Adaptiven A1-Kurs und statistisches Aussprachetraining integrieren
Direkte DeepSeek- und Mistral-Anbindung mit versionierten Aktionsprofilen, Budgetreservierung, Tokenabrechnung und administrativen Qualitätsprüfungen ersetzen die Flowise-Abhängigkeit im regulären Betrieb. 840 geprüfte A1-Aufgaben mit geschützter Testauswertung und konkreten offenen Arbeitsaufträgen ergänzen den Kurs. Inhalts- und Sprachbewertung bleiben von Azure-Aussprachewerten getrennt; historische Aufgaben und Antworten bleiben erhalten. Echte Wort- und Phonemmessungen werden mit Herkunft, Aktualität und Nachweisdichte gebündelt. Go bestimmt Trainingsziele und Wiederholungen, das Modell formuliert dazu passende Nachsprechübungen. Profilansicht und Auswahlgründe werden angezeigt. Validierung: Go-Race-Tests mit lokaler PostgreSQL-Integration, go vet, Web-Build, Audit aller 840 Aufgaben und drei Browser-Smokes mit lokalen Modell-/Speech-Fixtures bestanden. Keine Produktionsänderungen oder Live-Aufrufe.
This commit is contained in:
@@ -0,0 +1,16 @@
|
||||
package services
|
||||
|
||||
import "speech-learning-api/internal/domain"
|
||||
|
||||
// Make the distinction between transcript-based language assessment and Azure's
|
||||
// acoustic measurement explicit. The original task and frozen rubric remain
|
||||
// authoritative; this never replaces an answer with the reference example.
|
||||
func courseEvaluationInput(task domain.AdaptiveTask, attempt domain.AdaptiveAttempt, language, uiLanguage string) map[string]any {
|
||||
input := map[string]any{"schema_version": 2, "target_language": language, "ui_language": uiLanguage, "task": task, "answer": attempt.Answer, "speech": attempt.Speech, "rubric": task.AnswerKey.Rubric}
|
||||
if task.Kind == "free_speech" {
|
||||
input["evaluation_scope"] = "content_and_language"
|
||||
input["answer_source"] = "speech_transcript"
|
||||
input["pronunciation_displayed_separately"] = true
|
||||
}
|
||||
return input
|
||||
}
|
||||
Reference in New Issue
Block a user