🎯 Seminar Brief
Несущий разрыв
Несущий разлом проекта: контекст обучения проектному управлению в АПК требует одновременно (а) освоения универсального PM-канона (SMART/WBS/RACI/риск-план/коммуникации/VRIO) и (б) отраслевой адаптации, которую этот канон описывает плохо — сезонные окна, биология, ветеринарные регламенты, длинные циклы. При 18 лекционных встречах на первое и 6 практических — на всё остальное. ИИ-система в этом разломе несёт двойную нагрузку: RAG замещает недостающее время преподавателя-эксперта по отраслевым нормативам, симулятор — недоступную студенту продольную выборку реальных проектов АПК. Разлом создаёт напряжение: если ИИ окажется слишком помогающим — компетенция «планирование при неопределённости» перекочует из студента в симулятор + агент (риск деградации целевой способности); если слишком слабым — не покроет отраслевой дефицит и сведётся к общему PM-курсу. Проект держится на балансе, регулируемом требованием обоснования каждого решения и журналом решений; но именно этот баланс — самая уязвимая часть, и он не операционализирован в исходном тексте (нет явных порогов, при которых agent должен НЕ отвечать или требовать студенту сделать шаг самостоятельно).
sources: [art-73439d24c0 slides «Агапитова ЛГ, образ.эксперимент УП.pptx» · medium]; [art-ebdcf39f5c note «ИИ как тренажер устойчивости проекта в А…» · medium]; [analysis_json orchestrator_run:ar-8d3ca8036c · high]
frame_tensions
- {"tension_id": "ft-7a0fd8f941", "analysis_run_id": "ar-8d3ca8036c", "frames_involved_json": "[\"F-PRJ\", \"F-EDU\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-8ddb5ea7b1", "analysis_run_id": "ar-8d3ca8036c", "frames_involved_json": "[\"F-PRJ\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-a770f714a8", "analysis_run_id": "ar-8d3ca8036c", "frames_involved_json": "[\"F-RES\", \"F-PRJ\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-46c9c568c4", "analysis_run_id": "ar-8d3ca8036c", "frames_involved_json": "[\"F-EDU\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-2ef25d5c70", "analysis_run_id": "ar-8d3ca8036c", "frames_involved_json": "[\"F-RES\", \"F-EDU\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-03a0b4adad", "analysis_run_id": "ar-8d3ca8036c", "frames_involved_json": "[\"F-RES\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
sources: [db_row project_lineages:lin-450d5ffbe1 · high]; [analysis_json orchestrator_run:ar-8d3ca8036c · high]
position_invocations
- {"invocation_id": "piv-d0db89018a", "profile_id": "SEMINAR_PREP", "position_id": "SEMINAR_PREP"}
- {"invocation_id": "piv-00afbf6c79", "profile_id": "SEMINAR_PREP", "position_id": "SEMINAR_PREP"}
sources: [db_row project_lineages:lin-450d5ffbe1 · high]; [db_row position_invocation_records:piv-d0db89018a · high]; [analysis_json orchestrator_run:ar-8d3ca8036c · high]
🔬 Sem-6 v2 · Evidence-Grounded Analysis
Failure Analysis 2.0
Mechanism Failure (где механизм не сработает): - Симулятор с реальными объектами быстро устаревает (макро-прогнозы > 3-6 мес.) — если не фиксируется snapshot, следующие потоки работают с несопоставимыми данными. - 6 ак.часов практических занятий на 10 раундов = ~35 мин на раунд — при среднем размере команды и сложности задачи может не хватить на осмысление, только на механическое прохождение.
Incentive Failure (кто как обойдёт): - Студенты аграрного профиля с низкой цифровой культурой могут воспринимать ИИ как чёрный ящик и делегировать без критики — журнал заполняется формально. - Внешние эксперты АПК — приглашение из отрасли — не имеют мотивации давать подробную обратную связь бесплатно; может свестись к галочке.
Delegation Failure (что ИИ заберёт у человека): - Агент, предлагающий 'альтернативные сценарии', снимает необходимость их порождать — студент учится оценивать готовые options, не строить их. - RAG с ГОСТ/PMBOK — если студент напрямую копирует формулировки, теряется навык применения стандарта к контексту.
Measurement Failure (как решим что успех, ошибочно): - Экспертный балл без rater training + inter-rater kappa = субъективная оценка. - SMART-доля легко манипулируется — студент может формально проставить SMART у каждой задачи без реального содержания.
Minimal Viable Experiment
Hypothesis (что проверяем): На финальном плане проекта в АПК ЭГ (симулятор + агент + эксперты) демонстрирует статистически более высокую долю задач, сохранивших сроки после стресс-теста, vs КГ на том же кейсе.
Intervention (что меняем): ЭГ (~15 чел., 4-5 команд) проходят 10 раундов симуляции с 3 макро-сценариями + журналом решений. КГ (~15 чел.) — тот же кейс через традиционные семинары без симулятора.
Control (с чем сравниваем): Параллельные группы того же курса, тот же преподаватель, одинаковый объём часов.
Observable change (что должно измениться): (a) Доля задач сохранивших исходные сроки после симуляционного шока ≥ 60% в ЭГ vs ≤ 30% в КГ. (b) Число выявленных рисков со сценариями ≥ 5 у ≥ 70% команд ЭГ. (c) Экспертный балл АПК-реалистичности плана ≥ 4/5 у ≥ 70% ЭГ.
Evidence needed (какие данные): Rater training + Cohen's kappa ≥ 0.7 для экспертной панели; snapshot макро-прогнозов на начало курса; лог всех симуляционных шоков с параметрами; journal decisions полностью заполнен ≥ 90% команд.