AgentSchool · multi-agent educational simulation

AgentSchool позиционируется как *образовательный симулятор*, а не как тьютор или ассистент для реальных классов: многомодульная среда с агентами-«студентами» и агентами-«учителями», в которой исследуются сценарии оркестрации и групповой динамики в учебной аудитории. В пользовательском архиве кейс описан как «educational multi-agent simulation» и явно выделен в отдельную категорию «симуляционный кейс», отличную от реальных внедрений и teacher-facing систем. С онтологической точки зрения это *исследовательский прототип / proof-of-concept симулятора*, то есть контур моделирования, где и студенты, и преподаватели представлены агентами, а «класс» — вычислительной мультиагентной средой. Такой статус поддерживается описанием: growable student agents, adaptive teacher agents и multi-scale classroom simulator с формальными и неформальными «полями» обучения, причём кейс пока не применяется как операционная система поддержки реальных обучающихся, а служит инструментом для проектирования и тестирования архитектур оркестрации. Внутри общей онтологии Paideia AgentSchool относится к классу *multi-agent educational simulations* с уровнем агентности 3–4/6 и архитектурным паттерном B (no-code/MAS-агенты для образовательных задач), но функционирует именно как симуляционная инфраструктура, а не как производственная педагогическая платформа. Поэтому в текущей версии корпуса его статус фиксируется как: «research simulation / PoC, greenfield multi-agent classroom model», без признаков перехода в стадию реального внедрения в институциональную практику.

AgentSchool — симулятор образовательной среды для до-внедренческого тестирования сценариев. Student-agents с weighted knowledge graphs, ZPD-adaptation, clique formation, peripheral participation. Эталон [[H3-text-to-agentic-environment]] на уровне исследовательского прототипа. Иллюстрирует [[simulation-vs-engineering-power]].

Без AI образовательные процессы с мультиагентным взаимодействием остаются трудно формализуемыми, и симуляция classroom dynamics с учётом когнитивного развития student agents, адаптивного планирования teacher agents и социального взаимодействия группы была недоступна. Традиционные ITS или tutor systems не обеспечивали долгосрочное моделирование student profiles с social dynamics, weighted subject knowledge graphs и отражением педагогической нормы, что мешало полноценно исследовать комплексные образовательные сценарии, включая clique formation и opinion-leader emergence.

AgentSchool обещает ermöglichen multi-agent educational simulation с growable student agents и adaptive teacher agents, которые совместно симулируют multi-scale classroom environment. Система должна обеспечивать высокий уровень агентности 3–4/6, представлять explicit misconceptions, ZPD-informed adaptation и социальные эффекты, тем самым давая возможность проверить и доработать образовательные сценарии до реальных внедрений. Это позволяет оценить, как меняются роли агентов, групповые эффекты и траектории освоения в условиях сложной педагогической оркестрации.

Архитектура AgentSchool включает multiple-models с LLM-powered student and teacher agents, построенных как growable cognitive entities с weighted subject knowledge graphs и thinking-workflow pools. teacher agents функционируют как adaptive planners, scaffolders и reflectors. Класссимулятор реализует multi-scale approach с учётом формального и неформального обучения. Агентность системы оценена в 3–4 по шкале агентности 0–6, что соответствует наличию долговременного когнитивного моделирования, социальной динамики и адаптивного педагогического планирования. Это симуляционный исследовательский прототип, не являющийся живым внедрением.

В системе задействованы роли student-agents, представляющих обучающихся с когнитивным ростом и модели misconceptions, и teacher-agents, выполняющих функции adaptive planner, scaffolders и reflectors, которые реагируют и корректируют образовательный процесс. Благодаря разделению ролей достигается распределение педагогических функций в симуляции, что способствует эмерджентным социальным эффектам и управлению когнитивными траекториями. От человекокомпонентов данных фрагментов явно не выделено, поскольку кейс находится в стадии симуляции и научной архитектуры.

В AgentSchool искусственный интеллект выступает не как тьютор для реального класса, а как **симуляционное население образовательной среды**. Базовая роль AI — моделировать *student-agents* как растущие когнитивные сущности с взвешенными предметными графами знаний, пулами мыслительных workflow и явными заблуждениями, проходящими через траектории обучения в разных сценариях. Параллельно AI берёт на себя роль **teacher-agents** — адаптивных планировщиков, scaffolders и рефлексивных наблюдателей, которые проектируют задания, подстраиваются под зону ближайшего развития симулированных студентов и изменяют тактику в ответ на динамику класса. Эти «учительские» агенты не обучают человека, а управляют виртуальным классом из AI-студентов, проверяя разные стратегии оркестрации. Третья ключевая роль AI — **оркестратор многоагентной учебной экосистемы**: система моделирует classroom как мульти-масштабную симуляцию формальных и неформальных полей обучения, отслеживая социальные эффекты, групповую динамику и возникновение норм в популяции AI-студентов. Здесь AI выступает как инфраструктурный агентный контур, в котором разыгрываются гипотезы о дизайне курсов, групповой работе и управлении вниманием. Таким образом, функционально AI в AgentSchool совмещает роли *виртуальных учеников*, *виртуальных преподавателей* и *симулятора образовательной среды*, обеспечивая исследователям и дизайнерам возможность тестировать педагогические сценарии и схемы оркестрации без участия реальных обучающихся.

AgentSchool — исследовательская симуляционная архитектура без текущей институционализации или нормативных требований. Проект не осуществляет живое внедрение, а служит платформой для моделирования и тестирования образовательных сценариев и педагогических стратегий до интеграции в реальные университетские процессы. В контексте институциональных циклов он скорее относится к этапу лабораторных исследований и прототипирования, предвосхищая дальнейшую институционализацию и внедрение.

На сегодня AgentSchool находится на стадии исследовательского прототипа и симуляционной модели. Реального перехода к внедрению или расширенному пилоту в учебных заведениях не зафиксировано. Система предназначена для предварительной проверки педагогических гипотез, ролей агентов и социальных эффектов в образовательных траекториях, что обеспечивает подготовку базы для последующего rollout. Коррекции и доработки связаны с оптимизацией моделей student и teacher agents и способов отражения социальной динамики.

На данный момент отсутствуют количественные данные реального применения AgentSchool в живых классах. Оценка эффективности проводится на основе симуляций с моделями student profiles и classroom dynamics. Уровень агентности оценён как 3–4/6 по внутренней шкале, что отражает комплексность архитектуры и эмерджентность социального поведения агентов. Модель обеспечивает tracking weighted subject knowledge graphs, misconceptions и ZPD adaptation, но прямых метрик по образовательным результатам нет, что характерно для симуляционных prototyping систем.

Хотя AgentSchool представляет продвинутую симуляцию multi-agent образовательных процессов, он не является живым внедрением, что ограничивает возможность проверки его эффективности в реальных условиях. Система отстает от практик с настоящими course deployments, как ITAS/Old Dominion University с уровнем агентности 3/6, демонстрирующими работу в реальной академической среде. Это подчёркивает разрыв между исследовательской архитектурой и оперативной педагогической практикой, что требует дальнейшего перехода и интеграции.

AgentSchool подходит для переноса в университетские исследовательские лаборатории, где нужны инструменты для предварительного тестирования и моделирования агентных образовательных сценариев. Его мультиагентная структура может быть адаптирована для разработки и оценки комплексных педагогических стратегий, а также для подготовки к внедрению multi-agent tutor систем и classroom orchestration architectures. Широкий потенциал также лежит в научных симуляционных экспериментах по изучению социальных эффектов и коллективных динамик в обучении.

AgentSchool задействует и иллюстрирует гипотезы H4 о hierarchical and multi-scale agent-based tutoring, а также гипотезы H2 и H3 о распределении педагогических функций между специализированными агентами (teacher agents как planner/scaffolders), опираясь на фасет SWARM, где обучение реализуется как orchestrated multi-agent interaction. Используется концепция агентности 3–4/6 с включением social effects, что коррелирует с теориями коллективной адаптивности и образования в зоне ближайшего развития (ZPD). Кейс пересекается с [[H4-agent-education]], [[SWARM-orchestration]] и [[agentic-pedagogy]] и отображает современную рамку agentic learning environments в исследованиях на 2025–2026.

Остаётся неясным, как AgentSchool может перейти от симуляционного прототипа к реальному внедрению с измеряемыми образовательными результатами. Требуется дополнительная проверка работоспособности adaptive teacher agents и growable student agents в реальных классных условиях. Также открытым остаётся вопрос устойчивости социальных эффектов (clique formation, opinion leader emergence) и их влияния на педагогическую норму и результаты обучения. Необходимо выяснить, каким образом институты смогут поддерживать и регулировать такую мультиагентную систему согласно governance frameworks.

В следующей волне важно перепроверить возможность расширения AgentSchool в сторону интеграции с живыми курсами и участие человека-инструктора в адаптации и контроле. Следует сосредоточиться на метриках образовательного прогресса и оценке воздействия социальной динамики в мультиагентной среде. Особое внимание должно быть уделено оценке agentivity 4/6 и реализации meta-control layer, а также калибровке teacher agents к разным педагогическим парадигмам. Рекомендуется проверить взаимодействие AgentSchool с другими multi-agent tutor прототипами, такими как CogEvo-Edu и IntelliCode.