{"id":"pra-f24ba01c5b","content_md":"РАЗБОР ПРОЕКТА\n«Усовершенствование программы повышения квалификации “Витамины и микроэлементы — ключ к здоровью и энергии” с использованием ИИ»\n\nАвтор проекта: проф. Ральченко И. В.\nДата исходной презентации: 20 июля 2026 года\nТип проекта: модернизация программы повышения квалификации; заявленный ИИ-эксперимент\nОсновной источник: презентация PowerPoint, 25 слайдов\nДата анализа: 23 июля 2026 года\nСтатус контекстной калибровки: полный проход по доступному корпусу установок курса, моделям канваса, архитектурным материалам и концепту зоны ближайшей деградации выполнен\n\nАБСТРАКТ\n\nПроект предлагает модернизировать компактную 16-часовую программу повышения квалификации о витаминах и микроэлементах: уменьшить разрыв между теоретической насыщенностью и практической работой, добавить клинические или прикладные кейсы, расчёты суточной потребности, онлайн-симуляции, виртуальные лаборатории, дифференцированные задания, мини-проекты и многоуровневую оценку. Сильное ядро проекта — переход от воспроизведения сведений к работе с ситуацией, данными, ограничениями и обоснованным решением. Именно это может сделать курс образовательным экспериментом, а не обновлённой пачкой слайдов.\n\nГлавный разрыв: в названии и общей рамке присутствует ИИ, но в материалах не предъявлена ни одна конкретная LLM- или ML-функция. Нет пользовательского сценария работы с моделью, входов и выходов, корпуса знаний, правил безопасности, памяти, интерфейса, данных, логов или способа отделить эффект ИИ от эффекта новой педагогики. Фактическая гипотеза проверяет пакет методических изменений — кейсы, симуляции, мини-проекты и новую оценку — и не позволяет сделать вывод о пользе ИИ. Презентация пока описывает хороший возможный педагогический редизайн, на который сверху аккуратно положили слово «ИИ»; слово лежит спокойно, в учебном процессе не участвует.\n\nРекомендуемый ход состоит из двух последовательных пилотов. Сначала нужно вручную проверить образовательный объект: определить аудиторию, сформулировать одно самостоятельное действие слушателя, создать банк сопоставимых кейсов и рубрику, провести перенос без ИИ. После этого можно проверять добавленную ценность одного ограниченного LLM-оператора — например, RAG-тьютора, который работает только по утверждённому корпусу, задаёт диагностические вопросы, показывает источники и не формирует медицинские назначения. Запрос лаборатории до появления сценария, корпуса, рубрики и safety-policy преждевременен.\n\n1. СОСТАВ И СТАТУС ИСТОЧНИКОВ\n\n1.1. Материалы конкретного проекта\n\nВ архиве находится один файл: презентация «Витамины и микроэлементы — ключ к здоровью — копия.ppt». После конвертации подтверждено 25 слайдов. Заметок докладчика, комментариев, приложений, таблиц с исходными данными, анкеты, заданий, рубрик, прототипов, промптов или технических материалов в файле нет.\n\nИз презентации можно надёжно восстановить:\n- содержание и продолжительность существующей программы;\n- заявленные знания и умения;\n- перечень проблем текущей версии;\n- общую идею модернизации;\n- гипотезу педагогического эффекта;\n- схему двух групп по 20 человек;\n- предполагаемые критерии, методы и ожидаемые результаты;\n- усиленную mixed-methods версию;\n- возможные элементы портфеля ТюмГУ.\n\nИз презентации нельзя восстановить:\n- кто именно является слушателем программы и какова его профессиональная компетенция;\n- какие практические решения слушатель должен иметь право принимать после курса;\n- где заканчивается образовательный анализ и начинается медицинская диагностика или назначение;\n- что именно делает ИИ;\n- используется ли LLM, ML, обычный калькулятор, онлайн-тренажёр или виртуальная лаборатория;\n- какие данные передаются системе;\n- какие источники считаются нормативными;\n- как формируются кейсы;\n- как оцениваются мини-проекты;\n- как распределяются участники по группам;\n- как обеспечивается сопоставимость условий;\n- откуда взяты ожидаемые проценты прироста.\n\n1.2. Визуальная часть источника\n\nПрезентация оформлена в старом шаблоне с плотным текстом и минимальной визуальной логикой. Слайды 2–7 посвящены актуальности и предметному содержанию, но почти не связывают его с проектом эксперимента. На слайде 3 размещена круговая диаграмма причин смертности в Российской Федерации без читаемой ссылки на источник и без доказанного перехода от общей смертности к дефициту витаминов. Эта диаграмма может создавать сильную причинную интонацию, которой материалы не обосновывают. В высокорисковой медицинской области один график без источника иногда успевает сделать больше утверждений, чем весь последующий эксперимент.\n\n1.3. Контекст курса\n\nАнализ проведён в логике курса ТюмГУ: малый эксперимент рассматривается как проверка элемента более крупной образовательной модели; образовательная позиция требует назвать формируемое действие и доказать перенос; архитектурная позиция требует различить функцию ИИ, распределение операций, следы и ответственность; концепт зоны ближайшей деградации требует проверить, не растёт ли качество продукта быстрее присвоения способов действия.\n\n2. БУКВАЛЬНАЯ РЕКОНСТРУКЦИЯ ПРОЕКТА\n\nСуществующая программа повышения квалификации длится 16 часов: 8 часов практических занятий, 7 часов самостоятельной работы и 1 час аттестации. Курс должен формировать представление о витаминах и микроэлементах, их химической природе, суточной потребности, пищевых источниках, биохимических функциях и нарушениях при недостаточной обеспеченности. В перечне умений названы описание наблюдаемых явлений, обоснованные выводы, представление экспериментальных данных и решение типовых практических задач. Итоговая аттестация, судя по проблематизации, представляет собой тест из 20 вопросов.\n\nАвторы фиксируют четыре затруднения текущей программы:\n1. Теоретическая насыщенность при недостатке явно описанных практических заданий.\n2. Возможная недостаточность 7 часов самостоятельной работы.\n3. Ограниченность тем по микроэлементам.\n4. Невозможность теста из 20 вопросов показать глубину теоретического освоения.\n\nПредлагаемая модернизация должна усилить прикладной характер и интерактивность, сохранив компактность. В неё входят:\n- клинические или прикладные кейсы;\n- расчёты суточной потребности;\n- онлайн-симуляции;\n- виртуальные лаборатории;\n- дифференцированные задания;\n- тестирование, практические задания и рефлексивные эссе.\n\nГипотеза: если добавить перечисленные элементы и сохранить продолжительность 16 часов, то повысится мотивация, улучшится усвоение и появится дифференциация без увеличения нагрузки.\n\nДизайн: группа А из 20 слушателей проходит модернизированную программу; группа Б из 20 слушателей — классическую. Сравниваются тестирование, удовлетворённость, мини-проект и субъективная нагрузка. Дополнительная версия вводит интервью, фокус-группы, дневники и карты эмоций. В качестве переменных предлагаются «индекс практической мотивации», «коэффициент устойчивости знаний», «уровень барьеров» и «баланс нагрузки».\n\nИИ в описании вмешательства отсутствует. Ни одна операция не отдана модели, ни одна новая функция не связана с LLM или ML. Поэтому буквальная реконструкция проекта такова:\n\n«Авторы модернизируют методику короткого курса и сравнивают новую комплексную методику со старой».\n\nЭто содержательный проект. Но пока он не является экспериментом с ИИ.\n\n3. СИЛЬНЕЙШАЯ БЛАГОЖЕЛАТЕЛЬНАЯ РЕКОНСТРУКЦИЯ\n\nСильную версию можно собрать вокруг перехода от знания о витаминах к обоснованному действию с данными о питании и состоянии человека.\n\nВ этой версии курс формирует способность:\n\n«На основании структурированных данных о рационе, возрасте, физиологическом состоянии и контексте деятельности определить, какие выводы о витаминах и микроэлементах допустимы; выполнить расчёт; выявить недостаточность данных; отличить риск дефицита от диагноза; найти и проверить нормативный источник; сформулировать обоснованное и безопасное решение в пределах своей профессиональной роли».\n\nТакой образовательный объект включает:\n- работу с неполными и противоречивыми данными;\n- расчёт и проверку единиц;\n- сопоставление с нормативами;\n- оценку достоверности источника;\n- понимание биохимического механизма;\n- различение профилактической рекомендации, маршрутизации к специалисту и недопустимого назначения;\n- объяснение неопределённости;\n- перенос на новый кейс.\n\nИИ здесь может получить точную и ограниченную функцию: не выдавать «правильную дозу», а поддерживать проверку рассуждения. Например, LLM-оператор может найти релевантные фрагменты утверждённого корпуса, задать вопросы о недостающих данных, указать на смешение риска и диагноза, потребовать источник и помочь сравнить две версии аргумента. Это превращает технологию в элемент образовательного механизма. Сейчас такой элемент в материалах не спроектирован.\n\n4. ЧТО В ПРОЕКТЕ ДЕЙСТВИТЕЛЬНО СИЛЬНО\n\n4.1. Выбран конкретный и ограниченный образовательный фрагмент\n\nКурс имеет заданную продолжительность и предметную область. Это позволяет провести пилот без строительства инфраструктуры университета будущего в ближайший вторник.\n\n4.2. Увиден разрыв между теоретической насыщенностью и практическим действием\n\nАвторы не ограничиваются пожеланием «добавить ИИ», а называют недостаток практических заданий и слабость тестовой аттестации. Это реальная точка для перепроектирования курса.\n\n4.3. Предложен переход к кейсам и мини-проектам\n\nРабота с рационом, расчётами и ситуациями потенциально позволяет увидеть действие слушателя, а не только узнавание ответа. Мини-проект может стать сильным итоговым артефактом, если снабдить его рубрикой и защитой.\n\n4.4. Удерживается ограничение по времени\n\nСохранение 16 часов заставляет выбирать механизм, а не просто добавлять всё полезное. Ограничение продуктивно, хотя проект пока не показывает, что именно будет удалено из программы.\n\n4.5. Предложена многоуровневая оценка\n\nСочетание теста, практической работы, рефлексии и качественных данных лучше соответствует сложному результату, чем один тест. Усиленная версия правильно замечает, что нужно исследовать механизмы и барьеры.\n\n4.6. Введена идея сопоставимых групп\n\nНаличие группы сравнения — хорошее начало. Требуется пересобрать контроль так, чтобы он позволял отделить действие конкретного компонента.\n\n4.7. Увидена нагрузка как отдельная переменная\n\nПопытка сопоставить субъективную нагрузку и фактическое время полезна. Это особенно важно для короткой программы, где любое новое задание быстро обнаруживает, что сутки по-прежнему состоят из 24 часов.\n\n5. ГЛАВНЫЙ НЕСУЩИЙ РАЗРЫВ\n\nГлавный разрыв находится между названием проекта и устройством вмешательства.\n\nЗаявлено: усовершенствование курса с использованием ИИ.\n\nОписано: кейсы, симуляции, виртуальные лаборатории, дифференциация, мини-проекты и смешанная оценка.\n\nНе описано:\n- какая операция выполняется LLM или ML;\n- почему её нельзя выполнить методически, алгоритмически или вручную;\n- что получает система на вход;\n- что выдаёт;\n- как изменяется действие слушателя;\n- какие ошибки системы допустимы;\n- как измеряется вклад ИИ;\n- кто отвечает за медицински значимый вывод.\n\nИз-за этого проект одновременно не может ответить на два вопроса:\n1. Помогает ли новая методика?\n2. Добавляет ли ИИ что-либо к этой методике?\n\nТекущий дизайн сможет, в лучшем случае, показать эффект комплексного редизайна. Любой положительный результат нельзя будет приписать ИИ, потому что ИИ в экспериментальной переменной не выделен.\n\n6. КРИТИЧЕСКИЕ ДЕФЕКТЫ\n\n6.1. Не определена аудитория и граница профессиональной ответственности\n\nДля программы повышения квалификации принципиально, кто слушатели: врачи, фармацевты, нутрициологи, педагоги, специалисты по общественному здоровью или широкая аудитория. От этого зависят:\n- допустимые задачи;\n- исходные знания;\n- право интерпретировать данные;\n- возможность давать рекомендации;\n- требования к источникам;\n- риски вреда;\n- итоговая рубрика.\n\nПока курс формулирует содержание, но не задаёт позицию выпускника.\n\n6.2. Актуальность не доказывает образовательную проблему\n\nОбщая статистика смертности и описание гиповитаминоза показывают важность темы, но не показывают, что слушатели не умеют выполнять нужное действие. Нужны данные о текущих ошибках: например, неверное чтение норм, смешение дефицита и диагноза, использование слабых источников, ошибки расчёта, необоснованные назначения.\n\n6.3. Четыре проблемы объединены без механизма\n\nТеоретическая перегрузка, дефицит времени, неполнота тем и слабость теста могут иметь разные причины и требовать разных вмешательств. Добавление кейсов не расширит автоматически микроэлементный охват; виртуальная лаборатория не докажет мотивацию; эссе не освободит время.\n\n6.4. Образовательный результат остаётся перечнем знаний\n\n«Знать химическую природу», «знать источники», «иметь представление» не задают самостоятельную профессиональную операцию. Умения сформулированы шире, но не связаны с итоговой пробой.\n\n6.5. Пакет вмешательства не позволяет определить механизм\n\nГруппа А одновременно получает:\n- кейсы;\n- симуляции;\n- мини-проекты;\n- интерактивность;\n- дифференциацию;\n- новую оценку;\n- возможно, ИИ.\n\nПри положительном результате будет неизвестно, что сработало. Это допустимо для пилота новой программы, но не для проверки отдельной ИИ-гипотезы.\n\n6.6. Контрольная группа получает другой образовательный опыт и, вероятно, другую тренировку итогового результата\n\nЕсли только группа А выполняет мини-проект, сравнение качества мини-проектов становится логически пустым. Контроль должен выполнять сопоставимую практическую задачу и отличаться только исследуемой поддержкой.\n\n6.7. Не заданы baseline и распределение\n\nНе указаны:\n- входная диагностика;\n- принцип набора;\n- рандомизация;\n- выравнивание по опыту;\n- преподаватель;\n- одинаковость времени;\n- пропуски;\n- критерии исключения.\n\nПри 20 участниках в группе один сильный или слабый поднабор заметно меняет среднее.\n\n6.8. Основной outcome не выбран\n\nТест, удовлетворённость, мини-проект и нагрузка отвечают на разные вопросы. Нужен один главный outcome: самостоятельное качество решения нового прикладного кейса.\n\n6.9. Удовлетворённость названа мотивацией\n\nОценка по шкале 1–10 показывает отношение к опыту, удобство или симпатию. Она не доказывает готовность прикладывать усилие, возвращаться к задаче, проверять источник или переносить способ.\n\n6.10. «Индекс практической мотивации» невалиден\n\nЧисло фраз «применимо в работе» зависит от формулировки задания, длины эссе, речевого стиля и знания ожидаемого ответа. Слушатель может пять раз написать «применимо в работе» и ни разу не применить.\n\n6.11. «Коэффициент устойчивости знаний» не измеряет устойчивость\n\nСоотношение промежуточного и итогового тестов показывает динамику внутри курса. Устойчивость требует отсроченного среза через несколько недель и новой задачи.\n\n6.12. «Уровень барьеров» смешивает затруднение и способность его артикулировать\n\nКоличество названных трудностей может вырасти у более рефлексивного участника и снизиться у человека, который ничего не заметил. Нужна типология барьеров, их тяжесть, место в действии и подтверждение по следам.\n\n6.13. Ожидаемые проценты заданы до данных\n\nПрирост 15–20 %, удовлетворённость 8,5 против 7,2 и иные значения не обоснованы baseline, предыдущим исследованием или расчётом минимально значимого эффекта. Они выглядят как результат, который успел прийти раньше эксперимента и теперь ждёт участников.\n\n6.14. Сохранение длительности не обеспечено сценарием\n\nКурс становится практичнее, интерактивнее, дифференцированнее и глубже, но из материалов не видно, какое содержание удаляется или переносится. Без карты времени гипотеза «без увеличения нагрузки» остаётся пожеланием.\n\n6.15. Медицинская и предметная безопасность не спроектирована\n\nВ материалах нет:\n- перечня разрешённых источников;\n- срока актуальности норм;\n- правил работы с противопоказаниями;\n- границы между образовательным кейсом и медицинским советом;\n- запрета на диагностику;\n- процедуры экспертной проверки;\n- правил использования персональных данных о здоровье.\n\nДля проекта о витаминах это не вспомогательный раздел. Это часть архитектуры результата.\n\n6.16. ИИ-слой отсутствует\n\nНет даже минимальной карточки функции. Поэтому RAG, память, latency, модель, интерфейс и агентность сейчас специфицировать по исходному проекту невозможно.\n\n7. ОНТОЛОГИЧЕСКАЯ И ОБРАЗОВАТЕЛЬНАЯ ПОСТАНОВКА\n\n7.1. Рабочая проблема\n\nСильная проблемная формула может выглядеть так:\n\n«Текущая организация короткого курса преимущественно поддерживает усвоение сведений и проверяет узнавание, тогда как профессионально значимый результат требует работы с данными, нормами, неопределённостью и границами компетенции. Практическое действие не получает достаточной формы, следа и независимой проверки».\n\nЭто аналитическая реконструкция. Она должна быть подтверждена реальными работами слушателей.\n\n7.2. Целевая операция\n\nСлушатель должен не просто знать перечень витаминов, а выполнить полный цикл:\n1. Уточнить задачу и роль.\n2. Структурировать данные кейса.\n3. Установить, каких данных не хватает.\n4. Выбрать нормативный источник.\n5. Выполнить расчёт и проверить единицы.\n6. Соотнести результат с биохимическим механизмом.\n7. Различить риск, предположение и вывод.\n8. Сформулировать решение в пределах компетенции.\n9. Назвать ограничения и необходимость обращения к специалисту.\n10. Защитить решение на новом кейсе без ИИ.\n\n7.3. Механизм изменения\n\nКейсы и обратная связь будут развивающими только при сохранении операции в доступной форме:\n- первая попытка до подсказки;\n- явные данные и недостающие данные;\n- требование назвать источник;\n- рубрика рассуждения;\n- фиксация исправлений;\n- сравнение версий;\n- обратная реконструкция;\n- перенос без поддержки.\n\nЕсли ИИ сразу выдаёт анализ рациона, вывод и рекомендацию, он расширяет зону достижимого результата, но может убрать операцию из поля присвоения.\n\n8. ДВАДЦАТИПОЛЬНАЯ ДИАГНОСТИЧЕСКАЯ МАТРИЦА\n\n8.1. Собственный интерес автора\n\nПредъявлено: стремление сделать курс более практичным, интерактивным и полезным для здоровья и работоспособности населения.\nСтатус: реконструируется, но не подкреплено конкретными случаями слушателей.\nРазрыв: нет корпуса ошибок и истории затруднений.\nСледующий артефакт: 15–30 анонимизированных работ или типовых ошибочных решений слушателей.\n\n8.2. Фрагмент практики\n\nПредъявлено: программа 16 часов, 8 практических, 7 самостоятельных, 1 аттестация.\nСтатус: достаточно конкретно.\nРазрыв: нет описания последовательности занятий и конкретного места эксперимента.\nСледующий артефакт: карта программы по часам с одним выделенным экспериментальным модулем.\n\n8.3. Целеполагание\n\nПредъявлено: практичность, интерактивность, мотивация, усвоение, дифференциация, сохранение нагрузки.\nСтатус: перегружено.\nРазрыв: цель, механизм, эффект и ограничение стоят в одном ряду.\nРешение: назначить главным результатом самостоятельное решение и обоснование прикладного кейса; остальные показатели сделать вторичными.\n\n8.4. Образовательный результат\n\nПредъявлено: знания о витаминах и микроэлементах; общие умения описывать, строить графики и решать задачи.\nСтатус: декларативно.\nРазрыв: нет итогового профессионального действия.\nАртефакт: рубрика кейса из 6–8 измерений и независимая итоговая задача.\n\n8.5. Деятельность слушателя\n\nПредъявлено: тест, практические задания, мини-проект, эссе.\nСтатус: перечислены продукты, действие не развернуто.\nРазрыв: не видно, где слушатель ставит вопрос, выбирает источник, проверяет расчёт и принимает решение.\nАртефакт: пошаговый storyboard одного кейса.\n\n8.6. Проблематика\n\nПредъявлено: теория/практика, часы, неполнота микроэлементов, тест.\nСтатус: набор затруднений.\nРазрыв: нет механизма воспроизводства.\nАртефакт: проблемная схема «структура курса → действия слушателя → типовые ошибки → слабость аттестации».\n\n8.7. Доказательство проблемы\n\nПредъявлено: предметная актуальность и общая статистика смертности.\nСтатус: не соответствует образовательному тезису.\nРазрыв: нет baseline слушателей.\nАртефакт: входная диагностическая работа и анализ ошибок.\n\n8.8. Концептуализация\n\nПредъявлено: практичность, интерактивность, дифференциация, mixed methods.\nСтатус: методические принципы, но не теория механизма.\nРазрыв: не объяснено, почему именно кейс и обратная связь формируют нужную способность.\nАртефакт: связка «механизм → действие → функция среды → след».\n\n8.9. Операционализация\n\nПредъявлено: тест, удовлетворённость, мини-проект, нагрузка и четыре новых индекса.\nСтатус: частично.\nРазрыв: показатели не удерживают заявленные понятия.\nАртефакт: операциональная таблица с главным outcome, рубрикой, оценщиком и отсроченным переносом.\n\n8.10. Образовательная гипотеза\n\nПредъявлено: комплексная модернизация повысит мотивацию и усвоение без роста нагрузки.\nСтатус: слишком широкая пакетная гипотеза.\nРешение: «Практика полного цикла решения кейса с формативной обратной связью улучшит самостоятельное решение нового кейса по сравнению с изучением того же содержания без такой практики».\n\n8.11. ИИ-гипотеза\n\nПредъявлено: отсутствует.\nСтатус: отсутствует.\nВозможная формула после проектирования: «RAG-тьютор, который задаёт вопросы по рубрике и показывает проверяемые источники, улучшит качество самостоятельной проверки нового кейса по сравнению со статическими подсказками при одинаковых заданиях и времени».\n\n8.12. Сценарий до/после\n\nДо: теоретически насыщенный курс, практические занятия, самостоятельная работа, тест.\nПосле: кейсы, симуляции, мини-проект, смешанная оценка.\nСтатус: крупные блоки есть.\nРазрыв: нет движения ролей и решений.\nАртефакт: граф, приведённый в разделе 11.\n\n8.13. Распределение функций\n\nПредъявлено: преподаватель, слушатель, эксперт мини-проектов.\nСтатус: частично.\nРазрыв: не названы методист, предметный валидатор, координатор эксперимента, слепой оценщик, владелец данных и ИИ-оператор.\nАртефакт: карта ответственности.\n\n8.14. Дизайн эксперимента\n\nПредъявлено: две группы по 20 человек.\nСтатус: пилотная рамка.\nРазрыв: нет baseline, распределения, активного контроля, единого outcome и сопоставимости практики.\nАртефакт: протокол квазиэксперимента или crossover-дизайна.\n\n8.15. Следы и evidence\n\nПредъявлено: тесты, анкеты, мини-проекты, интервью, дневники.\nСтатус: много источников данных.\nРазрыв: нет операционного следа решения кейса и изменений версии.\nАртефакт: лог «первая попытка → подсказка → изменение → источник → итог → перенос».\n\n8.16. Риск подмены\n\nПредъявлено: отсутствует.\nСтатус: отсутствует.\nГлавный риск: система создаёт качественный анализ и совет, слушатель учится только запрашивать результат.\nАртефакт: деградационная карта и защитный протокол из раздела 14.\n\n8.17. Пользовательский сценарий\n\nПредъявлено: отсутствует.\nСтатус: отсутствует.\nАртефакт: один вертикальный цикл из раздела 20.\n\n8.18. Реализуемость\n\nПедагогический редизайн реализуем вручную. ИИ-реализуемость оценить по исходному проекту нельзя, потому что функция не выбрана.\nАртефакт: сначала банк кейсов, рубрика и корпус; затем технический прототип.\n\n8.19. Граница пилота\n\nПредъявлено: весь 16-часовой курс и две группы.\nСтатус: масштаб допустим, пакет вмешательства велик.\nРешение: один модуль, 4–6 сопоставимых кейсов, одна функция поддержки, один главный outcome.\n\n8.20. Следующий ход\n\nОбязательный артефакт: «Паспорт целевого действия и банк из 12 кейсов» — аудитория, граница компетенции, данные, эталонное рассуждение, типовые ошибки, источники, рубрика, самостоятельный перенос.\n\n9. РАЗДЕЛЕНИЕ СКРЫТЫХ ГИПОТЕЗ\n\nВ текущем проекте соединены минимум шесть разных проверок.\n\n9.1. Педагогическая гипотеза\nКейсы и мини-проекты дают лучший перенос, чем преимущественно теоретический курс.\n\n9.2. Гипотеза интерактивности\nСимуляции и виртуальные лаборатории повышают качество освоения.\n\n9.3. Гипотеза дифференциации\nРазные уровни задания позволяют выровнять результат без роста нагрузки.\n\n9.4. Гипотеза новой оценки\nПрактическая работа и рефлексия лучше выявляют результат, чем тест.\n\n9.5. Гипотеза осуществимости\nВсе изменения помещаются в 16 часов.\n\n9.6. ИИ-гипотеза\nВ материалах не сформулирована. Её нельзя считать автоматически содержащейся в словах «онлайн-симуляция» или «виртуальная лаборатория».\n\nЭти гипотезы лучше проверять последовательностью, а не одним соревнованием «старая программа против всего хорошего».\n\n10. ЭКСПЕРИМЕНТАЛЬНО-ИССЛЕДОВАТЕЛЬСКАЯ МОДЕЛЬ\n\n10.1. Ведущая модель\n\nДля первого прохода подходит прагматический полевой квазиэксперимент: курс проводится в реальных условиях, а группы могут быть сформированы заранее. Причинное утверждение следует ограничивать. Для механизма нужны process tracing и design-based research: фиксируются версии задания, подсказки, ошибки и изменения сценария.\n\n10.2. Предпочтительный дизайн\n\nПри наличии 40 слушателей возможны два варианта.\n\nВариант А. Параллельные группы\n- обе группы получают одинаковое содержание, кейсы, время, мини-проекты и итоговую рубрику;\n- группа А получает ограниченного RAG-тьютора;\n- группа Б получает статические методические подсказки аналогичного объёма;\n- итоговая задача выполняется без ИИ;\n- оценщик не знает группу участника.\n\nВариант Б. Crossover AB/BA\n- создаются два эквивалентных набора кейсов;\n- половина начинает с RAG-тьютором, половина со статическими подсказками;\n- затем условия меняются;\n- итоговый перенос выполняется без поддержки.\n\nCrossover продуктивен при малой выборке, но требует эквивалентных заданий и контроля эффекта порядка.\n\n10.3. Главный outcome\n\nКачество самостоятельного решения нового кейса без ИИ по рубрике:\n1. полнота данных;\n2. правильность расчёта;\n3. выбор и проверка источника;\n4. биохимическое объяснение;\n5. различение риска и диагноза;\n6. безопасность решения;\n7. указание неопределённости;\n8. обоснованность итогового действия.\n\n10.4. Вторичные показатели\n\n- время выполнения;\n- число и уровень подсказок;\n- доля принятых без проверки машинных утверждений;\n- калибровка уверенности относительно результата;\n- отсроченный перенос через 2–4 недели;\n- удовлетворённость;\n- фактическая и субъективная нагрузка;\n- типология затруднений;\n- качество обратной реконструкции.\n\n10.5. Что можно заключить\n\nПри хорошем дизайне можно заключить, помогает ли конкретная форма поддержки выполнить самостоятельный кейс и какой механизм виден в логах.\n\nНельзя заключить:\n- что ИИ улучшает весь курс вообще;\n- что выросло здоровье слушателей;\n- что повысилась профессиональная компетентность за пределами выбранной операции;\n- что результаты масштабируются на другую аудиторию;\n- что удовлетворённость равна мотивации.\n\n11. ПОЛНЫЙ ГРАФ ДВИЖЕНИЯ РОЛЕЙ В ПРОСТРАНСТВЕ ЭКСПЕРИМЕНТА\n\n11.1. Роли и актанты\n\nЧеловеческие акторы:\n- автор и ведущий курса;\n- предметный эксперт по витаминам и микроэлементам;\n- эксперт по безопасности или клиническим границам;\n- методист;\n- слушатель;\n- координатор эксперимента;\n- независимый оценщик;\n- аналитик данных;\n- владелец программы;\n- инженер лаборатории.\n\nНечеловеческие актанты:\n- программа курса;\n- банк кейсов;\n- рубрика;\n- нормативный корпус;\n- калькулятор;\n- симуляция или виртуальная лаборатория;\n- LMS;\n- журнал действий;\n- анкета;\n- итоговая задача.\n\nLLM/ML-узлы, если они будут выбраны:\n- LLM-оператор RAG-поддержки;\n- LLM-оператор формативной обратной связи;\n- аналитический LLM-оператор для преподавателя;\n- ML-маршрутизатор сложности — только в поздней версии и только при наличии данных.\n\nНи один из этих узлов не следует называть агентом в исходной версии. Агентом может считаться только замкнутый фристоновский контур, который наблюдает состояние, выбирает действие, действует, получает обратную связь и обновляет состояние по критерию. Обычный чат с промптом — LLM-оператор.\n\n11.2. Граф до эксперимента\n\nВладелец программы → утверждает цели и ограничения.\nАвтор курса → выбирает содержание → проводит занятия → выдаёт практические задачи → принимает тест.\nСлушатель → изучает материалы → выполняет задания → сдаёт тест.\nТест → возвращает балл.\nПреподаватель → видит итоговый продукт, но получает слабый след того, как рассуждал слушатель.\n\n11.3. Граф подготовки пилота\n\nАвтор курса + методист → формулируют целевую операцию.\nПредметный эксперт + safety-эксперт → определяют границу допустимых решений.\nАвтор + методист → создают 12–20 кейсов и эквивалентные наборы.\nПредметный эксперт → создаёт эталонные рассуждения, источники и типовые ошибки.\nМетодист → создаёт рубрику и уровни поддержки.\nИнженер, если используется ИИ → собирает LLM/ML-контур только после утверждения перечисленных артефактов.\nКоординатор → набирает участников, получает согласия, проводит baseline и распределяет условия.\n\n11.4. Граф учебной сессии с LLM-оператором\n\nСлушатель → получает кейс.\nСлушатель → фиксирует первую попытку, недостающие данные, источник и уверенность.\nСистема → сохраняет версию.\nСлушатель → запрашивает поддержку.\nRAG-оператор → извлекает фрагменты только из утверждённого корпуса.\nLLM-оператор → сопоставляет ответ с рубрикой и задаёт один диагностический вопрос; не выдаёт итоговое назначение.\nСлушатель → изменяет или сохраняет решение и объясняет причину.\nВалидатор → проверяет обязательные поля, ссылки, единицы и запретные классы вывода.\nПри риске или низкой уверенности → передача предметному эксперту.\nСистема → сохраняет полный operation trace.\nСлушатель → выполняет аналогичный новый кейс без ИИ.\nНезависимый оценщик → оценивает итог по рубрике.\nАналитик → сравнивает условия и восстанавливает механизм.\nКоманда → решает: масштабировать, пересобрать или остановить.\n\n12. АРХИТЕКТУРНАЯ ПЕРЕСБОРКА\n\n12.1. Текущий статус\n\nВ исходном проекте нет архитектуры ИИ. Поэтому честный текущий вывод:\n\n«Лаборатории разработки пока нечего разрабатывать; требуется методический пакет».\n\n12.2. Минимальный рекомендуемый паттерн\n\nSource-grounded case tutor — тьютор по прикладным кейсам, который работает на утверждённом корпусе, поддерживает рассуждение вопросами, сохраняет версии и не имеет права формировать диагноз или назначение.\n\nАрхитектура:\n- интерфейс кейса;\n- первая попытка;\n- структурированная рубрика;\n- RAG по версии корпуса;\n- LLM-оператор вопросов и объяснений;\n- детерминированный валидатор обязательных полей и единиц;\n- safety-filter;\n- operation trace;\n- кабинет преподавателя;\n- итоговая задача без ИИ.\n\n12.3. Что не требует LLM\n\n- расчёты суточной потребности;\n- проверка единиц;\n- обязательные поля кейса;\n- маршрутизация по заранее заданным уровням;\n- тестирование;\n- фиксация времени;\n- логирование;\n- выдача заранее созданных симуляций.\n\nЭти функции следует реализовать детерминированно. LLM не нужно приглашать считать то, что таблица делает точнее и без творческого отношения к арифметике.\n\n13. ЗОНА БЛИЖАЙШЕЙ ДЕГРАДАЦИИ\n\n13.1. Слушатель\n\nЦелевая функция: анализировать данные, проверять источник, рассчитывать, различать границы вывода.\nМашинное усиление: мгновенный анализ кейса и готовая рекомендация.\nКраткосрочный выигрыш: более качественный текст и высокий балл.\nБлижайшая подмена: слушатель формулирует запрос и выбирает приятный ответ.\nДеградирующая способность: самостоятельная проверка, работа с неопределённостью, ответственность.\nПервый индикатор: высокий результат с ИИ и резкое падение на новом кейсе без ИИ.\nЗащита: первая попытка, источник до ответа, запрет готового решения, обратная реконструкция, перенос без системы.\n\n13.2. Преподаватель\n\nЦелевая функция: видеть типовые ошибки и перестраивать курс.\nМашинное усиление: автоматические комментарии и аналитика.\nКраткосрочный выигрыш: снижение нагрузки.\nБлижайшая подмена: преподаватель принимает машинную классификацию ошибок как реальность.\nДеградирующая способность: предметная диагностика и проектирование обратной связи.\nИндикатор: преподаватель не может объяснить, почему система присвоила категорию.\nЗащита: выборочная двойная проверка, failure archive, право менять рубрику, регулярный ручной разбор.\n\n13.3. Курс\n\nЦелевая функция: формировать безопасное прикладное действие.\nМашинное усиление: генерация множества кейсов и персональных объяснений.\nКраткосрочный выигрыш: разнообразие и масштаб.\nБлижайшая подмена: хорошие ответы определяются стилем модели и структурой интерфейса.\nДеградирующая способность: предметный спор, работа с источником, локальная методика.\nИндикатор: смена модели меняет норму ответа сильнее, чем решение преподавателя.\nЗащита: версия корпуса, эталонные кейсы, независимая рубрика, модельная сменяемость.\n\n13.4. Организация\n\nЦелевая функция: задавать стандарт доверия и ответственности.\nМашинное усиление: массовая поддержка слушателей.\nКраткосрочный выигрыш: охват и снижение стоимости.\nБлижайшая подмена: внешний провайдер фактически определяет допустимое медицинское знание.\nДеградирующая способность: локальное нормообразование и контроль качества.\nИндикатор: никто внутри университета не может воспроизвести политику ответа без интерфейса поставщика.\nЗащита: собственный корпус, журнал версий, владелец стандарта, право аудита и отключения.\n\n13.5. Машинный контур\n\nРиск: устаревший корпус, неверная retrieval-выборка, гладкая генерация, перенос рекомендаций между несовместимыми группами.\nИндикатор: уверенный ответ без достаточных данных или источника.\nЗащита: обязательное цитирование, abstention, тестовый набор, регрессионные проверки, ручная эскалация.\n\n14. ФУНКЦИОНАЛЬНО-СТОИМОСТНАЯ И РЕСУРСНАЯ КАРТА\n\nОценка дана как порядок величины при условии одного модуля, 12–20 кейсов, 40 участников и существующей LMS.\n\n14.1. Педагогический пилот без ИИ\n\nРазовая подготовка: 50–90 человеко-часов.\n- предметный эксперт: 20–35 часов на кейсы, источники и эталоны;\n- методист: 20–35 часов на сценарий, рубрику и контроль;\n- координатор/аналитик: 10–20 часов на протокол и сбор данных.\n\nЭксплуатация: 15–30 часов на сопровождение и анализ одного потока сверх времени проведения курса.\n\n14.2. Минимальный AI-пилот\n\nРазовая подготовка: ориентировочно 120–220 человеко-часов.\n- предметный и safety-контур: 35–60 часов;\n- методический дизайн и рубрика: 25–45 часов;\n- корпус и разметка: 20–40 часов;\n- разработка или no-code интеграция: 25–50 часов;\n- тестирование, red-team и регрессия: 15–30 часов.\n\nЭксплуатация одного потока: 25–45 часов на поддержку, экспертные эскалации, анализ и коррекцию.\n\nГлавное узкое место — не стоимость токенов, а экспертная ответственность за корпус, кейсы, запреты и ошибки. Модель обычно дешевле совещания, на котором выясняется, что никто не назначен владельцем медицинского стандарта.\n\n14.3. Рабочий режим\n\nДля 4–6 потоков в год потребуется:\n- 0,2–0,4 ставки предметно-методического владельца;\n- 0,1–0,2 ставки инженерной поддержки;\n- 0,1 ставки аналитика/QA;\n- регулярное обновление корпуса;\n- мониторинг ошибок и обращений;\n- бюджет API и инфраструктуры;\n- процедура апелляции и отключения опасного сценария.\n\nТочные затраты зависят от модели, LMS, требований к данным и числа дисциплин. На текущем этапе смета до проектирования функции создаст только очень точную стоимость неопределённости.\n\n15. ПРОСТОЙ КАНВАС\n\n15.1. Проблема\n\nТекущая структура курса преимущественно передаёт сведения и слабо показывает самостоятельное прикладное действие слушателя; тест не удерживает работу с данными, источниками, расчётом и границами вывода. Нужен baseline реальных ошибок.\n\n15.2. Гипотеза\n\nОбразовательная: полный цикл решения прикладного кейса с формативной поддержкой улучшит самостоятельный перенос.\nИИ-гипотеза: ограниченный RAG-тьютор улучшит проверку рассуждения по сравнению со статическими подсказками при одинаковых заданиях и времени.\n\n15.3. Тип ИИ\n\nВ исходном проекте не определён. Рекомендуемый минимальный тип — LLM-оператор с RAG и ограниченной функцией формативного тьютора. Это не агент.\n\n15.4. Масштаб изменения\n\nТекущий фактический масштаб — редизайн программы и оценки. Рекомендуемый AI-пилот — поддержка одной операции внутри одного модуля. Большая перспектива — библиотека проверенных кейсов и governed-среда повышения квалификации.\n\n15.5. Архитектурный паттерн\n\nSource-grounded case tutor + human review pipeline: тьютор по кейсам на утверждённом корпусе с обязательным следом, валидацией и экспертной эскалацией.\n\n15.6. Сценарий\n\nПервая попытка → запрос поддержки → извлечение источника → диагностический вопрос → исправление → объяснение изменения → перенос без ИИ.\n\n15.7. Следы\n\nПервая версия, запрос, найденные источники, подсказка, изменённая версия, основание изменения, уверенность, итоговый перенос, экспертная оценка.\n\n15.8. Риск подмены\n\nИИ создаёт убедительный анализ рациона вместо слушателя. Защита: первый ход без системы, запрет готового назначения, обратная реконструкция и независимый кейс.\n\n15.9. Запрос лаборатории\n\nСейчас: разработка не готова.\nПосле подготовки: прототип одного RAG-тьютора, лога и интерфейса преподавателя. Не требуется платформа, агентная сеть или персональная медицинская система.\n\n16. РАСШИРЕННЫЙ КАНВАС\n\n16.1. Большая модель\n\nЛокальный эксперимент может проверять модель доказательной и безопасной практики повышения квалификации, где ИИ не заменяет профессиональное суждение, а делает видимыми данные, источники, ошибки и границы решения.\n\n16.2. Кейс-аналоги\n\nБлижайшие архитектурные классы из корпуса:\n- governed RAG tutor — тьютор в управляемой среде и на утверждённом корпусе;\n- simulation sandbox — управляемая практика на безопасных кейсах;\n- adaptive practice environment — изменение уровня поддержки по следам работы;\n- human-review pipeline — машинная предварительная обратная связь с правом человека на решение.\n\nПрямой аналог в материалах не предъявлен; внешняя актуализация понадобится после выбора аудитории и функции.\n\n16.3. Переменные мониторинга\n\nОбразовательные: качество кейса, перенос, удержание, тип ошибки.\nМетакогнитивные: уверенность, проверка источника, отказ от недостаточного вывода.\nМашинные: точность retrieval, доля ответов с источником, опасные советы, эскалации.\nОрганизационные: время эксперта, стоимость потока, число апелляций.\nДеградационные: разрыв между результатом с ИИ и без ИИ, зависимость от подсказок, потеря способности преподавателя диагностировать.\n\n16.4. Масштабирование\n\nПереносится: сценарий, лог, рубрика, safety-policy, интерфейс, политика RAG.\nПересобирается: нормы, кейсы, источники, типовые ошибки и границы компетенции для каждой аудитории.\n\n16.5. Место в портфеле\n\nКласс: адаптивная кейсовая практика / assessment / безопасная ИИ-поддержка дополнительного профессионального образования.\n\n16.6. Радикальная версия\n\nУниверситетская платформа доказательной практики по темам здоровья: несколько дисциплин, версионированные нормативные корпуса, case studio, human review, архив ошибок и подготовка новых предметных владельцев. Это дальняя ветка, а не задача первого пилота.\n\n17. СУЖДЕНИЕ ПО ПОЗИЦИИ УЛЬЯНЫ\n\nЧто собрано: конкретный курс, время, содержание, ощущаемый разрыв теории и практики, идея кейсов, сравнение групп и попытка mixed-methods анализа.\n\nГлавный педагогический разрыв: не выбран один самостоятельный результат слушателя; поэтому вмешательство и измерение расползаются.\n\nГлавный вопрос Ульяны:\n\n«Какую новую ситуацию слушатель должен самостоятельно разобрать после курса, без ИИ и подсказок, чтобы вы признали, что он не просто запомнил сведения о витаминах?»\n\nОбязательная рекомендация: сформулировать целевое действие и построить рубрику итогового кейса до выбора ИИ.\n\nСледующий артефакт: три эквивалентных итоговых кейса с эталонным рассуждением, рубрикой и порогом безопасности.\n\nКритерий готовности: независимые эксперты одинаково понимают, что считать хорошим решением, и могут оценить три примера с приемлемым согласованием.\n\nВердикт Ульяны: проект имеет хорошее педагогическое направление, но пока проверяет набор улучшений и не показывает формирование способности. Сначала нужно сделать видимым действие слушателя; тогда станет понятно, где поддержка нужна, где мешает и что вообще измерять.\n\n18. СУЖДЕНИЕ ПО ПОЗИЦИИ ТИМУРА\n\nЧто архитектурно сильно: автор хочет перестроить курс из передачи материала в практическую работу с кейсами, данными и несколькими формами обратной связи.\n\nГлавный системный разрыв: ИИ не получил функции. Технологическая рамка не связана с распределением операций и ответственности.\n\nГлавный вопрос Тимура:\n\n«Какую конкретную операцию в полном графе решения кейса выполняет LLM, почему эту операцию нельзя оставить человеку или детерминированному инструменту, и кто отвечает, если машинный ход выглядит убедительно, но опасен?»\n\nОбязательная рекомендация: выбрать один LLM-узел и ограничить его правами; всё остальное оставить методике, валидаторам и человеку.\n\nСледующий артефакт: карточка LLM-функции «вход → операция → выход → запреты → след → handoff».\n\nКритерий готовности: по карточке можно собрать тестовый набор и определить, когда функция считается выполненной.\n\nВердикт Тимура: проект пока является педагогическим редизайном с ИИ в заголовке. Это не недостаток редизайна; это недостаток архитектурной честности. После выделения одной операции можно получить сильный, недорогой и проверяемый контур. До этого лаборатории передаётся настроение.\n\n19. ПОСЛАЙДОВАЯ ДЕФЕКТОВКА\n\nСлайд 1. Название и автор.\nСильная часть: тема и курс обозначены.\nДефект: «с использованием ИИ» не подтверждается последующими слайдами.\nКоррекция: добавить подзаголовок с конкретной ИИ-функцией либо убрать ИИ из названия текущей версии.\n\nСлайд 2. «Актуальность темы: статистика смертности в РФ».\nДефект: содержательный слайд отсутствует.\nКоррекция: заменить на данные о дефицитах в целевой аудитории или на типовые ошибки слушателей.\n\nСлайд 3. Диаграмма смертности.\nДефект: нет источника, даты и доказанного отношения к образовательной проблеме; диаграмма создаёт лишнюю причинную рамку.\nКоррекция: убрать или дать источник и точный переход к задачам курса.\n\nСлайд 4. Гипо-, ави- и гипервитаминоз.\nФункция: предметное введение.\nДефект: не показывает эксперимент.\nКоррекция: перенести в учебный материал или связать с типовыми ошибками слушателей.\n\nСлайд 5. Классификация витаминов.\nФункция: содержание курса.\nДефект: не относится к проектной логике.\n\nСлайд 6. Перечень элементов.\nДефект: список без образовательной задачи и без принципа отбора; есть редакционные несогласованности.\nКоррекция: заменить на карту решения кейса или приоритетные группы микроэлементов.\n\nСлайд 7. История открытия.\nДефект: иллюстрирует старую лекционную модель, которую проект хочет уменьшить.\nКоррекция: оставить в курсе, убрать из презентации эксперимента.\n\nСлайд 8. Цели и значение.\nСильная часть: связь с обменом веществ, региональным контекстом и профессиональной деятельностью.\nДефект: цель перегружена и неоперациональна.\nКоррекция: выделить действие выпускника.\n\nСлайд 9. Значение курса.\nДефект: повторяет цель и использует широкие формулировки.\nКоррекция: сократить до одного механизма и одного результата.\n\nСлайд 10. Ожидаемые результаты.\nДефект: вводный слайд без самих результатов.\nКоррекция: объединить со слайдами 11–13.\n\nСлайд 11. «Знать».\nДефект: перечень содержания, а не результат действия.\nКоррекция: связать знания с кейсовой операцией.\n\nСлайд 12. «Уметь».\nСильная часть: появляются выводы, графики и задачи.\nДефект: умения слишком общие и не связаны с витаминами.\nКоррекция: конкретизировать по данным, нормативам, расчёту и безопасности.\n\nСлайд 13. «Иметь представление».\nДефект: один пункт о фармакологических препаратах не задаёт проверяемого результата.\n\nСлайд 14. Структура курса.\nСильная часть: ясная временная рамка.\nКоррекция: показать карту часов до и после, иначе сохранение нагрузки не проверяется.\n\nСлайд 15. Проблемы текущей программы.\nСильная часть: полезная проблематизация.\nДефект: четыре разные проблемы без данных и механизма.\nКоррекция: добавить baseline и выбрать главный разрыв.\n\nСлайд 16. Основная идея.\nСильная часть: кейсы, расчёты, дифференциация, смешанная оценка.\nДефект: нет ИИ-функции; пакет слишком широк.\nКоррекция: разделить обязательное педагогическое ядро и отдельную экспериментальную переменную.\n\nСлайд 17. Гипотеза.\nДефект: три эффекта и ограничение в одной формуле; нет механизма; ИИ отсутствует.\nКоррекция: одна образовательная и одна ИИ-гипотеза.\n\nСлайд 18. Дизайн.\nСильная часть: две группы.\nДефект: условия несопоставимы; нет baseline и распределения.\nКоррекция: активный контроль с одинаковыми заданиями и временем.\n\nСлайд 19. Критерии.\nСильная часть: разные типы данных.\nДефект: удовлетворённость названа мотивацией; практический результат не имеет рубрики; нагрузка субъективна.\nКоррекция: назначить главный outcome и отдельные вторичные показатели.\n\nСлайд 20. Ожидаемые результаты.\nДефект: точные числа не обоснованы.\nКоррекция: заменить на критерии осуществимости и минимально значимое различие после baseline.\n\nСлайд 21. Усиленная версия.\nСильная часть: переход к механизмам и барьерам.\nДефект: слишком много инструментов для 40 человек и короткого курса.\nКоррекция: выбрать интервью + operation trace; остальное отложить.\n\nСлайд 22. Ключевые переменные.\nДефект: предложенные индексы имеют слабую валидность.\nКоррекция: заменить на рубрику переноса, delayed test, калибровку уверенности и типологию барьеров.\n\nСлайд 23. Портфель ТюмГУ.\nСильная часть: видны переносимые артефакты.\nДефект: портфель заявлен до пилота.\nКоррекция: разделить «будет создано» и «будет включено после подтверждения».\n\nСлайд 24. Выводы.\nДефект: эксперимент уже объявлен улучшающим практику до проведения.\nКоррекция: сформулировать решения, которые будут приниматься при разных исходах.\n\nСлайд 25. Завершение.\nБез содержательных замечаний.\n\n20. РЕКОМЕНДУЕМЫЙ ПЕРВЫЙ ПИЛОТ\n\n20.1. Нулевая стадия: доказать образовательный объект\n\nДо подключения ИИ провести ручной микропилот на 8–12 слушателях:\n- два прикладных кейса;\n- первая попытка;\n- рубрика;\n- формативная обратная связь преподавателя;\n- новый кейс без помощи;\n- интервью о затруднениях.\n\nЦель: проверить, различает ли рубрика уровни действия и какие подсказки реально нужны.\n\n20.2. AI-пилот\n\nРабочее название: «RAG-тьютор проверки решений по витаминам и микроэлементам».\n\nИсследовательский вопрос: улучшает ли источник-ориентированный диалоговый тьютор самостоятельное решение нового кейса по сравнению со статическими подсказками при одинаковом содержании, времени и заданиях?\n\nУчастники: 40 слушателей после входной диагностики.\n\nМатериал: 6 учебных кейсов + 2 итоговых эквивалентных кейса.\n\nУсловия:\n- А: RAG-тьютор;\n- Б: статические вопросы и справочные фрагменты.\n\nГлавный outcome: итоговый кейс без ИИ.\n\nДлительность: один модуль внутри курса.\n\nКритерии осуществимости:\n- не менее 85 % сессий завершены;\n- все фактические ответы системы сопровождаются источником;\n- отсутствуют неэскалированные опасные рекомендации в тестовом наборе;\n- operation trace пригоден для анализа;\n- экспертное время на поток находится в допустимом диапазоне.\n\nКритерий остановки:\n- система выдаёт диагноз, дозировку или совет за пределами политики;\n- retrieval систематически возвращает нерелевантные нормы;\n- участники принимают ответы без источников;\n- итог без ИИ хуже baseline при высоком результате с системой.\n\n21. ПЕРВЫЙ ИНЖЕНЕРНЫЙ АРТЕФАКТ\n\nВертикальный прототип одного кейса:\n1. Преподаватель загружает утверждённый кейс и рубрику.\n2. Слушатель видит кейс и заполняет первую попытку.\n3. Детерминированная форма проверяет обязательные поля.\n4. RAG извлекает релевантные фрагменты корпуса.\n5. LLM-оператор задаёт один вопрос по самому критическому пробелу.\n6. Слушатель исправляет решение и указывает причину.\n7. Валидатор проверяет ссылку, единицы и запрещённые классы вывода.\n8. При риске система передаёт случай преподавателю.\n9. Сохраняется operation trace.\n10. Слушатель получает аналогичный кейс без ИИ.\n11. Преподаватель видит не только итог, но и траекторию.\n\n22. ПРОТОТИП ТЕХНИЧЕСКОГО ЗАДАНИЯ ДЛЯ ЛАБОРАТОРИИ РАЗРАБОТКИ\n\n22.1. Статус ТЗ\n\nВ исходных материалах LLM/ML-цепочки не предъявлены. Поэтому следующий раздел является рекомендованной проектной веткой, а не извлечением существующей технической концепции автора. Если автор не выбирает эту ветку, лабораторное ТЗ равно нулю: требуется только методический редизайн.\n\n22.2. Цель прототипа\n\nСоздать ограниченный учебный контур, который поддерживает проверку решения прикладного кейса по витаминам и микроэлементам, работает только на утверждённом корпусе, сохраняет операционный след и не формирует медицинский диагноз или индивидуальное назначение.\n\n22.3. Пользователи и права\n\nСлушатель:\n- решает кейс;\n- запрашивает поддержку;\n- видит источники;\n- изменяет решение;\n- не видит эталон до завершения.\n\nПреподаватель/предметный эксперт:\n- создаёт и утверждает кейсы;\n- редактирует рубрику;\n- утверждает корпус;\n- рассматривает эскалации;\n- видит operation trace;\n- отключает проблемный сценарий.\n\nМетодист:\n- задаёт уровни поддержки;\n- анализирует траектории;\n- не меняет медицинские нормы без предметного владельца.\n\nАдминистратор/инженер:\n- управляет доступом, версиями и журналами;\n- не принимает предметных решений.\n\n22.4. Узел 1. RAG-поиск по утверждённому корпусу\n\nФункция: по структурированному кейсу и запросу извлечь релевантные нормативные и учебные фрагменты с идентификатором источника и версией.\n\nТребования к корпусу:\n- только документы, утверждённые предметным владельцем;\n- метаданные: название, издатель/орган, дата, версия, аудитория, статус;\n- раздельные коллекции для норм, учебных объяснений и safety-policy;\n- запрет на открытый веб-поиск в пилоте;\n- версия корпуса фиксируется для каждой сессии;\n- удаление устаревшего источника не должно стирать историю прошлой сессии.\n\nТребования к retrieval:\n- выдача 3–8 релевантных фрагментов;\n- отображение источника пользователю;\n- логирование запроса, результатов и score;\n- abstention при недостаточной релевантности;\n- тестовый набор запросов и ожидаемых источников.\n\nПроизводительность: целевая задержка retrieval до 2 секунд, полный ответ до 8 секунд при штатной нагрузке пилота до 50 одновременных пользователей.\n\nПамять: хранить только контекст текущего учебного кейса и технический operation trace; не создавать долговременный профиль здоровья слушателя.\n\nИнтерфейс: источник открывается рядом с ответом; пользователь различает текст корпуса и генерацию модели.\n\nРеализуемость сегодня: 4/5. Технологически стандартно, сложность лежит в корпусе, метаданных и тестировании.\nРеализуемость в 2027 году: 5/5. Retrieval и цитирование станут стабильнее, но предметная ответственность не исчезнет.\n\n22.5. Узел 2. LLM-оператор диагностического вопроса\n\nФункция: сопоставить первую попытку с рубрикой и задать один вопрос, который возвращает критическую операцию слушателю. Оператор не выдаёт полный ответ и не формирует медицинское назначение.\n\nВход:\n- текст кейса;\n- структурированные данные;\n- первая попытка;\n- рубрика;\n- retrieved fragments;\n- политика запретов.\n\nВыход:\n- классификация главного пробела;\n- один диагностический вопрос;\n- краткое объяснение со ссылкой на источник;\n- confidence/флаг эскалации.\n\nОграничения:\n- не диагностировать;\n- не назначать препарат или дозу;\n- не подменять отсутствующие данные предположением;\n- не ссылаться на источник, которого нет в retrieval;\n- при конфликте источников показывать конфликт и передавать человеку.\n\nПроизводительность: ответ до 8 секунд; повтор при технической ошибке не более одного раза; при неуспехе — статическая подсказка.\n\nПамять: сессионная, только внутри кейса. Долговременная память не нужна для первого пилота.\n\nИнтерфейс: вопрос визуально отделён от справочного фрагмента; есть кнопки «источник», «не понимаю», «оспорить/передать преподавателю».\n\nПриёмка:\n- экспертное согласие по классификации пробела не менее 85 % на тестовом наборе;\n- ни одного неэскалированного нарушения запретного класса в red-team наборе;\n- не менее 95 % фактических пояснений имеют корректную ссылку на корпус;\n- оператор не раскрывает эталон до второй самостоятельной попытки.\n\nРеализуемость сегодня: 3/5. Основной риск — стабильность педагогически правильного вопроса и безопасность в медицинской теме.\nРеализуемость в 2027 году: 4/5. Модели улучшатся, но нужен локальный evaluator и экспертная проверка.\n\n22.6. Узел 3. LLM-оператор формативной обратной связи\n\nФункция: после второй попытки дать комментарий по рубрике, показать улучшение и один оставшийся разрыв. Финальную оценку не выставляет.\n\nВход: две версии решения, основания изменений, рубрика, corpus evidence.\nВыход: дифференциальный комментарий «что изменилось / что ещё не удержано».\n\nИнтерфейс: side-by-side сравнение версий; каждое утверждение обратной связи связано с критерием рубрики.\n\nПамять: не требуется сверх текущей сессии.\n\nПриёмка: корреляция с экспертной оценкой и отсутствие ложной похвалы; выборочная ручная проверка минимум 20 % сессий пилота.\n\nРеализуемость сегодня: 3/5. Работает как предварительный комментарий, недостаточно надёжен для автономной оценки.\nРеализуемость в 2027 году: 4/5. Вероятно улучшение rubric-following, но финальная ответственность остаётся у человека.\n\n22.7. Узел 4. Аналитический LLM-оператор для преподавателя\n\nФункция: агрегировать анонимизированные operation traces и предлагать типологию затруднений с примерами. Не изменяет курс автоматически.\n\nВход: логи, рубрика, оценки, типы подсказок.\nВыход: частоты, кластеры затруднений, спорные случаи и ссылки на исходные сессии.\n\nТребования:\n- преподаватель может открыть каждый пример;\n- выводы маркируются как гипотезы;\n- персональные данные минимизируются;\n- агрегаты не строятся для слишком малых подгрупп;\n- изменение рубрики требует человека.\n\nПроизводительность: пакетный отчёт после модуля, скорость не критична; допустимо до нескольких минут.\n\nПамять: хранится версионированный учебный след, а не свободный профиль личности.\n\nРеализуемость сегодня: 4/5. Сводка доступна, риск — правдоподобные, но неверные категории.\nРеализуемость в 2027 году: 5/5 при сохранении доступа к первичным следам.\n\n22.8. Узел 5. Адаптивный маршрутизатор\n\nВ первом пилоте реализовать правилами, без ML: тип ошибки и результат рубрики определяют следующий уровень кейса или подсказки.\n\nML-версия допустима после накопления достаточного локального набора сессий и определения целевой функции. До этого модель будет очень современно угадывать то, что можно записать в таблицу.\n\nРеализуемость ML сегодня: 2/5 для данного проекта из-за отсутствия данных и целевой функции.\nРеализуемость в 2027 году: 3/5; технологический рост не создаст локальную разметку сам.\n\n22.9. Исключённый узел: генератор индивидуальных медицинских рекомендаций\n\nФункция не включается в пилот. Система не должна определять диагноз, дозировку, схему приёма или отмену препаратов. Любой такой запрос переводится в образовательное объяснение границы и рекомендацию обратиться к квалифицированному специалисту.\n\nРеализуемость сегодня: 1/5 как безопасный автономный узел в образовательном продукте.\nРеализуемость в 2027 году: 2/5; модели улучшатся, но клиническая ответственность, контекст и регулирование сохранятся.\n\n22.10. Общие требования к данным и безопасности\n\n- не собирать реальные медицинские данные в первом пилоте;\n- использовать синтетические или полностью обезличенные кейсы;\n- разделить учебные данные и аналитику эксперимента;\n- получить информированное согласие;\n- установить срок хранения;\n- обеспечить удаление по запросу;\n- логировать модель, промпт, версию корпуса и настройки;\n- иметь кнопку аварийного отключения LLM-функции;\n- провести red-team тесты на диагноз, дозировку, конфликт источников, неполные данные и манипулятивные запросы.\n\n22.11. Интеграции\n\nДля первого пилота достаточно отдельного веб-интерфейса или LTI/ссылки из LMS. Глубокая интеграция с медицинскими системами, профилями здоровья, электронными картами и внешними сервисами не нужна и запрещена рамкой пилота.\n\n22.12. Критерии общей приёмки\n\nПрототип принимается, если:\n- один полный кейс проходит от первой попытки до переноса;\n- все машинные ходы логируются;\n- источник доступен пользователю;\n- система умеет отказаться;\n- опасные случаи эскалируются;\n- преподаватель видит траекторию;\n- итоговая способность проверяется без ИИ;\n- смена LLM не меняет рубрику и policy;\n- методический владелец может отключить отдельный узел.\n\n23. СЛЕДУЮЩИЙ ПАКЕТ МАТЕРИАЛОВ\n\nПо позиции Ульяны:\n1. Паспорт аудитории и профессиональной роли.\n2. Формула одного образовательного результата.\n3. Рубрика итогового кейса.\n4. Три независимых задания на перенос.\n5. Baseline текущих ошибок.\n\nПо позиции Тимура:\n1. Полный граф ролей и решений.\n2. Карточка одной LLM-функции.\n3. Перечень разрешённых источников.\n4. Safety-policy и границы ответственности.\n5. Operation trace.\n6. Ручной walkthrough вертикального сценария.\n\nГлавный общий артефакт:\n\nБанк из 12 кейсов со структурой:\n- аудитория;\n- задача;\n- данные;\n- отсутствующие данные;\n- допустимый вывод;\n- недопустимый вывод;\n- эталонный расчёт;\n- источники;\n- типовые ошибки;\n- рубрика;\n- уровни подсказок;\n- итоговый перенос.\n\n24. ТАБЛИЦА ГОТОВНОСТИ\n\nПрактическая актуальность — высокая, предметно предъявлена.\nСобственный интерес автора — виден, но не доказан корпусом случаев.\nФрагмент курса — предъявлен.\nАудитория и роль — отсутствуют.\nПроблематика — частично собрана.\nДоказательство образовательной проблемы — отсутствует.\nОбразовательный результат — требует пересборки.\nКейсовое ядро — перспективное.\nЭкспериментальная гипотеза — перегружена.\nКонтроль — требует активного сопоставимого условия.\nМетрики — требуют пересборки.\nИИ-гипотеза — отсутствует.\nLLM/ML-функция — отсутствует.\nПользовательский сценарий — отсутствует.\nСледы — перечислены, но operation trace не спроектирован.\nРиск подмены — отсутствует.\nSafety-контур — отсутствует.\nРесурсная оценка — выполнена только в этом разборе.\nГотовность к ручному педагогическому walkthrough — средняя после создания кейсов.\nГотовность к педагогическому пилоту — средняя.\nГотовность к AI-пилоту — низкая.\nГотовность к лаборатории — отсутствует до карточки функции, корпуса и рубрики.\nПотенциал масштабирования — высокий при строгой предметной и safety-сборке.\n\n25. ГЛАВНЫЙ ВНУТРЕННИЙ ВЫВОД\n\nПроект обнаруживает правильное направление: компактный курс о витаминах и микроэлементах должен переходить от передачи сведений к практическому, доказательному и безопасному действию. Кейсы, расчёты, мини-проект и смешанная оценка способны стать сильным образовательным ядром. Однако текущая версия не содержит ИИ-проекта: в ней отсутствует машинная функция, сценарий, корпус, доказательный след и распределение ответственности. Эксперимент также не позволяет отделить эффект кейсов, симуляций, новой оценки и возможного ИИ.\n\nКратчайший путь — не добавлять ещё один слайд про персонализацию. Нужно сначала определить аудиторию и целевую операцию, собрать банк кейсов и рубрику, пройти цикл вручную и проверить перенос. После этого можно встроить один ограниченный RAG-оператор, который не отвечает за здоровье человека, а возвращает слушателю работу с данными, источниками и границами вывода. Такой пилот будет достаточно малым, чтобы его провести, и достаточно строгим, чтобы результат имел значение для портфеля ТюмГУ.\n\n26. НЕСУЩИЙ ВОПРОС НА СЛЕДУЮЩИЙ СЕМИНАР\n\nКакое решение по новому кейсу выпускник курса должен уметь принять самостоятельно, в пределах какой профессиональной ответственности, и какую единственную операцию в этом решении вы хотите временно отдать LLM так, чтобы после работы с ней способность осталась у человека?","chars":58552}