Метрика показывает, возвращается ли один и тот же speaking-сбой через неделю-две после разбора. Это полезнее, чем просто считать «сколько ошибок было сегодня».
| Когда использовать | После speaking-разборов, работы с fail-patterns и при переходе к более длинным ответам. |
|---|---|
| Как применять | Отметьте 3 ключевые ошибки недели, затем на следующем ретесте проверьте, сколько из них повторились в похожем контексте. Важен не абсолютный ноль, а тренд снижения повторяемости. |
Ученик может делать меньше ошибок в одной удачной сессии, но снова тащить тот же провал через неделю. Error repeat rate помогает отловить именно это: мы смотрим, сколько ключевых ошибок живут дольше одного разбора и не уходят в автоматизацию.
Последняя редакторская проверка: Редакция Бонихуа, 26 апреля 2026 г..
Проверил: Дмитрий Петренко, главный редактор; Анна Смирнова, фактчек и валидация данных.
Методология и стандарты редакции: /editorial-policy
Источник: datasets/teaching/retest-metrics.jsonl
Проверка: Валидация схемой Zod, проверка связей related_ids и статическая сборка маршрутов.
Частота обновления: При каждом обновлении датасета и пересборке manifest.
Ограничения: Данные носят справочный характер и не являются публичной офертой.
Лицензия: CC-BY-NC-SA-4.0. Условия использования.
Коммерческое использование — по запросу на hello.bonihua@gmail.com.
Quality score: 96%.
Битые related_ids: 48. Последняя проверка: 26 апреля 2026 г..
Отчёт: reports/dataset-audit-2026-02-13.md
Потому что это превращает метрику в хаос. Здесь важна устойчивость конкретных провалов.
Да. Смысл метрики как раз в том, чтобы увидеть, что именно держится и требует другого подхода.
