{"view":"full_report","lineage_id":"lin-d3321aef8b","markdown":"# 📑 Full Report (semantic-package view)\n\n_compiled from 8/8 packages_\n\n---\n\n## Проект — карточка (`00_PROJECT_CARD`)\n\n### carrying_break\n_frame: F-EDU_ · _epistemic: asserted_\nРазлом: 6 акад. часов на весь модуль — очень сжато для полноценной работы с реальным рынком облигаций (изучение инструментария + сбор портфеля + анализ + защита). Если ИИ делает слишком много (даёт готовые рекомендации, готовые списки облигаций) — студент не проходит через 'мучительное' решение → деструктивная разгрузка → атрофия. Если ИИ делает слишком мало (только вычисления) — не помогает справиться с информационным шумом рынка → студент не успевает за 6 часов. Балансировка требует явного правила 'что ИИ делает vs что студент должен сделать сам' на каждом этапе. Второй разлом — проблема виртуального инвестора: без реальных денег нет реального неприятия потерь; компенсация через игровой фрейм ('баллы = условные деньги') не восстанавливает эмоциональную ставку.\n\n> _sources:_ [art-f06382ec77 slides «ИИ-наставник.pdf» · medium]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n### identity\n- **lineage_id:** lin-d3321aef8b\n- **label:** ИИ-наставник · финансовая грамотность (Облигационная стратегия)\n- **project_id:** financial-literacy-bonds-ai-mentor\n- **current_version_id:** ver-11436d28f3\n\n> _sources:_ [db_row project_lineages:lin-d3321aef8b · high]\n\n### protected_core\n_frame: F-PRJ_ · _epistemic: asserted_\n(1) Узкая тема (облигационная стратегия) — реалистична для 6 часов; расширение размывает эффект. (2) Различение конструктивной vs деструктивной когнитивной разгрузки — центральный концепт, определяющий, что делегируется ИИ. (3) Теория перспектив как рамка для понимания искажений виртуального инвестора. (4) Роль ИИ строго на этапе анализа рынка — не на защите проекта. (5) Индивидуальная стратегия как выходной артефакт — не групповой. (6) Балльно-рейтинговая система + защита проекта — итоговая процедура.\n\n> _sources:_ [art-f06382ec77 slides «ИИ-наставник.pdf» · medium]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n### readiness\n_frame: F-PRJ_ · _epistemic: asserted_\nГотовность: FRAGMENT_STAGE / REQUIRES_FULL_DOCUMENTATION. Слайды содержат сильную концептуальную основу (различение конструктивной/деструктивной разгрузки, теория перспектив, проблема виртуального инвестора, 4-этапная архитектура), но многое обрезано или не описано. Полноценное обсуждение требует получения от автора: (1) полного текста с исследовательскими вопросами и гипотезами; (2) описания эксперимента (дизайн, выборка, метрики); (3) конкретного ИИ-инструмента и его роли; (4) правил распределения 'ИИ vs студент' на каждом этапе; (5) операционализации 6-часового курса. После получения полного текста — можно оценить готовность к пилоту.\n\n> _sources:_ [art-f06382ec77 slides «ИИ-наставник.pdf» · medium]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n### v2_readiness_4tier\n### Readiness — 4 tiers\n- **Idea readiness:** MEDIUM — различение конструктивной/деструктивной разгрузки — методологически точное; сжатый 6-часовой формат ограничивает\n- **Mechanism readiness:** WEAK — фрагментарный источник, автор не идентифицирован, метрики не описаны\n- **Implementation readiness:** WEAK — ИИ-инструмент не выбран, БД облигаций не указана, реализация не начата\n- **Evaluation readiness:** WEAK — rubric не описан, шкала не выбрана\n\n---\n\n## Модель проекта (`20_PROJECT_MODEL`)\n\n### literal\n_frame: F-EDU_ · _epistemic: asserted_\nПроект «ИИ-наставник для формирования финансовой грамотности», модуль «Облигационная стратегия». Автор не указан явно в источнике (только слайды). Элективные дисциплины, 6 академических часов, студенты 1-2 курсов очной формы, разные направления подготовки, практико-ориентированный персонализированный формат. Образовательные результаты модуля: знания — принципы и особенности формирования денежного потока от облигаций; умения — поиск, фильтрация и использование финансовой информации для решений; навыки — создание облигационного портфеля, обеспечивающего регулярные выплаты. Итоговый результат: студент понимает, как с помощью купонов создать альтернативный источник дохода и формирует персональную облигационную стратегию. Контекст: инвестиционных продуктов становится всё больше, долговые инструменты сложнее; студентам нужно ориентироваться. Архитектура модуля: изучить понятийный инструментарий (теории облигаций) → собрать портфель (практическое задание) → проанализировать рынок (реальные данные с помощью ИИ) → защитить проект (балльно-рейтинговая система). Проблемное поле — два системных сбоя: (1) когнитивная атрофия в условиях ИИ-зависимости — привычка к мгновенному дофамину мешает удерживать долгосрочную стратегию; студенты перекладывают на ИИ осмысление, а не вычисления; результат без понимания; атрофия инвестиционного мышления; (2) проблема 'виртуального инвестора' — без 'живых' денег нет ощущения риска, дефолт эмитента остаётся теоретической задачей, информационный шум заставляет игнорировать налоговую оптимизацию и издержки. Теоретические рамки: (1) теория когнитивной разгрузки (Risko & Gilbert, 2010-е) — конструктивная (передача рутины) vs деструктивная (передача осмысления); ключевое различие; (2) теория перспектив Kahneman & Tversky, 1979 (Нобель 2002) — неприятие потерь, эффект фрейминга, искажение вероятностей; виртуальные деньги фреймируются как 'игровые фишки' → механизм неприятия потерь отключён. Исследовательские вопросы: (1) когнитивная разгрузка (продолж\n\n> _sources:_ [art-f06382ec77 slides «ИИ-наставник.pdf» · medium]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n### strongest_benevolent\n_frame: F-EDU_ · _epistemic: asserted_\nПроект содержательно сильный несмотря на компактный источник (только слайды): (1) выбор конкретного и достаточно узкого модуля (облигационная стратегия, не 'инвестиции вообще') — реалистично для 6 акад. часов; (2) практический выход — студент формирует персональную стратегию, а не просто изучает теорию; (3) явное различение конструктивной и деструктивной когнитивной разгрузки (Risko & Gilbert) — методологически более точное, чем общее 'ИИ снижает нагрузку'; (4) обращение к теории перспектив Kahneman-Tversky — правильная опора для дисциплины, изучающей принятие решений в условиях риска; (5) явное указание проблемы 'виртуального инвестора' — ключевая ловушка любой инвестиционной симуляции, которая обычно игнорируется; (6) архитектура модуля — 4 этапа с чёткой ролью ИИ на этапе анализа рынка (не на защите проекта); (7) балльно-рейтинговая оценка с защитой проекта — стандартная методическая гигиена.\n\n> _sources:_ [art-f06382ec77 slides «ИИ-наставник.pdf» · medium]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n### v2_mechanism_model\n### Educational Mechanism Model\n\n**Current educational practice:** Обучение финансовой грамотности через лекции + расчётные задачи по фиксированным облигациям.\n\n**Limitation / failure point:** Студенты усваивают формулы, но не тренируют стратегическое мышление; получают ответы без понимания; когнитивная атрофия при использовании ИИ без разграничения.\n\n**Changed activity (что действие меняется):** Студент проходит 4 этапа с явным различением 'осмысление — я, вычисление — ИИ' → строит персональную облигационную стратегию → защищает публично.\n\n**Role of AI (компонент механизма):** Только этап 3 (анализ рынка): поставляет данные и метрики облигаций, не даёт рекомендаций по покупке. Промпт-регулятор блокирует выдачу советов.\n\n**Role of human (сохранённая функция):** Этап 1 — преподаватель (теория). Этапы 2, 4 — студент (сбор портфеля + защита без ИИ). Этап 3 — студент интерпретирует данные ИИ.\n\n**Expected competence change:** Способность построить облигационную стратегию с обоснованием выбора категорий (ОФЗ / корпоративные / муниципальные) + учёт налоговой оптимизации (ИИС).\n\n**Measurement method:** UNKNOWN — метрики не описаны в источнике. Требуется валидированная шкала + rubric для защиты.\n\n---\n\n## Источники, evidence и аналоги (`10_EVIDENCE_PROVENANCE_ANALOGS`)\n\n### corpus_summary\n- **versions:** 3\n- **positions:** 2\n- **frames:** 4\n\n> _sources:_ [db_row project_lineages:lin-d3321aef8b · high]; [corpus 1 arts / 5325 chars · high]\n\n---\n\n## Экспериментальный пакет (`30_EXPERIMENT_PACK`)\n\n### research_gaps\n- {\"gap_id\": \"rg-56c32b2b7f\", \"analysis_run_id\": \"ar-9fbb3edfef\", \"parent_operation\": \"position_invocation:piv-d499085e59\", \"what_blocked\": \"Отсутствует чёткое описание и доказательства механизма, через\n- {\"gap_id\": \"rg-e7d28748c9\", \"analysis_run_id\": \"ar-9fbb3edfef\", \"parent_operation\": \"position_invocation:piv-776c72e9f9\", \"what_blocked\": \"Недостаточно информации о конкретных алгоритмах и методах, об\n\n> _sources:_ [art-f06382ec77 slides «ИИ-наставник.pdf» · medium]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n### threats_to_validity\n- \"UNKNOWN: автор проекта не указан в источнике — требуется идентификация.\"\n- \"UNKNOWN: конкретный ИИ-инструмент — не назван (только слайды упоминают анализ рынка 'с помощью ИИ').\"\n- \"UNKNOWN: дизайн эксперимента — pre/post, КГ/ЭГ, размер выборки — не описан.\"\n- \"UNKNOWN: 'реальные данные' для анализа — с каких платформ, как обеспечивается достоверность.\"\n- \"UNKNOWN: правило 'что ИИ делает vs что студент делает сам' на каждом из 4 этапов архитектуры.\"\n- \"UNKNOWN: компенсация проблемы 'виртуального инвестора' — механизм восстановления ставки.\"\n- \"UNKNOWN: рубрика балльно-рейтинговой оценки защиты проекта.\"\n- \"INSUFFICIENT_EVIDENCE: полный текст исследовательских вопросов и гипотез — в слайдах обрезано на первом вопросе.\"\n\n> _sources:_ [art-f06382ec77 slides «ИИ-наставник.pdf» · medium]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n### v2_claim_evidence\n### Claim–Evidence Matrix\n\n**FACT** (следует из источников):\n- Модуль «Облигационная стратегия», элективные дисциплины, 6 ак. часов, студенты 1-2 курсов очной формы. · _slides art-f06382ec77 slide 2_ · conf=high\n- Архитектура модуля: понятийный инструментарий → сбор портфеля → анализ рынка (с ИИ) → защита проекта (балльно-рейтинговая). · _slides slide 3_ · conf=high\n- Теоретическая опора: Risko & Gilbert (конструктивная vs деструктивная когнитивная разгрузка) + Kahneman-Tversky (теория перспектив). · _slides slide 5_ · conf=high\n\n**AUTHOR CLAIM** (заявляет автор):\n- Регулярное различение конструктивной vs деструктивной разгрузки предотвратит атрофию инвестиционного мышления. · _slides slide 4 проблемное поле_ · conf=asserted_by_author\n\n**ANALYTICAL INFERENCE** (вывод системы):\n- Проблема «виртуального инвестора» без реальных денег фундаментальна — теория перспектив (неприятие потерь) не активируется на игровые фишки. · _system reading of virtual stake gap_ · conf=high\n- Роль ИИ строго на этапе 3 (анализ рынка) — не размывается на всю архитектуру, что уменьшает риск делегирования решений. · _system architectural reading_ · conf=high\n- Автор не идентифицирован в источнике (owner_nickname=NULL); полный текст обрезан на первом исследовательском вопросе. · _metadata + slides truncation_ · conf=high\n\n**HYPOTHESIS** (требует проверки):\n- Публичная защита стратегии перед группой активирует социальную ставку и компенсирует отсутствие финансовой. · _requires empirical test_ · conf=requires_pilot\n\n### v2_failure_analysis\n### Failure Analysis 2.0\n\n**Mechanism Failure** (где механизм не сработает):\n- 6 ак. часов на 4 этапа + защита — сжато; каждый этап может остаться поверхностным.\n- Различение «осмысление — я, вычисление — ИИ» требует явных промпт-правил для ИИ; при их отсутствии ИИ даёт готовые советы и деструктивная разгрузка происходит.\n\n**Incentive Failure** (кто как обойдёт):\n- Виртуальный портфель — нет реальной ставки, студент играет.\n- 6-часовой модуль в электив — низкий стимул для глубокой работы.\n\n**Delegation Failure** (что ИИ заберёт у человека):\n- Если ИИ даёт готовые метрики облигаций, студент не учится их считать.\n- Публичная защита может свестись к отбарабаниванию заученного, если преподаватель не задаёт критических вопросов.\n\n**Measurement Failure** (как решим что успех, ошибочно):\n- Балльно-рейтинговая система без rubric субъективна.\n- Успех = сдал модуль, а не 'умеет применить в реальной жизни' — измерение не связано с целью.\n\n---\n\n## Гибридная архитектура (`40_HYBRID_ARCHITECTURE_PACK`)\n\n### v2_agentity_audit\n### Agenticity Check\n\n**Verdict — Agent Level: 1** (Adaptive assistant (partial specification))\n\n- **Memory (устойчивое состояние):** UNKNOWN — источник не описывает\n- **Goal (собственная цель):** UNKNOWN — источник не описывает\n- **Planning (самостоятельная последовательность):** UNKNOWN — источник не описывает\n- **Autonomy (действия без запроса):** UNKNOWN — источник не описывает\n- **Human Gate (где остаётся человек):** YES — явно указано — ИИ только на этапе 3, защита без ИИ\n\n⚠️ **Слово «agent» inflation detected:** Название «ИИ-наставник» подразумевает больше автономности, чем описано. Функционально — это information/data retriever на одном этапе. Честнее «ИИ-помощник аналитика рынка».\n\n---\n\n## Build/Lab (`50_BUILD_LAB_PACK`)\n\n### lab_requirement\n_frame: F-AIH_ · _epistemic: asserted_\n- **build_status:** NO_BUILD\n- **readiness_score:** 0.3\n- **no_build_reason:** Проект не готов к инженерии: отсутствует детальная функциональная декомпозиция ролей и операций между человеком и ИИ-наставником, не описан протокол диалога с фиксацией ключевых операций и следов, не \n\n> _sources:_ [db_row project_lineages:lin-d3321aef8b · high]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n### v2_mve\n### Minimal Viable Experiment\n\n**Hypothesis** (что проверяем): Студенты ЭГ, прошедшие защиту стратегии без ИИ, демонстрируют более обоснованный выбор облигаций (rubric ≥ 4/5) vs КГ, где ИИ доступен на всех этапах.\n\n**Intervention** (что меняем): ЭГ (~15 чел.) — 4-этапная модель с ИИ только на этапе 3. КГ (~15 чел.) — те же 6 часов с доступом к ИИ на всех этапах.\n\n**Control** (с чем сравниваем): Параллельный поток того же электива.\n\n**Observable change** (что должно измениться): Защита ЭГ содержит ≥ 3 обоснованных категорий облигаций у ≥ 70%; логи ИИ показывают ≤ 10% запросов «какие облигации купить» в ЭГ.\n\n**Evidence needed** (какие данные): Rubric с 2 rater'ами (kappa ≥ 0.7); полный лог промптов; опросник понимания рисков дефолта.\n\n---\n\n## Обсуждения и решения (`60_SEMINAR_DECISION_PACK`)\n\n### frame_tensions\n- {\"tension_id\": \"ft-79dc0d1225\", \"analysis_run_id\": \"ar-9fbb3edfef\", \"frames_involved_json\": \"[\\\"F-PRJ\\\", \\\"F-EDU\\\"]\", \"conflicting_units_json\": null, \"conflicting_criteria_json\": null, \"project_stakes\n- {\"tension_id\": \"ft-38067d3be3\", \"analysis_run_id\": \"ar-9fbb3edfef\", \"frames_involved_json\": \"[\\\"F-PRJ\\\", \\\"F-AIH\\\"]\", \"conflicting_units_json\": null, \"conflicting_criteria_json\": null, \"project_stakes\n- {\"tension_id\": \"ft-50b6a0a564\", \"analysis_run_id\": \"ar-9fbb3edfef\", \"frames_involved_json\": \"[\\\"F-RES\\\", \\\"F-PRJ\\\"]\", \"conflicting_units_json\": null, \"conflicting_criteria_json\": null, \"project_stakes\n- {\"tension_id\": \"ft-277034338a\", \"analysis_run_id\": \"ar-9fbb3edfef\", \"frames_involved_json\": \"[\\\"F-EDU\\\", \\\"F-AIH\\\"]\", \"conflicting_units_json\": null, \"conflicting_criteria_json\": null, \"project_stakes\n- {\"tension_id\": \"ft-f4a5519a0f\", \"analysis_run_id\": \"ar-9fbb3edfef\", \"frames_involved_json\": \"[\\\"F-RES\\\", \\\"F-EDU\\\"]\", \"conflicting_units_json\": null, \"conflicting_criteria_json\": null, \"project_stakes\n- {\"tension_id\": \"ft-291dfc3857\", \"analysis_run_id\": \"ar-9fbb3edfef\", \"frames_involved_json\": \"[\\\"F-RES\\\", \\\"F-AIH\\\"]\", \"conflicting_units_json\": null, \"conflicting_criteria_json\": null, \"project_stakes\n\n> _sources:_ [db_row project_lineages:lin-d3321aef8b · high]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n### position_invocations\n- {\"invocation_id\": \"piv-d499085e59\", \"profile_id\": \"SEMINAR_PREP\", \"position_id\": \"SEMINAR_PREP\"}\n- {\"invocation_id\": \"piv-776c72e9f9\", \"profile_id\": \"SEMINAR_PREP\", \"position_id\": \"SEMINAR_PREP\"}\n\n> _sources:_ [db_row project_lineages:lin-d3321aef8b · high]; [db_row position_invocation_records:piv-d499085e59 · high]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n---\n\n## Portfolio pattern (`70_PORTFOLIO_PATTERN`)\n\n### portfolio_card\n_frame: PORTFOLIO_ · _epistemic: asserted_\n- **id:** pe-cafb03c260\n- **lineage_id:** lin-d3321aef8b\n- **readiness_json:** {\"build_status\": \"NO_BUILD\", \"readiness_score\": 0.3, \"no_build_reason\": \"Проект не готов к инженерии: отсутствует детальная функциональная декомпозиция ролей и операций между человеком и ИИ-наставнико\n- **reusable_components_json:** []\n- **infrastructure_needs_json:** []\n- **human_roles_json:** []\n- **created_at:** 2026-08-22 23:43:37\n\n> _sources:_ [db_row project_lineages:lin-d3321aef8b · high]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]\n\n---\n\n\n---\n\n## 🔬 Sem-6 v2 · Evidence-Grounded Analysis\n\n### Claim–Evidence Matrix\n\n**FACT** (следует из источников):\n- Модуль «Облигационная стратегия», элективные дисциплины, 6 ак. часов, студенты 1-2 курсов очной формы. · _slides art-f06382ec77 slide 2_ · conf=high\n- Архитектура модуля: понятийный инструментарий → сбор портфеля → анализ рынка (с ИИ) → защита проекта (балльно-рейтинговая). · _slides slide 3_ · conf=high\n- Теоретическая опора: Risko & Gilbert (конструктивная vs деструктивная когнитивная разгрузка) + Kahneman-Tversky (теория перспектив). · _slides slide 5_ · conf=high\n\n**AUTHOR CLAIM** (заявляет автор):\n- Регулярное различение конструктивной vs деструктивной разгрузки предотвратит атрофию инвестиционного мышления. · _slides slide 4 проблемное поле_ · conf=asserted_by_author\n\n**ANALYTICAL INFERENCE** (вывод системы):\n- Проблема «виртуального инвестора» без реальных денег фундаментальна — теория перспектив (неприятие потерь) не активируется на игровые фишки. · _system reading of virtual stake gap_ · conf=high\n- Роль ИИ строго на этапе 3 (анализ рынка) — не размывается на всю архитектуру, что уменьшает риск делегирования решений. · _system architectural reading_ · conf=high\n- Автор не идентифицирован в источнике (owner_nickname=NULL); полный текст обрезан на первом исследовательском вопросе. · _metadata + slides truncation_ · conf=high\n\n**HYPOTHESIS** (требует проверки):\n- Публичная защита стратегии перед группой активирует социальную ставку и компенсирует отсутствие финансовой. · _requires empirical test_ · conf=requires_pilot\n\n### Educational Mechanism Model\n\n**Current educational practice:** Обучение финансовой грамотности через лекции + расчётные задачи по фиксированным облигациям.\n\n**Limitation / failure point:** Студенты усваивают формулы, но не тренируют стратегическое мышление; получают ответы без понимания; когнитивная атрофия при использовании ИИ без разграничения.\n\n**Changed activity (что действие меняется):** Студент проходит 4 этапа с явным различением 'осмысление — я, вычисление — ИИ' → строит персональную облигационную стратегию → защищает публично.\n\n**Role of AI (компонент механизма):** Только этап 3 (анализ рынка): поставляет данные и метрики облигаций, не даёт рекомендаций по покупке. Промпт-регулятор блокирует выдачу советов.\n\n**Role of human (сохранённая функция):** Этап 1 — преподаватель (теория). Этапы 2, 4 — студент (сбор портфеля + защита без ИИ). Этап 3 — студент интерпретирует данные ИИ.\n\n**Expected competence change:** Способность построить облигационную стратегию с обоснованием выбора категорий (ОФЗ / корпоративные / муниципальные) + учёт налоговой оптимизации (ИИС).\n\n**Measurement method:** UNKNOWN — метрики не описаны в источнике. Требуется валидированная шкала + rubric для защиты.\n\n### Agenticity Check\n\n**Verdict — Agent Level: 1** (Adaptive assistant (partial specification))\n\n- **Memory (устойчивое состояние):** UNKNOWN — источник не описывает\n- **Goal (собственная цель):** UNKNOWN — источник не описывает\n- **Planning (самостоятельная последовательность):** UNKNOWN — источник не описывает\n- **Autonomy (действия без запроса):** UNKNOWN — источник не описывает\n- **Human Gate (где остаётся человек):** YES — явно указано — ИИ только на этапе 3, защита без ИИ\n\n⚠️ **Слово «agent» inflation detected:** Название «ИИ-наставник» подразумевает больше автономности, чем описано. Функционально — это information/data retriever на одном этапе. Честнее «ИИ-помощник аналитика рынка».\n\n### Failure Analysis 2.0\n\n**Mechanism Failure** (где механизм не сработает):\n- 6 ак. часов на 4 этапа + защита — сжато; каждый этап может остаться поверхностным.\n- Различение «осмысление — я, вычисление — ИИ» требует явных промпт-правил для ИИ; при их отсутствии ИИ даёт готовые советы и деструктивная разгрузка происходит.\n\n**Incentive Failure** (кто как обойдёт):\n- Виртуальный портфель — нет реальной ставки, студент играет.\n- 6-часовой модуль в электив — низкий стимул для глубокой работы.\n\n**Delegation Failure** (что ИИ заберёт у человека):\n- Если ИИ даёт готовые метрики облигаций, студент не учится их считать.\n- Публичная защита может свестись к отбарабаниванию заученного, если преподаватель не задаёт критических вопросов.\n\n**Measurement Failure** (как решим что успех, ошибочно):\n- Балльно-рейтинговая система без rubric субъективна.\n- Успех = сдал модуль, а не 'умеет применить в реальной жизни' — измерение не связано с целью.\n\n### Minimal Viable Experiment\n\n**Hypothesis** (что проверяем): Студенты ЭГ, прошедшие защиту стратегии без ИИ, демонстрируют более обоснованный выбор облигаций (rubric ≥ 4/5) vs КГ, где ИИ доступен на всех этапах.\n\n**Intervention** (что меняем): ЭГ (~15 чел.) — 4-этапная модель с ИИ только на этапе 3. КГ (~15 чел.) — те же 6 часов с доступом к ИИ на всех этапах.\n\n**Control** (с чем сравниваем): Параллельный поток того же электива.\n\n**Observable change** (что должно измениться): Защита ЭГ содержит ≥ 3 обоснованных категорий облигаций у ≥ 70%; логи ИИ показывают ≤ 10% запросов «какие облигации купить» в ЭГ.\n\n**Evidence needed** (какие данные): Rubric с 2 rater'ами (kappa ≥ 0.7); полный лог промптов; опросник понимания рисков дефолта.\n\n### Readiness — 4 tiers\n- **Idea readiness:** MEDIUM — различение конструктивной/деструктивной разгрузки — методологически точное; сжатый 6-часовой формат ограничивает\n- **Mechanism readiness:** WEAK — фрагментарный источник, автор не идентифицирован, метрики не описаны\n- **Implementation readiness:** WEAK — ИИ-инструмент не выбран, БД облигаций не указана, реализация не начата\n- **Evaluation readiness:** WEAK — rubric не описан, шкала не выбрана\n","chars":22213,"elapsed_s":0.0,"packages_used":["pkg-b3021ae7b9","pkg-bb706ade6c","pkg-212cb9b34b","pkg-d23b243159","pkg-3b777e38d4","pkg-d940978567","pkg-98a8f8e0c1","pkg-bd40469860"],"compiler_run_id":"rcr-c90a600050"}