口說英文的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包

六大動詞，10天速成英語表達：多益考高分還是不敢說?本書幫你開口說，對方秒懂

為了解決口說英文的問題，作者周昱葳（葳姐）,李存忠（Mitch）,吳惠怡（Flora）、,林宜珊（Amy） 這樣論述：

　　連大人都想排隊報名的「葳姐親子英語共學」版主葳姐領軍！ 　　橫跨金融、電子科技、英語教學界最強專業師資群！   　　★隨書附贈！發音示範！QR Code線上音檔，現學現說！   　　◎please代表請，但如果說：「Give me some water, please.」你就會被當成奧客。 　　◎別再跟部屬說：Do you understand?（你懂我意思嗎？）， 　　更好的說法是：Do you get it? 　　◎點餐要用哪個動詞？別用order，你得說：I’d like to have… 　　◎say、tell、talk，都是「說」，用法差在哪？see、look、watch，又

該怎麼分？   　　本書作者周昱葳（葳姐），成立「葳姐親子英語共學」線上平臺近5年， 　　因為簡單說故事，且具有MBA商學院背景， 　　她設計的英語線上課程，實用到連大人都搶報名。   　　本書從心智圖、片語動詞、時態變化、助動詞、基本句型， 　　搭配超過200組的生活例句、實戰練習題， 　　告訴你，英文要學好，這6個動詞就夠了！   　　◎ 六大動詞，10天英語表達能力速成      　　介紹六大動詞：be、have、do、say、get、make， 　　教你用你早就會的簡單動詞，食衣住行玩，完整表達自己的想法、經驗。   　　問同事午餐哪裡吃？have lunch比eat lunch更道地

！ 　　like只代表喜歡？美國明星泰勒絲曾在致詞典禮上，提到了20次的like。 　　本書特別收錄like六大用法 ╳ 大明星金句 ╳ 獨創心情溫度計（第4天）。      　　◎ 職場、考試、生活，一定會用到的動詞   　　用圖像式記憶，教你從核心字義掌握，一學就懂！例如：   　　‧打開（關掉）電視，用open（close）？正確是：turn on（turn off）。 　　‧交報告怎麼說？你可以用turn in the report，或是submit the report。 　　‧take（拿） ＋ off（離開）＝請假： 　　I want to take two days off.（

我想要請假兩天。） 　　‧搭公車用get on、搭乘計程車則是用get into。 　　‧倒垃圾、外帶食物，都是用take out。   　　◎ 職場英文好好聊！疑問詞＆附加問句   　　只要用5W1H，就能輕鬆打開話匣子，跟別人聊不停！例如： 　　Who’s calling?（電話中，請問你是誰？） 　　Who will join us?（誰會跟我們一起去？） 　　When will the meeting start?（會議何時開始？） 　　還有3個聊天萬用句，教你提出邀約、建議、詢問意見： 　　What／How about、Why don't you、What if。   　　萬用句型公

式 ╳ 使用率破表的片語動詞 ╳ 文法急救包 ╳ 13首流行歌曲， 　　幫你立刻開口說，對方馬上懂。   名人推薦   　　歴任友達光電及台達電集團人資長／林瑞娟 　　自媒體創作者、TESOL認證ESL教師／倉庫的女人Claire 　　YouTuber、英語學習推廣家／Catherine 　　《通勤學英語》Podcast主持人／John老師 　　Ricky英語小蛋糕

口說英文進入發燒排行的影片

以相互教學法和口說鷹架來提升資工研究生說能力

為了解決口說英文的問題，作者吳儀甄 這樣論述：

在全球化和科技進步的時代裡，英文溝通能力顯然成為終生需要學習的能力。在台灣的英語教育中，整體偏向重視英文閱讀、文法以及寫作的培養，就連台灣學生英文學習的目標大多是追求卓越考試成績而非流暢的英語溝通。在台灣的大學體制中，除非是英語相關系所，其他科系的學生鮮少有機會開口說英文，尤其是理工相關科系的學院。然而由於科技產業日趨重視英語口語溝通能力，對於理工科系的學生除了具備專業能力，英文溝通能力也尤其重要的。有鑑於體認專業英語溝通力對資訊工程領域畢業生的重要，本研究特別為台灣北部某大學的資訊科技與工程研究所研究生客製化了為期12週的英語圓桌專業課程。其中16名首次參與英語圓桌專業溝通課程的一年級自願

參與本研究學生為重點研究參與者。本研究旨在探究相互教學法和口說鷹架在提升資工研究生口說能力的成效。本研究並進一步探究資工研究生對於相互教學法和口說鷹架所架構的英語口說圓桌專業課程的態度。鑑於研究目標，本研究主要提出兩項研究問題：（1）相互教學法和口說鷹架的運用有助於提升資工研究生的口說能力？ （運用多益口說為評量工具）（2）資工研究生對於相互教學法和口說鷹架的效用態度是什麼？為了探究資工研究生的口說能力是否在參與英語口說專業圓桌課程中進步，本研究運用多益前後測來進行口說能力的評估，至於資工研究生的態度調查則運用問卷以課前和課後的方式來探討學生學習態度的變化。本研究以量化研究來分析資工生多益成績

和態度問卷調查。研究結果顯示運用相互教學法和口說鷹架有助於學生口說能力的提升，其中在多益口說題型“意見表達”部分有顯著的進步。資工研究生參與了為期12週的圓桌溝偷課程，也展現正面的的學習態度，同時對於自我英文能力自信心的提升也有目共睹。總結來說，本研究對於探討相互教學法和口說鷹架對於提升研究生英文能力的效用提供重要的觀點，參與學生同時也呈現正面的學習態度。本研究的英語口說專業圓桌課程以相互教學法和口說鷹架為理論架構的課程，奠基在有系統的口說角色討論，教師和學生立即的協助，合作式互動和客製化的課程內容讓學生在英文口說溝通成長的同時也替他們為未來更好的工作前景而準備。

My First Phonics Book圖解自然發音好好玩，建立字母與發音的連結，直覺記憶生活單字，簡單開口說英語

為了解決口說英文的問題，作者潘妍潔,吳芸蓁 這樣論述：

　　孩子還沒上小學，能夠學英文嗎？ 　　爸爸媽媽太忙，沒有時間教小孩嗎？ 　　讓本書成為忙碌的爸爸媽媽的救星！ 　　單字拼讀╳直覺記憶╳闖關遊戲╳生活會話， 　　孩子自己一邊聽、一邊看，就能掌握自然發音， 　　拼讀單字超簡單，邊玩邊學成就雙語小孩！ 　　這是一本讓孩子真正開始學英文單字的入門書 　　想教孩子認識單字，卻不知道從何著手嗎？ 　　和本書一起手把手帶領孩子，透過自然發音法輕鬆記單字！ 　　■英語系國家的孩童如何學英文？首先要建立字母與聲音的連結 　　為什麼要學自然發音法？與中文不同，英文是一種拼音文字，由字母直接表示發音，組成具有特定意涵的發音，也就是單字，

因此可以說要學單字，就一定要學發音，學發音最好的方法就是自然發音法。 　　自然發音法的教學始於認識字母，在認識字母的同時自然而然學會26個字母的發音規則，逐步建立起字母與聲音的連結。掌握正確的方法，由聲音開始學英文，才能學得道地又輕鬆。 　　■先學教育部認證的1200單字，再用14組互動教學練習加深印象 　　本書單字從「教育部國中小基本英語字彙1200字」中精選428個單字，在「單字唸唸看」單元，讓小朋友跟著外籍老師錄製的音檔一起開口唸，邊聽邊練習，學掌握近五百個國中小必備單字！。 　　「單字連連看」透過把單字與正確的插圖連起來，考驗小朋友對單字含意掌握程度；「單字填填看」則是用填寫單字

中缺少的字母，來考驗小朋友對特定自然發音及單字發音的掌握程度，更可以進一步讓小朋友記住單字拼寫喔！ 　　■在玩樂與生活中實踐所學，不只會念單字，日常生活也能輕鬆開口說英文 　　本書「看字讀音拿寶藏」單元特別設計有趣的單字挑戰闖關遊戲，有別於普通測驗單元，小朋友可以邊玩邊挑戰，提升學習的動力，讓單字學習好玩不費力！ 　　「一起開口說英文」單元則藉由生活對話活用單字，讓口語練習與單字學習相輔相成，即使是剛開始學英文的小朋友，也可以輕鬆開口說英文！ 　　■掃描封面QR code，全書音檔隨時帶著走 　　本書封面附上全書MP3音檔QR code，讓你隨掃隨聽！可對照書籍內頁音軌編碼快速選擇想聽的

內容，不論是親子共讀還是小朋友自行閱讀，都很方便隨時查詢外籍老師的正確發音，爸媽也不用擔心發音不標準。 　　適讀年齡 　　＊適讀年齡：3〜12歲為主（3～6歲親子共讀；6歲以上自己閱讀）  

應用於機器人的情境式英文對話機器人

為了解決口說英文的問題，作者施冠成 這樣論述：

近年來，台灣英語水平在全國非英語母語國家逐年下滑，主要原因為大部份學生很少主動學習英文，對學習英文產生焦慮感。本研究提出一個將自然語言處理應用於機器人的情境式英文對話機器人系統，讓學生再練習英文對話的同時還可以與虛擬和實體機器人互動，消除學生在與人進行英文對話的所帶來的緊張感、焦慮感及不安達到提升孩童開口說英文的意願，這不僅能訓練孩童開口說英文，也可以同時訓練閱讀及聽力，進而達到提升英文能力。系統架構分為 APP 端、自然語言處理端、網頁顯示端、以及機器人端，透過圖文並茂的方式進行情境式英文對話。然而，在過去語言機器人在語言模組精確度低且訓練上意圖與實體提取上錯誤過多。本研究為解決以上問題，

使用一套開源學習框架-Rasa，利用五種語言模型進行預訓練，5 種模型如下: GPT2、BERT、DistilBERT、XLNet、RoBERTa，分別觀察這五種模型的 Intent loss、Entity loss 以及正確率的表現狀況。經過實驗發現，意圖與實體丟失過多的主要原因為在一個意圖中有標記的實體與無標記的實體相同過多，這樣會導致語料模型裡的實體與有標記的實體會衝突到及語言模型實體無法準確預測。經過實驗之後發現使用 DistilBERT 進行預訓練比其他四個模型精確平均度還高，替整個文本意圖預測成功平均提升至 99.59%以上。