حرف بزن، بشنو، بهتر شو

عددها برآورد تمرینی‌اند، نه نمره‌ی رسمی. ممتحن واقعی کل جلسه را می‌شنود؛ ما فقط چیزهایی را می‌سنجیم که از صدای ضبط‌شده و متن آن قابل اندازه‌گیری است، و برای همین هر عدد یک بازه دارد. بالاترین برآوردها (۸٫۵ و ۹) را هیچ‌وقت از روی سنجش خودکار نمی‌دهیم.

• روانی و انسجام: سرعت گفتار (واژه در دقیقه)، مکث‌های بلندتر از یک ثانیه (اگر سرویس گفتار به متن زمان هر واژه را بدهد)، پرکننده‌هایی مثل um، تکرار و شروع دوباره‌ی جمله، پیوندهای گفتاری (because، for example…) و طول جواب نسبت به بخش. بدون صدای ضبط‌شده سنجیده نمی‌شود.
• دامنه‌ی واژگان: سهم واژه‌های بالاتر از سطح A2 بر پایه‌ی فهرست CEFR-J، تنوع واژه‌ها، تکرار یک واژه، و استفاده از واژه‌ها و هم‌آیی‌های همین موضوع از درس‌های خودمان. پیشنهاد واژه‌ی هوش مصنوعی فقط وقتی نشان داده می‌شود که واژه واقعی باشد و جمله‌ی تو را درست نقل کند.
• دامنه و دقت دستوری: نسبت بندهای بی‌اشتباه و نسبت جمله‌های مرکب. اشتباه‌ها یا از قاعده‌های خودمان می‌آیند یا از مدل؛ هر اشتباه مدل باید عیناً در متن تو باشد، از فهرست بسته‌ی خطاها باشد و اصلاحش کوچک باشد. توضیح فارسی همیشه از فهرست بازبینی‌شده‌ی خودمان است. بدون هوش مصنوعی فقط الگوهای رایج بررسی می‌شوند، پس سقف برآورد پایین‌تر و بازه پهن‌تر است.
• تلفظ: نمره نمی‌دهیم. سیستم‌های گفتار به متن لهجه را «صاف» می‌کنند و نمی‌توانند صداها، تکیه و آهنگ را بسنجند. فقط یک نشانه‌ی وضوح نشان می‌دهیم: اینکه سیستم چقدر از واژه‌های تو مطمئن بود (اگر این داده را بدهد) یا در تمرین تکرار، چند درصد واژه‌های جمله‌ی هدف شنیده شد.
• برآورد کلی: میانگین معیارهای قابل‌سنجش (روانی، واژگان، دستور) با گرد کردن به روش آیلتس؛ اگر کمتر از سه معیار قابل‌سنجش باشد، فقط بازه نشان می‌دهیم، نه یک عدد.

آستانه‌ها در کد نوشته شده‌اند (ai/speaking_bands.py) و روی نمونه‌پاسخ‌های خودمان تنظیم شده‌اند. این توضیح‌ها پیش‌نویس‌اند و یک معلم انگلیسی فارسی‌زبان باید بازبینی‌شان کند.