快速回答：微笑表（Level 1）測的是滿意度，不是有效性。要證明訓練改變了行為：設計自評＋他評的能力量表（360 式），訓練前後各測一次，對每個構面做 Welch t 檢定。d≥0.5 且 p<0.05，就是妳向客戶出示的行為改變證據。
我們反覆看到的提問: 兩個問題總是成對出現。先是內部專案設計者問：我們是不是只停在一級評估，三級證據在這類專案裡長什麼樣？然後是外部講師面對懷疑的採購方：怎麼證明你的訓練有效——他們也注意到，證言越來越只換來一次聳肩。
為什麼 80% 的訓練評估停在 Level 1
Kirkpatrick 模型給了四層：反應 → 學習 → 行為 → 成果。絕大多數企業訓練止步於課後滿意度問卷，原因很現實：工具只支援到那裡。SurveyMonkey 給你的是 1–5 星的均值，她說不出這個人是否改變了給回饋的方式。
為 Level 3（行為）而設計
- 行為錨定：「在觀察到行為後 24 小時內給出具體可行的回饋」——用頻率或品質量表，可觀察、可量測
- 多評估者：自評＋主管＋1 位同事，壓低自評偏差
- 時間分離：前測＝訓練前 4 週，後測＝訓練後 8 週，給遷移留時間
- 同一份問卷：兩次收集用完全一致的構面定義，配對才有效
統計證據長什麼樣
當 20 人以上的前後回答依構面聚合後，平臺自動算出：前測均值±標準差、後測均值±標準差、變化值與方向、Cohen's d（效應量）、Welch t、自由度、p 值，以及每個構面的「顯著改善／無顯著變化／顯著下降／不可檢定」判定。這些數字進入群體對照 PDF——客戶可以存檔、可以向管理層出示的證據。
「微笑表 4.7 分」是意見；「溝通構面 d=0.62，p=0.003，20 人中 14 人顯著提升」是證據。兩者的談判力不可同日而語——前者讓你結案，後者讓你續約。
落地路線
1
選一個可觀察的行為框架
別貪多，3–5 個構面、每個構面 3–4 道題，夠用。
2
建前測應用並啟用報告
用 AI 從行為描述生成量表題。
3
複製出 360 版本
同一應用收集自評與他評，主體報告自動依被評人聚合（subject-360）。
4
訓前訓後各跑一輪
後測應用裡選擇前測應用為基線，一鍵出 Welch t 對照。
5
交付兩份產出
每位學員逐人 PDF（自動郵件）＋給贊助方的群體證據 PDF。
什麼是微笑表（smile sheet）？
指課後滿意度問卷：「你對本次訓練滿意嗎？」「講師是否投入？」她測的是 Kirkpatrick Level 1 反應層，與學習效果和行為改變幾乎沒有相關性。
如何量測訓練後的行為改變？
設計「行為頻率/品質」量表，由本人、主管、同事多源評分；訓前 4 週與訓後 8 週各收集一輪，逐構面做 Welch t 檢定並報告 Cohen's d。d≥0.5 且 p<0.05 即統計意義上的行為改善。
Cohen's d 對訓練評估意味著什麼？
它以合併標準差為尺衡量變化大小：d=0.2 是小效應，d=0.5 是多數職場技能「真實有意義」的改變，d≥0.8 是大效應。和顯著性一起報告，客戶既知道「是不是真的」，也知道「有多大」。