# 🔧 Lab Handoff

## lab_requirement
- **build_status:** NO_BUILD
- **readiness_score:** 0.3
- **machine_function:** 
- **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. 

> _sources:_ [db_row project_lineages:lin-d5c94da23e · high]; [analysis_json orchestrator_run:ar-f9859e0e20 · high]

## v2_mve
### Minimal Viable Experiment

**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.

**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.

**Control** (с чем сравниваем): Параллельные подгруппы того же курса, одинаковый преподаватель.

**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.

**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).

## Архитектура · v2_agentity_audit
### Agenticity Check

**Verdict — Agent Level: 0** (Interface/simulator (rules-based))

- **Memory (устойчивое состояние):** PARTIAL — симулятор хранит состояние портфеля per команда per раунд, но между сессиями логи не аккумулируются
- **Goal (собственная цель):** NO — симулятор — passive rules engine, целей своих нет
- **Planning (самостоятельная последовательность):** NO — не строит план, только применяет правила
- **Autonomy (действия без запроса):** NO — все решения — от команды студентов
- **Human Gate (где остаётся человек):** YES — финальная защита стратегии, преподаватель + приглашённые эксперты


---

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

### Minimal Viable Experiment

**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.

**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.

**Control** (с чем сравниваем): Параллельные подгруппы того же курса, одинаковый преподаватель.

**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.

**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).

### Failure Analysis 2.0

**Mechanism Failure** (где механизм не сработает):
- 6 акад. часов практических занятий на 10 раундов = ~36 мин на раунд — при сложности задачи может не хватить для рефлексии.
- Snapshot ЦИАН/Авито объектов на начало курса быстро устаревает; при повторном запуске в след. семестре данные не сопоставимы.

**Incentive Failure** (кто как обойдёт):
- Виртуальный инвестор — без реальных денег нет эмоциональной ставки; студент может рисковать безрассудно.
- Команды могут разделить работу — один делает расчёт, второй смотрит; коллективное решение подменяется split-работой.

**Delegation Failure** (что ИИ заберёт у человека):
- Если симулятор даёт готовые метрики (NPV, IRR), студент не учится их считать сам.
- Готовый лог макро-сценариев снимает необходимость самому анализировать макроэкономику.

**Measurement Failure** (как решим что успех, ошибочно):
- Финальный капитал зависит от рандома макро-сценариев; ранговое сравнение команд может отражать удачу, не мастерство.
- Экспертный балл без калибровки — субъективен.

### Agenticity Check

**Verdict — Agent Level: 0** (Interface/simulator (rules-based))

- **Memory (устойчивое состояние):** PARTIAL — симулятор хранит состояние портфеля per команда per раунд, но между сессиями логи не аккумулируются
- **Goal (собственная цель):** NO — симулятор — passive rules engine, целей своих нет
- **Planning (самостоятельная последовательность):** NO — не строит план, только применяет правила
- **Autonomy (действия без запроса):** NO — все решения — от команды студентов
- **Human Gate (где остаётся человек):** YES — финальная защита стратегии, преподаватель + приглашённые эксперты