lct-16 и половина lct-19: разбор, отчёт, внешний монитор, эталон

Эталонный диалог собирается кодом из фактов и чек-листа: написанный
руками, он разошёлся бы с фактами при первой же правке сценария,
и курсанта оштрафовали бы за правильный ответ.

Отчёт: метрики фактом против норматива со ссылкой, отметка E1 на каждый
недобытый факт с эталонным вопросом, расхождение самооценки — что
курсант заметил сам, чего не заметил, что отметил зря. Не заметил —
самое ценное для разбора.

Внешний монитор — не отдельное приложение, а другой режим отрисовки тех
же событий: крупный таймер опроса, ход разговора, карточка, после оценки
разбор на весь экран.

Коррекция преподавателем сохраняет автооценку рядом: видно, что
скорректировано и кем.

Найдено: все метрики весили одинаково, и курсант, не задавший ни одного
вопроса, но заполнивший карточку руками, получал 87 из 100. Предварительные
веса (полнота опроса — 4) дают 74; окончательные утверждает методист,
вопрос записан в DEBRIEF.md.

backend/app/scoring/taxonomy.py

@@ -19,6 +19,25 @@ METRIC_MAP: dict[str, tuple[ErrorCode, Competency]] = {
     "required_fields": (ErrorCode.E5, Competency.CARD),
 }
 
+#: Вес метрики в детерминированной оценке.
+#:
+#: **Предварительные значения, требуют утверждения методистом.** Без весов все
+#: метрики равны, и курсант, не задавший ни одного вопроса, но заполнивший
+#: карточку руками, получает 87 из 100: «ответ за секунду» стоит столько же,
+#: сколько «добыл все обязательные факты». Опрос — то, ради чего существует
+#: тренажёр, поэтому он весит больше всего.
+METRIC_WEIGHTS: dict[str, float] = {
+    "checklist_completeness": 4.0,
+    "incident_type": 2.0,
+    "dds_choice": 2.0,
+    "address": 2.0,
+    "required_fields": 2.0,
+    "interview_time": 1.5,
+    "victims_count": 1.0,
+    "answer_time": 1.0,
+    "callback": 1.0,
+}
+
 #: Вес детерминированного слоя в итоговой оценке. Остальное — LLM-судья
 #: на мягкие критерии (E4), и не больше (docs/arch/BACKEND.md).
 DETERMINISTIC_WEIGHT = 0.6