學術 / 顧問 / 投資人簡報必學：CER 框架——讓你引用數據時不只是「念數字」

兩位顧問同一週都在向董事會報告同一份東南亞市場研究——同樣的資料、同樣的數字、同樣的結論方向。

顧問 A 講了 3 分鐘，把每張圖每個數字都帶過一遍：「越南 GDP 5.2%、菲律賓 mobile commerce 28% YoY、印尼中產階級 7,500 萬人、泰國 e-commerce 滲透率 14%……所以我們建議加碼東南亞。」顧問 B 講了 90 秒，三段話：

【示範用 — 虛構顧問 B 的 CER 三段論】顧問 B 為示範人物，下列引文為示範 CER 結構，非真實 verbatim；接下來五個 case 引用的才是真實 anchor verbatim。

Claim: “Southeast Asia’s mobile commerce growth is structurally different from past emerging-market cycles.”
Evidence: “Vietnam mobile commerce grew 28% YoY in 2024 while regional disposable income rose only 6%, and Indonesia’s middle-class crossed 75 million for the first time.”
Reasoning: “When mobile penetration outpaces income growth, the demand curve isn’t shifting — it’s compressing into a 24-month window where infrastructure gets locked in. That’s why our window for entry is now, not 2027.”

董事會記得誰的論點？差別不在英文，差別在 reasoning 那一段。顧問 A 的問題不是「英文不夠好」，是把 evidence 當成 self-explanatory——以為數字本身會說話。但母語者的高階論述邏輯裡，數據從不為自己辯護，是論述者親自把 evidence 連到 claim 的那段 reasoning，才讓數字產生說服力。

這就是 CER 框架（Claim → Evidence → Reasoning）。它不是英文教科書教的「總分總」，而是英美學術寫作、顧問業 deliverable、投資人 update 的底層邏輯——也是 C1+ 學員把英文從「流利」拉到「有可信度」的關鍵肌肉記憶。本文是 高階英文怎麼說有份量？母語者必學的 7 個英文思辨框架中 CER 段的延伸深度教學——5 個跨領域真實案例、Hedging language 三層強度、Reasoning 段如何 bridge 的 5 種具體技巧。

CER 不只是 framework，為什麼是高階英文 credibility 的根基？

CER 不是隨手湊出來的縮寫。它是教育學者 McNeill 與 Krajcik 在 2008 年從哲學家 Stephen Toulmin 1958 年的 6 元素論證模型（claim / grounds / warrant / qualifier / rebuttal / backing）簡化來的 3 元素版本，發表於 NSTA（美國國家科學教師協會），原本用於 K-12 科學論證教學。商務圈是後來借用的。NGSS 美國科學教育標準把 CER 列為核心論述框架，要求 evidence 不能 self-explanatory，必須由 reasoning 段連回 claim。

CER 為什麼是「學術等級」的論述框架？

CER 三段論的核心要求是：作者必須親自寫出 reasoning 段，把 evidence → claim 的邏輯鏈攤開。這跟 journalism 不一樣——新聞寫作可以丟數字讓讀者腦補；但 academic writing、consulting deliverable、policy brief 必須親自把推論鏈寫出來。CER 的 Reasoning，本質就是 Toulmin Model 裡的 warrant——把 evidence 連到 claim 的那條 invisible bridge。母語者寫 academic discussion 的時候不會想到 Toulmin，但他們的 reasoning 段就是在做 warrant 的工作。

對 C1+ 學員來說，你引用數據的場合（research report、IR call、policy brief、顧問 deck）都是 academic-grade 場合，不是 journalism-grade。你必須親自做 reasoning bridge——這也是 Purdue 大學學術寫作中心對 academic argumentation 的標誌動作：把 Toulmin warrant 顯化。

「念數字」vs「用證據」——一條看不見的可信度分界線

母語者高階講者有一個關鍵習慣：從不讓 evidence 站在那裡自己說話。「念數字」（reading off the data）就是講完數字停下來、期待聽眾腦補；「用證據」（reasoning from evidence）是每個數字後面接 “What this tells us is…”、”The implication is…”、”Pulling these threads together…”——這就是 reasoning 段的 native discourse markers。

顧問 A 和顧問 B 的差距，正是這條分界線。完整的 7 個論述框架對比與 fluency vs articulation 的差異，請參考 高階英文怎麼說有份量？母語者必學的 7 個英文思辨框架；如果你還在懷疑「我的英文不夠好嗎」，可先讀 C1 英文卡關完整指南。

拆解 C-E-R 三段：常見錯誤、Evidence 4 類型、Reasoning 5 種 bridge

〈高階英文怎麼說有份量？母語者必學的 7 個英文思辨框架〉給的是 CER 通用結構。本段把三段的細節攤開——每段的常見錯誤、Evidence 不只是「數字」、Reasoning 段必須做的「bridge」5 種類型，外加每段的 native opener。這是 C1+ 學員把 CER 從「會用」練到「精準」的關鍵差距。

Claim 段：必須是「可被反駁的主張」，不是描述

Claim 段三個常見錯誤：(1) 太弱（”This is interesting” / “There seems to be a trend”）——沒 stake，後面 evidence 撐什麼；(2) 包山包海（”The market is changing in many ways”）——evidence 無法 targeted；(3) 偽裝成 description（”In 2024, the market grew 20%”）——這是 evidence 不是 claim。正確做法：claim 必須是 falsifiable assertion（可被反駁的主張）——這是 academic argumentation 的核心。

Native opener 範例（CBA 框架的快節奏 opener 完整列表，請參考 CBA 框架完整指南）：

• “What I’d argue is —”（建立有 stake 的 claim）
• “The pattern that’s emerging is —”（觀察驅動的 claim）
• “My read on this data is —”（個人 interpretation 的 claim，IR call 高頻）
• “The headline finding is —”（research report 用法）

Evidence 段：不只是數字，4 種類型必須分清楚

Evidence 在 CER 裡有 4 種類型，不只是 quantitative data：

• Quantitative data（統計數字、指標、比例）——”The data shows a 22% increase…”
• Pattern（多年趨勢、跨地區一致性）——”We see this pattern across 12 countries…”
• Consensus（學界 / 專家共識）——”Three independent studies converge on…”
• Counterexample（反證 / 例外案例）——”The exception that proves the rule is…”

質性研究、政策建議、初期 hypothesis 場合你手上沒有硬數字，但仍可用 pattern、consensus 或 counterexample 做 CER。失敗模式：把 4 種類型混用——一句話同時 claim “studies show” + 拋數字 + 舉 anecdote，聽眾抓不到你的 evidence type，整段論述變糊。商務簡報句型細節參考 商務英文寫作的論證結構。

Reasoning 段：必須做 bridge，不能跳結論

Reasoning 段是 CER 最常塌的地方。學員列完 evidence 就說 “So, we should…”——這在母語者耳裡像「跳階」。Reasoning 不是 evidence 的總結，是 evidence → claim 之間那條看不見的橋。Bridge 在不同場景做的事不一樣，這是本篇跟〈高階英文怎麼說有份量？母語者必學的 7 個英文思辨框架〉最大的差異。Bridge 有 5 種具體技巧：

• Generalization Bridge：從特殊推到一般。”What this tells us is…” / “The pattern that’s emerging is…”
• Mechanism Bridge：揭露 evidence 背後的 causal mechanism。”The mechanism here is…” / “What’s actually driving this is…”
• Analogy Bridge：用結構相似的另一個 domain 解釋。”This is structurally similar to…” / “We’ve seen this play out in [other domain] before…”
• Consequence Bridge：從 evidence 推到下游後果。”The implication is…” / “If this trend holds, the next 18 months will see…”
• Counterfactual Bridge：用「如果不是這樣會怎樣」鎖死 reasoning。”If wage costs were the dominant variable, we’d expect X — but we see Y…”

C1+ 學員最常用的是 Generalization 和 Consequence——因為這兩種是 forward-direction reasoning（從 evidence 順著推下去）。但最強的 reasoning 是 Counterfactual——因為它主動攻擊對立解釋。它告訴聽眾「如果不是我說的這樣，evidence 會長什麼樣——而我們觀察到的不是那樣」。在 academic peer review 是黃金標準（Popper falsifiability 的口語化）；在政策 hearing 是反駁對手最強招式；在學術 discussion 是攻擊對立解釋的核心動作。

Bridge × Reasoning 功能 — 兩層概念的整合：上述 5 種 Bridge 是 reasoning 段的句型結構技巧（micro-level — 怎麼把 evidence 接到 claim）；下一節五個 case 教的是 reasoning 段的場景功能（macro-level — 在這個 register 下 reasoning 要交付什麼：warrant explication / strategic urgency / evidence categorization reframing / pattern translation / Counterfactual + assumption surfacing）。兩層概念互補：先選對 Bridge 句型，再 fit 進場景功能。Bridge 與 Hedging 強度的整合：Generalization / Mechanism / Consequence Bridge 適合 Tier 2 中度 hedging（”is likely to” / “tends to”），Counterfactual Bridge 適合 Tier 1 強斷定（”we’d expect X — but we see Y” 是 falsification 邏輯，不能 hedge），Analogy Bridge 適合 Tier 3 軟化（類比本質非嚴密因果，需要 hedging）。

5 個跨領域 CER 真實案例：從學術論文到投資人 update

這是本篇核心。〈高階英文怎麼說有份量？母語者必學的 7 個英文思辨框架〉只給 1 個商務 case，本段擴展到 5 個跨領域場景。注意每個場景的 CER 三段比例配置不同——同一個 CER 框架，學術版重 reasoning、商業版重 claim、IR 版重 evidence。register 配置錯了，結構正確也聽不對勁。

Case 1：學術論文 discussion section（Reasoning 重，warrant explication）

場景：你正在寫一篇 working paper 的 discussion section。學術 register 的 CER 比例是 Claim 15% / Evidence 35% / Reasoning 50%——學界要求作者親自把 warrant 攤開。IMF World Economic Outlook April 2024 第 3 章是學術 CER 結構的高品質公開樣本：

“A significant and widespread slowdown in total factor productivity is a key factor, partly driven by increased misallocation of capital and labor between firms within sectors. Demographic pressures and a slowdown in private capital formation further precipitated the growth slowdown. Absent policy action or technological advances, medium-term growth is projected to fall well below prepandemic levels.”

— IMF WEO, April 2024, Chapter 3

解析：Claim「productivity slowdown is a key factor」→ 三個 evidence 疊加（misallocation / demographics / capital formation）→ Reasoning「Absent policy action…, growth is projected to fall well below prepandemic levels」做 Mechanism + Consequence Bridge。Hedging 用條件式（”Absent X, Y” / “is projected to”），把 reasoning 鎖在前提下，學術 register 的 signature。假設同一份數據出現在顧問 deck（以下為示範改寫，非 IMF 報告本身的 alternate framing），比例會翻轉成 Claim 40% / Evidence 25% / Reasoning 35%——claim 段可能會是 “Productivity slowdown is the structural risk for the next 5 years”，reasoning 收 strategic urgency 而非 warrant explication。同一份 evidence，不同 register。

Case 2：顧問 pitch deck（Claim 重，strategic urgency translation）

場景：你向客戶 CEO 簡報「為什麼現在要進入印尼市場」。顧問 register 的 CER 比例是 Claim 40% / Evidence 25% / Reasoning 35%——CEO 注意力 30 秒，第一句沒 hook 整段廢。McKinsey MGI 2024 generative AI 報告是 spoken-delivery 風格的真實 anchor：

“By 2030, in a midpoint adoption scenario, up to 30 percent of current hours worked could be automated, accelerated by generative AI. Demand for workers in STEM-related, healthcare, and other high-skill professions would rise, while demand for occupations such as office workers, production workers, and customer service representatives would decline.”

— McKinsey Global Institute, 2024

解析：「midpoint adoption scenario」是顧問業標誌——把 evidence 鎖在情境設定下，避免絕對化。”X would rise, while Y would decline” 是 Comparative + Future Projection 的 reasoning bridge。模仿這個結構寫印尼 case：「Indonesia’s market window is narrower than headlines suggest. FDI commitments accelerated 38% in 2024 with six major Japanese-Korean joint ventures announced; e-commerce penetration crossed 28%. The implication is competitive lock-in is happening now, not in 2027 — if we wait 18 months, the partnerships available today will be taken.」Reasoning 段做的是 strategic urgency translation，不是 warrant explication。延伸閱讀可參考 英文簡報怎麼做：從開場到 Q&A 的完整架構指南。

Case 3：投資人致股東信 / 年度 transparency 段落（Evidence 重，evidence categorization reframing）

場景：你在年度致股東信中，要坦承過去一年的資本配置失誤——分析師、長期股東、媒體都在讀，你必須把負面消息攤開但不傷及 credibility。投資人 communication 的 CER 比例是 Claim 20% / Evidence 50% / Reasoning 30%——讀者會 fact-check 每個數字、每個 attribution。Buffett 2024 年致股東信是頂級 IR communication 的 textbook case：

“Sometimes I’ve made mistakes in assessing the future economics of a business I’ve purchased for Berkshire — each a case of capital allocation gone wrong. That happens with both judgments about marketable equities — we view these as partial ownership of businesses — and the 100% acquisitions of companies. At other times, I’ve made mistakes when assessing the abilities or fidelity of the managers Berkshire is hiring.”

— Warren Buffett, 2024 Annual Letter to Shareholders

解析：Buffett 用頻率副詞 hedging（”sometimes” / “at other times”）展現 calibrated tone——他坦承錯誤但用 evidence 分類包裝（marketable equities / 100% acquisitions / management assessment）。Reasoning 段做的是 evidence categorization reframing：把「mistakes」這個會被 default 到負面解讀的詞，reframe 成三個並列的 analytical categories——讀者讀到「sometimes 在 marketable equities，sometimes 在 100% acquisitions，sometimes 在 manager assessment」，會把負面詞拆解成可分析的 capital allocation 子問題，而不是「整體判斷力下降」。這個動作不是換 metric，是換 evidence 分類軸：同一份「mistake」evidence，在「概括承擔」的分類下是 confidence-eroding，在「資本配置三類別」的分類下是 transparency + analytical maturity。跨國會議與 IR 場合的句型結構參考 跨國會議英文發言句型完整指南。

Case 4：市場研究報告（Reasoning 偏重，pattern translation）

場景：你向品牌客戶報告 Z 世代消費者轉變。市場研究 register 的 CER 比例是 Claim 25% / Evidence 30% / Reasoning 45%——客戶買的不是數據，是 strategic implication。Bain & Company 2024 年奢侈品報告真實 verbatim：

“Generation Z’s appetite for luxury varied by region. It remained strong in China and Southeast Asia, where these consumers focused more on product quality and sought hyper-personalization throughout the shopping journey. In contrast, in Western countries and Japan, Generation Z engagement has been cooling, with reduced interaction on digital marketing platforms.”

— Bain & Company, Luxury Report 2024

解析：Claim「varied by region」是觀察驅動的 claim（非絕對斷定）。Evidence 是 pattern type（跨地區比較，不是單一數字）。”In contrast” 是 Comparative Analysis 的 anchor。Reasoning 段做 pattern translation——把行為數據翻譯成 strategic implication：「The pattern that’s emerging isn’t reduced consumption — it’s accelerated rotation. For brands, this means the value proposition has to shift from ‘lifetime ownership’ to ‘enter the resale ecosystem’.」用「For brands, this means…」這個句型把 evidence 翻成可行動的 implication，這是市場研究 CER 的核心動作。市場研究 deliverable 的 strategic implication 寫作結構，可進一步參考 英文簡報為什麼總是少了策略感？的「actionable insight 表達」段。

Case 5：政策建議 / Policy brief（Evidence 重，Counterfactual Bridge + assumption surfacing）

場景：你向立法委員會說明「為什麼某項政策的隱含假設站不住」。政策 register 的 CER 比例是 Claim 20% / Evidence 45% / Reasoning 35%——政策圈對 advocacy tone 警覺，必須 evidence-anchored。Brookings / Hamilton Project 最低工資政策 memo真實 verbatim：

“State and local governments can set minimum wages in excess of the statutory federal minimum wage. Thirty-seven states had state minimum wages exceeding the federal level in 2007. Cities have begun setting higher minimum wages, as evidenced by city-level wage minimums in Albuquerque, San Francisco, San Jose, Santa Fe, Seattle, and Washington, DC.”

— Brookings / Hamilton Project, 2024

解析：上方 Brookings 引文是 baseline framing 段——把州政府最低工資權限作為政策論述的事實起點（描述法律權限與 2007 年州級數據，不做 advocacy）。真正的 Counterfactual Bridge 操作出現在政策 brief 反駁對方假設的段落——當 brief 要回應「最低工資傷害小企業」這類 advocacy claim 時，reasoning 段不是直接反駁，而是先把對方論點背後的隱含假設攤出來，再用反事實邏輯鎖死。

【示範改寫——僅用於示範 Counterfactual Bridge 操作】下列段落為基於 Brookings 政策論述 register 風格的示意改寫，數據為示意性陳述非真實 verbatim；台灣具體政策論證請引用主管機關公開資料：

“If we read this carefully, the assumption embedded in the original concern — that wage costs are the dominant survival variable for small businesses — turns out to be incomplete. Real estate costs, supply chain disruptions, and demand shifts all moved more sharply than wages during this window. If wage costs were the dominant variable, we’d expect closure rates to track wage increases tightly across regions — but the data shows closure rates clustering with rent shocks, not wage shocks.“

— 示範改寫，非 Brookings verbatim

解析（示範段）：reasoning 段先做 assumption surfacing（攤出對方「wage 是 dominant」的隱含假設），再做 Counterfactual Bridge（”If X were true, we’d expect Y — but we see Z”）。這正是 Popper falsifiability 的口語化版本——主動提供「對立解釋成立會長什麼樣」的 alternate world，再用 evidence 證明那個 alternate world 不存在。在政策 hearing 與 expert testimony 場景，這是反駁對手最強的招式：你不是說「對方錯」，你是說「按對方邏輯推出的世界跟我們觀察到的世界不一致」。

Hedging Language 三層強度：高階 CER 的 calibrated confidence

學會 CER 三段論之後，最容易在 reasoning 段塌掉的地方是 Hedging。直接斷定（”This will lead to X”）= junior 或 activist tone；適度 hedging（”This is likely to lead to X, particularly when…”）= senior researcher / consultant tone。Hedging 不是「不確定」，是 accurate calibration of confidence。University of Manchester Academic Phrasebank把 hedging 分為 modal verbs / frequency adverbs / quantifiers / 解釋性短語 / interpretation advisories 五類，是學術寫作的權威參考。

三層強度與配置原則

三層強度對應三種使用情境：

• Tier 1 強斷定（hedging 最少）：適用 evidence 段事實陳述、法律條文、已驗證 metric。範例：「The data shows a 22% increase」/「Thirty-seven states had state minimum wages exceeding the federal level」（Brookings）/「is a key factor」（IMF）。
• Tier 2 中度（CER 標準 hedging）：適用 reasoning 段、學術 discussion、顧問 implication、IR forward-looking。範例：「is likely to」/「appears to」/「tends to」/「Based on the evidence available」/「could be automated」（McKinsey）/「Absent policy action」（IMF 的條件式 hedging）。
• Tier 3 強 hedging（軟化）：適用高度爭議議題、新興研究、preliminary findings。範例：「may indicate」/「One possible interpretation is」/「Preliminary evidence suggests」/「These findings should not be extrapolated to」（Manchester Phrasebank）。

配置原則：Claim 段適度 hedging（顯示 nuance 但不失立場）；Evidence 段不 hedge（事實陳述，hedge evidence 等於質疑數據本身）；Reasoning 段中度 hedging（推論本質有不確定性）。

過度 hedging 的 5 種病徵（C1+ 學員自我診斷）

• 三層 hedging 疊加：「Perhaps it might possibly be that the data could potentially indicate X」——5 個 hedging 詞疊在一個 claim，聽眾覺得你完全沒立場。
• 在 evidence 段 hedging：「The data may show a 22% increase」——數據是事實，加 “may” 等於質疑數據本身，分析師會直接問「Is the number wrong?」
• 把填充詞當 hedging：「Basically, this kind of suggests, you know, sort of a trend」——basically / kind of / you know / sort of 在 academic / consulting register 是 amateur tone marker。
• Claim 段過度 hedging 失去立場：「There may or may not be evidence supporting that we should perhaps consider X」——「may or may not」是雙否定式 evasion。
• 用 hedging 逃避 commit 而非 calibrate confidence：senior native 一聽就分得出來——hedging 是「我有立場但 acknowledge nuance」；evasion 是「我不想 commit」。Evasion 句：「There may or may not be a case for entering the market now.」（不知所云）；改為 calibrated hedging：「Based on the evidence available, the case for entering now is stronger than waiting — though execution risk depends on local partnership availability.」（仍有立場，但 acknowledge 條件）。

SME 金句：Hedging 過度等於沒立場（evasion）；hedging 不足等於過度斷定（over-claim）。Senior tone 在中間那條線——不是「不確定」，是「有立場但 acknowledge nuance」。母語者聽到過度 hedging 不會當面糾正，但會在心裡降低你的 credibility——下次他們找決策建議時不會找你。這是進階英文最 invisible 的 cost。

CER vs Comparative Analysis vs Future Projection——該用哪一個？

學完 CER，下一個常見困惑是：什麼時候該用 CER、什麼時候該用其他學術 / 顧問框架？三個框架都需要 evidence 撐 claim，但用法完全不同。

• CER：你有一個論點，需要用證據建立可信度。”This is true, and here’s why.”
• Comparative Analysis：你有多個選項或標的，需要逐 dimension 對比。”Across N dimensions, X differs from Y in these specific ways.”
• Future Projection：你有現有趨勢，需要推演到未來。”If X continues, Y will follow.”

三步決策樹：問題 1「你要證明現在的某個事實或解讀嗎？」→ CER；問題 2「你要在 2+ 個選項間做選擇嗎？」→ Comparative Analysis；問題 3「你要把現有趨勢投射到未來嗎？」→ Future Projection。高階組合用法：研究報告通常是 CER（建立發現）+ Future Projection（推演 implication）+ Comparative Analysis（橫向對比）三合一。Comparative Analysis 與 Future Projection 完整教學請參考 高階英文怎麼說有份量？母語者必學的 7 個英文思辨框架；想看完整的 framework selection logic，請參考 英文簡報為什麼總是少了策略感？。

CER 的高階組合：CER + Future Projection（reasoning 完之後加 if-then 推演——「Given this evidence, if the trend continues, we should expect…」是學術 conclusion + policy recommendation 的標準寫法）；CER + Scenario Mapping（reasoning 之後給 2-3 個 scenario，每個 scenario 都從同一個 evidence base 推演不同未來——這是智庫 / 顧問策略文件的標誌結構）。CBA 框架的快節奏應用，請參考 CBA 框架完整指南；想看完整的 7 種簡報結構選擇邏輯，請參考 英文簡報為什麼總是少了策略感？。

3 個 CER 練習法：從讀懂到反射

練習法 1：Reverse-Engineer 一篇 HBR / IMF / McKinsey 文章

注意：練習對象不要選 The Economist Leader。根據 Economist Data Editor Ben Heubl 的解析，Leader 是 7 步 dialectical argument 結構（觀察 → news peg → nub → context → your arguments → their arguments → prescription），不是 CER。學員拆 Leader 會拆出對抗式辯證，誤以為自己在學 CER。

真正適合練 CER 的 3 個來源：

• HBR analytical articles（如 Cennamo & Zhu 2024 “Open vs Closed Ecosystem”）——真的是 CER 結構
• IMF World Economic Outlook chapters（公開可下載 PDF）——教科書級 CER
• McKinsey Global Institute reports——CER + Future Projection 組合

具體步驟：(1) 印出來，用三色筆標註——藍色標 Claim、綠色標 Evidence、紅色標 Reasoning；(2) 觀察 reasoning 段做了哪一種 bridge——Generalization、Mechanism、Analogy、Consequence 還是 Counterfactual；(3) 找一個 reasoning 段最強的句子，背下來當你自己的 template。母語者高階作者的 CER 結構已經 invisible 化，但你拆解 10 篇之後會看到模式重複出現。

練習法 2：60 秒「先講 reasoning 再倒推 evidence」

步驟：(1) 找一個你近期讀到的真實 evidence——一份報告的數字、一個研究發現、一個市場數據；(2) 不要先講數字——先用 60 秒只講 reasoning（這個證據意味著什麼？implication 是什麼？）；(3) 然後倒推——你的 reasoning 站得住，需要哪些 evidence？再講出 evidence；(4) 最後形成 claim。C1+ 學員的標準錯誤是 evidence-first 思維（先講數字、最後才有 reasoning）；倒過來訓練可以強化 reasoning 段的肌肉。

練習法 3：Hedging Audit

步驟：(1) 找你過去 3 個月寫過的英文文件（research summary、提案、Slack 討論串）；(2) 對著三層強度表逐句標 Tier 1 / Tier 2 / Tier 3，用簡易 checklist 標記：claim 段是否在 Tier 1 或 Tier 2、evidence 段是否誤加 hedging、reasoning 段是否落在 Tier 2；(3) 找出 over-claimed 段落（沒 hedge 但本來該 hedge）和 over-hedged 段落（hedge 太多、立場模糊）；(4) 重寫 5 個段落。Hedging 是 invisible 階層，學員不會主動意識到自己沒做或做過頭；audit checklist 是強制顯化的方法。

自學的瓶頸：你能寫出「看似合理」的 CER，但你聽不出自己的 reasoning 段塌、bridge 用錯類型、hedging 過頭或不足。母語者朋友會說 “sounds fine”（他們不會教學）；AI 工具給的 feedback 太 generic。要練到「reasoning 段精準 calibrate」這個層次，必須有「能拆解到 hedging 強度錯配」的精度糾正。論述形狀的內化路徑詳見 C1 → C2 的論述架構訓練。

你的 CER 卡在哪一段？

回到開頭那兩位顧問——顧問 B 不是天才，他只是練過 CER 的反射。但他不是靠看書練到的。讀到這裡你會發現，CER 的瓶頸不是「不知道」——是 reasoning 段塌掉了你聽不出來、bridge 用錯類型你感覺不到、hedging 強度錯配沒人糾正你。這是進階英文最違反直覺的真相：論述的精度，沒人糾正你就學不會。

TutorABC 的劍橋商務英文進階課程針對的就是 C1+ 學員的論述精度——每堂課鎖定一個論述框架（CER / CBA / Comparative Analysis 等），用 HBR 與 IMF 級別的真實議題做 role play，外師當你的論述對手，當場拆解你的 reasoning 段缺了哪一種 bridge、hedging 強度錯配在哪一個層級。我們的進階課程教學架構基於劍橋商務英文體系（Cambridge Business English），意味著糾正不是個人偏好，而是有國際標準參照的拆解。對學術 / 顧問 / IR / 政策場景的進階學習者來說，這是「教學基礎設施」與「個人陪練」的差異。