While the CEFR has been widely used, it has also been misused and, in some cases, abused.

Прошла курс от TeacherMatic про CEFR в эпоху ИИ. Спойлер: про ИИ там не было ни слова — что, признаться, озадачило. Так что попробую отрефлексировать свой опыт тут.

Если коротко: способов состыковать CEFR и ИИ несколько, и у каждого своя логика.

Самый очевидный — написать в промпте «A2-level students». У модели нет доступа к каким-то закрытым словарным спискам по уровням; она делает вывод из того, что видела: разработок учителей с пометкой A2, публичных блогов, брошюр и так далее. То есть это усредненное представление.

Можно скормить модели описание уровня из самого CEFR — но если вчитаться в это описание, оно довольно туманное и не объясняет, как именно адаптировать контент. Полный том CEFR тоже подходит не идеально: есть риск забить контекстное окно, да и на моем опыте модель начинает «лениться» — ссылаться на дескрипторы, которые в реальности не существуют.

Два подхода, которые работают лучше: описывать умение ученика своими словами (особенно хорошо на краях спектра — с beginners и advanced; сложнее там, где нужно объяснить разницу между B1 и B2) и давать референсные тексты под нужный уровень. Во втором случае модель улавливает паттерны; главное, чтобы тексты были из проверенных CEFR-aligned источников.

Есть ещё вариант с ограничениями в виде списков слов и грамматических тем, но это не мой формат: ограничения влияют на натуральность, особенно на низких уровнях. Запретишь present continuous на A1 — и половина текстов окажется или искусственной, или просто грамматически сомнительной.

Мой рабочий подход — ручная калибровка каждого результата: оцениваешь, просишь внести изменения, которые кажутся нужными. Для методиста или преподавателя с развитой чуйкой на уровень это, на мой взгляд, наиболее точный вариант; при том что он, конечно, не масштабируется.

В следующих постах опишу ещё один метод и почему CEFR-дескрипторы устроены сложнее, чем кажется с первого взгляда.

🟥YouTube | 🌐 Дублёр | 🐘CRM