问题决定答案
默认问题（句子是否正确）是产生最无用答案的问题。它需要达成共识，一个合乎语法但不自然的句子通常会被批准。
假设某些事情可以改进的问题会产生更好的反馈，因为它们要求判断而不是裁决。
| 而不是问 | 问 | 为什么 |
|---|---|---|
| 这是正确的吗？ | 母语人士会改变什么？ | 假设改进是可能的 |
| 这是自然的吗？ | 哪一部分听起来最不自然？ | 强制给出具体答案 |
| 修复我的日语 | 做出所需的最小改变 | 保留你的句子 |
| 这够礼貌吗？ | 这是在什么寄存器中？ | 描述性而非结论 |
| 重写这个 | 解释一下哪里出了问题，然后修复它 | 产生一些可学习的东西 |
第二栏中的每个问题都要求描述而不是判断，这使得答案可用。
要求最小的改变
如果放任不管，人工智能会重写日语，而不是你的日语。结果往往是你无法说出一个句子，也无法从中学习。
明确要求最少的编辑可以使句子保持你的可识别性，并使差异可见，这就是学习的地方。
- 要求解决问题的最小改变。
- 要求它尽可能保留你的词汇量。
- 询问原件具体有什么问题。
- 比较两个版本而不是接受新版本。
- 拒绝使用远高于您水平的语法的重写。
它真正擅长什么
对于某些类别，反馈是可靠的并且很难在其他地方获得，特别是没有工具标记的错误以及人类读者过于礼貌而不愿提及的错误。
Register 是一个突出的案例：询问一条消息的礼貌程度会产生准确且有用的答案，这是日本读者最容易注意到的错误。
- 注册消息的一致性。
- keigo是否指向正确的方向。
- 拼写检查器无法捕获的粒子。
- 措辞听起来是否像教科书。
- 一条消息读起来是否会显得生硬。
要验证什么
不可靠的类别是解释而不是纠正。自信地解释为什么一种形式比另一种形式更自然可能是错误的，并且交付中没有任何迹象表明这一点。
任何依赖于生活使用而不是规则的事情都值得与人或参考人核实。
- 两个相似词之间的细微差别。
- 表达式是当前的还是已过时的。
- 区域或世代使用。
- 某事是否会在特定关系中引起冒犯。
- 词源学和历史解释。
用它来学习而不是修复
使用人工智能作为校对员和使用人工智能作为老师之间的区别在于你如何进行批改。发送后被遗忘的更正信息只会产生良好的信息，但不会产生任何学习效果。
富有成效的习惯是问为什么，确定这个原因是否具有普遍性，并记下那些具有普遍性的原因。
- 询问基本规则是什么（如果有）。
- 询问文中其他地方是否也出现同样的错误。
- 注意消息中重复出现的更正；这些才是你真正的错误。
- 自己重写句子而不是粘贴修复。
- 检查一下你的演讲中是否也出现同样的错误。
与说话同时安装
书面反馈和口头反馈会发现不同的错误。写入暴露了寄存器和粒子；说话会暴露速度、发音以及你因速度慢而避免使用的模式。
只获得书面反馈的学习者往往会掌握准确的日语，但速度太慢，这就是两者属于同一类的原因。
在 Unihongo 中，口语部分来自沉浸式 3D 教室中的课程以及随后的课程报告，其中以与书面记录相同的方式标记语音中的注册错误。
如果你的写作和演讲中都出现同样的错误，那么这是一个真正的差距，而不是一个失误。这些都是值得钻研的。