fengjunchen/edu-content
1
0
派生 0
代码 工单 合并请求 Actions 软件包 项目 版本发布 百科 动态
文件
a006c8c5040dc21002ccf10d65e4a0ff48da08e0
edu-content/docs/research/open-source-asset-scan.md

7.9 KiB
原始文件 Blame 文件历史

KET/PET 开源与免费备考材料调研报告

调研日期：2026-08-21 调研范围：剑桥 A2 Key (KET) / B1 Preliminary (PET) 的免费官方资源、GitHub 开源项目、开放数据集、电子书资源库 用途：为 english-site 项目评估可用素材，标注版权风险

一、结论速览

需求 推荐来源 版权风险
真题样卷 剑桥官网 Preparation 页（纸笔+机考样卷、答案、录音文本） ✅ 无，官方免费
词汇表 官方 2020 版词汇表 PDF 直链 ✅ 无，官方免费
机读题库 CEPOC 数据集（GitHub，剑桥官方发布） ✅ 低，研究用途许可
练习类 Web 工具 ketenglish / vocabulary-app 等开源项目 ✅ 无，MIT/开源
系统教材电子版 SkoolPlus/PET 等仓库 ⚠️ 高，盗版商业书

二、剑桥官方免费资源（合法，直接下载）

2.1 备考主页（样卷 + 词汇表 + 口语视频）

2.2 官方词汇表直链（PDF）

注意：官网词汇表只列单词和词性，无中文释义和用法，做产品时需要自己补翻译和例句。

2.3 免费练习工具（官方）

工具 形态 说明
Write & Improve 网站 免费写作练习 + 即时评级，KET/PET 写作提分利器：https://www.cambridgeenglish.org/learning-english/free-resources/write-and-improve/
Exam Lift iOS/Android App 官方 KET/PET for Schools 每日练习
Test & Train 网站 300+ 道官方练习题
免费在线活动 网站 阅读/写作/听力/语法/发音/词汇分类练习

2.4 剑桥出版社资源页（Practice Test + 音频）

三、CEPOC 数据集（重点推荐：唯一的官方机读题库）

3.1 基本信息

  • 仓库：https://github.com/CambridgeALTA/cepoc
  • 全称：Cambridge Exams Publishing Open Cloze dataset
  • 发布方：剑桥大学计算机实验室 Cambridge ALTA（真题版权方自己开源的数据）
  • 配套论文：Felice, Taslimipoor, Andersen & Buttery (2022). CEPOC: The Cambridge Exams Publishing Open Cloze dataset. LREC 2022
  • 内容：剑桥五级真题中的 Open Cloze（开放式完形填空） 题目，对应 A2 Key 读写 Part 4 / B1 Preliminary 阅读 Part 4 题型

3.2 数据构成

考试 CEFR 套数 空格总数
KET A2 6 68
PET B1 21 150
FCE B2 36 360
CAE C1 30 288
CPE C2 21 200

KET/PET 合计 27 套 / 218 空；FCE 档最丰富（36 套 / 360 空），适合后续升级复用。

3.3 数据格式（JSONL，每行一套题）

{"id": 1,
 "title": "",
 "text": "Dear Melissa\n\nHow are things _ London? I had a great time staying with you. ...",
 "gaps": [
   {"item": 1, "answers": ["in"]},
   {"item": 2, "answers": ["me"]},
   {"item": 5, "answers": ["when", "while"]},
   {"item": 12, "answers": ["to", "I'll", "we'll"]}
 ]}

关键设计点（已实拉 KET.json 验证）：

  • text 中空格用 _ 占位，split("_") 即可切分上下文
  • answers 是数组：官方标注多个可接受答案（如 ["because", "as", "since"]）。判题逻辑必须做集合匹配，不能字符串全等
  • title 恒为空字符串，真实标题未保留
  • 题材全部是青少年生活场景（邮件、聚会邀请、博客），与 for Schools 风格一致

3.4 许可

README 声明 "free to use for research purposes"，完整条款在仓库 licence.txt（剑桥系数据集惯例通常为 CC BY-NC-SA 类非商业条款）。自用/练习工具/实验没问题；商业化或大规模再分发前需读 licence.txt 或联系作者（mf501@cam.ac.uk 等，README 留有四位作者联系方式）。

3.5 应用思路

  1. 打印练习纸：_ 替换为编号空格，answers 全量印成答案页
  2. 接 TTS：答案回填原文后朗读，生成精读/听力材料
  3. 与开源工具 ketenglish 的精听播放器联动（它需要"导入音频与原文"）
  4. 按语法点聚类（介词/连词/代词/比较结构）做错题归因

四、GitHub 开源项目（工具类，可部署可二开）

项目 地址 内容 技术栈/许可
ketenglish https://github.com/lierwang19/ketenglish KET 家庭备考工具：单词间隔重复复习（0/1/3/7/14/30 天）+ 听力句段精听播放器；面向家长备课、孩子纸上做题、拍照 OCR 批改 原生 HTML/CSS/JS + IndexedDB + PWA 离线，Docker 部署
vocabulary-app https://github.com/ztzx3156/vocabulary-app KET（约 600 词）/PET 儿童背单词：翻卡学习、拼写测试、错词回炉、金币奖励 纯前端，双击 HTML 即用，MIT
KET-Flashcard https://github.com/gemchen/KET-Flashcard KET 词汇闪卡站，预置多单元词汇可自定义 Next.js + MongoDB
CEPOC https://github.com/CambridgeALTA/cepoc 见第三节 研究许可

五、电子书合集库（⚠️ 版权灰色地带，谨慎使用）

5.1 SkoolPlus/PET（已验证可访问）

  • 地址：https://github.com/SkoolPlus/PET（公开仓库，最后更新 2023-03，已停止维护）
  • 性质：直接上传整本商业教材 PDF 的"电子书仓库"，非软件项目
文件/目录 内容 版权方
B1-Preliminary-for-Schools-Trainer.pdf B1 Trainer 官方模拟题集（6 套题） Cambridge UP
Destination-B1-Grammar-and-Vocabulary.pdf B1 语法词汇练习册（带答案） Macmillan
B1-Preliminary-1-Authentic.../ Authentic Practice Tests 1（含音频） Cambridge UP
ebook_SiMPLY-B1-PET.../ SiMPLY B1 全真模拟 Global ELT
ebook_Succeed-in-B1.../ Succeed in B1 Global ELT
my-notes/ 上传者个人笔记 —

5.2 风险评估

  • 仓库标 CC0 但 README 自认 "we do not own copyrights to some books"——CC0 只覆盖仓库本身，书是商业版权书，本质是盗版资源
  • 个人下载学习风险低，但不得二次分发/入产品/传播
  • 随时可能被 DMCA 下架；扫描质量参差，音频链接可能已失效

建议：项目素材不从这里来；系统刷题需求用官方样卷 + 正版纸质书（Trainer 二手约几十元）解决。

六、对 english-site 项目的素材路线建议

  1. 题库种子数据：CEPOC（KET/PET 218 空，多答案标注，机读）
  2. 词汇数据：官方词汇表 PDF 解析成结构化词库（需自补中文释义/例句，可参考 vocabulary-app 的 600 词分类词库）
  3. 样卷/音频：官网 Preparation 页 + cambridge.org 资源页直接下载
  4. 功能参考：ketenglish 的间隔重复 + 错词回炉逻辑、vocabulary-app 的游戏化设计
  5. 版权红线：商业教材 PDF 不进入项目 assets；对外分发的内容只来自官方免费资源与自研/开源代码