Экспертные заключения: 0
Консультации: 0

Балл - прогноз результата ЕГЭ и приоритизация подготовки

«Балл» — сервис, который оценивает ожидаемый результат школьника на ЕГЭ и показывает, какие темы дадут наибольший прирост баллов за потраченное время

ПРОБЛЕМА:

Школьник, готовящийся к ЕГЭ, не знает своего положения в терминах итогового балла. Пробный вариант даёт сырой результат — «12 из 19» — без интерпретации и без плана действий. Подготовка идёт в случайном порядке: ученик не знает, какая тема окупится, не замечает, что забыл материал начала года, и не отличает «понял разбор» от «решу сам»

Экспертную оценку «где ты находишься и что делать дальше» сегодня даёт только репетитор — 8–12 тысяч рублей в месяц. И даёт её как субъективное мнение: без числа, без интервала неопределённости и без последующей проверки фактическим результатом. При этом около 58 % сдающих профильную математику готовятся без репетитора по этому предмету

РЕШЕНИЕ:

Измерительный инструмент, работающий поверх любой формы подготовки — школьной, курсовой или самостоятельной — и не заменяющий её. Сюжеты:

1. Калибровка за 20–25 минут: 10–12 заданий части 1 и 1–2 задания части 2. На выходе — оценка тестового балла, интервал неопределённости и три приоритетные темы

2. Живой прогноз: оценка пересчитывается после каждой решённой задачи. По мере накопления данных интервал сужается — после калибровки ±12–15 баллов, после месяца ежедневных занятий ±9–10, после трёх полных симуляторов ±6–7

3. Приоритизация: ранжирование тем по ожидаемому приросту тестового балла на час работы

4. Симуляторы экзамена под таймером — оценка поведения в условиях реального экзамена

5. Адресный разбор конкретной допущенной ошибки вместо курса с нуля

6. Отчёт родителю: число, интервал, динамика

ТЕХНОЛОГИЧЕСКАЯ ОСНОВА:

Прогноз строится не арифметическим пересчётом, а методом Монте-Карло: 10 000 симуляций прохождения экзаменационной работы на основе оценённых вероятностей верного решения каждого задания. Причина — резкая нелинейность официальной шкалы перевода первичных баллов в тестовые: в части 1 один первичный балл стоит около 5,8 тестовых, в части 2 — около 1,7. При такой нелинейности оценка по среднему систематически завышает результат, а приоритизация тем без учёта шкалы даёт неверный порядок. Модель ученика — латентная способность с разложением по микронавыкам. Задания генерируются из параметризованных шаблонов: готового ответа в интернете не существует, а каждый микронавык измеряется изолированно. Развёрнутые ответы части 2 проверяются по официальным критериям с помощью языковых моделей при выборочной верификации методистом; самооценка ученика как источник данных не принимается. Целевая метрика качества — не корреляция, а среднеквадратичная ошибка прогноза относительно фактического балла и покрытие доверительного интервала. Обе величины публикуются по итогам экзаменационного сезона

РЫНОК И БИЗНЕС-МОДЕЛЬ:

Первый предмет — профильная математика: около 320 тысяч сдающих в год, вдвое больше любого другого технического предмета. Далее физика и информатика. Целевой сегмент — около 120 тысяч человек в год: готовятся без репетитора по предмету и имеют конкретную цель поступления. Подписка 2 000 рублей в месяц, оплачивает родитель, 14 дней полного доступа бесплатно. Не продаются часы занятий, апселл на курсы и данные учеников — на этом строится доверие к числу

ПОЧЕМУ НИША СВОБОДНА:

Существующие игроки закрывают смежные задачи: бесплатные банки вариантов дают сырой балл без модели и плана, адаптивные платформы дают план без прогноза, онлайн-школы дают курс и куратора. Честный прогноз для онлайн-школы структурно невыгоден: оценка «сдашь на 58» разрушает продажу курса. Это защищает нишу надёжнее технологического барьера. Долгосрочный актив — накопленный массив связок «поведение ученика в подготовке → фактический балл ЕГЭ». Такие данные нельзя купить, только накопить сезон за сезоном

ТЕКУЩИЙ СТАТУС И ПЛАН:

Проработана концепция: архитектура модели прогноза, схема данных из девяти сущностей, количественный анализ шкалы перевода баллов, разбор зарубежных аналогов (Santa TOEIC, японская система «моси», NBME/USMLE, SAT/GRE/GMAT), анализ рынка и конкурентов, модель юнит-экономики. Сформирована методическая база по геометрии как прототип контентного ядра. План ближайших работ с измеримыми критериями продолжения:

— тест спроса вручную, 3 недели: не менее 5 % оплат от увидевших цену;

— валидация модели на выпускниках, 6 недель: RMSE не выше 9 тестовых баллов при смещении не более 3;

— пилот на 300 учениках: конверсия в подписку не менее 5 %;

— июнь 2027: покрытие 80-процентного интервала в коридоре 74–86 % при средней ширине не более ±10 баллов.

Ссылка

На страницу проекта

Направление

IT, Образование

Рынки

EduNet

Сквозные технологии

Искусственный интеллект, Технологии машинного обучения и когнитивные технологии, Технологии хранения и анализа больших данных