会话测试形式与录音要求

1. 对话模式：分为生生对话与师生对话两种模式。

   • 生生对话：教师统一指定对话内容，学生按照要求开展现场双人对话练习，并完整录制全过程音频提交。形式为ABAB交替对话，共5~6个来回。
   • 师生对话：教师根据课文内容编写5道固定提问，并提前录制提问音频。音频每题之间预留固定作答时长。全班学生跟随音频同步口头回答。学生独立完整录音并提交音频文件。

2. 训练目标：师生对话模式侧重在课堂集体环境、背景嘈杂的条件下，锻炼学生即时反应、清晰发音与抗干扰会话能力。

3. 录音要求：单人完整录制5道题目的全部回答内容，人声清晰可识别即可。

工作流程

Step 1：下载音频

python3 scripts/download_audio_submissions.py COURSE_ID ASSIGNMENT_ID

输出：/tmp/canvas_audio_CID_AID/submission_map.json

Step 2：Whisper 转写

• 本技能音频转写使用 Whisper medium 模型（本地运行），模型已固定，无需手动切换。

# MP4视频 → 音频预处理
ffmpeg -y -i "input.mp4" -vn -acodec pcm_s16le -ar 16000 -ac 1 /tmp/audio.wav

# 固定medium模型日语转写
whisper /tmp/audio.wav --model medium --language ja --output_format txt

Step 3：评分规则

能力层级说明（双轨分级）

正式口语能力框架遵循 CEFR（欧洲语言共同参考框架）；该框架共设A1、A2、B1、B2、C1、C2六个等级，本系统仅采用A1、A2、B1三个等级。

JLPT 没有口语考试；N5/N4/N3 仅作为词汇、语法和课程任务难度参考。

计分规则

• 基础分：10.0 分
• 计分公式：总分 = 10.0 - 累计扣分
• 约束：6.0 ≤ 总分 ≤ 10.0
• 扣分上限：4.0 分

SKILL评分维度（CAF三维框架，每题满分10分）

总分计算

总分 = 各题得分之和 ÷ 题目数（换算为满分10分，保留1位小数）

等级划分

分级纠错规则（A1/A2/B1；操作标签参考N5/N4/N3）

A1 纠错规则（N5参考）

• 只纠正最关键1个错误。
• 轻微发音、语调、语法瑕疵不纠错。

A2 纠错规则（N4参考）

• 最多纠正2个重点问题。
• 不纠结细微错误。

B1 纠错规则（N3参考）

• 最多纠正3个重点问题。
• 兼顾准确性与鼓励。

理论依据

• 依据认知负荷理论，控制单次纠错数量，避免反馈过量。
• 依据最近发展区理念，优先反馈学生当前最可能改进的问题。
• 依据形成性评价理念，反馈强调少量、明确、可执行。

通用纠错原则

• 优先纠正影响语义的关键错误。
• 同一错误只纠正一次。
• 先表扬优点，再提出改进建议。
• 转写存疑、不确定的地方不纠错。
• 评语温和简洁，保护表达信心。

Step 4：录入Canvas成绩

python3 scripts/grade_submission.py COURSE_ID ASSIGNMENT_ID USER_ID GRADE --comment "评语内容"
python3 scripts/grade_submission.py COURSE_ID ASSIGNMENT_ID USER_ID GRADE --comment-file comment.txt

Step 5：生成汇总 + 上传

# 生成班级汇总文件
python3 scripts/generate_class_summary.py COURSE_ID ASSIGNMENT_ID [--class-name NAME]

# 上传汇总表到Canvas
python3 scripts/send_summary_message.py [--xlsx PATH]

反馈格式模板（无emoji）

[学生姓名]（[学号]）

【逐题评分】
问题[序号]：[题目内容]
学生回答：[转写文本]
评语：[温和评语]
纠错：[分级纠错内容]
得分：[X]/10

【总体评分】
总分：[X.X]/10
等级：优秀/良好/合格/需加强

优点：
- [优点1]
- [优点2]

巩固建议：
1. [练习建议1]
2. [练习建议2]

注意事项

• 评分前确认作业为手动发布分数。
• 成绩录入使用 submission[posted_grade]。
• Whisper 转写仅作参考，必须执行对齐校验。
• 鼓励为主，微小误差不扣分。
• 同一错误只扣一次。
• 严格按 A1/A2/B1 能力层级控制纠错数量（操作标签参考 N5/N4/N3 级别）。
• 评语简洁友好，不使用特殊符号。
• 所有规则以 references/workflow.md 为准。