目次
概要
AIは、数年前では想像できなかったような新しい学習方法を可能にします。この新技術を活用し、言語を学ぶ方法を革新したいと思いました。これがHanashi、AIを活用した言語学習アプリを開発した理由です。
主要機能
適応学習
システムは学習者のパフォーマンスに基づいて難易度を動的に調整します。
会話モード
会話モードは、ユーザーが自然で本物の会話を通じて学習できるようにします。AIパートナーは意味を解釈し、魅力的な対話の中で思考やアイデアを簡潔に伝えることができます。
これだけでなく、AIパートナーメッセージはインタラクティブで、ユーザーはメッセージの音声録音を聞いたり、メッセージを翻訳または音訳したり、さらに学習したい場合に特定の単語を単語バンクに追加したりできます。
エラー追跡
もちろん、言語は間違いをせずに効果的に学習することはできません。そのため、AIは文法的なエラーを認識し、ユーザーにハイライトして改善を支援します。
特定のエラーと修正がユーザーに表示され、ユーザーはエラーに関する「ノート」を生成してさらに学習し改善したいかどうかを決定できます。
ノート生成
ユーザーのニーズを満たすため、Hanashiはリッチで文脈ベースのノートを生成し、意味と情報の効果的な抽出を可能にします。
ノートにはエラーの種類が含まれており、ユーザーがノートを簡単に区別しフィルタリングできるようになっています。詳細な説明、関連する例文（翻訳/音訳付き）、必要に応じて重要な文脈が含まれます。ユーザーはさらに知識を構築するためにノートに基づいてフラッシュカードを生成するオプションもあります。
進捗追跡
言語を学習する際には多くの情報を解釈し吸収する必要があり、圧倒されることがあります。このため、間隔反復学習のシステムを使用することが役立ちます。これは、新しい情報がより頻繁に表示されるシステムで、情報が保持されるまでにより多くの時間がかかります。
しかし、十分に保持されていることが証明された情報は、ユーザーが正しく答えることが多い場合に、徐々に表示頻度が少なくなります。SRSを実装することで、ユーザーは情報を効果的に保持できます。
技術アーキテクチャ
技術スタック
コードベースはモノレポで、3つの異なる部分に分割されています。APIを含むバックエンド、アプリのランディングページ、そして最も重要なモバイルアプリ自体です。
マイクロサービスのようなアーキテクチャでプロジェクトを過度に複雑にする必要はないため、このアーキテクチャを選択しました。必要なのは3つの異なる部分だけです。
Turborepo
このプロジェクトはTurborepoを使用しています。これはJavaScriptとTypeScript用に最適化された非常に効果的なビルドシステムです。Turborepoは高速で応答性が良く、統合が容易な高性能ビルドシステムを提供し、プロジェクト構築時に多くの時間と苦労を節約しました。
Turborepoは、従来は困難だったモノレポのスケーリングを容易にします。各ワークスペースに独自のテストスイート、リンティング、ビルドプロセスを提供することでこれを実現しています。
ロードマップ
計画されている機能と将来の改善点。
結論
要約と次のステップ。