152,218 次 TOEFL 聽後複述作答告訴了我們什麼

我們想弄清楚什麼

我們刻意把問題限定得很窄。這些資料可以顯示 LingoLeap 練習中反覆出現的規律，但無法單獨證明規律背後的原因。

• 句子變長時，複述完整度和平台分數如何變化？
• 哪些音素和字尾反覆得到較低的自動發音評估結果？
• 學習者停頓次數增加時，平台分數如何變化？

研究方法

樣本

LingoLeap 上 23,390 次 TOEFL 2026 聽後重複練習中的 152,218 條單句評分作答。本彙總資料未記錄獨立學習者數與獨立題目數。

時間範圍

2026 年 1 月 1 日至 2026-09-03（窗口截止於 UTC 05:13，即彙總資料的擷取時間）。

資料來源

對 LingoLeap 自有練習紀錄的唯讀離線彙總。只輸出彙總結果：不含錄音、逐字稿、使用者 ID 或單條作答。

評分方式

每句話有一個 LingoLeap AI 平台分數（0–5）；單字與音素準確度（0–100）來自自動語音發音評估 [3]。這些都不是 ETS 分數。

排除標準

11,512 條沒有辨識到語音的紀錄不納入內容層面的計算。單字表只保留有準確度測量、且至少被作答 50 次的單字。

研究限制

觀察性、描述性資料：重複的學習者與題目並非彼此獨立，因此不做顯著性檢定、不報告信賴區間。樣本為自願使用 LingoLeap 的使用者；發音由機器而非語音學家評判；多數練習沒有第一語言資訊。

規律 1：句子越長，能複述出的內容越少

這是資料中最清晰的規律。短句平均複述完整度為 78.8%，最長句降至 50.0%，平台平均分數也隨之下降。

<figure style="margin:0;max-width:660px">
  <img src="https://lingoleap.ai/research/charts/listen-and-repeat-sentence-length.svg" alt="Figure 1. Reproduction rate by sentence length" width="660" height="340" style="max-width:100%;height:auto" loading="lazy">
  <figcaption>來源: <a href="https://lingoleap.ai/research/listen-and-repeat">LingoLeap, 152,218 次 TOEFL 聽後重複作答告訴了我們什麼</a></figcaption>
</figure>

更值得注意的是沒有明顯變化的指標：從最短組到最長組，平均發音準確度只從 84.8 變為 84.5，但複述完整度相差 28.8 個百分點。換句話說，學習者不一定把記住的每個字都唸得明顯更差，而是沒有把整句話完整說回來。

規律 2：少數音素明顯更難

在所有測量的音素中，/θ/（thin 中的 “th”）自動評估得分最低，平均為 61.6/100；在 17,575 次測量中，有 37.6% 低於服務供應商定義的 60 分門檻。

<figure style="margin:0;max-width:660px">
  <img src="https://lingoleap.ai/research/charts/listen-and-repeat-phonemes.svg" alt="Figure 2. The ten hardest sounds" width="660" height="338" style="max-width:100%;height:auto" loading="lazy">
  <figcaption>來源: <a href="https://lingoleap.ai/research/listen-and-repeat">LingoLeap, 152,218 次 TOEFL 聽後重複作答告訴了我們什麼</a></figcaption>
</figure>

這個差距足以作為練習線索，但也很容易被過度解讀。這些是自動評估結果，不是語音學家的人工判斷。微軟把 AccuracyScore 定義為發音與母語者模型的聲學接近程度，並把單字準確度低於 60 分標記為發音錯誤 [3]。

規律 3：單字還在，字尾卻消失了

在 237,757 個帶有字尾 -s 的單字中，11.4% 的字尾沒有出現在辨識結果裡。

這種錯誤很容易被耳朵忽略。主體單字還在，整句聽起來似乎正確，但一個很小的文法訊號已經消失。即使字尾被保留下來，結尾擦音的平均準確度也只有 74.3/100。現有資料無法判斷每一次遺漏究竟來自記憶負荷、發音動作還是語音辨識誤差。字尾遺漏會改變文法：closes 變成 close，weekends 變成 weekend。

規律 4：停頓越多，平均分數越低

平均分數隨著停頓次數增加而逐級下降：沒有偵測到停頓的作答平均為 3.68/5，停頓 5 次以上時降至 2.22/5。

<figure style="margin:0;max-width:660px">
  <img src="https://lingoleap.ai/research/charts/listen-and-repeat-pauses.svg" alt="Figure 3. Average score by detected pause count" width="660" height="280" style="max-width:100%;height:auto" loading="lazy">
  <figcaption>來源: <a href="https://lingoleap.ai/research/listen-and-repeat">LingoLeap, 152,218 次 TOEFL 聽後重複作答告訴了我們什麼</a></figcaption>
</figure>

這個近乎逐級下降的趨勢很明顯，但它並不是對“每次停頓扣多少分”的估計。能力較弱或複述不完整的學習者，可能同時更容易停頓，也更容易得到低分。

規律 5：少數單字反覆得到低分

包含較難音素或子音組合的實詞得分最低，例如 turned（41/100）和 loaner（44/100）。

<figure style="margin:0;max-width:660px">
  <img src="https://lingoleap.ai/research/charts/listen-and-repeat-hardest-words.svg" alt="Figure 4. Lowest-accuracy words" width="660" height="298" style="max-width:100%;height:auto" loading="lazy">
  <figcaption>來源: <a href="https://lingoleap.ai/research/listen-and-repeat">LingoLeap, 152,218 次 TOEFL 聽後重複作答告訴了我們什麼</a></figcaption>
</figure>

這些規律可能如何關聯

這些結果描述了兩個可以觀察的面向：一邊是複述完整度和停頓行為，另一邊是自動發音評估。工作記憶研究讓“處理負荷”成為解釋句長規律的一種合理假設 [1]；語言測評研究則提醒我們，自動語音評分仍需要針對具體的測量構念進行驗證 [4]。這些都是解釋，不是本資料已經證明的原因。

對學習者來說，這些描述性結果仍然提供了具體的診斷目標：比較自己在短句和長句上的表現，檢查句尾是否完整保留，再找出反覆得低分的音素。配套的方法頁會把這些觀察轉化為練習步驟，但不應把這些建議理解為已經經過實驗估計的提分效果。

從整體規律回到真實句子

上面的每個數字都是數千次作答的平均結果。接下來的 sample 頁面會回到具體句子：展示目標句、如何分塊、哪些字更容易被漏掉，以及學習者通常在哪裡停頓。可以先從下面這個例子開始：

或者直接跳到某一句——下面是按情境分組的全部例題：

最後的想法

資料下載

如何引用

註釋與資料來源

1. [1] Baddeley, A., Gathercole, S., & Papagno, C. (1998). The phonological loop as a language learning device. Psychological Review, 105(1), 158–173.
2. [2] Saito, K. (2019). Effects of second language pronunciation teaching revisited. Language Learning, 69(3), 652–708.
3. [3] Microsoft. (2026). Use pronunciation assessment. Microsoft Learn.
4. [4] Xi, X. (2023). Examining the validity of automated speech scoring systems. Journal of the Acoustical Society of Japan, 79(3), 170–176.

學習者經常問的問題