MYLS AI
深受全球學習者與合作夥伴信賴
學習需要練習，而不只是內容
學生的難處不在於找不到資訊，而在於把知識轉化為表現。
學習者已經有的
- 課堂講授
- 範例
- AI 生成的答案
但當他們需要……
- 參加求職面試
- 上台做簡報
- 說清楚一個想法
- 回答意料之外的問題
- 在壓力下溝通
……他們需要的是另一種東西
- 練習
- 回饋
- 反思
- 重複
練習。回饋。反思。再來一次。
AI 不是目的
AI 不是目標，更好的學習成果才是。
AI 讓個人化練習變得：
隨手可得
每位學習者隨時都能練習。
可重複
同一個情境，練到熟練為止。
可衡量
每一次嘗試的進步都看得見。
標準一致
所有學習者使用同一套評量標準。
MYLS 為每位學習者提供練習真實情境的空間：即時獲得回饋，看清可以改進之處，然後再練一次。
「出色的表現，不該取決於誰請得起私人教練。」
傳統一對一輔導難以穩定提供
使用 MYLS涵蓋每位學習者
MYLS 讓高品質練習得以大規模提供。
我們的合作對象
同一個平台，多種合作方式。
更好的職涯準備，大規模實現。
大學與學院
以可大規模推行的面試練習，提升學生的就業準備度與就業成果。
學校與教育機構
把職涯準備延伸到課堂之外，而不增加教師負擔。
職涯與培訓計畫
提供一致、針對職位的面試訓練，學習進度可衡量。
教育平台
無須從零開發，即可為你的平台加入 AI 影片練習與回饋。
研究機構
藉由真實的學習應用，研究 AI 輔助學習與人機互動。
合作模式
選擇 MYLS 融入你體系的方式。
機構授權使用
直接為你的學生或學習者開通 MYLS。適合職涯中心、大學、訓練營和補教機構。
課程融入
把 MYLS 練習嵌入課程。作業可以是模擬面試、簡報、溝通練習或針對職位的情境模擬。
客製 AI 計畫
MYLS 與你的機構合作，圍繞你的學習目標打造客製化的練習體驗。
API / 技術整合
把 MYLS 的 AI 能力接入你現有的平台。
研究合作
圍繞 AI 輔助學習進行共同研究、試辦、資料集、評估、論文發表與實驗。
教師與教練助理
協助教師和教練在不犧牲個人化的前提下支持更多學習者。教練可以：
- 自訂練習內容 — 題目、情境、評分規準、能力項目和學習目標
- 掌控學習體驗 — 決定學習者練什麼、如何推進
- 結合人工與 AI 回饋 — AI 即時回饋，教練審閱、補充或個人化調整
- 查看學習進度 — 發現共同難點，以及哪些學習者需要協助
- 把人的時間用在最關鍵處 — 減少重複性回饋，投入更高價值的輔導
學習者可以練什麼
一個 AI 學習平台，多種練習情境。
模擬面試
練習求職、升學、入學、行為類和針對職位的面試。
學習者體驗
- 1選擇面試類型
- 2對著鏡頭作答
- 3即時獲得回饋
- 4再練一次
回饋
- 語言回答內容、結構和切題程度
- 聲音語速、流暢度和停頓
- 視覺儀態、眼神交流和非語言訊號
教師視角
- 設定題庫、評分規準和能力項目
- 對照 AI 回饋檢視錄影
- 掌握整體準備度和共同弱點
適用情境
多模態影片智慧
大多數 AI 工具只「聽」學習者。MYLS 看見完整的表現。
我們自主研發的多模態演算法，會分析學習者說了什麼、怎麼說，以及在鏡頭前的整體呈現。
影片練習
學習者對著鏡頭練習，就像真實情境一樣。
多模態 AI
自研演算法- 語言內容、結構、切題程度、清晰度
- 聲音語速、流暢度、停頓、表達
- 視覺台風表現和非語言訊號
個人化回饋
具體、有依據、可執行。
1/3只分析聲音或逐字稿：看不到儀態、眼神交流和非語言訊號。
3/3MYLS 影片多模態：語言 + 聲音 + 視覺，一起分析。
教師參與其中
人的專業，AI 的規模。持續的練習。
- 1
教師 / 教練
教師設計
- 學習目標
- 題目與情境
- 評分規準與能力項目
- 參考內容
- 回饋標準
- 2
MYLS AI
AI 提供個人化練習
- 面試
- 簡報
- 對話
- 評量
- 適性練習
- 3
學習者
學習者練習
- 練習
- 即時獲得 AI 回饋
- 反思
- 再練一次
- 4
AI + 教師
人工 + AI 回饋
- AI 回饋：即時、一致、隨時可用
- 教師 / 教練回饋：結合情境、專業、個人化
- 5
教師
教師看到關鍵資訊
進度與表現儀表板
- 誰需要支持？
- 學習者卡在哪裡？
- 接下來該教什麼？
- 人工輔導在哪裡最有價值？
遠不只是一個「AI 模擬面試工具」。
AI 驅動，教師掌控。圍繞人來設計，而不是取代人。
教師參與其中
學習目標、內容、評量標準和回饋都由教育者掌控。
天生可客製
教師可以圍繞自己的課程，自訂題目、情境、能力項目、評分規準、資源和學習活動。
人工 + AI 回饋
學習者即時獲得 AI 回饋，教師和教練則可提供更深入、結合情境的指導。
放大教練，而不是取代教練
AI 承擔重複性練習和第一輪回饋，讓教育者把時間花在最能發揮專業價值的地方。
為什麼選擇 MYLS
為學習而設計，不只是與 AI 互動。
練習優先
學生從實作中學習，而不只是請 AI 給答案。
可執行的回饋
回饋說明發生了什麼、為什麼重要、下一步改進什麼。
以證據為本的洞察
建議都對應到學習者表現中可觀察的要素。
以人為本的 AI
AI 支持教育者和學習者，而不是取代人的判斷。
負責任的 AI 與信任
用於學習的 AI，既要有用，也要值得信任。
隱私與安全
清楚說明學習者資料如何蒐集、儲存和保護。
透明的 AI
學習者清楚知道何時、如何使用了 AI。
人在其中
AI 提供回饋和洞察；重要決定仍由教育者把關。
負責任的評量
評量圍繞可觀察的證據設計，並用於合適的教育情境。
證據與研究
源於研究，在真實學習環境中驗證。
MYLS 位於人工智慧、學習科學和人機互動的交會處。
研究基礎來自多所知名大學
卡內基美隆大學
AI 輔助學習、個人化回饋、智慧家教和學習科技方面的研究。
新加坡國立大學
人機互動、可信賴 AI，以及人們如何理解 AI 系統、與之互動並據此做決定的研究。
多倫多大學
電腦科學、統計學、機器學習和教育方面的基礎研究。