# 📑 Full Report (semantic-package view)

_compiled from 8/8 packages_

---

## Проект — карточка (`00_PROJECT_CARD`)

### carrying_break
_frame: F-EDU_ · _epistemic: asserted_
Разлом: scaffolding требует постепенной передачи ответственности от ИИ к студенту (в терминах ЗБР — движение от 'ИИ делает' к 'студент делает сам'), но операциональные механизмы этой передачи в исходном тексте не описаны. Кто и как решает, что студент 'уже готов' работать без определённой ИИ-поддержки? Как измеряется момент передачи? Если механизм не операционализирован — риск, что ИИ остаётся 'вечным лесом', а студент не переходит на самостоятельное выполнение. Второй разлом: специфика химии — работа с формулами, механизмами реакций, реагентами — LLM склонны генерировать ошибочные химические уравнения (типа неправильных стехиометрических коэффициентов), что при некритическом восприятии студентом-химиком опаснее, чем в гуманитарных дисциплинах.

> _sources:_ [art-ae044e0d52 note «Влияние интеграции ИИ-ассистента с поэта…» · high]; [art-f41c531eac slides «ИИ в образовании_ СафинДА,ПановаЕВ.pdf» · medium]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

### identity
- **lineage_id:** lin-5fcda37870
- **label:** Сафин Д.А. + Панова Е.В. · ИИ-ассистент в химическом обучении
- **project_id:** chem-ai-scientific-search
- **current_version_id:** ver-a27bc9f871
- **owner:** Сафин Д.А., Панова Е.В.

> _sources:_ [db_row project_lineages:lin-5fcda37870 · high]

### protected_core
_frame: F-PRJ_ · _epistemic: asserted_
(1) Модуль без работы с веществами — критично для химии, снимает риск ИИ-инструкций по опасным операциям. (2) Scaffolding как теоретический принцип — ИИ помогает, но постепенно передаёт ответственность; отличает от 'замещения'. (3) Индивидуальная работа на первом этапе — чистота данных. (4) Профильные научные БД (Scopus/WoS/Reaxys/SciFinder/PubMed) — целевые инструменты, не веб-поиск. (5) Множественная операционализация — качество запросов + критика + синтез + оригинальность + NASA-TLX. (6) 16 недель — достаточная продолжительность для наблюдения динамики. (7) Явное требование напоминаний о недопустимости повторения экспериментов из литературы без разрешения — химическая специфика.

> _sources:_ [art-ae044e0d52 note «Влияние интеграции ИИ-ассистента с поэта…» · high]; [art-f41c531eac slides «ИИ в образовании_ СафинДА,ПановаЕВ.pdf» · medium]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

### readiness
_frame: F-PRJ_ · _epistemic: asserted_
Готовность: READINESS_SEMINAR_DISCUSSION → PILOT_READY_AFTER_TOOL_AND_ACCESS_DECISIONS. Проект имеет теоретическую рамку, дизайн, метрики, ясную проблему. До пилота необходимо: (1) выбрать конкретные ИИ-инструменты с учётом химической специфики; (2) обеспечить доступ к профильным БД (Scopus/WoS/Reaxys — институциональная подписка ТюмГУ или альтернативы); (3) операционализировать механизм передачи ответственности; (4) разработать рубрикатор критической оценки; (5) добавить механизм проверки химической корректности выводов ИИ. При закрытии — пилот осенью 2026.

> _sources:_ [art-ae044e0d52 note «Влияние интеграции ИИ-ассистента с поэта…» · high]; [art-f41c531eac slides «ИИ в образовании_ СафинДА,ПановаЕВ.pdf» · medium]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

### v2_readiness_4tier
### Readiness — 4 tiers
- **Idea readiness:** STRONG — точный выбор модуля без веществ + scaffolding+ЗБР как рамка + предметно-специфическая защита
- **Mechanism readiness:** PARTIAL — механизм ясен, но scaffolding transfer schedule не описан
- **Implementation readiness:** MEDIUM — институциональный доступ к БД + промпт-конфиги ещё требуются
- **Evaluation readiness:** PARTIAL — rubric+NASA-TLX планируются; калибровка не описана

---

## Модель проекта (`20_PROJECT_MODEL`)

### literal
_frame: F-EDU_ · _epistemic: asserted_
Проект «Влияние интеграции ИИ-ассистента с поэтапной поддержкой на формирование навыков научного поиска и критического анализа литературы у студентов химических направлений». Авторы: Сафин Д.А., Панова Е.В. Курс: «Научно-проектный семинар», модуль «Поиск, критический анализ и синтез научной литературы»; 3 курс «Химия», 2 группы, ~40 человек, один семестр, индивидуальная работа. Модуль намеренно выбран без работы с веществами и лабораторным оборудованием — минимизирует риски безопасности. Планируемые образовательные результаты: формулировать исследовательскую проблему и переводить её в исследовательский вопрос; владение стратегиями поиска в Scopus/WoS/Reaxys/SciFinder/PubMed; критическая оценка статей (методология, ограничения, противоречия, качество доказательств); синтез в связный обзор; корректное оформление ссылок; академическая честность. Наблюдаемые проблемы: примитивные запросы, отсутствие булевой логики, незнание профильных БД; некритическое восприятие источников; компиляция вместо синтеза; бессистемное использование ChatGPT ведёт к плагиату и ошибкам; когнитивная перегрузка. Противоречия: развитие собственных навыков vs делегирование ИИ; академическая честность vs доступность генеративных моделей; польза от рутинных операций vs риск снижения когнитивной активности. Проблемное поле: как встроить ИИ как 'строительные леса' (scaffolding), усиливая компетенции, а не замещая. Дизайн: квазиэксперимент, 2 группы (КГ/ЭГ), pre-test/post-test, 16 недель. Теоретическая рамка (4 опоры): (1) Выготский зона ближайшего развития + скаффолдинг Wood/Bruner/Ross (1976) — ИИ как внешний агент с постепенной передачей ответственности; (2) когнитивная нагрузка Sweller (1988) — ИИ снижает постороннюю нагрузку (поиск, оформление), высвобождая ресурсы на анализ и синтез; (3) распределённое познание; (4) метапознание (Flavell). Экспериментальная гипотеза: ЭГ покажет больший прирост навыков, более качественные обзоры при сохранении оригинальности и снижение когнитивной нагрузки. Метрик

> _sources:_ [art-ae044e0d52 note «Влияние интеграции ИИ-ассистента с поэта…» · high]; [art-f41c531eac slides «ИИ в образовании_ СафинДА,ПановаЕВ.pdf» · medium]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

### strongest_benevolent
_frame: F-EDU_ · _epistemic: asserted_
Проект отвечает на конкретный образовательный дефицит студентов-химиков — низкая культура научного поиска (профильные БД Scopus/WoS/Reaxys/SciFinder/PubMed мало используются) + некритическое восприятие источников + компиляция вместо синтеза. Ключевые сильные ходы: (1) точный выбор модуля без работы с веществами — снимает риск ИИ давать инструкции по опасным операциям (специфическая для химии проблема); (2) теоретическая рамка scaffolding + ЗБР — операциональна: ИИ выполняет функции, которые студент ещё не может, но постепенно передаёт ответственность; (3) четыре опоры (Выготский + Sweller + распределённое познание + метапознание) — не декоративный список, а обоснование выбора инструментов и метрик; (4) индивидуальная работа на первом этапе — 'чистота данных' для оценки эффекта ИИ на отдельного студента; (5) множественные метрики (качество запросов + критическая оценка + оригинальность + NASA-TLX) — защита от single-metric; (6) 16-недельная продолжительность позволяет наблюдать динамику навыков.

> _sources:_ [art-ae044e0d52 note «Влияние интеграции ИИ-ассистента с поэта…» · high]; [art-f41c531eac slides «ИИ в образовании_ СафинДА,ПановаЕВ.pdf» · medium]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

### v2_mechanism_model
### Educational Mechanism Model

**Current educational practice:** Модуль поиска + критики литературы: студенты ищут через общий web-поиск (или бессистемно ChatGPT), пишут компилятивный обзор, оформляют ссылки.

**Limitation / failure point:** Низкая культура поиска в Scopus/WoS/Reaxys/SciFinder/PubMed; некритическое доверие; компиляция вместо синтеза; когнитивная перегрузка + плагиат; специфическая для химии проблема ошибок ИИ в формулах.

**Changed activity (что действие меняется):** Студент проходит 16 недель scaffolding-модуля с постепенным уменьшением ИИ-помощи + обязательной проверкой химической корректности выводов ИИ + peer review + антиплагиат.

**Role of AI (компонент механизма):** Scaffolding-помощник: (а) поиск в профильных БД с булевой логикой; (б) framework для критической оценки; (в) структура обзора. НЕ пишет обзор; НЕ даёт инструкций по опасным операциям.

**Role of human (сохранённая функция):** Студент — целевые компетенции (формулировка проблемы, критика, синтез); каждый этап scaffolding — уменьшение делегированного ИИ. Преподаватель — проверка химической корректности + постановка + разбор. Peer review — обязательный.

**Expected competence change:** Прирост качества поисковых запросов (булева логика + профильные БД); критическая оценка статей; синтез обзора; сохранение оригинальности (антиплагиат); переход когнитивной нагрузки от рутинных операций к содержательным.

**Measurement method:** Rubric критической оценки; NASA-TLX per модуль/неделя; антиплагиат; check-list химической корректности; Wilcoxon signed-rank pre/post при N≥15 на группу.

---

## Источники, evidence и аналоги (`10_EVIDENCE_PROVENANCE_ANALOGS`)

### corpus_summary
- **versions:** 3
- **positions:** 2
- **frames:** 4

> _sources:_ [db_row project_lineages:lin-5fcda37870 · high]; [corpus 2 arts / 24859 chars · high]

---

## Экспериментальный пакет (`30_EXPERIMENT_PACK`)

### research_gaps
- {"gap_id": "rg-e381fd4118", "analysis_run_id": "ar-eb907bbb88", "parent_operation": "position_invocation:piv-2e56bc6f76", "what_blocked": "Недостаточно разработана теория механизма, связывающего интер
- {"gap_id": "rg-a9bf2e41e0", "analysis_run_id": "ar-eb907bbb88", "parent_operation": "position_invocation:piv-26fe9dd89b", "what_blocked": "Не хватает ясного описания разбивки функций и операций внутри

> _sources:_ [art-ae044e0d52 note «Влияние интеграции ИИ-ассистента с поэта…» · high]; [art-f41c531eac slides «ИИ в образовании_ СафинДА,ПановаЕВ.pdf» · medium]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

### threats_to_validity
- "UNKNOWN: конкретные инструменты ИИ (ChatGPT / DeepSeek / GigaChat / специализированные для химии) — от выбора зависит точность работы с формулами и механизмами."
- "UNKNOWN: операциональные механизмы 'постепенной передачи ответственности' — как и когда leса снимаются?"
- "UNKNOWN: критерии распределения студентов на КГ/ЭГ."
- "UNKNOWN: рубрикатор оценки 'критической оценки статей' — операционализация."
- "UNKNOWN: как обеспечивается доступ к платным БД (Scopus, Web of Science, Reaxys, SciFinder — большинство платные) для 40 студентов."
- "UNKNOWN: inter-rater reliability экспертной оценки обзоров."
- "INSUFFICIENT_EVIDENCE: как обрабатывается специфическая для химии проблема ошибок ИИ в формулах и механизмах."
- "CONTRADICTION: индивидуальная работа vs теория распределённого познания (которая по сути коллективная) — 'первый этап' индивидуален, но масштабирование на группы отложено."

> _sources:_ [art-ae044e0d52 note «Влияние интеграции ИИ-ассистента с поэта…» · high]; [art-f41c531eac slides «ИИ в образовании_ СафинДА,ПановаЕВ.pdf» · medium]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

### v2_claim_evidence
### Claim–Evidence Matrix

**FACT** (следует из источников):
- Авторы: Сафин Д.А., Панова Е.В. · _docx art-ae044e0d52 header_ · conf=high
- Курс «Научно-проектный семинар», модуль поиска/критики/синтеза литературы; 3 курс «Химия», 2 группы ~40 чел., 16 недель. · _docx §Пространство эксперимента_ · conf=high
- Модуль намеренно выбран БЕЗ работы с веществами — минимизирует риски безопасности. · _docx §Пространство эксперимента_ · conf=high
- Теоретическая рамка (4 опоры): Выготский ЗБР + Wood/Bruner/Ross scaffolding + Sweller cognitive load + Flavell metacognition. · _docx §Теоретическая рамка_ · conf=high

**AUTHOR CLAIM** (заявляет автор):
- ИИ как scaffolding с постепенной передачей ответственности сформирует исследовательские компетенции химиков, а не заменит их. · _docx §Проблемное поле_ · conf=asserted_by_author
- Индивидуальная работа на первом этапе обеспечивает 'чистоту данных' для оценки эффекта. · _docx §Дизайн_ · conf=asserted_by_author

**ANALYTICAL INFERENCE** (вывод системы):
- Механизм передачи ответственности от ИИ к студенту (scaffolding transfer) заявлен, но операциональный график по неделям отсутствует — риск 'вечных лесов'. · _system reading — центральный несущий шов_ · conf=high
- LLM склонны к ошибкам в химических уравнениях (стехиометрия, механизмы); при некритическом восприятии студентом-химиком это опаснее, чем в гуманитарных дисциплинах. · _system DOMAIN-specific risk analysis_ · conf=high

**HYPOTHESIS** (требует проверки):
- ЭГ показывает статистически более высокий прирост навыков поиска в профильных БД + критической оценки статей vs КГ. · _requires empirical test_ · conf=requires_pilot
- Обязательное поле 'chemistry_correctness_check' блокирует критические ошибки в ≥ 90% обзоров. · _requires implementation + audit_ · conf=requires_pilot

### v2_failure_analysis
### Failure Analysis 2.0

**Mechanism Failure** (где механизм не сработает):
- Scaffolding transfer schedule (когда снимаются 'леса') не операционализирован по неделям — риск вечной поддержки.
- Химические ошибки ИИ (стехиометрия, механизмы) при некритическом восприятии студентом опаснее гуманитарных.
- 16 недель = long-term intervention; drop-out risk высок.

**Incentive Failure** (кто как обойдёт):
- Студенты-химики с сильной ориентацией на 'сделать быстро' могут делегировать всё ИИ, игнорируя scaffolding-протокол.
- 40 студентов + rubric-оценка + химическая корректность = большой объём для преподавателя.

**Delegation Failure** (что ИИ заберёт у человека):
- Если ИИ хорошо структурирует обзор, студент теряет навык структурировать сам.
- Готовые поисковые запросы снимают навык формулировки на профильных БД.

**Measurement Failure** (как решим что успех, ошибочно):
- 'Критическая оценка' субъективна без rater training.
- Антиплагиат ловит текстовое совпадение, не концептуальный плагиат.

---

## Гибридная архитектура (`40_HYBRID_ARCHITECTURE_PACK`)

### v2_agentity_audit
### Agenticity Check

**Verdict — Agent Level: 1** (Adaptive assistant (scaffolding-schedule regulated))

- **Memory (устойчивое состояние):** NO — per-session ИИ; state = журнал студента
- **Goal (собственная цель):** NO — цель — задача студента
- **Planning (самостоятельная последовательность):** PARTIAL — scaffolding schedule планирует передачу ответственности, но выполняет преподаватель, не ИИ
- **Autonomy (действия без запроса):** NO — все действия ИИ — по запросу
- **Human Gate (где остаётся человек):** YES — преподаватель проверяет химическую корректность + peer review + антиплагиат

---

## Build/Lab (`50_BUILD_LAB_PACK`)

### lab_requirement
_frame: F-AIH_ · _epistemic: asserted_
- **build_status:** NO_BUILD
- **readiness_score:** 0.3
- **no_build_reason:** Отсутствует чёткая функциональная декомпозиция человеческо-машинного цикла с детализацией операций и ролей, а также недостаточная операционализация ключевых обучающих действий студентов и их изменений

> _sources:_ [db_row project_lineages:lin-5fcda37870 · high]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

### v2_mve
### Minimal Viable Experiment

**Hypothesis** (что проверяем): ЭГ, прошедшая scaffolding-модуль с обязательной проверкой химической корректности, демонстрирует статистически более высокий прирост качества обзоров + переход когнитивной нагрузки к содержательным операциям vs КГ (традиционный формат).

**Intervention** (что меняем): ЭГ (~20 студентов) — 16 недель scaffolding с 4-этапной конфигурацией промптов + peer review + antiplagiarism. КГ (~20) — те же 16 недель без scaffolding-schedule.

**Control** (с чем сравниваем): Параллельная группа того же курса, тот же преподаватель.

**Observable change** (что должно измениться): Rubric критической оценки ЭГ > КГ p<0.05; NASA-TLX ЭГ показывает СДВИГ (не только снижение); ≤ 5% плагиата в ЭГ; ≥ 90% обзоров без критических химических ошибок.

**Evidence needed** (какие данные): Институциональный доступ к Scopus/WoS/Reaxys/SciFinder; scaffolding-schedule по неделям; rubric с 2 rater'ами; check-list химической корректности; калибровка rater'ов.

---

## Обсуждения и решения (`60_SEMINAR_DECISION_PACK`)

### frame_tensions
- {"tension_id": "ft-cd432ddc2d", "analysis_run_id": "ar-eb907bbb88", "frames_involved_json": "[\"F-PRJ\", \"F-EDU\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-decb7791de", "analysis_run_id": "ar-eb907bbb88", "frames_involved_json": "[\"F-PRJ\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-3072cbbc9d", "analysis_run_id": "ar-eb907bbb88", "frames_involved_json": "[\"F-RES\", \"F-PRJ\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-5371a47b5d", "analysis_run_id": "ar-eb907bbb88", "frames_involved_json": "[\"F-EDU\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-c51224dada", "analysis_run_id": "ar-eb907bbb88", "frames_involved_json": "[\"F-RES\", \"F-EDU\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-ba31203bec", "analysis_run_id": "ar-eb907bbb88", "frames_involved_json": "[\"F-RES\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes

> _sources:_ [db_row project_lineages:lin-5fcda37870 · high]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

### position_invocations
- {"invocation_id": "piv-2e56bc6f76", "profile_id": "SEMINAR_PREP", "position_id": "SEMINAR_PREP"}
- {"invocation_id": "piv-26fe9dd89b", "profile_id": "SEMINAR_PREP", "position_id": "SEMINAR_PREP"}

> _sources:_ [db_row project_lineages:lin-5fcda37870 · high]; [db_row position_invocation_records:piv-2e56bc6f76 · high]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

---

## Portfolio pattern (`70_PORTFOLIO_PATTERN`)

### portfolio_card
_frame: PORTFOLIO_ · _epistemic: asserted_
- **id:** pe-98379065a2
- **lineage_id:** lin-5fcda37870
- **readiness_json:** {"build_status": "NO_BUILD", "readiness_score": 0.3, "no_build_reason": "Отсутствует чёткая функциональная декомпозиция человеческо-машинного цикла с детализацией операций и ролей, а также недостаточн
- **reusable_components_json:** []
- **infrastructure_needs_json:** []
- **human_roles_json:** []
- **created_at:** 2026-08-22 23:42:43

> _sources:_ [db_row project_lineages:lin-5fcda37870 · high]; [analysis_json orchestrator_run:ar-eb907bbb88 · high]

---


---

## 🔬 Sem-6 v2 · Evidence-Grounded Analysis

### Claim–Evidence Matrix

**FACT** (следует из источников):
- Авторы: Сафин Д.А., Панова Е.В. · _docx art-ae044e0d52 header_ · conf=high
- Курс «Научно-проектный семинар», модуль поиска/критики/синтеза литературы; 3 курс «Химия», 2 группы ~40 чел., 16 недель. · _docx §Пространство эксперимента_ · conf=high
- Модуль намеренно выбран БЕЗ работы с веществами — минимизирует риски безопасности. · _docx §Пространство эксперимента_ · conf=high
- Теоретическая рамка (4 опоры): Выготский ЗБР + Wood/Bruner/Ross scaffolding + Sweller cognitive load + Flavell metacognition. · _docx §Теоретическая рамка_ · conf=high

**AUTHOR CLAIM** (заявляет автор):
- ИИ как scaffolding с постепенной передачей ответственности сформирует исследовательские компетенции химиков, а не заменит их. · _docx §Проблемное поле_ · conf=asserted_by_author
- Индивидуальная работа на первом этапе обеспечивает 'чистоту данных' для оценки эффекта. · _docx §Дизайн_ · conf=asserted_by_author

**ANALYTICAL INFERENCE** (вывод системы):
- Механизм передачи ответственности от ИИ к студенту (scaffolding transfer) заявлен, но операциональный график по неделям отсутствует — риск 'вечных лесов'. · _system reading — центральный несущий шов_ · conf=high
- LLM склонны к ошибкам в химических уравнениях (стехиометрия, механизмы); при некритическом восприятии студентом-химиком это опаснее, чем в гуманитарных дисциплинах. · _system DOMAIN-specific risk analysis_ · conf=high

**HYPOTHESIS** (требует проверки):
- ЭГ показывает статистически более высокий прирост навыков поиска в профильных БД + критической оценки статей vs КГ. · _requires empirical test_ · conf=requires_pilot
- Обязательное поле 'chemistry_correctness_check' блокирует критические ошибки в ≥ 90% обзоров. · _requires implementation + audit_ · conf=requires_pilot

### Educational Mechanism Model

**Current educational practice:** Модуль поиска + критики литературы: студенты ищут через общий web-поиск (или бессистемно ChatGPT), пишут компилятивный обзор, оформляют ссылки.

**Limitation / failure point:** Низкая культура поиска в Scopus/WoS/Reaxys/SciFinder/PubMed; некритическое доверие; компиляция вместо синтеза; когнитивная перегрузка + плагиат; специфическая для химии проблема ошибок ИИ в формулах.

**Changed activity (что действие меняется):** Студент проходит 16 недель scaffolding-модуля с постепенным уменьшением ИИ-помощи + обязательной проверкой химической корректности выводов ИИ + peer review + антиплагиат.

**Role of AI (компонент механизма):** Scaffolding-помощник: (а) поиск в профильных БД с булевой логикой; (б) framework для критической оценки; (в) структура обзора. НЕ пишет обзор; НЕ даёт инструкций по опасным операциям.

**Role of human (сохранённая функция):** Студент — целевые компетенции (формулировка проблемы, критика, синтез); каждый этап scaffolding — уменьшение делегированного ИИ. Преподаватель — проверка химической корректности + постановка + разбор. Peer review — обязательный.

**Expected competence change:** Прирост качества поисковых запросов (булева логика + профильные БД); критическая оценка статей; синтез обзора; сохранение оригинальности (антиплагиат); переход когнитивной нагрузки от рутинных операций к содержательным.

**Measurement method:** Rubric критической оценки; NASA-TLX per модуль/неделя; антиплагиат; check-list химической корректности; Wilcoxon signed-rank pre/post при N≥15 на группу.

### Agenticity Check

**Verdict — Agent Level: 1** (Adaptive assistant (scaffolding-schedule regulated))

- **Memory (устойчивое состояние):** NO — per-session ИИ; state = журнал студента
- **Goal (собственная цель):** NO — цель — задача студента
- **Planning (самостоятельная последовательность):** PARTIAL — scaffolding schedule планирует передачу ответственности, но выполняет преподаватель, не ИИ
- **Autonomy (действия без запроса):** NO — все действия ИИ — по запросу
- **Human Gate (где остаётся человек):** YES — преподаватель проверяет химическую корректность + peer review + антиплагиат

### Failure Analysis 2.0

**Mechanism Failure** (где механизм не сработает):
- Scaffolding transfer schedule (когда снимаются 'леса') не операционализирован по неделям — риск вечной поддержки.
- Химические ошибки ИИ (стехиометрия, механизмы) при некритическом восприятии студентом опаснее гуманитарных.
- 16 недель = long-term intervention; drop-out risk высок.

**Incentive Failure** (кто как обойдёт):
- Студенты-химики с сильной ориентацией на 'сделать быстро' могут делегировать всё ИИ, игнорируя scaffolding-протокол.
- 40 студентов + rubric-оценка + химическая корректность = большой объём для преподавателя.

**Delegation Failure** (что ИИ заберёт у человека):
- Если ИИ хорошо структурирует обзор, студент теряет навык структурировать сам.
- Готовые поисковые запросы снимают навык формулировки на профильных БД.

**Measurement Failure** (как решим что успех, ошибочно):
- 'Критическая оценка' субъективна без rater training.
- Антиплагиат ловит текстовое совпадение, не концептуальный плагиат.

### Minimal Viable Experiment

**Hypothesis** (что проверяем): ЭГ, прошедшая scaffolding-модуль с обязательной проверкой химической корректности, демонстрирует статистически более высокий прирост качества обзоров + переход когнитивной нагрузки к содержательным операциям vs КГ (традиционный формат).

**Intervention** (что меняем): ЭГ (~20 студентов) — 16 недель scaffolding с 4-этапной конфигурацией промптов + peer review + antiplagiarism. КГ (~20) — те же 16 недель без scaffolding-schedule.

**Control** (с чем сравниваем): Параллельная группа того же курса, тот же преподаватель.

**Observable change** (что должно измениться): Rubric критической оценки ЭГ > КГ p<0.05; NASA-TLX ЭГ показывает СДВИГ (не только снижение); ≤ 5% плагиата в ЭГ; ≥ 90% обзоров без критических химических ошибок.

**Evidence needed** (какие данные): Институциональный доступ к Scopus/WoS/Reaxys/SciFinder; scaffolding-schedule по неделям; rubric с 2 rater'ами; check-list химической корректности; калибровка rater'ов.

### Readiness — 4 tiers
- **Idea readiness:** STRONG — точный выбор модуля без веществ + scaffolding+ЗБР как рамка + предметно-специфическая защита
- **Mechanism readiness:** PARTIAL — механизм ясен, но scaffolding transfer schedule не описан
- **Implementation readiness:** MEDIUM — институциональный доступ к БД + промпт-конфиги ещё требуются
- **Evaluation readiness:** PARTIAL — rubric+NASA-TLX планируются; калибровка не описана