🔧 Lab Handoff

lab_requirement

• build_status: NO_BUILD
• readiness_score: 0.3
• machine_function:
• no_build_reason: Отсутствует чёткое разложение проблемного разрыва по конкретным наблюдаемым следам активности студента и функциональной роли ИИ-тьютора, людино-машинный цикл обучения и роли акторов не формализованы.

sources: [db_row project_lineages:lin-d5c94da23e · high]; [analysis_json orchestrator_run:ar-f9859e0e20 · high]

v2_mve

Minimal Viable Experiment

Hypothesis (что проверяем): Команды ЭГ, прошедшие 10 раундов симуляции с реальными объектами, демонстрируют более обоснованные стратегии на защите (rubric ≥ 4/5) vs КГ, работающая со статичными кейсами.

Intervention (что меняем): ЭГ (~4-5 команд) проходят 10 раундов симуляции с snapshot ЦИАН + макро-прогнозы ЦБ. КГ (~4-5 команд) — 3 статичных кейса за то же время.

Control (с чем сравниваем): Параллельные подгруппы того же курса, одинаковый преподаватель.

Observable change (что должно измениться): Экспертный балл rubric ЭГ выше КГ p<0.05 (N≥8 команд суммарно). Число обоснованных альтернативных стратегий в защите ЭГ ≥ 3 у ≥ 70% команд.

Evidence needed (какие данные): Snapshot ЦИАН объектов сохранён на день старта курса; макро-прогнозы из открытых источников; лог всех решений команд + rubric-scored защиты 2 rater'ов (kappa ≥ 0.7).

Архитектура · v2_agentity_audit

Agenticity Check

Verdict — Agent Level: 0 (Interface/simulator (rules-based))

• Memory (устойчивое состояние): PARTIAL — симулятор хранит состояние портфеля per команда per раунд, но между сессиями логи не аккумулируются
• Goal (собственная цель): NO — симулятор — passive rules engine, целей своих нет
• Planning (самостоятельная последовательность): NO — не строит план, только применяет правила
• Autonomy (действия без запроса): NO — все решения — от команды студентов
• Human Gate (где остаётся человек): YES — финальная защита стратегии, преподаватель + приглашённые эксперты

🔬 Sem-6 v2 · Evidence-Grounded Analysis

Minimal Viable Experiment

Hypothesis (что проверяем): Команды ЭГ, прошедшие 10 раундов симуляции с реальными объектами, демонстрируют более обоснованные стратегии на защите (rubric ≥ 4/5) vs КГ, работающая со статичными кейсами.

Intervention (что меняем): ЭГ (~4-5 команд) проходят 10 раундов симуляции с snapshot ЦИАН + макро-прогнозы ЦБ. КГ (~4-5 команд) — 3 статичных кейса за то же время.

Control (с чем сравниваем): Параллельные подгруппы того же курса, одинаковый преподаватель.

Observable change (что должно измениться): Экспертный балл rubric ЭГ выше КГ p<0.05 (N≥8 команд суммарно). Число обоснованных альтернативных стратегий в защите ЭГ ≥ 3 у ≥ 70% команд.

Evidence needed (какие данные): Snapshot ЦИАН объектов сохранён на день старта курса; макро-прогнозы из открытых источников; лог всех решений команд + rubric-scored защиты 2 rater'ов (kappa ≥ 0.7).

Failure Analysis 2.0

Mechanism Failure (где механизм не сработает): - 6 акад. часов практических занятий на 10 раундов = ~36 мин на раунд — при сложности задачи может не хватить для рефлексии. - Snapshot ЦИАН/Авито объектов на начало курса быстро устаревает; при повторном запуске в след. семестре данные не сопоставимы.

Incentive Failure (кто как обойдёт): - Виртуальный инвестор — без реальных денег нет эмоциональной ставки; студент может рисковать безрассудно. - Команды могут разделить работу — один делает расчёт, второй смотрит; коллективное решение подменяется split-работой.

Delegation Failure (что ИИ заберёт у человека): - Если симулятор даёт готовые метрики (NPV, IRR), студент не учится их считать сам. - Готовый лог макро-сценариев снимает необходимость самому анализировать макроэкономику.

Measurement Failure (как решим что успех, ошибочно): - Финальный капитал зависит от рандома макро-сценариев; ранговое сравнение команд может отражать удачу, не мастерство. - Экспертный балл без калибровки — субъективен.

Agenticity Check

Verdict — Agent Level: 0 (Interface/simulator (rules-based))

• Memory (устойчивое состояние): PARTIAL — симулятор хранит состояние портфеля per команда per раунд, но между сессиями логи не аккумулируются
• Goal (собственная цель): NO — симулятор — passive rules engine, целей своих нет
• Planning (самостоятельная последовательность): NO — не строит план, только применяет правила
• Autonomy (действия без запроса): NO — все решения — от команды студентов
• Human Gate (где остаётся человек): YES — финальная защита стратегии, преподаватель + приглашённые эксперты