РАЗБОР ПРОЕКТА «Усовершенствование программы повышения квалификации “Витамины и микроэлементы — ключ к здоровью и энергии” с использованием ИИ» Автор проекта: проф. Ральченко И. В. Дата исходной презентации: 20 июля 2026 года Тип проекта: модернизация программы повышения квалификации; заявленный ИИ-эксперимент Основной источник: презентация PowerPoint, 25 слайдов Дата анализа: 23 июля 2026 года Статус контекстной калибровки: полный проход по доступному корпусу установок курса, моделям канваса, архитектурным материалам и концепту зоны ближайшей деградации выполнен АБСТРАКТ Проект 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. Главный 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. Рекомендуемый 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. 1. СОСТАВ И СТАТУС ИСТОЧНИКОВ 1.1. Материалы конкретного проекта В 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. Из презентации можно надёжно восстановить: - содержание и продолжительность существующей программы; - заявленные знания и умения; - перечень проблем текущей версии; - общую идею модернизации; - гипотезу педагогического эффекта; - схему двух групп по 20 человек; - предполагаемые критерии, методы и ожидаемые результаты; - усиленную mixed-methods версию; - возможные элементы портфеля ТюмГУ. Из презентации нельзя восстановить: - кто именно является слушателем программы и какова его профессиональная компетенция; - какие практические решения слушатель должен иметь право принимать после курса; - где заканчивается образовательный анализ и начинается медицинская диагностика или назначение; - что именно делает ИИ; - используется ли LLM, ML, обычный калькулятор, онлайн-тренажёр или виртуальная лаборатория; - какие данные передаются системе; - какие источники считаются нормативными; - как формируются кейсы; - как оцениваются мини-проекты; - как распределяются участники по группам; - как обеспечивается сопоставимость условий; - откуда взяты ожидаемые проценты прироста. 1.2. Визуальная часть источника Презентация 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. 1.3. Контекст курса Анализ 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. 2. БУКВАЛЬНАЯ РЕКОНСТРУКЦИЯ ПРОЕКТА Существующая 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. Авторы фиксируют четыре затруднения текущей программы: 1. Теоретическая насыщенность при недостатке явно описанных практических заданий. 2. Возможная недостаточность 7 часов самостоятельной работы. 3. Ограниченность тем по микроэлементам. 4. Невозможность теста из 20 вопросов показать глубину теоретического освоения. Предлагаемая модернизация должна усилить прикладной характер и интерактивность, сохранив компактность. В неё входят: - клинические или прикладные кейсы; - расчёты суточной потребности; - онлайн-симуляции; - виртуальные лаборатории; - дифференцированные задания; - тестирование, практические задания и рефлексивные эссе. Гипотеза: если добавить перечисленные элементы и сохранить продолжительность 16 часов, то повысится мотивация, улучшится усвоение и появится дифференциация без увеличения нагрузки. Дизайн: 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». ИИ 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: «Авторы модернизируют методику короткого курса и сравнивают новую комплексную методику со старой». Это содержательный проект. Но пока он не является экспериментом с ИИ. 3. СИЛЬНЕЙШАЯ БЛАГОЖЕЛАТЕЛЬНАЯ РЕКОНСТРУКЦИЯ Сильную версию можно собрать вокруг перехода от знания о витаминах к обоснованному действию с данными о питании и состоянии человека. В этой версии курс формирует способность: «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». Такой образовательный объект включает: - работу с неполными и противоречивыми данными; - расчёт и проверку единиц; - сопоставление с нормативами; - оценку достоверности источника; - понимание биохимического механизма; - различение профилактической рекомендации, маршрутизации к специалисту и недопустимого назначения; - объяснение неопределённости; - перенос на новый кейс. ИИ 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. 4. ЧТО В ПРОЕКТЕ ДЕЙСТВИТЕЛЬНО СИЛЬНО 4.1. Выбран конкретный и ограниченный образовательный фрагмент Курс имеет заданную продолжительность и предметную область. Это позволяет провести пилот без строительства инфраструктуры университета будущего в ближайший вторник. 4.2. Увиден разрыв между теоретической насыщенностью и практическим действием Авторы не ограничиваются пожеланием «добавить ИИ», а называют недостаток практических заданий и слабость тестовой аттестации. Это реальная точка для перепроектирования курса. 4.3. Предложен переход к кейсам и мини-проектам Работа 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. 4.4. Удерживается ограничение по времени Сохранение 16 часов заставляет выбирать механизм, а не просто добавлять всё полезное. Ограничение продуктивно, хотя проект пока не показывает, что именно будет удалено из программы. 4.5. Предложена многоуровневая оценка Сочетание теста, практической работы, рефлексии и качественных данных лучше соответствует сложному результату, чем один тест. Усиленная версия правильно замечает, что нужно исследовать механизмы и барьеры. 4.6. Введена идея сопоставимых групп Наличие группы сравнения — хорошее начало. Требуется пересобрать контроль так, чтобы он позволял отделить действие конкретного компонента. 4.7. Увидена нагрузка как отдельная переменная Попытка 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. 5. ГЛАВНЫЙ НЕСУЩИЙ РАЗРЫВ Главный разрыв находится между названием проекта и устройством вмешательства. Заявлено: усовершенствование курса с использованием ИИ. Описано: кейсы, симуляции, виртуальные лаборатории, дифференциация, мини-проекты и смешанная оценка. Не описано: - какая операция выполняется LLM или ML; - почему её нельзя выполнить методически, алгоритмически или вручную; - что получает система на вход; - что выдаёт; - как изменяется действие слушателя; - какие ошибки системы допустимы; - как измеряется вклад ИИ; - кто отвечает за медицински значимый вывод. Из-за этого проект одновременно не может ответить на два вопроса: 1. Помогает ли новая методика? 2. Добавляет ли ИИ что-либо к этой методике? Текущий дизайн сможет, в лучшем случае, показать эффект комплексного редизайна. Любой положительный результат нельзя будет приписать ИИ, потому что ИИ в экспериментальной переменной не выделен. 6. КРИТИЧЕСКИЕ ДЕФЕКТЫ 6.1. Не определена аудитория и граница профессиональной ответственности Для программы повышения квалификации принципиально, кто слушатели: врачи, фармацевты, нутрициологи, педагоги, специалисты по общественному здоровью или широкая аудитория. От этого зависят: - допустимые задачи; - исходные знания; - право интерпретировать данные; - возможность давать рекомендации; - требования к источникам; - риски вреда; - итоговая рубрика. Пока курс формулирует содержание, но не задаёт позицию выпускника. 6.2. Актуальность не доказывает образовательную проблему Общая 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. 6.3. Четыре проблемы объединены без механизма Теоретическая 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. 6.4. Образовательный результат остаётся перечнем знаний «Знать химическую природу», «знать источники», «иметь представление» не задают самостоятельную профессиональную операцию. Умения сформулированы шире, но не связаны с итоговой пробой. 6.5. Пакет вмешательства не позволяет определить механизм Группа А одновременно получает: - кейсы; - симуляции; - мини-проекты; - интерактивность; - дифференциацию; - новую оценку; - возможно, ИИ. При положительном результате будет неизвестно, что сработало. Это допустимо для пилота новой программы, но не для проверки отдельной ИИ-гипотезы. 6.6. Контрольная группа получает другой образовательный опыт и, вероятно, другую тренировку итогового результата Если только группа А выполняет мини-проект, сравнение качества мини-проектов становится логически пустым. Контроль должен выполнять сопоставимую практическую задачу и отличаться только исследуемой поддержкой. 6.7. Не заданы baseline и распределение Не указаны: - входная диагностика; - принцип набора; - рандомизация; - выравнивание по опыту; - преподаватель; - одинаковость времени; - пропуски; - критерии исключения. При 20 участниках в группе один сильный или слабый поднабор заметно меняет среднее. 6.8. Основной outcome не выбран Тест, удовлетворённость, мини-проект и нагрузка отвечают на разные вопросы. Нужен один главный outcome: самостоятельное качество решения нового прикладного кейса. 6.9. Удовлетворённость названа мотивацией Оценка 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. 6.10. «Индекс практической мотивации» невалиден Число 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. 6.11. «Коэффициент устойчивости знаний» не измеряет устойчивость Соотношение промежуточного и итогового тестов показывает динамику внутри курса. Устойчивость требует отсроченного среза через несколько недель и новой задачи. 6.12. «Уровень барьеров» смешивает затруднение и способность его артикулировать Количество 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. 6.13. Ожидаемые проценты заданы до данных Прирост 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. 6.14. Сохранение длительности не обеспечено сценарием Курс 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. 6.15. Медицинская и предметная безопасность не спроектирована В материалах нет: - перечня разрешённых источников; - срока актуальности норм; - правил работы с противопоказаниями; - границы между образовательным кейсом и медицинским советом; - запрета на диагностику; - процедуры экспертной проверки; - правил использования персональных данных о здоровье. Для проекта о витаминах это не вспомогательный раздел. Это часть архитектуры результата. 6.16. ИИ-слой отсутствует Нет даже минимальной карточки функции. Поэтому RAG, память, latency, модель, интерфейс и агентность сейчас специфицировать по исходному проекту невозможно. 7. ОНТОЛОГИЧЕСКАЯ И ОБРАЗОВАТЕЛЬНАЯ ПОСТАНОВКА 7.1. Рабочая проблема Сильная проблемная формула может выглядеть так: «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». Это аналитическая реконструкция. Она должна быть подтверждена реальными работами слушателей. 7.2. Целевая операция Слушатель должен не просто знать перечень витаминов, а выполнить полный цикл: 1. Уточнить задачу и роль. 2. Структурировать данные кейса. 3. Установить, каких данных не хватает. 4. Выбрать нормативный источник. 5. Выполнить расчёт и проверить единицы. 6. Соотнести результат с биохимическим механизмом. 7. Различить риск, предположение и вывод. 8. Сформулировать решение в пределах компетенции. 9. Назвать ограничения и необходимость обращения к специалисту. 10. Защитить решение на новом кейсе без ИИ. 7.3. Механизм изменения Кейсы и обратная связь будут развивающими только при сохранении операции в доступной форме: - первая попытка до подсказки; - явные данные и недостающие данные; - требование назвать источник; - рубрика рассуждения; - фиксация исправлений; - сравнение версий; - обратная реконструкция; - перенос без поддержки. Если ИИ сразу выдаёт анализ рациона, вывод и рекомендацию, он расширяет зону достижимого результата, но может убрать операцию из поля присвоения. 8. ДВАДЦАТИПОЛЬНАЯ ДИАГНОСТИЧЕСКАЯ МАТРИЦА 8.1. Собственный интерес автора Предъявлено: стремление сделать курс более практичным, интерактивным и полезным для здоровья и работоспособности населения. Статус: реконструируется, но не подкреплено конкретными случаями слушателей. Разрыв: нет корпуса ошибок и истории затруднений. Следующий артефакт: 15–30 анонимизированных работ или типовых ошибочных решений слушателей. 8.2. Фрагмент практики Предъявлено: программа 16 часов, 8 практических, 7 самостоятельных, 1 аттестация. Статус: достаточно конкретно. Разрыв: нет описания последовательности занятий и конкретного места эксперимента. Следующий артефакт: карта программы по часам с одним выделенным экспериментальным модулем. 8.3. Целеполагание Предъявлено: практичность, интерактивность, мотивация, усвоение, дифференциация, сохранение нагрузки. Статус: перегружено. Разрыв: цель, механизм, эффект и ограничение стоят в одном ряду. Решение: назначить главным результатом самостоятельное решение и обоснование прикладного кейса; остальные показатели сделать вторичными. 8.4. Образовательный результат Предъявлено: знания о витаминах и микроэлементах; общие умения описывать, строить графики и решать задачи. Статус: декларативно. Разрыв: нет итогового профессионального действия. Артефакт: рубрика кейса из 6–8 измерений и независимая итоговая задача. 8.5. Деятельность слушателя Предъявлено: тест, практические задания, мини-проект, эссе. Статус: перечислены продукты, действие не развернуто. Разрыв: не видно, где слушатель ставит вопрос, выбирает источник, проверяет расчёт и принимает решение. Артефакт: пошаговый storyboard одного кейса. 8.6. Проблематика Предъявлено: теория/практика, часы, неполнота микроэлементов, тест. Статус: набор затруднений. Разрыв: нет механизма воспроизводства. Артефакт: проблемная схема «структура курса → действия слушателя → типовые ошибки → слабость аттестации». 8.7. Доказательство проблемы Предъявлено: предметная актуальность и общая статистика смертности. Статус: не соответствует образовательному тезису. Разрыв: нет baseline слушателей. Артефакт: входная диагностическая работа и анализ ошибок. 8.8. Концептуализация Предъявлено: практичность, интерактивность, дифференциация, mixed methods. Статус: методические принципы, но не теория механизма. Разрыв: не объяснено, почему именно кейс и обратная связь формируют нужную способность. Артефакт: связка «механизм → действие → функция среды → след». 8.9. Операционализация Предъявлено: тест, удовлетворённость, мини-проект, нагрузка и четыре новых индекса. Статус: частично. Разрыв: показатели не удерживают заявленные понятия. Артефакт: операциональная таблица с главным outcome, рубрикой, оценщиком и отсроченным переносом. 8.10. Образовательная гипотеза Предъявлено: комплексная модернизация повысит мотивацию и усвоение без роста нагрузки. Статус: слишком широкая пакетная гипотеза. Решение: «Практика полного цикла решения кейса с формативной обратной связью улучшит самостоятельное решение нового кейса по сравнению с изучением того же содержания без такой практики». 8.11. ИИ-гипотеза Предъявлено: отсутствует. Статус: отсутствует. Возможная 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». 8.12. Сценарий до/после До: теоретически насыщенный курс, практические занятия, самостоятельная работа, тест. После: кейсы, симуляции, мини-проект, смешанная оценка. Статус: крупные блоки есть. Разрыв: нет движения ролей и решений. Артефакт: граф, приведённый в разделе 11. 8.13. Распределение функций Предъявлено: преподаватель, слушатель, эксперт мини-проектов. Статус: частично. Разрыв: не названы методист, предметный валидатор, координатор эксперимента, слепой оценщик, владелец данных и ИИ-оператор. Артефакт: карта ответственности. 8.14. Дизайн эксперимента Предъявлено: две группы по 20 человек. Статус: пилотная рамка. Разрыв: нет baseline, распределения, активного контроля, единого outcome и сопоставимости практики. Артефакт: протокол квазиэксперимента или crossover-дизайна. 8.15. Следы и evidence Предъявлено: тесты, анкеты, мини-проекты, интервью, дневники. Статус: много источников данных. Разрыв: нет операционного следа решения кейса и изменений версии. Артефакт: лог «первая попытка → подсказка → изменение → источник → итог → перенос». 8.16. Риск подмены Предъявлено: отсутствует. Статус: отсутствует. Главный риск: система создаёт качественный анализ и совет, слушатель учится только запрашивать результат. Артефакт: деградационная карта и защитный протокол из раздела 14. 8.17. Пользовательский сценарий Предъявлено: отсутствует. Статус: отсутствует. Артефакт: один вертикальный цикл из раздела 20. 8.18. Реализуемость Педагогический редизайн реализуем вручную. ИИ-реализуемость оценить по исходному проекту нельзя, потому что функция не выбрана. Артефакт: сначала банк кейсов, рубрика и корпус; затем технический прототип. 8.19. Граница пилота Предъявлено: весь 16-часовой курс и две группы. Статус: масштаб допустим, пакет вмешательства велик. Решение: один модуль, 4–6 сопоставимых кейсов, одна функция поддержки, один главный outcome. 8.20. Следующий ход Обязательный артефакт: «Паспорт целевого действия и банк из 12 кейсов» — аудитория, граница компетенции, данные, эталонное рассуждение, типовые ошибки, источники, рубрика, самостоятельный перенос. 9. РАЗДЕЛЕНИЕ СКРЫТЫХ ГИПОТЕЗ В текущем проекте соединены минимум шесть разных проверок. 9.1. Педагогическая гипотеза Кейсы и мини-проекты дают лучший перенос, чем преимущественно теоретический курс. 9.2. Гипотеза интерактивности Симуляции и виртуальные лаборатории повышают качество освоения. 9.3. Гипотеза дифференциации Разные уровни задания позволяют выровнять результат без роста нагрузки. 9.4. Гипотеза новой оценки Практическая работа и рефлексия лучше выявляют результат, чем тест. 9.5. Гипотеза осуществимости Все изменения помещаются в 16 часов. 9.6. ИИ-гипотеза В материалах не сформулирована. Её нельзя считать автоматически содержащейся в словах «онлайн-симуляция» или «виртуальная лаборатория». Эти гипотезы лучше проверять последовательностью, а не одним соревнованием «старая программа против всего хорошего». 10. ЭКСПЕРИМЕНТАЛЬНО-ИССЛЕДОВАТЕЛЬСКАЯ МОДЕЛЬ 10.1. Ведущая модель Для 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. 10.2. Предпочтительный дизайн При наличии 40 слушателей возможны два варианта. Вариант А. Параллельные группы - обе группы получают одинаковое содержание, кейсы, время, мини-проекты и итоговую рубрику; - группа А получает ограниченного RAG-тьютора; - группа Б получает статические методические подсказки аналогичного объёма; - итоговая задача выполняется без ИИ; - оценщик не знает группу участника. Вариант Б. Crossover AB/BA - создаются два эквивалентных набора кейсов; - половина начинает с RAG-тьютором, половина со статическими подсказками; - затем условия меняются; - итоговый перенос выполняется без поддержки. Crossover продуктивен при малой выборке, но требует эквивалентных заданий и контроля эффекта порядка. 10.3. Главный outcome Качество самостоятельного решения нового кейса без ИИ по рубрике: 1. полнота данных; 2. правильность расчёта; 3. выбор и проверка источника; 4. биохимическое объяснение; 5. различение риска и диагноза; 6. безопасность решения; 7. указание неопределённости; 8. обоснованность итогового действия. 10.4. Вторичные показатели - время выполнения; - число и уровень подсказок; - доля принятых без проверки машинных утверждений; - калибровка уверенности относительно результата; - отсроченный перенос через 2–4 недели; - удовлетворённость; - фактическая и субъективная нагрузка; - типология затруднений; - качество обратной реконструкции. 10.5. Что можно заключить При хорошем дизайне можно заключить, помогает ли конкретная форма поддержки выполнить самостоятельный кейс и какой механизм виден в логах. Нельзя заключить: - что ИИ улучшает весь курс вообще; - что выросло здоровье слушателей; - что повысилась профессиональная компетентность за пределами выбранной операции; - что результаты масштабируются на другую аудиторию; - что удовлетворённость равна мотивации. 11. ПОЛНЫЙ ГРАФ ДВИЖЕНИЯ РОЛЕЙ В ПРОСТРАНСТВЕ ЭКСПЕРИМЕНТА 11.1. Роли и актанты Человеческие акторы: - автор и ведущий курса; - предметный эксперт по витаминам и микроэлементам; - эксперт по безопасности или клиническим границам; - методист; - слушатель; - координатор эксперимента; - независимый оценщик; - аналитик данных; - владелец программы; - инженер лаборатории. Нечеловеческие актанты: - программа курса; - банк кейсов; - рубрика; - нормативный корпус; - калькулятор; - симуляция или виртуальная лаборатория; - LMS; - журнал действий; - анкета; - итоговая задача. LLM/ML-узлы, если они будут выбраны: - LLM-оператор RAG-поддержки; - LLM-оператор формативной обратной связи; - аналитический LLM-оператор для преподавателя; - ML-маршрутизатор сложности — только в поздней версии и только при наличии данных. Ни 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. 11.2. Граф до эксперимента Владелец программы → утверждает цели и ограничения. Автор курса → выбирает содержание → проводит занятия → выдаёт практические задачи → принимает тест. Слушатель → изучает материалы → выполняет задания → сдаёт тест. Тест → возвращает балл. Преподаватель → видит итоговый продукт, но получает слабый след того, как рассуждал слушатель. 11.3. Граф подготовки пилота Автор курса + методист → формулируют целевую операцию. Предметный эксперт + safety-эксперт → определяют границу допустимых решений. Автор + методист → создают 12–20 кейсов и эквивалентные наборы. Предметный эксперт → создаёт эталонные рассуждения, источники и типовые ошибки. Методист → создаёт рубрику и уровни поддержки. Инженер, если используется ИИ → собирает LLM/ML-контур только после утверждения перечисленных артефактов. Координатор → набирает участников, получает согласия, проводит baseline и распределяет условия. 11.4. Граф учебной сессии с LLM-оператором Слушатель → получает кейс. Слушатель → фиксирует первую попытку, недостающие данные, источник и уверенность. Система → сохраняет версию. Слушатель → запрашивает поддержку. RAG-оператор → извлекает фрагменты только из утверждённого корпуса. LLM-оператор → сопоставляет ответ с рубрикой и задаёт один диагностический вопрос; не выдаёт итоговое назначение. Слушатель → изменяет или сохраняет решение и объясняет причину. Валидатор → проверяет обязательные поля, ссылки, единицы и запретные классы вывода. При риске или низкой уверенности → передача предметному эксперту. Система → сохраняет полный operation trace. Слушатель → выполняет аналогичный новый кейс без ИИ. Независимый оценщик → оценивает итог по рубрике. Аналитик → сравнивает условия и восстанавливает механизм. Команда → решает: масштабировать, пересобрать или остановить. 12. АРХИТЕКТУРНАЯ ПЕРЕСБОРКА 12.1. Текущий статус В исходном проекте нет архитектуры ИИ. Поэтому честный текущий вывод: «Лаборатории разработки пока нечего разрабатывать; требуется методический пакет». 12.2. Минимальный рекомендуемый паттерн Source-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. Архитектура: - интерфейс кейса; - первая попытка; - структурированная рубрика; - RAG по версии корпуса; - LLM-оператор вопросов и объяснений; - детерминированный валидатор обязательных полей и единиц; - safety-filter; - operation trace; - кабинет преподавателя; - итоговая задача без ИИ. 12.3. Что не требует LLM - расчёты суточной потребности; - проверка единиц; - обязательные поля кейса; - маршрутизация по заранее заданным уровням; - тестирование; - фиксация времени; - логирование; - выдача заранее созданных симуляций. Эти функции следует реализовать детерминированно. LLM не нужно приглашать считать то, что таблица делает точнее и без творческого отношения к арифметике. 13. ЗОНА БЛИЖАЙШЕЙ ДЕГРАДАЦИИ 13.1. Слушатель Целевая функция: анализировать данные, проверять источник, рассчитывать, различать границы вывода. Машинное усиление: мгновенный анализ кейса и готовая рекомендация. Краткосрочный выигрыш: более качественный текст и высокий балл. Ближайшая подмена: слушатель формулирует запрос и выбирает приятный ответ. Деградирующая способность: самостоятельная проверка, работа с неопределённостью, ответственность. Первый индикатор: высокий результат с ИИ и резкое падение на новом кейсе без ИИ. Защита: первая попытка, источник до ответа, запрет готового решения, обратная реконструкция, перенос без системы. 13.2. Преподаватель Целевая функция: видеть типовые ошибки и перестраивать курс. Машинное усиление: автоматические комментарии и аналитика. Краткосрочный выигрыш: снижение нагрузки. Ближайшая подмена: преподаватель принимает машинную классификацию ошибок как реальность. Деградирующая способность: предметная диагностика и проектирование обратной связи. Индикатор: преподаватель не может объяснить, почему система присвоила категорию. Защита: выборочная двойная проверка, failure archive, право менять рубрику, регулярный ручной разбор. 13.3. Курс Целевая функция: формировать безопасное прикладное действие. Машинное усиление: генерация множества кейсов и персональных объяснений. Краткосрочный выигрыш: разнообразие и масштаб. Ближайшая подмена: хорошие ответы определяются стилем модели и структурой интерфейса. Деградирующая способность: предметный спор, работа с источником, локальная методика. Индикатор: смена модели меняет норму ответа сильнее, чем решение преподавателя. Защита: версия корпуса, эталонные кейсы, независимая рубрика, модельная сменяемость. 13.4. Организация Целевая функция: задавать стандарт доверия и ответственности. Машинное усиление: массовая поддержка слушателей. Краткосрочный выигрыш: охват и снижение стоимости. Ближайшая подмена: внешний провайдер фактически определяет допустимое медицинское знание. Деградирующая способность: локальное нормообразование и контроль качества. Индикатор: никто внутри университета не может воспроизвести политику ответа без интерфейса поставщика. Защита: собственный корпус, журнал версий, владелец стандарта, право аудита и отключения. 13.5. Машинный контур Риск: устаревший корпус, неверная retrieval-выборка, гладкая генерация, перенос рекомендаций между несовместимыми группами. Индикатор: уверенный ответ без достаточных данных или источника. Защита: обязательное цитирование, abstention, тестовый набор, регрессионные проверки, ручная эскалация. 14. ФУНКЦИОНАЛЬНО-СТОИМОСТНАЯ И РЕСУРСНАЯ КАРТА Оценка дана как порядок величины при условии одного модуля, 12–20 кейсов, 40 участников и существующей LMS. 14.1. Педагогический пилот без ИИ Разовая подготовка: 50–90 человеко-часов. - предметный эксперт: 20–35 часов на кейсы, источники и эталоны; - методист: 20–35 часов на сценарий, рубрику и контроль; - координатор/аналитик: 10–20 часов на протокол и сбор данных. Эксплуатация: 15–30 часов на сопровождение и анализ одного потока сверх времени проведения курса. 14.2. Минимальный AI-пилот Разовая подготовка: ориентировочно 120–220 человеко-часов. - предметный и safety-контур: 35–60 часов; - методический дизайн и рубрика: 25–45 часов; - корпус и разметка: 20–40 часов; - разработка или no-code интеграция: 25–50 часов; - тестирование, red-team и регрессия: 15–30 часов. Эксплуатация одного потока: 25–45 часов на поддержку, экспертные эскалации, анализ и коррекцию. Главное 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. 14.3. Рабочий режим Для 4–6 потоков в год потребуется: - 0,2–0,4 ставки предметно-методического владельца; - 0,1–0,2 ставки инженерной поддержки; - 0,1 ставки аналитика/QA; - регулярное обновление корпуса; - мониторинг ошибок и обращений; - бюджет API и инфраструктуры; - процедура апелляции и отключения опасного сценария. Точные затраты зависят от модели, LMS, требований к данным и числа дисциплин. На текущем этапе смета до проектирования функции создаст только очень точную стоимость неопределённости. 15. ПРОСТОЙ КАНВАС 15.1. Проблема Текущая 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. 15.2. Гипотеза Образовательная: полный цикл решения прикладного кейса с формативной поддержкой улучшит самостоятельный перенос. ИИ-гипотеза: ограниченный RAG-тьютор улучшит проверку рассуждения по сравнению со статическими подсказками при одинаковых заданиях и времени. 15.3. Тип ИИ В исходном проекте не определён. Рекомендуемый минимальный тип — LLM-оператор с RAG и ограниченной функцией формативного тьютора. Это не агент. 15.4. Масштаб изменения Текущий 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. 15.5. Архитектурный паттерн Source-grounded case tutor + human review pipeline: тьютор по кейсам на утверждённом корпусе с обязательным следом, валидацией и экспертной эскалацией. 15.6. Сценарий Первая попытка → запрос поддержки → извлечение источника → диагностический вопрос → исправление → объяснение изменения → перенос без ИИ. 15.7. Следы Первая версия, запрос, найденные источники, подсказка, изменённая версия, основание изменения, уверенность, итоговый перенос, экспертная оценка. 15.8. Риск подмены ИИ создаёт убедительный анализ рациона вместо слушателя. Защита: первый ход без системы, запрет готового назначения, обратная реконструкция и независимый кейс. 15.9. Запрос лаборатории Сейчас: разработка не готова. После подготовки: прототип одного RAG-тьютора, лога и интерфейса преподавателя. Не требуется платформа, агентная сеть или персональная медицинская система. 16. РАСШИРЕННЫЙ КАНВАС 16.1. Большая модель Локальный 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. 16.2. Кейс-аналоги Ближайшие архитектурные классы из корпуса: - governed RAG tutor — тьютор в управляемой среде и на утверждённом корпусе; - simulation sandbox — управляемая практика на безопасных кейсах; - adaptive practice environment — изменение уровня поддержки по следам работы; - human-review pipeline — машинная предварительная обратная связь с правом человека на решение. Прямой аналог в материалах не предъявлен; внешняя актуализация понадобится после выбора аудитории и функции. 16.3. Переменные мониторинга Образовательные: качество кейса, перенос, удержание, тип ошибки. Метакогнитивные: уверенность, проверка источника, отказ от недостаточного вывода. Машинные: точность retrieval, доля ответов с источником, опасные советы, эскалации. Организационные: время эксперта, стоимость потока, число апелляций. Деградационные: разрыв между результатом с ИИ и без ИИ, зависимость от подсказок, потеря способности преподавателя диагностировать. 16.4. Масштабирование Переносится: сценарий, лог, рубрика, safety-policy, интерфейс, политика RAG. Пересобирается: нормы, кейсы, источники, типовые ошибки и границы компетенции для каждой аудитории. 16.5. Место в портфеле Класс: адаптивная кейсовая практика / assessment / безопасная ИИ-поддержка дополнительного профессионального образования. 16.6. Радикальная версия Университетская 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. 17. СУЖДЕНИЕ ПО ПОЗИЦИИ УЛЬЯНЫ Что собрано: конкретный курс, время, содержание, ощущаемый разрыв теории и практики, идея кейсов, сравнение групп и попытка mixed-methods анализа. Главный педагогический разрыв: не выбран один самостоятельный результат слушателя; поэтому вмешательство и измерение расползаются. Главный вопрос Ульяны: «Какую новую ситуацию слушатель должен самостоятельно разобрать после курса, без ИИ и подсказок, чтобы вы признали, что он не просто запомнил сведения о витаминах?» Обязательная рекомендация: сформулировать целевое действие и построить рубрику итогового кейса до выбора ИИ. Следующий артефакт: три эквивалентных итоговых кейса с эталонным рассуждением, рубрикой и порогом безопасности. Критерий готовности: независимые эксперты одинаково понимают, что считать хорошим решением, и могут оценить три примера с приемлемым согласованием. Вердикт 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. 18. СУЖДЕНИЕ ПО ПОЗИЦИИ ТИМУРА Что архитектурно сильно: автор хочет перестроить курс из передачи материала в практическую работу с кейсами, данными и несколькими формами обратной связи. Главный системный разрыв: ИИ не получил функции. Технологическая рамка не связана с распределением операций и ответственности. Главный вопрос Тимура: «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?» Обязательная рекомендация: выбрать один LLM-узел и ограничить его правами; всё остальное оставить методике, валидаторам и человеку. Следующий артефакт: карточка LLM-функции «вход → операция → выход → запреты → след → handoff». Критерий готовности: по карточке можно собрать тестовый набор и определить, когда функция считается выполненной. Вердикт 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. 19. ПОСЛАЙДОВАЯ ДЕФЕКТОВКА Слайд 1. Название и автор. Сильная часть: тема и курс обозначены. Дефект: «с использованием ИИ» не подтверждается последующими слайдами. Коррекция: добавить подзаголовок с конкретной ИИ-функцией либо убрать ИИ из названия текущей версии. Слайд 2. «Актуальность темы: статистика смертности в РФ». Дефект: содержательный слайд отсутствует. Коррекция: заменить на данные о дефицитах в целевой аудитории или на типовые ошибки слушателей. Слайд 3. Диаграмма смертности. Дефект: нет источника, даты и доказанного отношения к образовательной проблеме; диаграмма создаёт лишнюю причинную рамку. Коррекция: убрать или дать источник и точный переход к задачам курса. Слайд 4. Гипо-, ави- и гипервитаминоз. Функция: предметное введение. Дефект: не показывает эксперимент. Коррекция: перенести в учебный материал или связать с типовыми ошибками слушателей. Слайд 5. Классификация витаминов. Функция: содержание курса. Дефект: не относится к проектной логике. Слайд 6. Перечень элементов. Дефект: список без образовательной задачи и без принципа отбора; есть редакционные несогласованности. Коррекция: заменить на карту решения кейса или приоритетные группы микроэлементов. Слайд 7. История открытия. Дефект: иллюстрирует старую лекционную модель, которую проект хочет уменьшить. Коррекция: оставить в курсе, убрать из презентации эксперимента. Слайд 8. Цели и значение. Сильная часть: связь с обменом веществ, региональным контекстом и профессиональной деятельностью. Дефект: цель перегружена и неоперациональна. Коррекция: выделить действие выпускника. Слайд 9. Значение курса. Дефект: повторяет цель и использует широкие формулировки. Коррекция: сократить до одного механизма и одного результата. Слайд 10. Ожидаемые результаты. Дефект: вводный слайд без самих результатов. Коррекция: объединить со слайдами 11–13. Слайд 11. «Знать». Дефект: перечень содержания, а не результат действия. Коррекция: связать знания с кейсовой операцией. Слайд 12. «Уметь». Сильная часть: появляются выводы, графики и задачи. Дефект: умения слишком общие и не связаны с витаминами. Коррекция: конкретизировать по данным, нормативам, расчёту и безопасности. Слайд 13. «Иметь представление». Дефект: один пункт о фармакологических препаратах не задаёт проверяемого результата. Слайд 14. Структура курса. Сильная часть: ясная временная рамка. Коррекция: показать карту часов до и после, иначе сохранение нагрузки не проверяется. Слайд 15. Проблемы текущей программы. Сильная часть: полезная проблематизация. Дефект: четыре разные проблемы без данных и механизма. Коррекция: добавить baseline и выбрать главный разрыв. Слайд 16. Основная идея. Сильная часть: кейсы, расчёты, дифференциация, смешанная оценка. Дефект: нет ИИ-функции; пакет слишком широк. Коррекция: разделить обязательное педагогическое ядро и отдельную экспериментальную переменную. Слайд 17. Гипотеза. Дефект: три эффекта и ограничение в одной формуле; нет механизма; ИИ отсутствует. Коррекция: одна образовательная и одна ИИ-гипотеза. Слайд 18. Дизайн. Сильная часть: две группы. Дефект: условия несопоставимы; нет baseline и распределения. Коррекция: активный контроль с одинаковыми заданиями и временем. Слайд 19. Критерии. Сильная часть: разные типы данных. Дефект: удовлетворённость названа мотивацией; практический результат не имеет рубрики; нагрузка субъективна. Коррекция: назначить главный outcome и отдельные вторичные показатели. Слайд 20. Ожидаемые результаты. Дефект: точные числа не обоснованы. Коррекция: заменить на критерии осуществимости и минимально значимое различие после baseline. Слайд 21. Усиленная версия. Сильная часть: переход к механизмам и барьерам. Дефект: слишком много инструментов для 40 человек и короткого курса. Коррекция: выбрать интервью + operation trace; остальное отложить. Слайд 22. Ключевые переменные. Дефект: предложенные индексы имеют слабую валидность. Коррекция: заменить на рубрику переноса, delayed test, калибровку уверенности и типологию барьеров. Слайд 23. Портфель ТюмГУ. Сильная часть: видны переносимые артефакты. Дефект: портфель заявлен до пилота. Коррекция: разделить «будет создано» и «будет включено после подтверждения». Слайд 24. Выводы. Дефект: эксперимент уже объявлен улучшающим практику до проведения. Коррекция: сформулировать решения, которые будут приниматься при разных исходах. Слайд 25. Завершение. Без содержательных замечаний. 20. РЕКОМЕНДУЕМЫЙ ПЕРВЫЙ ПИЛОТ 20.1. Нулевая стадия: доказать образовательный объект До подключения ИИ провести ручной микропилот на 8–12 слушателях: - два прикладных кейса; - первая попытка; - рубрика; - формативная обратная связь преподавателя; - новый кейс без помощи; - интервью о затруднениях. Цель: проверить, различает ли рубрика уровни действия и какие подсказки реально нужны. 20.2. AI-пилот Рабочее название: «RAG-тьютор проверки решений по витаминам и микроэлементам». Исследовательский вопрос: улучшает ли источник-ориентированный диалоговый тьютор самостоятельное решение нового кейса по сравнению со статическими подсказками при одинаковом содержании, времени и заданиях? Участники: 40 слушателей после входной диагностики. Материал: 6 учебных кейсов + 2 итоговых эквивалентных кейса. Условия: - А: RAG-тьютор; - Б: статические вопросы и справочные фрагменты. Главный outcome: итоговый кейс без ИИ. Длительность: один модуль внутри курса. Критерии осуществимости: - не менее 85 % сессий завершены; - все фактические ответы системы сопровождаются источником; - отсутствуют неэскалированные опасные рекомендации в тестовом наборе; - operation trace пригоден для анализа; - экспертное время на поток находится в допустимом диапазоне. Критерий остановки: - система выдаёт диагноз, дозировку или совет за пределами политики; - retrieval систематически возвращает нерелевантные нормы; - участники принимают ответы без источников; - итог без ИИ хуже baseline при высоком результате с системой. 21. ПЕРВЫЙ ИНЖЕНЕРНЫЙ АРТЕФАКТ Вертикальный прототип одного кейса: 1. Преподаватель загружает утверждённый кейс и рубрику. 2. Слушатель видит кейс и заполняет первую попытку. 3. Детерминированная форма проверяет обязательные поля. 4. RAG извлекает релевантные фрагменты корпуса. 5. LLM-оператор задаёт один вопрос по самому критическому пробелу. 6. Слушатель исправляет решение и указывает причину. 7. Валидатор проверяет ссылку, единицы и запрещённые классы вывода. 8. При риске система передаёт случай преподавателю. 9. Сохраняется operation trace. 10. Слушатель получает аналогичный кейс без ИИ. 11. Преподаватель видит не только итог, но и траекторию. 22. ПРОТОТИП ТЕХНИЧЕСКОГО ЗАДАНИЯ ДЛЯ ЛАБОРАТОРИИ РАЗРАБОТКИ 22.1. Статус ТЗ В 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. 22.2. Цель прототипа Создать 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. 22.3. Пользователи и права Слушатель: - решает кейс; - запрашивает поддержку; - видит источники; - изменяет решение; - не видит эталон до завершения. Преподаватель/предметный эксперт: - создаёт и утверждает кейсы; - редактирует рубрику; - утверждает корпус; - рассматривает эскалации; - видит operation trace; - отключает проблемный сценарий. Методист: - задаёт уровни поддержки; - анализирует траектории; - не меняет медицинские нормы без предметного владельца. Администратор/инженер: - управляет доступом, версиями и журналами; - не принимает предметных решений. 22.4. Узел 1. RAG-поиск по утверждённому корпусу Функция: по структурированному кейсу и запросу извлечь релевантные нормативные и учебные фрагменты с идентификатором источника и версией. Требования к корпусу: - только документы, утверждённые предметным владельцем; - метаданные: название, издатель/орган, дата, версия, аудитория, статус; - раздельные коллекции для норм, учебных объяснений и safety-policy; - запрет на открытый веб-поиск в пилоте; - версия корпуса фиксируется для каждой сессии; - удаление устаревшего источника не должно стирать историю прошлой сессии. Требования к retrieval: - выдача 3–8 релевантных фрагментов; - отображение источника пользователю; - логирование запроса, результатов и score; - abstention при недостаточной релевантности; - тестовый набор запросов и ожидаемых источников. Производительность: целевая задержка retrieval до 2 секунд, полный ответ до 8 секунд при штатной нагрузке пилота до 50 одновременных пользователей. Память: хранить только контекст текущего учебного кейса и технический operation trace; не создавать долговременный профиль здоровья слушателя. Интерфейс: источник открывается рядом с ответом; пользователь различает текст корпуса и генерацию модели. Реализуемость сегодня: 4/5. Технологически стандартно, сложность лежит в корпусе, метаданных и тестировании. Реализуемость в 2027 году: 5/5. Retrieval и цитирование станут стабильнее, но предметная ответственность не исчезнет. 22.5. Узел 2. LLM-оператор диагностического вопроса Функция: сопоставить первую попытку с рубрикой и задать один вопрос, который возвращает критическую операцию слушателю. Оператор не выдаёт полный ответ и не формирует медицинское назначение. Вход: - текст кейса; - структурированные данные; - первая попытка; - рубрика; - retrieved fragments; - политика запретов. Выход: - классификация главного пробела; - один диагностический вопрос; - краткое объяснение со ссылкой на источник; - confidence/флаг эскалации. Ограничения: - не диагностировать; - не назначать препарат или дозу; - не подменять отсутствующие данные предположением; - не ссылаться на источник, которого нет в retrieval; - при конфликте источников показывать конфликт и передавать человеку. Производительность: ответ до 8 секунд; повтор при технической ошибке не более одного раза; при неуспехе — статическая подсказка. Память: сессионная, только внутри кейса. Долговременная память не нужна для первого пилота. Интерфейс: вопрос визуально отделён от справочного фрагмента; есть кнопки «источник», «не понимаю», «оспорить/передать преподавателю». Приёмка: - экспертное согласие по классификации пробела не менее 85 % на тестовом наборе; - ни одного неэскалированного нарушения запретного класса в red-team наборе; - не менее 95 % фактических пояснений имеют корректную ссылку на корпус; - оператор не раскрывает эталон до второй самостоятельной попытки. Реализуемость сегодня: 3/5. Основной риск — стабильность педагогически правильного вопроса и безопасность в медицинской теме. Реализуемость в 2027 году: 4/5. Модели улучшатся, но нужен локальный evaluator и экспертная проверка. 22.6. Узел 3. LLM-оператор формативной обратной связи Функция: после второй попытки дать комментарий по рубрике, показать улучшение и один оставшийся разрыв. Финальную оценку не выставляет. Вход: две версии решения, основания изменений, рубрика, corpus evidence. Выход: дифференциальный комментарий «что изменилось / что ещё не удержано». Интерфейс: side-by-side сравнение версий; каждое утверждение обратной связи связано с критерием рубрики. Память: не требуется сверх текущей сессии. Приёмка: корреляция с экспертной оценкой и отсутствие ложной похвалы; выборочная ручная проверка минимум 20 % сессий пилота. Реализуемость сегодня: 3/5. Работает как предварительный комментарий, недостаточно надёжен для автономной оценки. Реализуемость в 2027 году: 4/5. Вероятно улучшение rubric-following, но финальная ответственность остаётся у человека. 22.7. Узел 4. Аналитический LLM-оператор для преподавателя Функция: агрегировать анонимизированные operation traces и предлагать типологию затруднений с примерами. Не изменяет курс автоматически. Вход: логи, рубрика, оценки, типы подсказок. Выход: частоты, кластеры затруднений, спорные случаи и ссылки на исходные сессии. Требования: - преподаватель может открыть каждый пример; - выводы маркируются как гипотезы; - персональные данные минимизируются; - агрегаты не строятся для слишком малых подгрупп; - изменение рубрики требует человека. Производительность: пакетный отчёт после модуля, скорость не критична; допустимо до нескольких минут. Память: хранится версионированный учебный след, а не свободный профиль личности. Реализуемость сегодня: 4/5. Сводка доступна, риск — правдоподобные, но неверные категории. Реализуемость в 2027 году: 5/5 при сохранении доступа к первичным следам. 22.8. Узел 5. Адаптивный маршрутизатор В первом пилоте реализовать правилами, без ML: тип ошибки и результат рубрики определяют следующий уровень кейса или подсказки. ML-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. Реализуемость ML сегодня: 2/5 для данного проекта из-за отсутствия данных и целевой функции. Реализуемость в 2027 году: 3/5; технологический рост не создаст локальную разметку сам. 22.9. Исключённый узел: генератор индивидуальных медицинских рекомендаций Функция 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. Реализуемость сегодня: 1/5 как безопасный автономный узел в образовательном продукте. Реализуемость в 2027 году: 2/5; модели улучшатся, но клиническая ответственность, контекст и регулирование сохранятся. 22.10. Общие требования к данным и безопасности - не собирать реальные медицинские данные в первом пилоте; - использовать синтетические или полностью обезличенные кейсы; - разделить учебные данные и аналитику эксперимента; - получить информированное согласие; - установить срок хранения; - обеспечить удаление по запросу; - логировать модель, промпт, версию корпуса и настройки; - иметь кнопку аварийного отключения LLM-функции; - провести red-team тесты на диагноз, дозировку, конфликт источников, неполные данные и манипулятивные запросы. 22.11. Интеграции Для 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. 22.12. Критерии общей приёмки Прототип принимается, если: - один полный кейс проходит от первой попытки до переноса; - все машинные ходы логируются; - источник доступен пользователю; - система умеет отказаться; - опасные случаи эскалируются; - преподаватель видит траекторию; - итоговая способность проверяется без ИИ; - смена LLM не меняет рубрику и policy; - методический владелец может отключить отдельный узел. 23. СЛЕДУЮЩИЙ ПАКЕТ МАТЕРИАЛОВ По позиции Ульяны: 1. Паспорт аудитории и профессиональной роли. 2. Формула одного образовательного результата. 3. Рубрика итогового кейса. 4. Три независимых задания на перенос. 5. Baseline текущих ошибок. По позиции Тимура: 1. Полный граф ролей и решений. 2. Карточка одной LLM-функции. 3. Перечень разрешённых источников. 4. Safety-policy и границы ответственности. 5. Operation trace. 6. Ручной walkthrough вертикального сценария. Главный общий артефакт: Банк из 12 кейсов со структурой: - аудитория; - задача; - данные; - отсутствующие данные; - допустимый вывод; - недопустимый вывод; - эталонный расчёт; - источники; - типовые ошибки; - рубрика; - уровни подсказок; - итоговый перенос. 24. ТАБЛИЦА ГОТОВНОСТИ Практическая актуальность — высокая, предметно предъявлена. Собственный интерес автора — виден, но не доказан корпусом случаев. Фрагмент курса — предъявлен. Аудитория и роль — отсутствуют. Проблематика — частично собрана. Доказательство образовательной проблемы — отсутствует. Образовательный результат — требует пересборки. Кейсовое ядро — перспективное. Экспериментальная гипотеза — перегружена. Контроль — требует активного сопоставимого условия. Метрики — требуют пересборки. ИИ-гипотеза — отсутствует. LLM/ML-функция — отсутствует. Пользовательский сценарий — отсутствует. Следы — перечислены, но operation trace не спроектирован. Риск подмены — отсутствует. Safety-контур — отсутствует. Ресурсная оценка — выполнена только в этом разборе. Готовность к ручному педагогическому walkthrough — средняя после создания кейсов. Готовность к педагогическому пилоту — средняя. Готовность к AI-пилоту — низкая. Готовность к лаборатории — отсутствует до карточки функции, корпуса и рубрики. Потенциал масштабирования — высокий при строгой предметной и safety-сборке. 25. ГЛАВНЫЙ ВНУТРЕННИЙ ВЫВОД Проект 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. Кратчайший 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. 26. НЕСУЩИЙ ВОПРОС НА СЛЕДУЮЩИЙ СЕМИНАР Какое 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?