設定目標職位、工作內容、需要能力與個人背景，讓後續提示與回饋有真實情境。
從「幫學生改英文」走向「讓學生建立自己的面試能力」
系統的核心目標，不是替學生產生一份看起來完美、卻未必能在面試現場說出口的答案。學生必須使用自己的學習、社團、工作、專案或生活經驗回答，並在多次練習中逐步理解：這一題真正想知道什麼、自己的哪段經驗可以作為證據，以及如何把經驗連回目標職位。
因此，系統不只處理文法與用字，也把「內容是否具體」「回答是否有組織」「是否連結職位」「能否實際開口表達」「遇到追問如何應對」納入同一條學習路徑。
這套系統想做的，不是把學生的英文修得像另一個人。
而是讓學生最後能用自己理解、自己相信、也真的說得出口的英文，把自己的經驗說清楚。
六個階段，完成一次完整的英文面試練習
每份作業沿著固定流程前進。前一階段產生的內容會成為下一階段的學習材料，避免寫作、口說、AI 回饋與教師評量彼此斷裂。
先完成初稿，閱讀 AI 練習回饋後自行修正，再形成可實際拿來口說的最終回答。
系統將學生的最終回答轉成示範語音；學生跟讀、錄音並反覆確認發音、節奏與流暢度。
由 AI 扮演面試官，提出 4 題核心題目與 1 題未預告的臨場追問，練習理解與即時應答。
整理整場練習的優勢、主要問題與具體改進方向，作為下一次練習參考，不作為正式成績。
學生對照自己的作答、錄音與 AI 建議完成反思，將發現的問題轉成下一次可執行的目標。
不是一張通用提示卡，而是每題、每階段都不同的學習鷹架
系統內的核心面試題依學習目的分組。每一題可以有自己的回答順序、證據提醒、自我檢查方向與簡短句首；學生設定目標職位後，系統再依當次題目補上更貼近任務的職位連結、真實經驗回想問題、英文關鍵字與不完整句首。
不同題型有不同教學目的，不再讓所有問題共用同一組泛用建議。
提示會參考學生真正想應徵的工作，而不是只產生一般性的面試回答。
透過回想問題協助學生找到自己的真實經驗，不替學生虛構成就或背景。
寫作、跟讀與角色扮演關注的重點不同，提示也會隨任務改變。
重要原則：鷹架只幫助學生想清楚「要回答什麼、能使用哪一段真實經驗、如何連回職位」，不直接替學生完成整份答案。個人化提示暫時無法產生時，學生仍可使用每題不同的公版鷹架繼續練習。
三次練習，逐步撤除協助
系統沒有用統一字數門檻判斷學生是否「做得夠多」，而是透過最多三次提交，逐步把作答責任交還給學生。目標是讓學生從需要提示，走到能自行組織與檢查回答。
較完整地展開回答方向、句首、證據提醒與職位連結，協助學生建立基本結構。
提示預設收起來；學生先自行作答，真的卡住時才重新展開需要的部分。
只保留任務導航與自我檢查，讓學生在較接近真實面試的情況下完成回答。
AI 提供練習回饋，教師負責正式評量
系統刻意把「AI 學習回饋」與「教師正式成績」分開。AI 適合在練習過程中快速指出問題、提供修改方向與模擬面試情境；但正式評量仍需要教師結合課程目標、學生背景與完整學習證據作出判斷。
AI 在系統中的角色
- 依學生草稿提供文法、用字、內容與組織建議。
- 模擬面試官並提出核心題目與臨場追問。
- 分析角色扮演結果，整理優勢與可優先改善的問題。
- 提供學習鷹架，但不代替學生完成作業。
教師在系統中的角色
- 設定作業、題目、開放時間、提示詞與評分規準。
- 查看學生從準備、修改到口語練習的完整歷程。
- 依 Rubric、錄音、逐字稿、回答內容與心得正式評分。
- 決定補繳、重作與個別協助，不直接以 AI 分析取代專業判斷。
學生端：把一次作答變成可反覆使用的學習歷程
職位資料可沿用下一份作業可帶入前次職位設定，學生確認或修改後即可繼續。
草稿回饋保留原意AI 聚焦最值得先修改的問題，建議範文盡量維持學生原本的經驗與程度。
文字與示範語音連動學生可從文字定位示範語音位置，降低反覆尋找單字發音的負擔。
核心題目跨階段一致寫作、跟讀與角色扮演使用同一組核心題目，練習內容前後連貫。
AI 面試官可自然追問除了固定題目，也加入未預告追問，訓練理解與臨場組織能力。
完成後仍可回顧學生可查看提交紀錄、回答、錄音、AI 建議、心得與教師成績。
教師與管理端：從課前設定到正式批改
管理後台不是只有帳號管理，而是把課程執行所需的作業、題目、提示詞、評分規準、學習歷程、補繳／重作與成績匯出整合在同一處。
查看學生數、作業數、提交紀錄、完成狀態、需要協助者與 API 使用情形。
支援搜尋、班級篩選、帳號維護與 XLSX 匯入；實際課程名單可由系統管理者統一處理。
設定標題、說明、四道核心題目、開放／截止日期與課程執行方式。
分別管理寫作回饋、面試官與最終學習回饋，避免課程進行中直接覆蓋舊版本。
依作業與學生狀態搜尋、篩選，快速找出未開始、練習中、待批改或需要協助的學生。
協調個別期限、開放重新練習，並將正式評分結果匯出為 Excel。
不只看最後答案，而是保留可追溯的學習證據
教師可以在同一頁查看學生的職位設定、寫作初稿與終稿、AI 練習回饋、跟讀錄音、角色扮演錄音與逐字稿、最終 AI 回饋、心得，以及正式評分。這讓評量不只依賴一次口試結果，也能看見學生如何準備、修正與反思。
目標職位、工作內容與能力需求
寫作初稿、AI 建議與學生修訂結果
跟讀錄音與實際口語表現
角色扮演錄音、逐字稿與臨場追問
最終 AI 學習回饋
學生心得、自我診斷與下一步目標
正式評分規準可設定不同面向、配分與表現層級，並保留版本。即使日後更新 Rubric，過去的成績仍能追溯到當時使用的評分依據。
研究與教學實踐脈絡
本系統原始版本建置於國立雲林科技大學 115 年教育部教學實踐研究計畫脈絡中，服務大三職場英文課程的英文面試訓練。
計畫名稱（中文）：
「AI 輔助之英文面試訓練模組 --探討其對學習者面試表現提昇與語言焦慮降低的影響」
計畫名稱（英文）：
AI-Assisted English Interview Training Module: Investigating Its Effects on Learners’ Interview Performance and the Reduction of Language Anxiety
計畫主持人：蘇姿文（Tzu-Wen Su）
系統設計與開發：洪名琮（Ming-Tsung Hung）
Copyright 2026：洪名琮 Ming-Tsung Hung
教學設計關注的不只是回答正確與否，也包括漸進式學習鷹架、學生對 AI 回饋的運用、口語表現、臨場應對、學習反思，以及學生在反覆練習中的焦慮與自我效能變化。
技術架構、資料責任與開放原始碼
系統前端由瀏覽器操作，後端使用 FastAPI 提供學生與管理員功能，PostgreSQL 保存學習與管理資料；語音辨識、語言回饋與示範語音分別使用外部 AI 服務，學生錄音則存放於私人 Object Storage。
瀏覽器
↓
FastAPI 應用程式
├─ 學生端 API
├─ 管理端 API
├─ JWT 登入與權限
└─ 靜態頁面
↓
PostgreSQL
├─ AI：語音辨識、語言回饋、語音合成
├─ 私人 Object Storage：學生錄音
└─ SMTP：帳號與作業通知
系統設有登入防機器人驗證、權限區分、API 使用量限制、錄音長度限制、密碼重設與操作紀錄等機制。原始碼不包含真實學生資料、正式環境憑證、資料庫備份或錄音檔；實際部署者仍需自行負責資料告知、同意、保存、刪除與跨境傳輸等規範。
本專案依 Apache License 2.0 開放原始碼。系統原始碼與部署說明可參考
github.com/bridgerhung/oral；正式系統入口為
oral.brid.pw。