✓ Выжила 1-е место из 12 предложенныхВенчур Образование 26 окт. 2026 г.

Масштабируемая платформа устных экзаменов для университетов

Софт и рабочий процесс для кафедр, которые проводят короткие структурированные устные экзамены (витальные опросы) в большом объёме — формат, который ИИ не может подделать.

Открыть обсуждение ↗

Готовое ТЗ, которое можно вставить в Claude Code, Cursor или любого ИИ-агента для кода (на английском).

I want to build a venture-scale product. Help me plan and start the MVP.

Product: Scalable oral exam platform for universities
What it is: Software and workflow for departments to run short, structured oral exams (vivas) at scale, the one assessment format AI can't fake.
Who pays: Department chairs and teaching & learning centers at universities with large STEM programs, paying $15k–60k/yr per department from academic integrity / instructional budgets.
Closest alternatives: HireVue (hiring interviews, not academic mastery), ExamSoft (written proctored exams), Gradescope (written work grading), manual ad-hoc vivas run by faculty
The gap: Oral assessment is the consensus AI-proof format in this discussion, but no product exists to run it at scale: scheduling hundreds of 10-minute vivas, generating per-student question variants from the actual homework, recording, rubric scoring, and flagging inconsistencies between submitted work and oral answers. Incumbents all target written deliverables.
Why now: In the last 12 months, frontier models made take-home written assessment unverifiable — a Fields medalist publicly abandoning homework grading is the signal; universities tried Turnitin/Rumi detectors and found them inadequate (per the article), so they need a structural alternative, not detection.
Moat to build toward: Rubric and question-variant banks per course compound over time, recordings create grading-consistency data, and integration with LMS/registrar systems creates switching costs; institutional sales create a reference moat.
Biggest risk: Universities are slow, budget-constrained buyers with enormous institutional inertia — the article itself notes the system may not change for years even when broken.

First three steps:
1. Build a viva scheduler + question generator that turns a course's homework set into per-student oral follow-up questions, with recording and rubric scoring.
2. Run a paid pilot with one math/CS department (50–200 students) offering 10-minute recorded vivas as 20% of the course grade.
3. Add an inconsistency report comparing each student's submitted written work to their oral answers to flag likely AI-dependent submissions.

Start by asking me up to five questions about constraints (stack, budget, timeline), then propose the smallest version a paying customer would use, and scaffold it.

Итого6.6/10

Боль7

Готовность платить6

Своевременность8

Ниша7

Защищённость6

Реализуемость6

За

Кто платит

Заведующие кафедрами и центры преподавания и обучения в университетах с крупными STEM-программами; платят $15–60 тыс. в год на кафедру из бюджета на академическую честность и учебный процесс.

Что говорили люди · 4

Автор утверждает, что домашние задания не должны учитываться вовсе, а освоение материала следует проверять экзаменами и устным опросом, поскольку списывать письменные работы стало слишком легко. Читать комментарий ↗
Предлагается случайно вызывать студентов, чтобы они объясняли или воспроизводили свою сданную работу перед классом, чтобы выявить тех, кто её не делал. Читать комментарий ↗
Рекомендуется вернуться к письменным или устным экзаменам в классе как к единственно надёжной форме оценки. Читать комментарий ↗
Адъюнкт-профессор говорит, что если бы он сейчас преподавал, оценивал бы только очные экзамены и, возможно, собеседование, не оставляя ИИ возможности завышать оценки. Читать комментарий ↗

Пересказ обсуждения. Оригинальные комментарии доступны по ссылкам.

Конкуренты и пробел

HireVue (hiring interviews, not academic mastery)ExamSoft (written proctored exams)Gradescope (written work grading)manual ad-hoc vivas run by faculty

Устный экзамен — общепринятый в этом обсуждении формат, устойчивый к ИИ, но продукта для его масштабного проведения нет: планирование сотен 10-минутных опросов, генерация индивидуальных вариантов вопросов по реальным домашним заданиям, запись, оценивание по рубрике и выявление расхождений между сданной работой и устными ответами. Все существующие решения ориентированы на письменные работы.

Почему сейчас

За последние 12 месяцев фронтирные модели сделали письменные домашние задания непроверяемыми — сигналом служит отказ обладателя медали Филдса от оценивания домашних работ. Университеты пробовали детекторы Turnitin и Rumi и, по статье, нашли их недостаточными, поэтому им нужна структурная альтернатива, а не детекция.

Защищённость · 6/10

Банки рубрик и вариантов вопросов по каждому курсу со временем накапливаются, записи дают данные для согласованности оценок, а интеграция с LMS и системами registrar создаёт издержки переключения; институциональные продажи формируют репутационный барьер.

Против

Красная команда: Устные экзамены — формат, к которому университеты действительно сходятся как к устойчивой к ИИ оценке, а ни один существующий продукт не делает планирование опросов, генерацию вариантов и оценивание в большом масштабе. Циклы продаж через университеты тяжёлые, но структурный пробел реален.
Что может её погубить: Университеты — медленные покупатели с ограниченным бюджетом и огромной институциональной инерцией; в статье прямо отмечено, что система может не меняться годами даже при очевидной поломке.

Начало

Первые три шага: Создать планировщик устных опросов и генератор вопросов, который превращает набор домашних заданий курса в индивидуальные уточняющие вопросы для каждого студента, с записью и оцениванием по рубрике.
Провести платный пилот с одной кафедрой математики или информатики (50–200 студентов), предлагая 10-минутные записанные опросы как 20% итоговой оценки курса.
Добавить отчёт о расхождениях, сравнивающий письменную работу каждого студента с его устными ответами, чтобы отмечать вероятно зависимые от ИИ работы.
Исходное обсуждение: AI use leads UC Berkeley math professor to see 'no point' in grading homework ↗ 231 балл327 комментариевИз комментариевСтатья по ссылке

Переведено с английского. Читать оригинал

За

Против

Начало

Ещё из этого выпуска