日语朗读作业批改模板

---

name: japanese-reading-grader description: "日语朗读作业AI批改（教师模式）——支持音频转写、CEFR分级评价、纠错与成绩录入。" use_when: 教师批改日语朗读作业录音、朗读测试打分、批量评分与反馈 triggers:

• 日语朗读作业批改
• 日语朗读测试打分

---

适用场景

学生提交音频文件（MP3/MP4/M4A/WAV）朗读日语文本，教师需要： 下载 → 转写 → 评分 → 纠错 → 录入成绩 → 生成班级汇总

作业基础信息

1. 适用对象：A1/A2/B1 日语学习者
2. 作业形式：朗读音频
3. 总分：10 分

工作流程

Step 0：前置准备

1. 标准答案文本存储路径：./answer/{COURSE_ID}_{ASSIGNMENT_ID}_answer.txt
2. 文本格式要求：
   • 每行 1 个完整句子，无多余空格与换行
   • 重点词汇标注假名
   • 不含多余标点，便于音频转写对齐
3. 版本校验：批改前确认标准答案与作业要求一致

Step 1：音频格式统一转换

• 批量转为 wav 格式，统一采样率
• 存放路径：./audio/{student_id}/

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

异常处理规则

• 音频损坏/空文件/无法识别 → 标记「转写失败」
• 自动移入 ./error_audio/，触发人工复核
• 跳过自动评分，不直接判定低分

Step 3：评分规则（鼓励导向）

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：7.0 ≤ 总分 ≤ 10.0
• 扣分上限：3.0 分（超过不再扣）

错误类型与扣分值（仅3类）

重要规则：

• 同一错误类型全篇只扣一次，不重复累计
• 上述3类错误若同时出现，累计扣分（最多 -1.5，但扣分上限为 3.0）

不扣分的情况

• 句尾拖音、语气词（よ/ね）
• 「は」vs「わ」、「を」vs「お」等微小识别差异
• 语调轻微偏差、声调轻微偏差
• 语速稍慢或稍快
• 轻微卡顿（≤2处，每处<2秒）
• 拨音（ん）偶尔读不到位（N5/N4 宽容）
• 同一错误类型仅出现一次且不影响语义理解
• 转写存疑、不确定是否为错误 → 不扣分

SKILL评分维度（CAF三维框架，每题满分10分）

等级划分

分级纠错规则（A1/A2/B1；操作标签参考N5/N4/N3）

篇幅定义

• 短篇：150字以内
• 长篇：150字以上

纠错上限（按水平+篇幅）

纠错优先级（超过上限时）

1. 影响语义的错误（清浊、长音、促音）
2. 反复出现的高频错误
3. 语调错误

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
• 不使用警示符号，语气鼓励为主
• 转写存疑、不确定的地方不纠错

强制校验流程（防误判）

对齐校验（防止 Whisper 听错导致误判）

批改前，必须逐句比较「Whisper 转写文本」与「标准答案文本」：

• 如果转写文本与标准答案完全一致或仅尾音差异 → 继续批改
• 如果转写文本与标准答案存在假名级别差异（如「学校」→「公園」）→ 该句不扣分，标记「转写存疑，请人工复核」
• 如果转写文本缺失或多余整句 → 跳过该句，标记「可能漏读或多读，请人工复核」

错误判定强制引用表

每个潜在错误必须同时满足以下条件才能判定为对应类型：

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：{name}

【评分结果】
总分：{score}/10
发音准确性：{pronunciation_score}/10
语调与节奏：{intonation_score}/10
流畅度：{fluency_score}/10

【总体评价】
{positive_comment}，{constructive_feedback}。{encouragement}

【发音纠错】
1. 原句：{original}
   学生读法：{student_reading}
   标准读法：{correct_reading}（{kana}）
   错误类型：{error_type}

【练习建议】
1. {suggestion_1}
2. {suggestion_2}

输出排版规则

• 评分结果、总体评价、发音纠错、练习建议等所有一级反馈大项，必须单独另起一行
• 发音纠错内部用 1、2 数字序号
• 练习建议用 1、2 数字序号
• 不显示等级标注和纠错等级说明
• 禁用 emoji
• 评语长度 ≤ 1000 字符（适配平台限制）
• 优先展示优点，再提 1–2 条最关键改进建议

输出文件

• 输出路径：./report/{student_id}.txt

批量处理规则

1. 进度文件：./progress/{course}_{task}_progress.json
2. 支持中断后继续执行
3. 单次批量 ≤ 50 人，分批处理避免崩溃
4. 失败音频自动标记，不影响整体流程

核心原则

1. 鼓励为主：从 10 分起评，据实扣分，不刻意压低分数
2. 只纠严重错误：只纠正影响语义的明显发音错误，微小误差不计
3. 同一错误只扣一次：不重复扣分
4. 不确定时不判错：转写存疑或判定不确定时，优先选择不判定为错误
5. 保护信心：总分不低于 7 分，评语先表扬后建议

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