論點
是課本，還是班級？
我們把責任分層釐清。這是沒有出版社能用資料回答的問題——直到現在。
課本
課的設計：說明、例題、順序、先備知識。在所有學校都會重演的部分。
學校
該校：辦學、步調、脈絡。因校而異，不隨課本移動。
班級
班級與教師。若問題只在一間教室，改版也無法解決。
學生
每位學生的起點。我們將其扣除，以免混淆診斷。
若某課只在一個班級出問題，那不是課本，是那個班級。
若在所有學校都出問題，那就是課本。
我們用階層模型扣除學生與學校，量測只有課本能解釋的效應。每個數字都附信賴區間與樣本數。
我們做什麼
遠不只是批改
我們批改與出題、建立班級、陪伴學生。但獨一無二的，是我們如何運用資料。
活的目錄
你熟悉的目錄，逐單元呈現，並附「摩擦指數」說明每課有多難學。
課本還是班級？
依據某課是處處皆錯還是只在部分班級出錯，將其定位在「是課本」與「是班級」之間。
下一版該改什麼
依影響力排序、待重新設計的課，附精確頁碼與由 AI 撰寫的編輯建議。
理解之河
學生如何逐單元在精熟、前進與卡住之間流動。
版與版之間的改善證明
你更動之處，摩擦下降了嗎？我們比較版本與世代並加以證明。
是手寫，不是點擊
資料來自學生一題一題親手寫下的作答：別人沒有。
前所未有的指標
把課本的語言量化
為決定下一版該改什麼的人而設的新數字。
課本歸因指數
錯誤中有多少能以課本設計解釋，而非學生、學校或班級。
跨校一致性
若在截然不同的學校反覆出錯，那是課本的訊號，而非脈絡。
可重現性
「19 校中有 17 校重現此錯誤高峰」——能在你資料團隊面前站得住的判定。
第 X 頁的成本
某課所耗的學生工時與卡住的孩子數：編輯失誤的真實代價。
有目的的資料
同一份資料，給做決定的人
MathCracks 是教育資料公司。同一份證據，在每一層都能找出問題。
出版社
你的課本在哪裡、第幾頁、為何出問題——為下一版，也為留住學校。
學校
問題在學生、班級還是課本——以及明天該重講什麼。
政府
系統在哪個地區、學年、科目出問題——把資源導向真正需要之處。
家庭
孩子具體卡在哪，以及每週如何進步。
運作方式
從頁面到判定
作答課本
學生手寫作答你單元的題目；OCR 讀取並批改。
對應 單元→能力
把你課本的每一課，連到它所量測的能力與頁碼。
扣除並判斷
模型扣除學生與學校，分離出課本效應，附區間與樣本。
交付報告
每月的編輯快報，含判定、重新設計排序與改善證明。
交付成果
編輯快報
每月或每版一份報告，你的團隊可帶進產品會議——也帶進業務會議。
- 決策判定：哪些屬課本、哪些屬班級。
- 待重新設計的課 Top-10，依影響與工作量。
- 每一堂紅燈課的卡片，附精確頁碼與典型錯誤。
- 改善證明：新版對比前版。
- 方法與隱私附錄：彙總、化名、含最低樣本數。