Oflameron OBJECT для немецкого языка

Сгенерируем с помощью ИИ chat.deepseek.com функцию на Python , реализующую запрос на генерирование упражнения в формате Oflameron OBJECT для изучения иностранных языков. В примере  — для немецкого языка

О методике Oflameron OBJECT:

Методика Oflameron OBJECT предполагает замену части слов в тексте упражнения на небольшие картинки (пиктограммы). Ученик должен читать текст и подставлять вместо картинок иностранные слова. Для англоязычного ученика сгенерируй упражнение из 5-6 предложений на тему "Мы прилетели в Берлин и едем в отель на такси" в формате Oflameron OBJECT для изучения немецкого языка

Deepseek AI Python

Как запрос выполняет ИИ chat.deepseek.com Готовое упражнение:

Методика Oflameron OBJECT

Сначала ученик видит текст, где некоторые слова заменены на пиктограммы. Его задача — понять смысл предложения и подставить правильное немецкое слово, глядя на картинку.

Упражнение: "Ankunft in Berlin" (Прибытие в Берлин)

Инструкция: Прочитай предложения на немецком и замени пиктограммы 🛄, 🏙️, 🚕, 🏨, 💶 и 👨‍✈️ на подходящие немецкие слова из списка ниже.

Словарь (Word Bank):

• der Koffer (suitcase)
• die Stadt (city)
• das Taxi (taxi)
• das Hotel (hotel)
• der Fahrer (driver)
• der Euro (euro)

Текст с пиктограммами (для ученика)

1. Wir sind in 🏙️, Berlin, angekommen.
2. Am Flughafen nehmen wir ein 🚕.
3. Der 🛄 ist sehr schwer.
4. Das 🏨 ist nicht weit vom Zentrum entfernt.
5. Die Fahrt kostet fünfzig 💶.
6. Der 👨‍✈️ ist sehr freundlich.

Проверь себя! (Ключ для самопроверки)

Вот правильные слова для каждой пиктограммы. Сравни со своими ответами.

1. Wir sind in der Stadt, Berlin, angekommen. (We have arrived in the city, Berlin.)
2. Am Flughafen nehmen wir ein Taxi. (At the airport, we are taking a taxi.)
3. Der Koffer ist sehr schwer. (The suitcase is very heavy.)
4. Das Hotel ist nicht weit vom Zentrum entfernt. (The hotel is not far from the center.)
5. Die Fahrt kostet fünfzig Euro. (The ride costs fifty euros.)
6. Der Fahrer ist sehr freundlich. (The driver is very friendly.)

Deepseek AI Python

Функция на Python:

import openai

import json

def generate_oflameron_exercise(api_key, target_language, student_language, topic, num_sentences=5):

    """

    Генерирует упражнение в формате Oflameron OBJECT для изучения иностранного языка

    Args:

        api_key (str): API ключ для OpenAI

        target_language (str): язык, который изучается (напр. "немецкий")

        student_language (str): родной язык ученика (напр. "английский")

        topic (str): тема упражнения

        num_sentences (int): количество предложений

    Returns:

        dict: структурированное упражнение

    """

    openai.api_key = api_key

    prompt = f"""

    Создай упражнение для изучения {target_language} языка в формате Oflameron OBJECT.

    Требования:

    1. Тема: "{topic}"

    2. {num_sentences} предложений на {target_language}

    3. Для студента, который говорит на {student_language}

    4. Замени некоторые существительные в тексте на пиктограммы [ICON]

    5. Создай словарь с переводом на {student_language}

    Верни ответ в формате JSON:

    {{

        "exercise_title": "название",

        "instructions": "инструкции для студента",

        "word_bank": [

            {{"german": "слово", "english": "перевод", "icon": "пиктограмма"}}

        ],

        "sentences_with_icons": [

            "предложение с [ICON]"

        ],

        "answer_key": [

            "полное предложение"

        ]

    }}

    Используй разнообразные пиктограммы: 📝✈️🚗🏨💰👨‍🍳 и т.д.

    """

    try:

        response = openai.ChatCompletion.create(

            model="gpt-3.5-turbo",

            messages=[

                {"role": "system", "content": "Ты эксперт по созданию учебных материалов для изучения языков."},

                {"role": "user", "content": prompt}

            ],

            temperature=0.7,

            max_tokens=1500

        )

        # Парсим JSON ответ

        content = response.choices[0].message.content

        exercise_data = json.loads(content)

        return exercise_data

    except Exception as e:

        print(f"Ошибка при генерации упражнения: {e}")

        return None

def print_exercise(exercise_data):

    """Красиво выводит упражнение"""

    if not exercise_data:

        print("Не удалось сгенерировать упражнение")

        return

    print("=" * 50)

    print(f"🎯 {exercise_data['exercise_title']}")

    print("=" * 50)

    print(f"📝 {exercise_data['instructions']}")

    print("\n" + "🗂️ СЛОВАРЬ:".ljust(20))

    for word in exercise_data['word_bank']:

        print(f"   {word['icon']} - {word['german']} ({word['english']})")

    print("\n" + "📖 УПРАЖНЕНИЕ:".ljust(20))

    for i, sentence in enumerate(exercise_data['sentences_with_icons'], 1):

        print(f"   {i}. {sentence}")

    print("\n" + "🔑 ОТВЕТЫ:".ljust(20))

    for i, answer in enumerate(exercise_data['answer_key'], 1):

        print(f"   {i}. {answer}")

# Пример использования

if __name__ == "__main__":

    # Замени на свой API ключ

    API_KEY = "your-openai-api-key-here"

    exercise = generate_oflameron_exercise(

        api_key=API_KEY,

        target_language="немецкий",

        student_language="английский", 

        topic="Мы прилетели в Берлин и едем в отель на такси",

        num_sentences=6

    )

        if exercise:

        print_exercise(exercise)

Deepseek AI Python

Direct Link:  https://chat.deepseek.com/share/9jvraloatnab75jrxa

Другой вариант кода с использованием библиотеки rquests:

import requests

import json

def generate_oflameron_simple(api_key, target_lang, base_lang, topic):

    """

    Упрощенная версия функции для генерации упражнения

    """

    headers = {

        "Content-Type": "application/json",

        "Authorization": f"Bearer {api_key}"

    }

    payload = {

        "model": "gpt-3.5-turbo",

        "messages": [

            {

                "role": "system", 

                "content": "Ты создаешь учебные упражнения по методике Oflameron OBJECT."

            },

            {

                "role": "user",

                "content": f"""

                Создай упражнение на тему "{topic}" для изучения {target_lang} языка студентом, говорящим на {base_lang}.

                Формат:

                1. 5-6 предложений на {target_lang} с заменой 4-6 слов на пиктограммы [ICON1], [ICON2] и т.д.

                2. Словарь с переводом на {base_lang}

                3. Полные версии предложений для проверки

                Используй эмодзи как пиктограммы: 🛄🏙️🚕🏨💶👨‍✈️✈️🎒

                """

            }

        ],

        "temperature": 0.7

    }

        try:

        response = requests.post(

            "https://api.openai.com/v1/chat/completions",

            headers=headers,

            json=payload

        )

                if response.status_code == 200:

            return response.json()["choices"][0]["message"]["content"]

        else:

            print(f"Ошибка API: {response.status_code}")

            return None

                except Exception as e:

        print(f"Ошибка: {e}")

        return None

# Использование

# result = generate_oflameron_simple("your-api-key", "немецкий", "английский", "поездка в Берлин")

# print(result)

Deepseek AI Python

Для использования этого кода:

Установите необходимые библиотеки:

bash

pip install openai requests

Получите API ключ от OpenAI

Замените "your-openai-api-key-here" на ваш настоящий ключ

Настройте параметры функции под ваши needs

Функция возвращает структурированные данные упражнения, которые можно использовать в веб-приложении, мобильном приложении или для генерации PDF-worksheets.

Deepseek AI Python