文章。同一張圖加上可操作的功能，一組實驗裡沒有一種贏過靜態圖；有用的是讀者拿圖做事，而對照組也做事時差距就不見了。讀者會動的是一碰就有反應、站在敘事中間的元件，放在點擊後面的內容約有一半桌機讀者沒點開；一位長期做互動教學的作者說一篇要一到五個月，這包含學會那個演算法的時間。
教學文章的非母語讀者與手機讀者：英語授課、字幕、雙語字幕、機器翻譯與螢幕閱讀的證據
用英語授課的大學課，學科成績和母語授課沒有測到差異（d = 0.13）。外語影片配同一語言的字幕，三個實驗都沒有測到理解變好，母語字幕在一個實驗勝出、兩個沒有。需要捲動時，紙本的理解勝過電腦與平板；手機和紙本的直接比較只有 3 個。沒有研究量過非母語者用手機讀網頁教學文章學到多少。
一個人讀少了什麼：同儕互動、協作腳本、協作抑制、Peer Instruction 與旁觀學習的證據
同儕互動對其他學習條件平均 g = 0.40，要求達成共識時較大，但受試者是 4 到 18 歲、多半只互動一次；Peer Instruction 的討論裡，和鄰座選了同一個錯答案的人 91% 維持錯誤。一起回憶的產出少於各自回憶再合併；自學的成人一個人讀和一起讀，沒有研究比過。
寫給別人看，自己學到多少：教學預期、對不在場的人講解、替別人做教材與旁觀對話
只是打算要教，18 歲以上的樣本平均 g = 0.41，18 歲以下與日本學生都沒有測到效果；打算要教、之後寫解釋或錄影片給不在場的人，g = 0.48，面對面教 0.84 但筆數很少。替別人做教材的統合分析平均 0.17，做文字教材的研究很少。這些都是實驗室裡的短教材，沒有研究測過寫公開文章給陌生讀者。
讀者知不知道自己懂了：理解判斷的準確度、解釋深度錯覺、練習題與延後摘要
讀者分辨「這篇懂、那篇不懂」的能力，沒有任何介入時平均相關只有 0.18，作者換算約 55% 的正確率。讀完全部再寫摘要或列關鍵詞、判斷前先作答練習題，能讓判斷準一些；只讀現成的題目與答案沒有測到幫助。證據多半來自實驗室裡的大學生與說明文。
教學文章裡的「常見誤解」怎麼寫：對誰有用、會不會把誤解種進去、錯誤和更正怎麼擺
一份駁斥文字的統合分析裡，有沒有先篩掉本來就答對的讀者，效果沒有測到差異；錯誤資訊研究的回顧逐篇列出 11 篇熟悉度反效果的研究，報告「重提誤解讓人更相信」的有 3 篇，三篇都是疫苗題材、單題量尺。讀者原本根本沒聽過那個誤解時，寫出來會不會讓他學到錯的，沒有研究直接測過。目前能照做的是：錯誤說法和正確說法放在一起，給出正確的說法與理由，不要讓錯誤說法單獨當小標。
教學文章裡的術語、符號與公式怎麼處理：行話、定義擺放、英文術語與記號的證據
行話讓一般讀者覺得難讀，滑鼠移上去才出現的定義沒有讓這個感受回升；外語讀者讀文章時，有註解的研究讀完立刻測記住約 45% 的生字，沒有註解的約 27%。公式多的論文被引用較少，生物與物理資料都有人算出這個相關，但雙方對它可不可靠的爭論沒有收斂，也沒有任何一篇研究量過讀者因此讀不懂。
教學文章的寫法能不能用實驗驗證：平台 A/B 測試、放大重做、評量表與設計研究法的證據
ASSISTments 彙整 50 個作業實驗，給提示、拆小題、例題比只給答案好 d = 0.16–0.27，量的是作業當下的表現；在少數課有效的介入放到 247 門 MOOC，主要假說都沒有複製。課程品質評量表多半沒有公開報告信效度；一所大學的實測裡，九個面向沒有一個對通過率有顯著的直接路徑。設計研究法的回顧都在看報告怎麼寫，沒有一篇比較它做出的教材是否較有效。
讀者程度不同，教學文章怎麼寫：先備知識、專長反轉、文字連貫度與先備說明
先備知識多的人學完仍然知道得多（相關 .53），但和這次學到多少的相關平均接近零，各研究從強負到強正都有。協助多的教材對先備知識低的人有益（d = 0.51）、對高的人不利（d = −0.43），高低是各研究裡相對切出來的。開頭寫明先備是業界規範的做法，讀者能不能照它判斷該不該讀，沒有研究測過。
教學文章裡的專案要給多少引導：先卡關再講解、探索、鷹架與專題式學習
課堂研究裡，先讓學生解題再講解，概念與遷移平均高約三分之一個標準差，但這些研究全在有老師的課堂裡；有小組的版本效果較大，只做幾小時的介入除外；一組讓約十歲學生先解題的實驗結果相反。沒有協助的探索輸給明示教學，加了鷹架或回饋的探索較好；鷹架撤不撤沒有測到差別。一個人讀文章、自己做專案，沒有研究測過。
把別人的課重新講一次，值得嗎：研究債的論證、開放教科書、換教科書、極簡手冊與文件四分法
開放教科書和付費教科書相比，22 個研究合起來學習表現沒有可靠差異（g = 0.01），退選較少但證據較弱；加州四套審定的數學教科書裡，一套比另外三套合起來高約 0.05 個標準差。極簡設計的教材（多數是改寫過的手冊）效果很大，但研究老、樣本小、沒經過期刊審查。「一對多的解說划算」和 Diátaxis 的四分法都是論證，不是資料；把一門課重新講一次，目前沒有研究直接測過。
讀者說寫得好，不代表讀者學到了：自評、喜好、觀看時間、練習分數與代理指標各量到什麼
Harvard 物理課的交叉實驗裡，學生測驗高 0.46 個標準差的那一堂，自評反而低 0.56；一個有生成式 AI 可用的實驗裡，自評高過實際進步能解釋的幅度。觀看時間、平台活動量、預測通過的模型，量到的多半是做了多少，不是另外量的學習。本站的流量統計是匯總的，沒有任何訊號量得到讀者學到沒有。
系列文章的順序怎麼排：先備關係、混排練習、螺旋式課程與跳著讀的讀者
一門 AI 課的隨機實驗裡，依轉換難度排的順序比照發展史排的答對率高約 5 個百分點；用演算法排相依內容，8 個研究沒有一個顯著勝過人排的固定順序。四種題型混在八張作業裡練，複習後約一個月的測驗 61% 對 38%，這是交錯加間隔的合併效果。螺旋式課程幾乎沒有成效研究。拿到證書的 MOOC 學生平均也略過 22% 的內容。
間隔複習在真實課程裡還剩多少：課堂統合分析、隔週重讀、STEM 課程實驗與個人化排程
把練習分散到不同天，在真實課堂研究的統合分析裡效果約 d = 0.54，作者認為比混入實驗室研究的統合分析小；數學嵌在課程裡的間隔（同時含交錯）是 g = 0.24，八門大學 STEM 課照同一套做法做，平均只多 1.5 個百分點、沒有測到差異。隔一週重讀，一週後沒有測到優勢；那份課堂統合分析收的研究，沒有一篇讓學習者自己決定要不要回來複習。
把間隔複習做進教學文章：Quantum Country 的資料、線上課程的實驗與沒普及的原因
做得最完整的 Quantum Country 在一篇約四小時的文章裡嵌了 112 題，之後寄信排複習；作者自評「不複習會記得少很多」只有初步證據，推廣到其他領域沒有證據。把複習題推給 MOOC 學習者，約八成的人一次都沒碰，成績沒有測到差異；有效的例子是把複習排進上課時間的課堂實驗。
教學文章要不要講用途、放趣聞：告知用途、自己寫用途、給選擇與無關細節的實驗
直接告訴讀者這有什麼用，讀者會覺得內容較有用，但七個實驗合起來，當場成績沒有測到差異；要學生自己寫用途的課堂研究，結果隨學生與課程翻轉。和主線無關的趣聞平均讓立即測驗變差，大小不確定；只有一組實驗在「自願學」時沒測到傷害。
線上自學為什麼多數人讀不完：完成率、第一週流失、回訪與計畫提示的證據
HarvardX 與 MITx 的課，各課平均約一半的註冊者從沒進過課程；進過課程的人裡，2017–18 年只有 3.13% 及格。寫讀書計畫的提示在三門課把完成率從 13.8% 提高到 17.7%，放大到 247 門課後完成率沒有測到差異。這些都是 MOOC 的數字，本站的流量統計是匯總的，沒有個別讀者的行為資料。
教學文章什麼時候該畫圖：流程、樹、逐步執行與比較各用哪種表示法
加一張圖平均讓閱讀理解提高約 0.39 個標準差。把圖和對應的文字放在一起、讓讀者拿圖做事而不只是看，各有研究支持，做起來也比多畫一張便宜，但沒有實驗直接拿它們和「多畫一張」比過；能把「先預測」單獨分開的只有一個實驗，沒有測到差異。逐步執行用狀態表，單一路徑的流程用編號清單，比較用表格；手機上同一層並排超過 3 個節點的 mermaid 圖，字會小到讀不了。
教學文章搭配影片怎麼做：位置、時間連結、片長與自我檢查
影片涵蓋整篇就放頁首，只對應一節就放該節開頭，放頁尾常被略過。讀者多半只回看特定段落，所以每一節要能跳到影片的對應時間，開頭要寫片長；看之前先給問題、每段後自己寫解釋有實驗依據，但這些實驗用的都是短教材，最長二十分鐘出頭。
教學文章的例子與開頭怎麼寫：例題、解釋、學習目標與讀者程度的證據
有統合分析支持的三種寫法：給一題走得完的例題、要讀者自己解釋、把常見迷思講出來再駁斥。讀前提問主要幫到被問的內容；實驗多半用數學與科學教材、短文和大學生。
教學文章裡的問題與用語怎麼寫：提問、回饋、術語與寫作規格的證據
問過的內容進步最多，這來自課堂小考與讀前提問的研究，插在文中的問題本身沒有我讀得到全文的綜整；回饋帶的資訊越多效果越大，但這些證據來自課堂、電腦教材與實驗室短文。可讀性公式只能解釋教師難度判斷的四分之一到三分之一，30 份 Bloom 動詞表對同一個動詞的歸類不一致。
讀到一半想看影片時，畫面怎麼排：並排、浮動，還是捲回去
研究介面的共同做法是讓影片和對應的文字同時看得到：影片放在文字旁邊，或直接出現在讀者正在讀的那一段。Papeos 的 16 人實驗裡，把影片片段掛在段落旁的那一組，心理負荷的平均最低（三種條件的整體檢定顯著）。沒有實驗直接比較過長篇導讀配講課影片的版面；手機上怎麼做，目前沒有研究可依。
Pagefind 完整介紹：Astro 靜態網站如何做到零後端全文搜尋
Pagefind 在 Astro build 完成後掃描靜態 HTML，把索引與 WebAssembly 搜尋程式一起輸出；瀏覽器只按查詢載入需要的索引切片，因此不必維護搜尋伺服器。
quidproquo 部落格改進完整規劃：從內容、技術、RAG 設計到 Harness 基礎建設
用自己寫的 30+ 篇 RAG/Agent 文章交叉檢視部落格現狀，整理出橫跨內容品質、網站技術、RAG 設計修正、Harness 基礎建設、AI Agent 應用的完整改進清單，按優先級排列、不分階段。
AEO 答案引擎優化指南 — 讓 AI 搜尋引擎引用你的內容
AEO（Answer Engine Optimization）是針對 AI 搜尋引擎（Perplexity、ChatGPT Search、Google AI Overview）的內容優化策略。核心是讓你的內容成為 AI 最容易引用的「答案來源」，而不只是搜尋結果中的一個連結。
部落格 SEO 優化完整指南 — 從 meta tags 到結構化資料
SEO 不只是關鍵字，結構化資料（JSON-LD）、Open Graph、hreflang、robots.txt 這些技術面優化才是讓搜尋引擎真正理解你內容的關鍵。本文以 Astro 部落格為例，完整走一遍實作。
用 Astro + Cloudflare Workers 從零建立低摩擦部落格
為了集中散落筆記、展示多元興趣，選用 Astro + Cloudflare Workers D1 建立個人部落格，搭配 Claude post skill 讓寫作零阻力。
Astro 部落格換模板前要知道的事
換模板 = 換整個專案底層；先搞清楚自己要什麼，再選 AstroPaper / Cactus / AstroWind
這個部落格用了哪些工具
Astro + Cloudflare 全家桶，靜態優先、邊緣運算、零維運成本