🎯 Seminar Brief
Несущий разрыв
Разлом: 6 акад. часов на весь модуль — очень сжато для полноценной работы с реальным рынком облигаций (изучение инструментария + сбор портфеля + анализ + защита). Если ИИ делает слишком много (даёт готовые рекомендации, готовые списки облигаций) — студент не проходит через 'мучительное' решение → деструктивная разгрузка → атрофия. Если ИИ делает слишком мало (только вычисления) — не помогает справиться с информационным шумом рынка → студент не успевает за 6 часов. Балансировка требует явного правила 'что ИИ делает vs что студент должен сделать сам' на каждом этапе. Второй разлом — проблема виртуального инвестора: без реальных денег нет реального неприятия потерь; компенсация через игровой фрейм ('баллы = условные деньги') не восстанавливает эмоциональную ставку.
sources: [art-f06382ec77 slides «ИИ-наставник.pdf» · medium]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]
frame_tensions
- {"tension_id": "ft-79dc0d1225", "analysis_run_id": "ar-9fbb3edfef", "frames_involved_json": "[\"F-PRJ\", \"F-EDU\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-38067d3be3", "analysis_run_id": "ar-9fbb3edfef", "frames_involved_json": "[\"F-PRJ\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-50b6a0a564", "analysis_run_id": "ar-9fbb3edfef", "frames_involved_json": "[\"F-RES\", \"F-PRJ\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-277034338a", "analysis_run_id": "ar-9fbb3edfef", "frames_involved_json": "[\"F-EDU\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-f4a5519a0f", "analysis_run_id": "ar-9fbb3edfef", "frames_involved_json": "[\"F-RES\", \"F-EDU\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-291dfc3857", "analysis_run_id": "ar-9fbb3edfef", "frames_involved_json": "[\"F-RES\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
sources: [db_row project_lineages:lin-d3321aef8b · high]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]
position_invocations
- {"invocation_id": "piv-d499085e59", "profile_id": "SEMINAR_PREP", "position_id": "SEMINAR_PREP"}
- {"invocation_id": "piv-776c72e9f9", "profile_id": "SEMINAR_PREP", "position_id": "SEMINAR_PREP"}
sources: [db_row project_lineages:lin-d3321aef8b · high]; [db_row position_invocation_records:piv-d499085e59 · high]; [analysis_json orchestrator_run:ar-9fbb3edfef · high]
🔬 Sem-6 v2 · Evidence-Grounded Analysis
Failure Analysis 2.0
Mechanism Failure (где механизм не сработает): - 6 ак. часов на 4 этапа + защита — сжато; каждый этап может остаться поверхностным. - Различение «осмысление — я, вычисление — ИИ» требует явных промпт-правил для ИИ; при их отсутствии ИИ даёт готовые советы и деструктивная разгрузка происходит.
Incentive Failure (кто как обойдёт): - Виртуальный портфель — нет реальной ставки, студент играет. - 6-часовой модуль в электив — низкий стимул для глубокой работы.
Delegation Failure (что ИИ заберёт у человека): - Если ИИ даёт готовые метрики облигаций, студент не учится их считать. - Публичная защита может свестись к отбарабаниванию заученного, если преподаватель не задаёт критических вопросов.
Measurement Failure (как решим что успех, ошибочно): - Балльно-рейтинговая система без rubric субъективна. - Успех = сдал модуль, а не 'умеет применить в реальной жизни' — измерение не связано с целью.
Minimal Viable Experiment
Hypothesis (что проверяем): Студенты ЭГ, прошедшие защиту стратегии без ИИ, демонстрируют более обоснованный выбор облигаций (rubric ≥ 4/5) vs КГ, где ИИ доступен на всех этапах.
Intervention (что меняем): ЭГ (~15 чел.) — 4-этапная модель с ИИ только на этапе 3. КГ (~15 чел.) — те же 6 часов с доступом к ИИ на всех этапах.
Control (с чем сравниваем): Параллельный поток того же электива.
Observable change (что должно измениться): Защита ЭГ содержит ≥ 3 обоснованных категорий облигаций у ≥ 70%; логи ИИ показывают ≤ 10% запросов «какие облигации купить» в ЭГ.
Evidence needed (какие данные): Rubric с 2 rater'ами (kappa ≥ 0.7); полный лог промптов; опросник понимания рисков дефолта.