{"view":"lab_handoff","lineage_id":"lin-d5c94da23e","markdown":"# 🔧 Lab Handoff\n\n## lab_requirement\n- **build_status:** NO_BUILD\n- **readiness_score:** 0.3\n- **machine_function:** \n- **no_build_reason:** Отсутствует чёткое разложение проблемного разрыва по конкретным наблюдаемым следам активности студента и функциональной роли ИИ-тьютора, людино-машинный цикл обучения и роли акторов не формализованы. \n\n> _sources:_ [db_row project_lineages:lin-d5c94da23e · high]; [analysis_json orchestrator_run:ar-f9859e0e20 · high]\n\n## v2_mve\n### Minimal Viable Experiment\n\n**Hypothesis** (что проверяем): Команды ЭГ, прошедшие 10 раундов симуляции с реальными объектами, демонстрируют более обоснованные стратегии на защите (rubric ≥ 4/5) vs КГ, работающая со статичными кейсами.\n\n**Intervention** (что меняем): ЭГ (~4-5 команд) проходят 10 раундов симуляции с snapshot ЦИАН + макро-прогнозы ЦБ. КГ (~4-5 команд) — 3 статичных кейса за то же время.\n\n**Control** (с чем сравниваем): Параллельные подгруппы того же курса, одинаковый преподаватель.\n\n**Observable change** (что должно измениться): Экспертный балл rubric ЭГ выше КГ p<0.05 (N≥8 команд суммарно). Число обоснованных альтернативных стратегий в защите ЭГ ≥ 3 у ≥ 70% команд.\n\n**Evidence needed** (какие данные): Snapshot ЦИАН объектов сохранён на день старта курса; макро-прогнозы из открытых источников; лог всех решений команд + rubric-scored защиты 2 rater'ов (kappa ≥ 0.7).\n\n## Архитектура · v2_agentity_audit\n### Agenticity Check\n\n**Verdict — Agent Level: 0** (Interface/simulator (rules-based))\n\n- **Memory (устойчивое состояние):** PARTIAL — симулятор хранит состояние портфеля per команда per раунд, но между сессиями логи не аккумулируются\n- **Goal (собственная цель):** NO — симулятор — passive rules engine, целей своих нет\n- **Planning (самостоятельная последовательность):** NO — не строит план, только применяет правила\n- **Autonomy (действия без запроса):** NO — все решения — от команды студентов\n- **Human Gate (где остаётся человек):** YES — финальная защита стратегии, преподаватель + приглашённые эксперты\n\n\n---\n\n## 🔬 Sem-6 v2 · Evidence-Grounded Analysis\n\n### Minimal Viable Experiment\n\n**Hypothesis** (что проверяем): Команды ЭГ, прошедшие 10 раундов симуляции с реальными объектами, демонстрируют более обоснованные стратегии на защите (rubric ≥ 4/5) vs КГ, работающая со статичными кейсами.\n\n**Intervention** (что меняем): ЭГ (~4-5 команд) проходят 10 раундов симуляции с snapshot ЦИАН + макро-прогнозы ЦБ. КГ (~4-5 команд) — 3 статичных кейса за то же время.\n\n**Control** (с чем сравниваем): Параллельные подгруппы того же курса, одинаковый преподаватель.\n\n**Observable change** (что должно измениться): Экспертный балл rubric ЭГ выше КГ p<0.05 (N≥8 команд суммарно). Число обоснованных альтернативных стратегий в защите ЭГ ≥ 3 у ≥ 70% команд.\n\n**Evidence needed** (какие данные): Snapshot ЦИАН объектов сохранён на день старта курса; макро-прогнозы из открытых источников; лог всех решений команд + rubric-scored защиты 2 rater'ов (kappa ≥ 0.7).\n\n### Failure Analysis 2.0\n\n**Mechanism Failure** (где механизм не сработает):\n- 6 акад. часов практических занятий на 10 раундов = ~36 мин на раунд — при сложности задачи может не хватить для рефлексии.\n- Snapshot ЦИАН/Авито объектов на начало курса быстро устаревает; при повторном запуске в след. семестре данные не сопоставимы.\n\n**Incentive Failure** (кто как обойдёт):\n- Виртуальный инвестор — без реальных денег нет эмоциональной ставки; студент может рисковать безрассудно.\n- Команды могут разделить работу — один делает расчёт, второй смотрит; коллективное решение подменяется split-работой.\n\n**Delegation Failure** (что ИИ заберёт у человека):\n- Если симулятор даёт готовые метрики (NPV, IRR), студент не учится их считать сам.\n- Готовый лог макро-сценариев снимает необходимость самому анализировать макроэкономику.\n\n**Measurement Failure** (как решим что успех, ошибочно):\n- Финальный капитал зависит от рандома макро-сценариев; ранговое сравнение команд может отражать удачу, не мастерство.\n- Экспертный балл без калибровки — субъективен.\n\n### Agenticity Check\n\n**Verdict — Agent Level: 0** (Interface/simulator (rules-based))\n\n- **Memory (устойчивое состояние):** PARTIAL — симулятор хранит состояние портфеля per команда per раунд, но между сессиями логи не аккумулируются\n- **Goal (собственная цель):** NO — симулятор — passive rules engine, целей своих нет\n- **Planning (самостоятельная последовательность):** NO — не строит план, только применяет правила\n- **Autonomy (действия без запроса):** NO — все решения — от команды студентов\n- **Human Gate (где остаётся человек):** YES — финальная защита стратегии, преподаватель + приглашённые эксперты\n","chars":4621,"elapsed_s":0.0,"packages_used":["pkg-819689d97f","pkg-93aa780619","pkg-a0530ade69","pkg-4b3c0891ec","pkg-8978c5d58e","pkg-1437c019ce","pkg-d2316dd5fc","pkg-db5c7c29a7"],"compiler_run_id":"rcr-a85f94c1ba"}