Files
Speech/apps/api/internal/services/course_evaluation_input.go
Eugenius Naumenko e274eaab2b 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.
2026-11-01 23:23:20 +00:00

17 lines
835 B
Go

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
}