ความเชี่ยวชาญภาษาอังกฤษไม่ได้วัดกันที่ "ท่องศัพท์เยอะ" อย่างเดียว แต่ประกอบด้วยหลายเสาหลัก และมีงานวิจัยบอกชัดว่าต้อง "รู้" มากแค่ไหนในแต่ละระดับ — และวิธีเรียนแบบไหนได้ผลที่สุด หน้านี้อธิบายทั้งสองอย่าง พร้อมที่มา
Kenwise วัด "จำนวนองค์ประกอบภาษา" ที่น้องเรียนรู้และเข้าใจจริงต่อชั่วโมง ใน 3 เสาหลักนี้
เรานับเป็น "ความหมาย" เพราะคำหนึ่งมีได้หลายความหมาย ต้องเข้าใจแต่ละความหมายจึงใช้ได้ถูก — และขนาดคลังคำเป็นตัวทำนายระดับความสามารถที่แรงที่สุดตัวหนึ่ง
โครงสร้างประโยคและรูปแบบภาษาที่ใช้ได้ถูกต้อง — Cambridge แยกได้กว่า 1,200 จุดตั้งแต่ A1–C2
เลือกใช้ภาษาให้เหมาะกับสถานการณ์/ความสุภาพ — สิ่งที่ทำให้ "สื่อสารสำเร็จ" จริง ไม่ใช่แค่ถูกแกรมมาร์
ลาก ตัวชี้ ขึ้น–ลงเพื่อดูว่าการไปถึงยอดของแต่ละระดับ (A1 → C2) ต้องรู้ จำนวนความหมาย (senses) และรูปแบบไวยากรณ์/การใช้ภาษาประมาณเท่าไร
งานวิจัยพบว่าผู้เรียนต้องรู้คำราว 98% ของข้อความ (≈ 8,000–9,000 word families สำหรับงานเขียนทั่วไป) จึงจะอ่านเข้าใจได้โดยไม่ต้องเดา — ขนาดคลังคำจึงเป็นรากฐานของความเข้าใจ
Hu & Nation (2000); Nation (2006); Laufer & Ravenhorst-Kalovski (2010)ขนาดคำศัพท์สัมพันธ์กับทุกทักษะ (อ่าน .83, เขียน .73, ฟัง .69) และทำนายระดับ CEFR ได้เป็นสัดส่วนใหญ่ — เป็นตัวชี้วัดความสามารถที่แรงที่สุดตัวหนึ่ง
Milton (2010); Stæhr (2008)Cambridge English Grammar Profile แยกแยะ "ความสามารถทางไวยากรณ์" ได้กว่า 1,200 จุดจากคลังภาษาผู้เรียนจริง โดยเพิ่มขึ้นเป็นขั้นตามระดับ — ทำให้ระดับวัดและสอนได้
O'Keeffe & Mark (2017), English Grammar Profileเมื่อใช้ภาษาไม่เหมาะกับสถานการณ์ ผู้ฟังมักมองว่า "หยาบ/ไม่จริงใจ" (โทษนิสัย) มากกว่ามองว่า "ยังเรียนอยู่" — pragmatics จึงสำคัญต่อการสื่อสารจริงไม่แพ้ไวยากรณ์
Thomas (1983); Bardovi-Harlig & Dörnyei (1998)เรารวม 3 หลักการที่งานวิจัยรับรอง — แต่ละอย่างแก้คนละจุดอ่อนของการเรียนภาษา
ในงานวิจัยคำศัพท์ภาษาที่สอง คำที่ผู้เรียน "ฝึกดึงความจำเอง" จำได้ ~80% หลัง 1 สัปดาห์ เทียบกับ ~36% ของคำที่แค่ "อ่านซ้ำ" Kenwise จึงให้น้อง คิด นึก และใช้ องค์ประกอบภาษาเอง ไม่ใช่อ่านผ่านเฉยๆ (meta-analysis: ฝึกดึงความจำดีกว่าอ่านซ้ำ g≈0.50)
Karpicke & Roediger (2008, Science); Adesope et al. (2017); Dunlosky et al. (2013)Bloom (1984) พบว่าติวตัวต่อตัว + เรียนแบบ mastery ดันค่าเฉลี่ยขึ้นได้ถึง ~2 SD (เป็น "เพดาน" ในอุดมคติ; ในโลกจริงราว 0.4 SD ขึ้นไป) ระบบติว AI/ปรับตามผู้เรียนทำได้ใกล้ครูจริง (~0.66–0.79σ) และงานวิจัย Harvard (2025) พบ AI tutor ทำให้เรียนได้มากกว่า 2 เท่าในเวลาน้อยลง
Bloom (1984); VanLehn (2011); Kulik & Fletcher (2016); Kestin/Deslauriers et al. (2025)การทบทวนแบบเว้นระยะที่ขยายขึ้นเรื่อยๆ จำได้ดีกว่าอัดรวดทีเดียว — เป็นหนึ่งในผลที่มั่นคงที่สุดในวงการ และสำหรับภาษาที่สองให้ผล "ขนาดกลางถึงใหญ่" Kenwise จึงทบทวนคำ/ไวยากรณ์ที่น้องอ่อน "ก่อนจะลืมพอดี" ใช้เวลาน้อยลงเพื่อผลเท่าเดิม
Cepeda et al. (2006); Kim & Webb (2022)ปรับเฉพาะตัว = เลือก เรื่องที่ใช่ ให้น้องฝึก · Active Recall (การเรียกคืนข้อมูลเชิงรุก) = ฝึก วิธีที่ได้ผล · เว้นระยะ = ฝึกใน จังหวะที่ถูก สามอย่างนี้แก้คนละจุดอ่อน (เรียนผิดเรื่อง / ทบทวนเฉยๆ / ลืม) งานวิจัยแนะนำให้ใช้ "Active Recall + เว้นระยะ" ร่วมกันอยู่แล้ว และการปรับเฉพาะตัวคือตัวคูณซ้อนทับ
Hattie & Donoghue (2016); Rowland (2014)เหมือนกีฬาหรือดนตรี เก่งขึ้นได้ด้วยการ "ฝึกใช้จริง" ซ้ำๆ ไม่ใช่แค่ "ดู" คนอื่นใช้
"ถ้าตั้งใจคิดก็ทำได้" — ช้า ใช้สมาธิเต็มที่ เดี๋ยวถูกเดี๋ยวพลาด ยังไม่ใช่ความคล่อง
คำตอบ "มาเอง" เร็ว นิ่ง ไม่ต้องเค้น — สมองเหลือที่ว่างไปคิดเรื่องยากต่อ นี่คือความเชี่ยวชาญจริง
งานวิจัยด้าน Skill Acquisition ชี้ว่าความสามารถทางภาษาพัฒนาเป็นขั้น: รู้กฎ → ใช้ได้ลื่น → ใช้ได้อัตโนมัติ และตัวที่พาเลื่อนขั้นคือ "การฝึกของผู้เรียนเอง" ไม่ใช่การรับข้อมูลเพิ่ม — การดูวิดีโอหรือฟังเลคเชอร์เป็น "input" ที่ดี แต่สร้างได้แค่ความรู้ที่ยังช้าและเปราะ ส่วนการทำให้ "คล่องอัตโนมัติ" ต้องอาศัยการ ดึงความจำและใช้ซ้ำ (หลักฐานคลาสสิก: นักเรียน immersion ภาษาฝรั่งเศสได้ input หลายปีจนฟัง-อ่านเข้าใจเหมือนเจ้าของภาษา แต่พูด-เขียนยังไม่เหมือน)
ความคล่องคือการเข้าถึงภาษาได้เร็ว นิ่ง และไม่ต้องออกแรง — คนละสภาวะกับ "คิดออกถ้าพยายาม"
Segalowitz (2010); Shiffrin & Schneider (1977)การดึงความจำซ้ำแบบเว้นระยะทำให้เข้าถึงภาษาได้ "เร็วและทนนาน" ขึ้น ไม่ใช่แค่จำได้ — คอร์สวิดีโอ/ห้องเรียนแบบ passive ให้ความรู้ แต่ไม่ได้ฝึกให้ "อัตโนมัติ"
DeKeyser & Suzuki (2025); Roediger & Karpicke (2006); Kim & Webb (2022)เมื่อการอ่านและไวยากรณ์เป็นอัตโนมัติ working memory จะเหลือไปใช้กับการตีความและ inference — สำคัญมากในข้อสอบจำกัดเวลาอย่าง TGAT/A-Level
Suzuki, Maie & Hui (2025); Segalowitz (2010)เรานับ จำนวนองค์ประกอบภาษา ที่น้องเรียนรู้และ "เข้าใจจริง" ต่อชั่วโมง — คือ คำศัพท์ + รูปแบบไวยากรณ์/การใช้ภาษา ที่ผ่าน Active Recall และใช้ได้ถูกต้อง (ไม่ใช่แค่เปิดผ่าน)
เทียบกับ ค่าเฉลี่ยที่ผู้เรียนได้จากการเรียนในห้องเรียนตลอด ~12 ปี (องค์ประกอบภาษาต่อชั่วโมงเรียน) → ได้ประมาณ 5 เท่า
และเทียบกับ คอร์สวิดีโอทั่วไปที่ดี (ซึ่งส่วนใหญ่เป็นการรับชมแบบ passive) → ได้ประมาณ 2.5 เท่า เพราะ Active Recall + ปรับเฉพาะตัว + เว้นระยะ ทำให้ "ได้จริง" ต่อชั่วโมงมากกว่า
ตัวเลขบนหน้าแรกมาจากแบบจำลองเดียวกับที่ใช้ในแอป — เป็นค่าประมาณที่บอกที่มาได้ทุกขั้น
อันดับโดยประมาณ — แปลงระดับความสามารถ (ที่วัดได้ หรือที่จำลอง) เป็นคะแนนสอบที่คาดหวัง แล้วเทียบกับการกระจายคะแนนจริงของผู้สอบทั้งสนาม (เช่น TGAT ~288,000 คน) — เป็นอันดับเฉพาะวิชาภาษาอังกฤษ ซึ่งเป็นเพียง 1 ในหลายวิชาของคะแนนที่ใช้ยื่น
เป้าหมายรายคณะ — คำนวณจากคะแนนต่ำสุดที่ประกาศจริงปีล่าสุด × สัดส่วนน้ำหนักวิชาอังกฤษของคณะนั้น แล้วตั้งเป้าแบบเผื่อระยะปลอดภัย (เป้าที่แสดงจึงสูงกว่าเส้นผ่านของปีก่อนพอสมควร เพราะแต่ละปีคะแนนขยับได้)
โอกาสถึงเป้า — ใช้แบบจำลองความเร็วการเรียน (ชั่วโมงฝึกสะสม → ระดับที่คาดว่าจะไปถึงภายในวันสอบ ซึ่งยิ่งระดับสูงยิ่งช้าลง) บวกความไม่แน่นอน ±1 ระดับย่อย แล้วรายงานเป็นความน่าจะเป็น — ไม่ใช่คำตอบตายตัว และไม่ใช่การรับประกันผล
หน้าแรกใช้ "น้องตัวอย่าง" — นักเรียน ม.6 สมมติที่ระดับกลางของรุ่น (≈ A2 ปลาย) เพื่อให้เห็นภาพก่อน ของจริงเริ่มจากแบบทดสอบวัดระดับฟรี แล้วระบบคำนวณจากตัวน้องเอง — ยิ่งฝึก ข้อมูลยิ่งเยอะ ค่าประมาณยิ่งแม่นขึ้น
• ตัวเลขจำนวนความหมาย (sense) ต่อระดับ CEFR มาจากคลังคำของ Kenwise เป็นค่าประมาณและมีช่วงคาบเกี่ยวกันได้
• "รูปแบบไวยากรณ์ & การใช้" รวมข้อมูลจาก Cambridge English Grammar Profile กับส่วนการใช้ภาษา (pragmatics) ที่ประเมินเป็นช่วง
• Active Recall อาจ "รู้สึก" ยากกว่าการอ่านซ้ำ ทั้งที่ได้ผลดีกว่า (งานวิจัยพบว่าคน "รู้สึกว่าเรียนได้น้อยกว่า" ทั้งที่จริงเรียนได้มากกว่า) — เราออกแบบให้ฝึกแล้วไม่ท้อ
• ตัวเลขสถิติทั้งหมดอ้างอิงจากงานวิจัยที่ระบุที่มาด้านล่าง
Milton, J. (2010). The development of vocabulary breadth across the CEFR levels. — eurosla.org
Nation, I.S.P. (2006). How Large a Vocabulary Is Needed for Reading and Listening? — lextutor.ca
Hu, M. & Nation, I.S.P. (2000). Unknown Vocabulary Density and Reading Comprehension. — eric.ed.gov
Laufer, B. & Ravenhorst-Kalovski (2010). Lexical threshold revisited. — eric.ed.gov
O'Keeffe, A. & Mark, G. (2017). The English Grammar Profile of learner competence. — researchgate.net · englishprofile.org
Thomas, J. (1983). Cross-Cultural Pragmatic Failure. Applied Linguistics. · Bardovi-Harlig & Dörnyei (1998), TESOL Quarterly.
Karpicke, J. & Roediger, H. (2008). The Critical Importance of Retrieval for Learning. Science. — science.org
Adesope, Trevisan & Sundararajan (2017). Rethinking the Use of Tests (meta-analysis). — sagepub
Dunlosky et al. (2013). Improving Students' Learning With Effective Learning Techniques. — sagepub
Bloom, B. (1984). The 2 Sigma Problem. Educational Researcher. — sagepub
VanLehn, K. (2011); Kulik & Fletcher (2016). Effectiveness of (Intelligent) Tutoring.
Kestin, Deslauriers et al. (2025). AI Tutoring Outperforms In-Class Active Learning (RCT). Scientific Reports — nature.com
Deslauriers et al. (2019). Measuring actual learning versus feeling of learning. PNAS — pnas.org
Cepeda et al. (2006). Distributed Practice in Verbal Recall (meta-analysis). — pubmed
Kim, S. & Webb, S. (2022). The Effects of Spaced Practice on Second Language Learning. — wiley
Rowland (2014); Hattie & Donoghue (2016). Retrieval + spacing combined.
DeKeyser & Suzuki (2025), Skill Acquisition Theory · Suzuki, Maie & Hui (2025), Automatization in SLA — cambridge.org
Segalowitz (2010), Cognitive Bases of Second Language Fluency · Shiffrin & Schneider (1977), controlled vs automatic processing · Swain (1985), Output Hypothesis (French immersion)