▶ Запустить агента на проекте
Выбери profile. Каждый — это связка L1 агентов и контекста.
SystemModel · elective
system_example-seminar-cards
maturity: explored
invention L3
source: imported-from-canvas
главная функция
студент получает способность различать декларативную фразу от операциональной на материале собственного учебного эксперимента через 18-секционный канвас и AI-аналитику
побочные функции
- студент тренируется формулировать замысел учебного проекта
- студент вовлекается в критический рефлексивный диалог с AI от лица разных стейкхолдеров
- студент анализирует и перерабатывает проект на основе контр-вопросов и отзывов
DANO · исходная ситуация
- student_arrives_with
- теоретические знания (Дьюи, Выготский, Дэвидов), но отсутствует навык операционного применения теории
- institution_has
- магистратуру по педагогике, методическое управление, LMS Moodle, AI-инфраструктуру с доступом к GPT-4.1-mini и GPT-5
- context
- электив на 8 недель, 24 студента, ИТМО, 2026-фall
- resources
- 18-секционный канвас, AI-агенты, преподавательский состав
- constraints
- формализованный канвас как обязательная форма, согласование с методическим управлением, политика AI
- available_technologies
- LLM GPT-4.1-mini, GPT-5, LMS Moodle
- current_practice
- курсы, превращающиеся в пересказ источников без операционного использования
DOLZHNO · целевое
- student_can_do
- отличать декларативные фразы от операционных, формулировать и прорабатывать учебный эксперимент с критикой от AI и стейкхолдеров
- measured_via
- slop-test (вход 30% корректных различений, цель 75% после курса), AI-блокировка нерабочих секций канваса
- market_demand
- программы, где студенты проектируют собственные эксперименты; востребованы навыки операционального применения теории
- success_criteria
- студенты достигают 75% корректных различений по тесту, проходят критику и способны переработать замысел
- protected_constraints
- согласование с методическим управлением, политика использования AI, требования к оформлению РПД
- verification_conditions
- результаты slop-test, успешное прохождение AI Quality Gate, преподавательская оценка
working organ · кто/что выполняет функцию
-
Преподаватель-картограф
human
структурирование курса и методологическое сопровождение
-
AI-медиатор
ai-persona
осветление поверхностных ассумпций и выявление slop
-
AI-критик (7 типажей стейкхолдеров)
ai-persona
атакует каждый канвас через призму 5 разных стейкхолдеров, блокирует продвижение с ошибками
flows · потоки
- studentстуденты прогоняют собственные замыслы учебных экспериментов через 18-секционный канвас, взаимодействуя с AI-критиком и преподавателем · ритм: недельный цикл в рамках 8-недельного электива
- contentучебный материал — 18-секционный канвас, методические указания, контр-вопросы от стейкхолдеров · ритм: -
- assessmentslop-test на различение деклараций и операций, а также AI-блокировка нерабочих секций канваса · ритм: pre-test, post-test, еженедельные проверки AI
- feedbackмногократная AI-оценка, стейкхолдерская критика, преподавательские рекомендации для переработки замысла · ритм: недельный цикл
- time8 недель, структурированных по неделям на формулировку, заполнение, критику, доработку, проектную сессию, защиту и рефлексию · ритм: недельный
⚡ противоречия (2)
-
pedagogical
i4
A: формализованная и структурированная форма канвасаB: гуманитарное неприятие технократической формализации и возможная парализация инициативы AI-критиком
-
technical
i3
A: зависимость от AI и API GPTB: технический риск отключения сервиса, влияющий на стабильность курса
✓ verification
- slop-test корректных различений деклараций и операций через pre и post тесты, AI-блокировка секций канваса → повышение с 30% до 75% корректных различений