FINAL — ВКР-контур: S1→S4 Stage-Gate
Generated: 2026-06-27 (Variant C, Phase 5) Источники: VKR_contour pulls (13 кейсов) + T2 (auditable assessment) + T3 (capstone governed) + DR3 «Для ВКР-контура».
Что такое ВКР-контур в этом материале
ВКР как двойная онтология: инженерно-проектная (студент решает задачу) + формально-оценочная (комиссия выносит вердикт). AI работает с обеими — и важно их не путать. Stage-Gate S1→S4 строится так, чтобы:
- S1 Verification: что вообще делается? кто фиксирует и как
- S2 Inquiry: какие вопросы инженер задаёт системе? как AI помогает их формулировать
- S3 Defense Preparation: что AI делает в подготовке защиты? Где грань
- S4 Public Defense: что комиссия видит? Как assessment устроен
Главная фальшь, против которой работает контур: «достаточно просто правильно спросить ChatGPT».
Stage-Gate структура
| Stage | Вопрос | AI роль | Ключевые кейсы для опоры | Anti-pattern |
|---|---|---|---|---|
| S1 Verification | Что на самом деле сделано? | Trace generator | ai-tutor-hydrology-argentina, qub-software-testing-causal-model, rwcp-baseline-genai-capstone |
Generated text без trace |
| S2 Inquiry | Какие вопросы задавать системе? | Question-formulator, RAG-source | ai-university-fem-course, circuit-smart-tutor-azure, cnki-llm-re-classes |
LLM выдаёт ответы вместо помощи в вопросах |
| S3 Defense Preparation | Что защищаемо? | Critic / red-team / personas | agile-requirements-simulation-ai-personas, senior-design-multi-agent-llms |
"AI prepared my defense for me" |
| S4 Public Defense | Что комиссия видит? | None / observer | conversational-exam, voice-based-oral-assessments |
Студент использует AI on-the-fly |
S1 Verification — артефакты
Что должно быть:
- Auditable appendix по образцу Hydrology Argentina: все AI prompts, responses, edits, decisions
- Traceability matrix между claim в работе и AI session
- Time floor — минимум часов без AI (по типу Hydrology)
- Numerical verification — все ключевые цифры воспроизводимы независимо от AI
Failure mode: lazy-students-dream-control-systems — ChatGPT прошёл инженерный курс. ВКР, в которой невозможно отделить студента от модели, не должна быть допущена к защите.
S2 Inquiry — артефакты
Что должно быть:
- Question log — какие вопросы студент задавал LLM, и почему именно так
- Source provenance — какие источники RAG-tutor извлекал (для AI-University-FEM-style сред)
- Negation tests — пробовал ли студент возразить AI на ответ? Что получилось?
Что разбираем: ai-university-fem-course — почему среда знает свои источники, а ChatGPT их теряет.
S3 Defense Preparation — артефакты
Что должно быть:
- Multi-agent critic session — студент прогоняет работу через 3-4 различных critic-personas
- Red-team report — что слабее всего в работе? Что комиссия атакует первым?
- Counter-evidence — какие свидетельства против работы существуют?
Что разбираем: agile-requirements-simulation-ai-personas — как personas могут реально помочь в defense prep, если не съезжают в agent_washing.
S4 Public Defense — артефакты
Что должно быть:
- Conversational exam или viva voce — устный разбор, без AI
- Voice/oral assessment — assessor проверяет понимание, а не воспроизведение
- Live numerical task — задача на доске или живая модель в живой среде
Что разбираем: conversational-exam и voice-based oral как образцы. ВКР-защита — это natural form для conversational exam.
Базовые кейсы (10)
| ID | Stage | Что даёт | A/B/C/D |
|---|---|---|---|
ai-tutor-hydrology-argentina |
S1 | Auditable appendix template | A3 / B2-B4 / C2 |
qub-software-testing-causal-model |
S1 | Responsible use causal model | A3 / B4 / C2 |
rwcp-baseline-genai-capstone |
S1 | Permitted GenAI с declaration | A3 / B4 / C2 |
ai-university-fem-course |
S2 | RAG-traceability как среда | A3 / B2-B5 / C4 |
circuit-smart-tutor-azure |
S2 | Domain-bound tutor | A3 / B2-B4 / C2 |
agile-requirements-simulation-ai-personas |
S3 | Personas-based critique | A3 / B4 / C2-C3 |
senior-design-multi-agent-llms |
S3 | Multi-agent defense prep | A4 / B4 / C3 |
conversational-exam |
S4 | Oral defense template | A3 / B4 / C2 |
voice-based-oral-assessments (EXT) |
S4 | Voice-based assessment | — |
lazy-students-dream-control-systems |
counter | Что не должно случиться | A3 / B2-B4 / C1-C2 |
Adjacent (3)
hybrid-curriculum-control-engineers-arxiv(DE) — hybrid curriculum, useful for S2-S3agile-requirements-ai(INT) — параллельный учётный ID для AI Personasai-university-fem— параллельный ID для FEM-среды
ВКР-spec для научного руководителя
Каждый ВКР, в котором использован AI, должен включать:
- AI Use Declaration (1 страница) — какие модели, какие задачи, на каких этапах
- Auditable Appendix (все sessions) — prompts, responses, edits
- Traceability Matrix — claim ↔ AI session ↔ verification step
- Negation Section (1-2 страницы) — попытки опровергнуть AI ответы, что показано
- Multi-Critic Report — результат прогонки через ≥3 critic-personas
- Live Defense Component — conversational exam без доступа к AI
ВКР-spec для дипломника
- На S1: вести AI work log с первого дня. Не задним числом
- На S2: пробовать возражать AI. Записывать, когда возражение проходит, когда нет
- На S3: прогнать работу через red-team prompts — кто атакует первым? Почему?
- На S4: репетировать защиту без AI. Если без AI не получается — работа не готова
ВКР-spec для комиссии
- Прочитать AI Use Declaration перед защитой
- Спросить о live numerical на доске или живой модели
- Задать counterfactual: «А если бы AI ответил иначе — что бы изменилось в работе?»
- Проверить negation section — пытался ли студент опровергнуть AI?
- Оценивать не «использовал ли AI», а «как он отделил себя от AI»
Что НЕ должно быть в контуре
- AI-detection software (часто ошибочное)
- Запрет AI без переработки (отступление, не контур)
- «Студент не должен использовать AI вообще» (нереалистично)
- «Главное — раскрытие» без операционной проверки (mindset_washing)
Связь с занятиями МАИ
- L3 (CAO) — auditable appendix как пример CAO redesign
- L4 (Orchestration) — multi-agent critic session
- L5 (Hybridity) — distinguishing student work from environment work — главный вопрос ВКР
- L2 (CAE) — HIL protocol для verification
Honest disclaimer
«ВКР-контур не решает проблему AI в академии. Он делает её видимой и операциональной. Студент, который умеет отделить себя от AI и показать это в работе, защищается. Студент, который не умеет — нет. Это не моральная норма, это операционная архитектура».