FINAL — Open Questions (25+)

Generated: 2026-06-27 (Variant C, Phase 7) Источник: DR3 17 открытых вопросов + расширение на основе FINAL_corpus_v1_unified_registry анализа.

Эти вопросы — главный результат агрегации после трёх волн. Они задают повестку для следующего исследования и для ВКР-тем.

Кластер A: C4 environments — где они есть и как их строить

1. Где находятся действительно подтверждённые C4 environments с архитектурой, а не с красивым языком? — DR3 #1
2. Как измерять переход от C2 к C3/C4 без washing? — DR3 #10. Требуется набор операционных critериев, не лексических меток.
3. Есть ли инженерные программы, где human+LLM оцениваются как единая когнитивная система, а не как tool usage? — DR3 #2. Сейчас: SUTD ×2 + AI-University FEM + NMC2025. Нужно ещё 5+ для статистики.
4. Какой класс инженерных задач требует C4 среды, а не только tutor? — Гипотеза: materials/biology/complex-systems. Нужно тестировать.
5. Какие операционные test'ы отличают C3 (multi-agent collective) от C4 (single intelligence environment)? — Граница тонкая, путаются.

Кластер B: Левин-линия и 7-й тип мышления

6. Существует ли уже воспроизводимый Levin-style undergraduate engineering curriculum, а не только research-lab layer? — DR3 #3. Сейчас: только Tufts EE 123.
7. Какой минимальный empirical anchor нужен, чтобы установить 7-й тип инженерного мышления как валидный? — Сформулирован в FINAL_levin_line_diagnosis.md: 3 институционых курса + assessment criteria + воспроизводимость в 2+ географиях.
8. Можно ли восстановить полный iGEM sweep с проверяемым AI-as-partner evidence? — DR3 #4. 350+ команд iGEM 2025; sweep требует MCP-pass.
9. Какая школа окажется первой, объявившей inaugural Bachelor's программу в morphogenetic engineering? — Кандидаты: Tufts BME, UVM, possibly EBRC member institutions.
10. Как 7-й тип мышления соотносится с восточно-философскими традициями (Daoist self-cultivation, Buddhist mind-body assemblage)? — Open metaethical question.

Кластер C: Российские и восточные локальные нормы

11. Какие российские инженерные школы реально перестроили assessment, а не просто ввели AI electives? — DR3 #5. Сейчас: 6 RU кейсов, в основном philosophical/conceptual, не architectural. Требует pass_5.
12. Есть ли у восточноазиатских defense academies публичные course-level traces по AI engineering training? — DR3 #6. ROK Air Force, NPS — единственные prominently описанные. JP/CN — закрыто.
13. Как ГИИ-онтология (как описана в docs/ontology/) сопоставляется с локальными китайскими/корейскими онтологиями инженерного мышления? — Open для cross-cultural study.
14. Какие сигналы доступны из 中国工程院 (CAE) и 国家自然科学基金 (NSFC) программ AI engineering education? — Возможен pass через arxiv + duckduckgo.

Кластер D: MBSE / TRIZ / D8 / D9 — тонкие слои

15. Где находятся working MBSE/SysML/Capella courses с явным LLM integration and exam redesign? — DR3 #7. Требует pass_3.
16. Как выглядит сильный D8 TRIZ-AI program, а не prototype/notebook/seminar? — DR3 #8. Сейчас D8=9 кейсов. Требует pass_4.
17. Какие данные нужны, чтобы честно подтвердить «mindset formation», а не mindset-washing? — DR3 #15. Operational critериев в литературе почти нет.
18. Как оценивать D9 outcomes — онтологическую и философскую работу — так, чтобы они не растворялись в rhetorical framing? — DR3 #14. Сейчас D9=14 кейсов; нужно architecturally реконструировать.

Кластер E: Анти-washing операционализация

19. Как проектировать rubrics, различающие convenience use и epistemic growth? — DR3 #11.
20. Можно ли стабильно встроить AI reviewer/opponent в ВКР без превращения его в theatrics? — DR3 #13. Эксперимент через S3 (Defense Preparation) в FINAL_VKR_contour.md.
21. Как отличить multi-agent system от prompt orchestration в реальном time? — См. L4. Operational test через arbitration mechanism.
22. Что отличает C4 «среду» от просто T1 RAG-tutor? — Гипотеза: traceability + alignment to ethos + recursive student-as-builder.

Кластер F: ВКР-форматы и assessment

23. Какие форматы viva/oral/code defense наиболее масштабируемы в engineering schools? — DR3 #12. Conversational exam, voice oral, live numerical — нужно сравнительное исследование.
24. Какие инженерные домены сильнее всего сопротивляются LLM-based redesign — nuclear, chemical, civil или embedded? — DR3 #14. Гипотеза: nuclear (regulatory) и embedded (real-time).
25. Где проходит граница между simulation-backed learning environment и mere tool augmentation? — DR3 #16. Operational test через HIL protocol (L2).
26. Возможны ли «AI-resistant» exam formats — задачи, которые LLM решает плохо, а человек хорошо? — Эмпирический вопрос с domain-specific ответами.

Кластер G: Корпоративные слои

27. Какие страны вне США реально имеют плотный corporate engineering academy layer, доступный для проверки? — DR3 #9. Сейчас: DE (Bosch, Siemens), KR (Samsung), MY (Schneider, Penang). Требует deeper sweep.
28. Как corporate academies (T6) превращаются в polytechnic-level institutions (T5)? — Open question pathway.

Кластер H: ГИИ-специфическое (для Dedalum/Paideia курса)

29. Какой минимум кейсов нужен per тип ГИИ-мышления, чтобы установить корпус для тренировки на платформе Dedalum? — Эмпирический вопрос для разработчиков.
30. Как Paideia/Dedalum architecture (auth/BYOK/library) сочетается с C4-средами в FE классе? — Operational integration question.

Self-check

Дельта после Pass 2-5 (sess 3)

Некоторые вопросы получили частичный или полный ответ из passes 2-5:

Остаются открытыми: #2 (human+LLM unified cognitive system measurement), #3 (Левин-line undergraduate curriculum), #4 (iGEM AI-as-partner sweep), #6 (eastern defense academies), и остальные 22 вопроса.