Эта страница объясняет, откуда берутся факты, вопросы и примеры на сайте, что именно делает AI и где заканчивается надёжность тренировочной оценки. Мы не скрываем ограничения модели и не выдаём продукт за официальный IELTS-сервис.
Обновлено: 28 июля 2026 · Время чтения: 9 минут
Короткий ответ
Факты о формате и критериях сверяются с IELTS.org и публичными Speaking Band Descriptors. Вопросы и примеры создаются как самостоятельный тренировочный материал. AI-feedback помогает увидеть повторяющиеся patterns, но не заменяет сертифицированного экзаменатора и не является официальным band score.
Независимый тренировочный сервис
НаБалл не связан с IELTS, British Council, IDP или Cambridge English и не проводит официальный экзамен. Название IELTS используется для описания экзамена, к которому готовится пользователь. На каждой информационной и продуктовой странице мы отделяем тренировочный estimate от официального результата.
Официальный Speaking score выставляет сертифицированный экзаменатор по результатам полного интервью. Ни один отдельный пример на сайте, короткая запись или автоматический отчёт не может гарантировать такой же балл на экзамене. Формулировка Band 7-style означает, что пример демонстрирует отдельные признаки соответствующего уровня, а не то, что он прошёл официальное оценивание.
Иерархия источников
Для проверяемых утверждений о структуре теста, продолжительности частей и критериях мы в первую очередь используем материалы владельцев и организаторов IELTS. Сторонние блоги могут подсказать учебный приём, но не используются как основание для изменения официального формата.
Если официальный источник меняет формулировку или формат, приоритет имеет новая официальная версия. На статьях указывается дата содержательного обновления, а не дата автоматической пересборки страницы.
Как создаются вопросы и учебные примеры
Банк НаБалл состоит из самостоятельных тренировочных вопросов, распределённых по Part 1, Part 2 и Part 3, темам и типам мыслительной нагрузки. Part 1 фокусируется на знакомом личном опыте, Part 2 использует task card и long turn, Part 3 переводит разговор к причинам, сравнению, последствиям и предположениям.
Мы не публикуем материалы как «точные вопросы следующего экзамена» и не обещаем предсказать конкретную карточку. Страница с пометкой 2026 означает актуальный тренировочный банк и редакционную проверку в 2026 году, а не утечку экзаменационных заданий.
Дедупликация: одинаковые и почти одинаковые формулировки не должны занимать несколько позиций в банке.
Соответствие части: личный вопрос не маскируется под Part 3, а аналитическая дискуссия не подменяет Part 1.
Говоримость: вопрос должен позволять дать естественный устный ответ без специальных профессиональных знаний.
Перенос навыка: материал тренирует reasoning, paraphrase, story structure или другой навык, а не только одну тему.
Безопасная формулировка: вопрос не требует раскрывать чувствительные личные данные для полноценного ответа.
Sample answers создаются для демонстрации конкретного решения: как развить причину, добавить ограничение, заменить неточную collocation или удержать историю. Их полезно преобразовывать под собственный опыт. Дословное запоминание уменьшает гибкость и может сделать ответ неуместным при небольшом изменении вопроса.
Что происходит с голосовым ответом
В текущем потоке голос преобразуется в текст с помощью Yandex SpeechKit. Затем DeepSeek анализирует вопрос, транскрипт, часть экзамена, длину и продолжительность ответа. Система формирует тренировочный профиль, отмечает главный blocker и предлагает одну правку для retry.
Лучше всего такой анализ видит признаки, доступные в транскрипте: раскрытие вопроса, развитие мысли, повторы, точность словоупотребления, разнообразие конструкций и часть grammar errors. Продолжительность и объём речи дают дополнительные, но ограниченные сигналы о fluency. Они не показывают каждую паузу, самокоррекцию или качество связной речи так же полно, как живая запись.
Почему один фикс: длинный список замечаний редко переносится в следующую попытку. НаБалл выбирает одно действие, которое пользователь может применить немедленно, затем сравнивает retry с первой записью.
Ограничения AI-score
Транскрипт не содержит всей акустической информации. Без отдельного анализа звукового сигнала нельзя надёжно оценить отдельные звуки, word stress, sentence stress, rhythm, intonation и connected speech. Поэтому pronunciation feedback следует воспринимать как низкоуверенный тренировочный сигнал, а не как полноценную замену оценки записи человеком.
Speech-to-text также может неверно распознать слово из-за шума, микрофона или акцента. Такая ошибка способна повлиять на выводы о vocabulary и grammar. Перед серьёзным решением полезно проверить транскрипт и повторить ответ в более тихой обстановке.
Сигнал
Что AI видит лучше
Где нужна осторожность
Содержание и coherence
Позиция, причины, примеры, порядок и завершённость мысли.
Естественные паузы и невербальная реакция экзаменатора.
Vocabulary
Повторы, точность выражений, collocations и paraphrase в транскрипте.
Ошибки STT и различия между написанным и реально произнесённым словом.
Grammar
Наблюдаемые формы и повторяющиеся patterns в распознанном тексте.
Пунктуация, которую добавил STT, и незавершённые устные конструкции.
Pronunciation
Только косвенные признаки через распознаваемость и транскрипт.
Звуки, ударение, ритм и интонация требуют акустического анализа или человека.
Надёжность повышается, когда есть несколько ответов из разных частей, достаточная длина речи и стабильный pattern. Разница в половину band между двумя короткими ответами не обязательно означает реальное изменение уровня.
Редакционная проверка и исправления
Материалы НаБалл готовятся с использованием собственных данных и AI-инструментов, после чего проходят автоматические проверки структуры: уникальность title и description, canonical, внутренние ссылки, отсутствие очевидного keyword stuffing, валидность JSON-LD и доступность мобильной версии. Фактические утверждения о тесте сверяются с источниками выше.
Мы не заявляем, что каждую статью проверил сертифицированный IELTS examiner, если на странице нет отдельного подтверждения такой проверки. Это важное различие: прозрачное ограничение полезнее вымышленной экспертной подписи.
Если пользователь замечает фактическую ошибку, неестественный английский пример или спорный AI-feedback, он может отправить обратную связь внутри продукта. Такие сообщения используются для редакционной очереди и калибровки, но отдельная жалоба не меняет scoring prompt автоматически без проверки.