📇 Project Card

Идентичность

• lineage_id: lin-d5c94da23e
• label: Инвестиционный симулятор рынка недвижимости
• project_id: real-estate-investment-simulator
• current_version_id: ver-3708fd3ca5

sources: [db_row project_lineages:lin-d5c94da23e · high]

Protected core

Защищённое ядро: (1) курс = общеуниверситетский электив по недвижимости, не спецкурс для финансистов — предполагает разнородную студенческую аудиторию; (2) 10-раундная структура симуляции с горизонтом = 1 год за раунд — минимальная длина для проявления макро-эффектов; (3) реальные объекты из открытых источников (ЦИАН, Авито) — заземление; (4) команды по 2-4 человека — имитация инвестиционных команд; (5) защита стратегии в конце — принудительная рефлексия и обоснование решений; (6) множественная метрика (экспертный балл + точность прогноза + финансовый результат) — защита от single-metric оптимизации студентами.

sources: [art-6f04b38fc1 note «_Инвестиционный симулятор рынка недвижи…» · high]; [art-771dc95c31 slides «_Инвестиционный симулятор рынка недвижи…» · medium]; [analysis_json orchestrator_run:ar-f9859e0e20 · high]

Несущий разрыв

Несущий разлом: симулятор с реальными объектами и макро-данными требует непрерывного обновления рыночных данных и корректной модели последствий (арендные ставки, вакантность, налоги, ремонт, ликвидность). Если симулятор упрощает модель — теряется дидактическая ценность (студенты научатся играть в упрощение, а не понимать рынок); если моделирует полностью — становится отдельным BUILD-проектом, недоступным одному преподавателю за один семестр. Разлом также в том, что реальные объекты быстро устаревают в данных (через полгода объявления удалены с ЦИАН), что делает воспроизводимость эксперимента ограниченной. Компенсация — фиксировать выборку объектов на момент старта курса как snapshot + использовать готовые макро-прогнозы (ЦБ РФ, Росстат, Дом.РФ) вместо live-feed.

sources: [art-6f04b38fc1 note «_Инвестиционный симулятор рынка недвижи…» · high]; [art-771dc95c31 slides «_Инвестиционный симулятор рынка недвижи…» · medium]; [analysis_json orchestrator_run:ar-f9859e0e20 · high]

Готовность

Готовность: READINESS_SEMINAR_DISCUSSION → PILOT_REQUIRES_SIMULATOR_DECISION. Проект имеет методологически корректный дизайн, теоретическую рамку, ясные метрики. До пилота критически важно решить вопрос симулятора: (a) готовый продукт (например, real-estate simulation platform), (b) LLM с промпт-конфигом и сценарными карточками (легковесно, но менее realistично), (c) собственная разработка (год работы, вне рамок семестра). Рекомендация — вариант (b) для семестрового пилота с фиксированным snapshot объектов; переход к (a) или (c) после подтверждения педагогической ценности.

sources: [art-6f04b38fc1 note «_Инвестиционный симулятор рынка недвижи…» · high]; [art-771dc95c31 slides «_Инвестиционный симулятор рынка недвижи…» · medium]; [analysis_json orchestrator_run:ar-f9859e0e20 · high]

🔬 Sem-6 v2 · Evidence-Grounded Analysis

Claim–Evidence Matrix

FACT (следует из источников): - Курс — общеуниверситетский электив «Экономика и управление недвижимостью», 16 ч лекций + 34 ч практических. · docx art-6f04b38fc1 §Пространство эксперимента · conf=high - 10-раундная структура симуляции (1 раунд = 1 год); участники — команды 2-4 чел., 20-30 студентов. · docx §Дизайн · conf=high - Реальные объекты недвижимости из открытых источников (ЦИАН, Авито) + макро-прогнозы (ЦБ РФ, Росстат, Дом.РФ). · docx §Метод · conf=high

AUTHOR CLAIM (заявляет автор): - Симулятор с реальными объектами и макро-данными повысит качество обоснования инвестиционных решений vs статические кейсы. · docx §Гипотеза · conf=asserted_by_author - 10 раундов достаточно для проявления макро-эффектов и наблюдения долгосрочных последствий. · docx §Дизайн · conf=asserted_by_author

ANALYTICAL INFERENCE (вывод системы): - Симулятор ускоряет цикл обратной связи с 10+ лет реальности до 2-3 практических занятий, сохраняя причинно-следственную связь решение→последствие. · system reading of round-based accelerated time · conf=high - Реальные объекты ЦИАН/Авито быстро устаревают — воспроизводимость эксперимента через ~6 месяцев ограничена без snapshot. · system methodological risk analysis · conf=high

HYPOTHESIS (требует проверки): - Три альтернативы реализации симулятора (готовый / LLM+карточки / собственная разработка) дают разный уровень realistiчности; LLM+карточки достаточно для семестрового пилота. · requires empirical comparison · conf=requires_pilot

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

Educational Mechanism Model

Current educational practice: Статичные кейсы недвижимости на практических занятиях — расчёт NPV/IRR по фиксированным данным, разбор в группе.

Limitation / failure point: Студенты не сталкиваются с макроэкономическими шоками, изменением рынка со временем, необходимостью учитывать долгосрочные последствия и портфельное управление. Нет опыта работы с неполной информацией.

Changed activity (что действие меняется): Студент вместо разового расчёта NPV проходит 10 раундов инвестиционных решений (покупка/продажа/аренда/кредит) с макро-сценариями каждый раунд и защитой финальной стратегии.

Role of AI (компонент механизма): Симулятор — применяет фиксированные правила расчёта (аренда, налоги, кредит) + разыгрывает макро-сценарии. НЕ даёт стратегических рекомендаций.

Role of human (сохранённая функция): Студенческая команда — все стратегические решения; финальная защита стратегии перед комиссией. Преподаватель — постановка правил + модерация защиты. Экспертное вознаграждение эксперта не описано.

Expected competence change: Способность обосновывать инвестиционные решения в условиях неопределённости; повышение точности прогнозов доходности; учёт налоговой оптимизации.

Measurement method: Экспертный балл по рубрике (аргументированность выбора, источники данных, альтернативные стратегии, риск кредитного плеча), точность прогноза (заявленная vs симулированная доходность), финальный капитал, опросник вовлечённости. t-test для зависимых выборок.

Readiness — 4 tiers

• Idea readiness: STRONG — чёткий диагноз проблемы + operational answer через ускоренное время
• Mechanism readiness: PARTIAL — механизм ясен, но решение по симулятору (готовый/LLM/собственный) не сделано
• Implementation readiness: WEAK — нет реализации ни одной из трёх опций симулятора
• Evaluation readiness: PARTIAL — метрики есть, rater calibration не запланирован