Vi läste den publicerade forskningen om hur människor lär sig av video och omvandlade de fynd som klarade granskningen till numeriska regler som vår generator måste följa. Här är hela specifikationen, med källhänvisningar och allt, med det vi inte kunde verifiera tydligt markerat. Den är offentlig eftersom en standard du inte kan inspektera inte är en standard.
Vem som helst kan påstå sig vara byggd på vetenskap. Vi graderar varje påstående så att du kan skilja en verifierad effekt från ett arbetsantagande. Ärligheten är trovärdigheten.
Vad vetenskapen faktiskt säger, med effektstorlekar och en länk till primärkällan för var och en.
Innehåll som byggs upp streck för streck slår mätbart att visa färdiga scener. Retention ηp²=0.13 to 0.17, överföring ηp²=0.10 to 0.16, replikerad i två experiment med identisk berättarröst.
I Sketchie: Klipp aldrig till ett färdigt diagram. Varje element ritas fram. Det här är inte estetik, det är retentionsmekanismen.
Källa: PMC9898452Handritning kontra handskjutning kontra ingen hand förändrade den inre motivationen (p=0.033) men gav ingen skillnad i inlärningsresultat.
I Sketchie: Vi hoppar över att rendera en hand och förlorar ingenting mätbart. Själva uppritandet är det som spelar roll.
Källa: Smart Learn. Env. 2023Metaanalys, 32 studies, N≈3,597: signaler ger retention d=0.27, överföring d=0.34, belastning d=−0.11. Storleken på belastningsminskningen förutsäger inlärningsvinsten (β=−0.70 retention, −0.60 överföring).
I Sketchie: Pilar, färgutbrott och etikettframträdanden är signaler, inte dekoration. Varje signal pekar på det berättarrösten säger just nu.
Källa: PMC5576760En segmenteringsmetaanalys fann betydande vinster i retention och överföring, små till medelstora. En del av fördelen kommer från den bearbetningstid som gränserna skapar.
I Sketchie: Scener är segment. Efter en scens sista avtäckning håller berättarrösten tyst i minst 0.7 seconds innan klippet.
Källa: Rey et al. 2019Över 6.9 million edX-sessioner ligger engagemanget nära 1.0 under 6 minuter, sjunker till cirka 0.55 vid 9 to 12 minuter, och sjunker till ungefär 0.2 efter 12 minuter. Bekräftat oberoende i en replikering från 2026.
I Sketchie: Standardutdata är strikt 6:00. Längre önskemål blir en kapitelindelad serie videor, aldrig en lång video.
Källa: Guo et al. 2014Cirka 0.72 kontra 0.52 normaliserat engagemang vid 3 to 6 minuter, tillskrivet handritad rörelse plus en spontan, talad leverans.
I Sketchie: Formatet är validerat. Berättarrösten ska låta talad, inte uppläst. Sammandragningar är tillåtna, direkt tilltal uppmuntras.
Källa: Guo et al. 2014Ett berättande manus förbättrade överföringen (ηp²=0.12 to 0.20) men inte retentionen på egen hand. Kombinerat MED progressivt ritande slog berättandet det informativa i retention (p=0.021). Över STATISKA bilder vann istället ett informativt manus (η²=0.21 to 0.24).
I Sketchie: Våra manus använder berättargrammatik, en aktör med ett mål, ett hinder och en lösning, just för att vi alltid renderar progressivt. Aldrig berättande voiceover över en statisk bildruta.
Källa: PMC9898452Intressant men irrelevant innehåll förbättrar inte inlärningen.
I Sketchie: Varje visuellt element måste omnämnas av berättarrösten. Icke omnämnd dekoration är ett misslyckande, inte flärd.
Källa: Mayer 2020Uppmaningar som får den lärande att sammanfatta eller förklara förbättrar inlärningen. Det här är principen om generativ aktivitet.
I Sketchie: Varje video avslutas med ett återhämtningsmoment: en fråga dyker upp, videon pausar i 1.5 to 2 seconds, sedan en enradig sammanfattning.
Källa: Springer 2020Fler visuella och berättande förändringspunkter innebär mindre tankevandring.
I Sketchie: Scenbyten är uppmärksamhetsåterställningar. Placera dem vid idégränser, aldrig mitt i en idé.
Källa: Nature HSSC 2026Förklaringskvalitet korrelerar inte med visningar när kanalstorleken kontrolleras (r=0.23, inte signifikant). Endast gilla-markeringar, relevanta kommentarer och interaktioner korrelerar.
I Sketchie: Vi graderar inlärningsdesign, inte viralitetssignaler.
Källa: arXiv 2207.05872Lagarna ovan blir konkreta mål. Det här är kontraktet generatorn kontrolleras mot vid varje rendering.
| Parameter | Mål | Grad |
|---|---|---|
| Total videolängd | strikt tak på 6:00; sweet spot 1:00 to 3:00 per koncept | Verifierad |
| Längdgranularitet | ökningar om 30-second | Produkt |
| Scenlängd | 12 to 30 seconds, en idé per scen | Verifierad |
| Element per scen | 3 to 7 synliga vid scenens slut, rubrik inräknad | Heuristisk |
| Avtäckningstakt | ett nytt element var 2 to 5 seconds; inga två avtäckningar närmare än 1.2s | Härledd |
| Avtäckning-till-ord-synk | elementet visas inom ±500ms från sitt utlösande ord | Härledd |
| Ordsynk-täckning | minst 95% av elementen bär ett avtäckningsord som löses upp | Pipeline |
| Lucka efter scen | minst 0.7s berättartystnad efter sista avtäckningen, innan klippet | Verifierad |
| Avtäckningsstil | konturuppritning (0.3 to 0.5s), sedan en staffad fylltvätt; pilar spets till svans | Verifierad |
| Synlig hand | ingen | Verifierad |
| Etiketter | tre ord eller färre, versalt nyckelord; aldrig en mening som speglar berättarrösten | Heuristisk |
| Berättartempo | 140 to 160 ord per minut, talat register, sammandragningar tillåtna | Heuristisk |
| Manusstruktur | krok inom 10s, konkret analogi, mekanism, verklighetsförankring, återhämtningsmoment, sammanfattning | Verifierad |
| Berättargrammatik | aktör, mål, hinder, lösning, när domänen tillåter det | Verifierad |
| Analogi | minst en konkret analogi före första abstrakta termen | Heuristisk |
| Överflödiga bilder | noll element som inte omnämns av berättarrösten | Verifierad |
| Avslutning | återhämtningsfråga, en paus på minst 1.5s, sedan en enradig sammanfattning | Verifierad |
| Scenövergångar | hårt klipp endast vid en idégräns, aldrig mitt i en idé | Verifierad |
En regel är bara verklig om du kan testa den. Varje video går igenom tre lager innan den får släppas.
Rena JavaScript-assertioner på scengrafen och ordtidpunkterna. Nollkostnad, säkert att köra i CI. Total längd under taket, varje scen inom sitt längdintervall, 3 to 7 element per scen, varje element bär ett avtäckningsord som landar inom ±500ms från det talade ordet, en avslutande scen med en fråga och en sammanfattning, och inget element som inte omnämns av berättarrösten. Godkänt eller underkänt, inga modellanrop.
En modell-som-domare-genomgång, betygsatt 1 to 5, stickprovstagen och körd vid release, aldrig i CI. En idé per scen, ikontrohet, om analogin faktiskt motsvarar mekanismen, krokkvalitet, en genomsökning av förförande detaljer, och trohet mot källdokumentet. Varje dimension under 3 underkänns vid releasegrinden.
Kontroller på själva den renderade filen. Ett kontaktark bekräftar att inga element överlappar och att etiketterna är läsbara, en bildsalva bekräftar att kontur-sedan-fyllning-avtäckningen faktiskt finns, och ljudet är volymnormaliserat utan avklippta meningar vid klippen.
Specifikationen är bara värd något om en video som bryter mot den inte kan släppas. Layer A körs vid genereringstillfället, på scengrafen, innan vi spenderar en cent på röst eller rendering. En graf som misslyckas med de mekaniska kontrollerna skickas tillbaka för att återskapas med de exakta misslyckandena inmatade i prompten. En graf som fortsätter att misslyckas blir aldrig en video.
Varje kontroll i listan ovan motsvarar en verklig assertion i vår motor: taket för total längd, längdintervallet per scen, elementantalet, upplösningsgraden för avtäckningsord, tystnaden efter scenen, etikettreglerna och avslutningen med fråga plus sammanfattning. Pilar kontrolleras också, så en pekare korsar aldrig ett element den inte är kopplad till. Samma kod körs i workerns återskapandegrind och i kontinuerlig integration, så en ändring i generatorn som skulle försämra kvaliteten blockerar sig själv.
Den öppna utvärderingsstandarden på GitHub Läs Layer-A-källkoden Get Started
