FINAL — Архитектурная типология (8 типов)

Generated: 2026-06-27 (Variant C, Phase 4) Source: FINAL_corpus_v1_unified_registry.json (205 cases) + DR3 типологическая таблица.

Как читать

Типы — это архитектурные паттерны организации учебного цикла с ИИ, не категории доменов. Один институциональный кейс может попадать в несколько типов (например, AI-University FEM = T1 + T4 + T5). В каждом типе указаны:

• Ядро — что делает учебный цикл «этим типом», а не другим
• A/B/C/D диапазон — типичная разметка
• Strong case (≥3) — минимум 3 надёжных кейса, по которым можно реконструировать архитектуру
• Adjacent cases — близкие, но с более слабой публичной реконструкцией
• Washing risks — главные риски «подделки под тип»
• Anti-analog — кейс, который выглядит как тип, но не является им

T1 — RAG-tutor over fixed course

• Ядро: курсовой корпус (lectures + notes + textbook) + RAG / fine-tuning + traceability логирование запросов и ответов
• A/B/C/D: A3 / B2-B4 / C2-C4 / D1,D3,D11,D12
• Strong cases:
  • ai-university-fem-course — AI-University for Graduate FEM (C4-candidate)
  • coursegpt-information-security — CourseGPT в InfoSec
  • circuit-smart-tutor-azure — LLM-Enhanced Smart Tutor for Circuit Analysis
  • rwth-ai-civil-tutoring — RWTH AI-Powered Tutoring for Civil Engineering
  • siemens-xcelerator-ai-tutors — Siemens Xcelerator Academy AI tutors
• Adjacent: cybersec-ai-tutor-9-domains (arXiv 2602.17448), tutor-software-engineering-artemis, jlu-cp-itutor, ai-bot-five-courses, ai-tutor-effectiveness-10k-submissions
• Washing risks:
  • coverage_washing — «нашему курсу подключили ChatGPT» без RAG, без логов, без перепроектирования заданий
  • concept_washing — назвали «AI tutor» wrapper, который просто проксирует chat
  • cao_washing — приписали системе регулятивную функцию, когда её нет (нет grading, нет verification loop)
• Anti-analog: staffordshire-ai-coding-course (Wave 3) — AI как cheap delivery substitute, не учебная архитектура

T2 — Auditable assessment redesign

• Ядро: AI разрешён, но учёт сдвигается в trace/viva/transcript/oral defense. Не запрет ИИ, а переплавка системы оценивания под новую реальность
• A/B/C/D: A3 / B4 / C2 / D10,D11,D12
• Strong cases:
  • ai-tutor-hydrology-argentina — Hydrology redesign после провала первого цикла, auditable appendix + time floor + verified numerical task
  • open-book-exams-chatgpt-engineering — открытые экзамены с ChatGPT, переход к verification
  • avouris-programming-course-redesign — KIT/Karlsruhe + GR redesign
  • circuit-homework-assessment-enhanced — Enhanced LLM Homework Assessment для Circuit Analysis
  • public-speaking-ai-engineers — AI-Driven Public Speaking Assessment
• Adjacent: conversational-exam (Wave 3), voice-based-oral-assessments, qub-software-testing — все требуют отдельной верификации в pass_2
• Washing risks:
  • mindset_washing — «студенты теперь учатся ответственно использовать AI» без операционных критериев
  • coverage_washing — добавили rubric для AI, но не изменили exam architecture
• Anti-analog: курсы, где AI просто запрещён без переработки — фактически отступление, а не редизайн

T3 — Capstone with governed GenAI

• Ядро: GenAI встроен в командный workflow capstone-проекта, но ограничен слоями verification + responsibility. Студенты обязаны декларировать использование AI, валидировать результат, защищать перед комиссией
• A/B/C/D: A3-A4 / B4 / C2-C3 / D2,D4,D12
• Strong cases:
  • rwcp-baseline-genai-capstone — Real-World Capstone Projects with Permitted GenAI
  • integrating-genai-capstone — Integrating GenAI Tools into the Capstone Course
  • senior-design-multi-agent-llms — Multi-Agent LLM Framework for Senior Design
  • ai-driven-agile-curriculum — Project-Based AI Engineering Curriculum
  • agile-requirements-simulation-ai-personas — Teaching Agile Requirements with AI Personas
  • cnki-llm-re-classes — LLMs в Requirements Engineering classes
• Adjacent: ai-assisted-re-expert-judgment, software-team-projects-llm-design-space, senior-design-multiagent-llm-2501, sutd-tool-teammate-neither (метод-уровень рефлексии)
• Washing risks:
  • agent_washing — «multi-agent capstone» без распределения функций
  • cao_washing — «студенты пользуются AI ответственно» без операционной фиксации ответственности
• Anti-analog: capstone-курсы, где AI просто запрещён к упоминанию в отчёте — не управление, а repression

T4 — Simulation-plus-AI engineering lab

• Ядро: симулятор (FEM, CFD, BIM, power-system, materials) остаётся центром, AI добавляет guidance, verification, parameter exploration. ИИ — внутри инженерного цикла, не вместо него
• A/B/C/D: A2-A4 / B2-B4 / C2-C3 / D1,D2,D3,D12
• Strong cases:
  • ai-university-fem-course — FEM + RAG (C4-candidate)
  • nmc2025-quantum-materials-calculator — Neuromorphic Materials Calculator (C4-candidate)
  • abb-nvidia-robot-training — Industrial Robot Training with Omniverse
  • bim-rule-checking-course — Generative AI Rule Checking в BIM Education
  • circuit-smart-tutor-azure — Smart Tutor для Circuit Analysis
  • digital-twins-newcastle-msc-phd — Digital Twins MSc/PhD (Newcastle + Aarhus)
  • wara-robotics-mobile-manipulation-challenge — WARA ABB Robotics challenge
• Adjacent: aimhack-materials-science, hackathon-aimhack-jp-materials, ai-powered-materials-discovery-framework, end-to-end-circuit-problem-solver
• Washing risks:
  • tool_augmentation — «добавили AI assistant к ANSYS» без перестройки рабочего цикла или критериев
  • concept_washing — «physics-informed AI» там, где физических ограничений в loss-функцию не введено
• Anti-analog: power-system-dynamics-framework если он окажется только framework paper без воспроизводимого student lab — отнести к weak_signal

T5 — AI-native institution buildout

• Ядро: учреждение строится вокруг AI-first curriculum и talent pipeline. Не «добавили курс по AI», а institution-level architecture: faculty, pipeline, ethos, distribution
• A/B/C/D: A3 / B4-B5 / C2-C4 / D5,D6,D7,D10
• Strong cases:
  • mbzuai-bs-ai-engineering-track — MBZUAI BSc in AI, Engineering Track (UAE)
  • mbzuai-co-pilot-education-model — MBZUAI Co-pilot education model (C4-candidate)
  • science-tokyo-dsai-center — Institute of Science Tokyo DSAI Center
  • kaist-snu-digitalogy — KAIST/SNU Digitalogy Academy
• Adjacent: bosch-ai-academy, samsung-ssafy-2-0, rolls-royce-specialist-academy, siemens-xcelerator-ai-tutors, tufts-icdo-uvm (Левин-line institutional)
• Washing risks:
  • OFFICIAL_CLAIM doминирует: «we are building AI-native curriculum» без публично восстановимой архитектуры цикла
  • coverage_washing — talent pipeline scholarship narrative без перестройки тренировочной программы
• Anti-analog: mbzuai-ai-excellence-scholarship — талант-пайплайн scholarship, не AI-native curriculum buildout. То же penang-chip-design-academy — мощный launch narrative, нет публично восстановимой curriculum stack

T6 — Corporate engineering academy

• Ядро: физический/корпоративный training environment под новые AI-heavy инженерные практики. Цель — переподготовка работающих инженеров под конкретный technology stack заказчика (ASML, Schneider, Siemens, Samsung, Bosch)
• A/B/C/D: A1-A3 / B3-B4 / C2 / D4,D6,D12
• Strong cases:
  • asml-academy — ASML Technical Academy Phoenix
  • schneider-malaysia-training-hub — Schneider Electric SE Asia Training Hub
  • siemens-expedite-microcredential — Siemens Expedite Skills for Industry
  • flexport-90-day-ai-upskilling — Flexport 90-day Upskilling
  • iitm-data-centre-ops — IITM + Vertiv data-centre training
  • samsung-innovation-campus-robotics — Samsung Innovation Campus Robotics
  • bosch-ai-academy, rolls-royce-specialist-academy
• Adjacent: haui-siemens-digital-labs, wara-robotics-mobile-manipulation-challenge, nus-formula-sae-siemens
• Washing risks:
  • coverage_washing — впечатляющий хаб без публичной педагогики, assessment, engineering progression
  • scope_drift — корпоративный upskilling выдают за инженерное образование (Flexport-style)
• Anti-analog: schneider-hub, flexport-90-day-upskilling (без подробностей curriculum) — попадают в borderline между training и school

T7 — Multi-agent training environment

• Ядро: несколько agent roles реально распределяют функции (planner / verifier / critic / executor), а не просто role-prompt imitation. Архитектура с памятью, arbitration, evaluation
• A/B/C/D: A4 / B4 / C3 / D4,D11,D12
• Strong cases:
  • senior-design-multi-agent-llms — Multi-Agent LLM Framework for Senior Design
  • senior-design-multiagent-llm-2501 — arXiv 2501.01205
  • astra-atco — ASTRA ATCO training simulator (Singapore)
  • capra-multi-agent-architecture-feedback — CAPRA для software architecture feedback (arXiv 2606.18976)
  • spear-multi-agent-smart-contract — SPEAR Multi-Agent Smart Contract Auditing
  • triz-agents — TRIZ Agents (LLM-based TRIZ)
  • military-training-scenario-generation — AI-Assisted Generation of Military Training Scenarios
• Adjacent: agile-requirements-simulation-ai-personas (boundary с T3), jbnu-swarm-flight-mobility, bit-llm-proteus
• Washing risks:
  • agent_washing — два промпта с разными ролями объявлены «multi-agent system», без памяти/arbitration/evaluation
  • assemblage_washing — заявка на «когнитивную ассамбляжу» без верификации, что функции реально распределены, а не симулированы одной моделью
• Anti-analog: курсы, где «multi-agent» означает «студент пишет несколько промптов» — это prompt orchestration на стороне студента, не multi-agent system

T8 — Philosophical-ontological AI engineering track

• Ядро: AI вводится через ethics / ontology / epistemology / whole-person framing. ИИ как объект концептуальной работы, не как инструмент. Связь с D9-D10
• A/B/C/D: A3 / B5 / C4-candidate / D9,D10
• Strong cases:
  • whole-person-ai-engineers — Whole-Person Education for AI Engineers
  • oulu-genai-cognitive-systems-itee — GenAI-Enhanced Cognitive Systems (Финляндия, EU AI Act framing)
  • ru-engineering-thinking-ai — Формирование инженерного мышления под влиянием ИИ (RU)
  • ru-engineering-profession-ai — Будущее инженерной профессии в условиях ИИ (RU)
  • world-of-ai-first-year-engineers — World of AI for First-year Engineering Students
  • ubc-enge-ai — UBC EngE-AI for critical thinking
  • skillsfuture-ai-ethics-literacy — SkillsFuture AI ethics
• Adjacent: human-machine-systems-genai, biomedical-ai-pbl-gatech-emory, tufts-icdo-uvm, nmc2025-quantum-materials-calculator (по D9 краю)
• Washing risks:
  • mindset_washing — «AI ethics module добавили» без операционных критериев assessment ethical reasoning
  • concept_washing — broad «human-AI co-evolution» framing без указания конкретной онтологической позиции
• Anti-analog: ad-hoc «AI ethics lecture» в курсе по data science — это не philosophical-ontological track, это galaxy of bullet points

Сводка: сколько кейсов в каждом типе

Использование

• Для занятий МАИ: T1+T2 ⇒ Lesson 3 (CAO); T4 ⇒ Lesson 2 (CAE); T1+T5 ⇒ Lesson 1 (CAD framing); T7 ⇒ Lesson 4 (orchestration); T8+L5 candidates ⇒ Lesson 5 (hybridity).
• Для ВКР-контура: T2+T3 — основные источники типов оценочной нормы.
• Для anti-washing работы: см. FINAL_anti_analog_registry.md.
• Для C4-валидации: T1, T4, T5 содержат кандидатов, см. FINAL_C4_candidates_audit.md.