紅線只告訴學習者位置，沒有說明錯在哪裡。寫作軟體標出英文句子後，作者仍要知道哪一種選擇出了問題，以及下一步可以試什麼。較有用的自動回饋會指出局部問題、給一條清楚線索，再把修正留給作者。老師則跨稿查看錯誤規律，並審核機器的判斷。
這篇文章寫給會用文法檢查器修改報告的台灣B1大學生。640字的作業可能跳出23個警示。按下「全部接受」，交出去的文字也許比較乾淨，卻幾乎看不出作者下週四能不能自己處理同一個問題。
模糊標記讓人亂猜
discuss about the result底下出現一條線，只寫「用字問題」。問題可能在動詞、介系詞或名詞，學習者只能到處試。具體線索可以寫：「discuss在這裡直接接受詞，請刪掉一個字。」修正仍由作者完成，搜尋範圍則縮小到能夠思考的程度。
Ranalli以兩門發展性寫作課的82位ESL學生測試自動書面回饋。研究控制了訊息明確度、正確度與學生必須完成的修正方式。模糊回饋帶來較少的成功修正，學生也回報較高的心力負擔，以及較低的清楚度與幫助程度。這是控制情境下的改錯任務，不能代表每一款商用檢查器處理完整文章的效果。它至少挑戰一個常見想法：提示越模糊，學生未必思考得越好。
Chacón-Beltrán建立一套診斷語料，收錄約257,000個西班牙語背景A2與B1學習者實際出現或常見的錯誤字串。研究先分析68篇作文，共12,063字。軟體最初能為約46%的錯誤提供專屬說明，加入另外103,000個字串後提高到59%。2017年的報告同時呈現潛力與限制。就算系統經過細緻建置，許多錯誤仍沒有專屬解釋。
把提示變成改寫任務
一則好提示可以很短，包含三個部分：圈出有限範圍、說明語言特徵、給一條能採取行動的線索。看到She suggested me to apply時，可以顯示：「動詞句型：suggest後面可接that子句或-ing形式。請重寫。」系統不直接供應完成句，作者要同時決定原意與文法。
線索必須符合目前程度。「檢查complementation」也許適合語言學系學生，對準備學測的高中生就太遠。「這個動詞不接人加to不定詞」短得多，可是仍預設學生懂不定詞。此時可給不同內容的小例句：*They suggested taking the bus.*例句負責照亮規律，不能變成可直接貼上的答案。
第一輪要限量。先選兩種反覆出現的類型，例如冠詞選擇與動詞句型，其餘警示留到下一輪。英文寫作少改幾種錯誤，跨稿追蹤才看得到變化。九大類共23個警示只會形成校對清單。兩類共六個警示較像一堂課。
每個標記都要有回應。作者可寫C表示已修正，Q表示要詢問，R表示拒絕建議並附理由。拒絕很重要，因為自動系統會誤判。文章談到名為Monday的產品時，學生有權保留大寫並說明原因。
修改後，把一個例子寫進簡短錯誤紀錄：原句片段、修正版，再加一個使用同類規律的新句。新句可以檢查知識有沒有離開原本那條紅線。每篇報告留四筆就好。累積41個警示卻再也不開的試算表，幫助很有限。
機器旁邊要有老師的界線
不同錯誤類型的自動判斷能力差很多。拼字與部分一致關係較容易偵測，指涉、語氣、論證結構或刻意使用的特殊表達則困難。整頁綠燈仍可能配上一個薄弱主張。老師要把表層語言回饋，和內容組織的討論分開。
2024年的統合分析整理200組比較，涵蓋第一語言、第二語言與外語寫作。結果顯示，表層回饋主要改善表層結果，深層回饋則與深層結果相關。不同學習者與回饋來源之間也有差異。這篇Learning and Instruction的回顧整合多種研究，並未測試本文這套課堂流程。它提供一組有用分類：軟體側欄同時顯示文法與寫作分數，不代表文法警示已經處理推理。
老師還要抽查提示本身。它有沒有圈對範圍？學生看得懂術語嗎？例句是否保留作者原意？學習者能否開始修正，還是必須在八條無關規則中猜答案？正式交給全班以前，先拿十條真實作文警示做審核。產品廣告回答不了這些問題。
隱私是另一條界線。學生文章可能包含姓名、健康狀況、尚未發表的研究或公司數字。只使用學校核准的軟體，測試文字先移除可辨識資料。再好的修正，也不足以支持把機密段落送到來歷不明的服務。
十五分鐘修改循環
貼上一段可以安全分享的文字，回饋類型最多選兩種。每次動手前先讀說明，再決定修正、附理由拒絕，或把警示改寫成問題。完成後關掉軟體，另寫70字新段落，其中放入兩個目標句型的新例子。
老師先看新段落。舊句改對，可能只代表提示寫得好。新句也能選對，才更接近學生已掌握這項選擇的證據。若錯誤再次出現，就縮短說明，或補一組對比例句。
獨立作業中，我偏好具體線索。現場課程可用簡短代碼，因為老師與同學都在旁邊，可以一起查找。周圍支援不同，標記本身需要承載的資訊量也不同。
下週四動筆以前，先打開錯誤紀錄，選一個舊規律，在新報告裡圈出實例。若檢查器尚未載入，作者已能解釋自己的選擇，那條紅線終於教會了一件事。