🎯 Seminar Brief
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]
frame_tensions
- {"tension_id": "ft-e9ba2d0da7", "analysis_run_id": "ar-f9859e0e20", "frames_involved_json": "[\"F-PRJ\", \"F-EDU\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-23f2903a22", "analysis_run_id": "ar-f9859e0e20", "frames_involved_json": "[\"F-PRJ\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-0bb9db1bf5", "analysis_run_id": "ar-f9859e0e20", "frames_involved_json": "[\"F-RES\", \"F-PRJ\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-b97b49a10a", "analysis_run_id": "ar-f9859e0e20", "frames_involved_json": "[\"F-EDU\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-1722e5afbc", "analysis_run_id": "ar-f9859e0e20", "frames_involved_json": "[\"F-RES\", \"F-EDU\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
- {"tension_id": "ft-d4197d200d", "analysis_run_id": "ar-f9859e0e20", "frames_involved_json": "[\"F-RES\", \"F-AIH\"]", "conflicting_units_json": null, "conflicting_criteria_json": null, "project_stakes
sources: [db_row project_lineages:lin-d5c94da23e · high]; [analysis_json orchestrator_run:ar-f9859e0e20 · high]
position_invocations
- {"invocation_id": "piv-1c046cdec7", "profile_id": "SEMINAR_PREP", "position_id": "SEMINAR_PREP"}
- {"invocation_id": "piv-a0fda4e1ac", "profile_id": "SEMINAR_PREP", "position_id": "SEMINAR_PREP"}
sources: [db_row project_lineages:lin-d5c94da23e · high]; [db_row position_invocation_records:piv-1c046cdec7 · high]; [analysis_json orchestrator_run:ar-f9859e0e20 · high]
🔬 Sem-6 v2 · Evidence-Grounded Analysis
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.
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).