問題決定答案
預設問題（句子是否正確）是產生最無用答案的問題。它需要達成共識，一個合乎語法但不自然的句子通常會被批准。
假設某些事情可以改進的問題會產生更好的回饋，因為它們要求判斷而不是裁決。
| 而不是問 | 問 | 為什麼 |
|---|---|---|
| 這是正確的嗎？ | 母語人士會改變什麼？ | 假設改進是可能的 |
| 這是自然的嗎？ | 哪一部分聽起來最不自然？ | 強制給予具體答案 |
| 修復我的日語 | 做出所需的最小改變 | 保留你的句子 |
| 這夠禮貌嗎？ | 這是在什麼寄存器中？ | 描述性而非結論 |
| 重寫這個 | 解釋一下哪裡出了問題，然後修復它 | 產生一些可學習的東西 |
第二欄中的每個問題都要求描述而不是判斷，這使得答案可用。
要求最小的改變
如果放任不管，人工智慧會重寫日語，而不是你的日語。結果往往是你無法說出一個句子，也無法從中學習。
明確要求最少的編輯可以使句子保持你的可識別性，並使差異可見，這就是學習的地方。
- 要求解決問題的最小改變。
- 要求它盡可能保留你的詞彙量。
- 詢問原件具體有什麼問題。
- 比較兩個版本而不是接受新版本。
- 拒絕使用遠高於您水平的語法的重寫。
它真正擅長什麼
對於某些類別，回饋是可靠的並且很難在其他地方獲得，特別是沒有工具標記的錯誤以及人類讀者過於禮貌而不願提及的錯誤。
Register 是一個突出的案例：詢問一則訊息的禮貌程度會產生準確且有用的答案，這是日本讀者最容易注意到的錯誤。
- 註冊訊息的一致性。
- keigo是否指向正確的方向。
- 拼字檢查器無法捕獲的粒子。
- 措辭聽起來是否像教科書。
- 一則訊息讀起來是否會顯得生硬。
要驗證什麼
不可靠的類別是解釋而不是糾正。自信地解釋為什麼一種形式比另一種形式更自然可能是錯誤的，並且交付中沒有任何跡象表明這一點。
任何依賴生活使用而不是規則的事情都值得與人或參考人核實。
- 兩個相似詞之間的細微差別。
- 表達式是當前的還是已過時的。
- 區域或世代使用。
- 某事是否會在特定關係中引起冒犯。
- 詞源學和歷史解釋。
用它來學習而不是修復
使用人工智慧作為校對員和使用人工智慧作為老師之間的區別在於你如何進行批改。發送後被遺忘的更正訊息只會產生良好的訊息，但不會產生任何學習效果。
有成效的習慣是問為什麼，確定這個原因是否具有普遍性，並記下那些具有普遍性的原因。
- 詢問基本規則是什麼（如果有）。
- 詢問文中其他地方是否也出現同樣的錯誤。
- 注意訊息中重複出現的更正；這些才是你真正的錯誤。
- 自己重寫句子而不是貼上修復。
- 檢查你的演講中是否也出現同樣的錯誤。
與說話同時安裝
書面回饋和口頭回饋會發現不同的錯誤。寫入暴露了暫存器和粒子；說話會暴露速度、發音以及你因速度慢而避免使用的模式。
只獲得書面回饋的學習者往往會掌握準確的日語，但速度太慢，這就是兩者屬於同一類的原因。
在 Unihongo 中，口語部分來自沉浸式 3D 教室中的課程以及隨後的課程報告，其中以與書面記錄相同的方式標記語音中的註冊錯誤。
如果你的寫作和演講都出現同樣的錯誤，那麼這是一個真正的差距，而不是一個失誤。這些都是值得鑽研的。