University of Sydney · AI Assessment Reform

01 Онтологический статус ⓘ

Онтологический статус

Что это вообще: реальное внедрение, прототип, policy, контр-сигнал или симуляция?

пример: Институциональное внедрение (rollout) на campus-wide уровне, с governance-контуром.

draft · enriched-from-waves

University of Sydney реализует прототиповую стадию интеграции AI в образовательный процесс с переходом к институциональному внедрению. Это не экспериментальный пилот, но и не окончательная политическая документация. Система работает на уровне реформы и перестройки существующих практик с сохранением контроля за процессом. Цель — адаптация традиционной образовательной модели под новые условия широкого использования LLM.

✎ редактировать 🔍 переуточнить через LLM 🕘 история

University of Sydney реализует прототиповую стадию интеграции AI в образовательный процесс с переходом к институциональному внедрению. Это не экспериментальный пилот, но и не окончательная политическая документация. Система работает на уровне реформы и перестройки существующих практик с сохранением контроля за процессом. Цель — адаптация традиционной образовательной модели под новые условия широкого использования LLM.

сохранить отменить

02 Сигнатура и контекст ⓘ

Сигнатура и контекст

Где, когда, в какой институции, в каком окне. Один абзац — паспорт кейса.

пример: Arizona State University, 2023-2026, CreateAI platform, 20k+ сотрудников, MyAI Builder + 7000+ AI-experiences.

draft · imported

University of Sydney — реформа assessment: вместо запрета AI университет меняет формат заданий (устные защиты, проектные работы). META-AUDIT трактует как контр-кейс H4: изменения идут через адаптацию старых форм, а не их замену. Связан с [[blue-books-backlash]].

✎ редактировать 🔍 переуточнить через LLM 🕘 история

University of Sydney — реформа assessment: вместо запрета AI университет меняет формат заданий (устные защиты, проектные работы). META-AUDIT трактует как контр-кейс H4: изменения идут через адаптацию старых форм, а не их замену. Связан с [[blue-books-backlash]].

сохранить отменить

03 Проблема и исходная ситуация ⓘ

Проблема и исходная ситуация

Что не работало без AI. С чем приходил студент/преподаватель/институция.

пример: Преподаватели использовали разрозненные внешние GenAI-инструменты без governance, intellectual property под угрозой.

draft · enriched-from-waves

University of Sydney до внедрения AI-ассистентов в оценивание сталкивался с традиционной системой оценивания, не адаптированной к широкому использованию LLM студентами. Оценивание базировалось на традиционных письменных работах, которые становились проблемными в эпоху генеративного AI, поскольку трудно было контролировать оригинальность и качество работ. Отсутствие новой архитектуры для работы с AI приводило к вызовам доверия и валидности оценки, что требовало пересмотра подходов к экзаменационным заданиям и проверке знаний.

✎ редактировать 🔍 переуточнить через LLM 🕘 история

University of Sydney до внедрения AI-ассистентов в оценивание сталкивался с традиционной системой оценивания, не адаптированной к широкому использованию LLM студентами. Оценивание базировалось на традиционных письменных работах, которые становились проблемными в эпоху генеративного AI, поскольку трудно было контролировать оригинальность и качество работ. Отсутствие новой архитектуры для работы с AI приводило к вызовам доверия и валидности оценки, что требовало пересмотра подходов к экзаменационным заданиям и проверке знаний.

сохранить отменить

04 Гипотеза эффекта ⓘ

Гипотеза эффекта

Что обещано (или предполагается). Не результат, а заявленный механизм.

пример: Если дать институциональную no-code платформу + библиотеку шаблонов — преподаватели начнут собирать персонализированных ботов вместо использования ChatGPT напрямую.

draft · enriched-from-waves

Обещанная эффективность реформы состоит в перестройке системы оценивания, позволяющей учитывать присутствие AI в учебном процессе без потери качества и достоверности оценки знаний студентов. Вместо борьбы с AI путём запретов предлагается интеграция AI как со-автора и ассистента, что должно повысить адаптивность образовательной среды и снизить риски академической нечестности, сохраняя при этом педагогическую ценность и доверие к результатам.

✎ редактировать 🔍 переуточнить через LLM 🕘 история

Обещанная эффективность реформы состоит в перестройке системы оценивания, позволяющей учитывать присутствие AI в учебном процессе без потери качества и достоверности оценки знаний студентов. Вместо борьбы с AI путём запретов предлагается интеграция AI как со-автора и ассистента, что должно повысить адаптивность образовательной среды и снизить риски академической нечестности, сохраняя при этом педагогическую ценность и доверие к результатам.

сохранить отменить

05 🛡 Protected core (что нельзя ломать ради адаптации) нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

06 Архитектура AI ⓘ

Архитектура AI

Модели, стек, версии, провайдер. RAG? Persistent state? Multi-agent?

пример: gpt-4o + claude-3.5 + llama-3 через unified API; no-code MyAI Builder; LMS-интеграция с Canvas; ethical-AI engine для bias/accuracy.

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

07 Ролевая модель команды ⓘ

Ролевая модель команды

Человеческие роли, разнесённые. Используй модель ТюмГУ: картограф / организатор / медиатор / хранитель мотивации.

пример: Картограф — кафедра методологии; организатор — ведущий семинаров; медиатор — AI-тьютор; хранитель мотивации — peer-сообщество.

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

08 Роль AI ⓘ

Роль AI

Функциональная позиция AI в процессе. Что он делает, чего не делает.

пример: AI как co-designer (генерирует альтернативные сценарии заданий), но не как автономный оценщик.

draft · enriched-from-waves

AI в университете выступает не автономным агентом, а функциональным ассистентом и потенциальным со-автором студенческих работ. Его роль — поддержка образовательного процесса, включая возможность использования LLM для создания, анализа и дополнения учебных заданий. Уровень агентности AI оценивается как небольшой (1–2 из 6) — он не принимает автономных решений, а действует в рамках, заданных преподавателями и административной политикой университета.

✎ редактировать 🔍 переуточнить через LLM 🕘 история

AI в университете выступает не автономным агентом, а функциональным ассистентом и потенциальным со-автором студенческих работ. Его роль — поддержка образовательного процесса, включая возможность использования LLM для создания, анализа и дополнения учебных заданий. Уровень агентности AI оценивается как небольшой (1–2 из 6) — он не принимает автономных решений, а действует в рамках, заданных преподавателями и административной политикой университета.

сохранить отменить

09 Сценарий взаимодействия ⓘ

Сценарий взаимодействия

Пошагово как идёт практика. Не идеал — реальный flow.

пример: Неделя 1: студенты заполняют канвас. Неделя 2: AI-тьютор задаёт уточняющие вопросы. Неделя 3: peer review. Неделя 4: защита.

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

10 Институциональный контур ⓘ

Институциональный контур

Governance, нормативка, политика данных, согласование, лицензии.

пример: Согласовано с методическим управлением. РПД 4 з.е. Политика AI задекларирована. DPA с OpenAI подписан. Логи в Moodle.

draft · enriched-from-waves

Реформа оценивания в University of Sydney включала не только изменение формата заданий и интеграцию AI как со-автора студенческих работ, но и вовлечение административного уровня, который формировала политику использования AI. Вместо полного запрета AI университет выбрал путь институциональной переорганизации учебного процесса — изменения в архитектуре оценивания, чтобы сохранить академическую честность и соответствие новым образовательным реалиям. Политика была направлена на минимизацию рисков плагиата и корректное внедрение AI с сохранением роли преподавателя как центрального агента контроля.

✎ редактировать 🔍 переуточнить через LLM 🕘 история

Реформа оценивания в University of Sydney включала не только изменение формата заданий и интеграцию AI как со-автора студенческих работ, но и вовлечение административного уровня, который формировала политику использования AI. Вместо полного запрета AI университет выбрал путь институциональной переорганизации учебного процесса — изменения в архитектуре оценивания, чтобы сохранить академическую честность и соответствие новым образовательным реалиям. Политика была направлена на минимизацию рисков плагиата и корректное внедрение AI с сохранением роли преподавателя как центрального агента контроля.

сохранить отменить

11 Транзит к жизни (pilot → rollout) ⓘ

Транзит к жизни

Pilot → rollout, какие коррекции по дороге. Что отвалилось, что усилилось.

пример: Старт в Fall 2024 на 1 курсе (30 студентов), затем расширение на 3 курса (180), затем campus-wide. Отвалилась идея auto-grading.

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

12 Метрики и доказательная база ⓘ

Метрики и доказательная база

Что реально замеряется vs что заявлено. Числа важнее эпитетов.

пример: Hard: 20k+ active users, 7k+ AI-experiences, +30% время на проектные работы. Soft: рост engagement по опросам.

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

13 Риски ⓘ

Риски

Goal-substitution, lowered bar, weak audit trail, vendor lock-in, regulatory drift.

пример: Vendor lock-in на OpenAI; lowered bar в оценивании (LLM делает за студента); пропуск этического согласования.

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

14 Контр-сигналы и откаты ⓘ

Контр-сигналы и откаты

Где практика идёт против заявленного. Что наблюдаемо ломается.

пример: В одном из факультетов после внедрения студенты стали хуже справляться без AI — зависимость, а не интериоризация.

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

15 Что переносимо ⓘ

Что переносимо

Куда этот паттерн можно перенести. Какой контекст обязателен, какой опционален.

пример: Переносимо в любой большой кампус с централизованным IT + методическим управлением. Не работает в малых вузах без governance.

draft · enriched-from-waves

Опыт University of Sydney применим для других университетов, которые также сталкиваются с широким использованием LLM студентами и необходимостью адаптировать систему оценивания. Модель перестройки заданий в сторону устных защит и проектных работ вместо письменных позволяет избежать проблем с плагиатом и недобросовестным использованием AI. Этот подход хорошо подходит для любое институционального контурного применения, где важно сочетать контроль человека и поддержу AI.

✎ редактировать 🔍 переуточнить через LLM 🕘 история

Опыт University of Sydney применим для других университетов, которые также сталкиваются с широким использованием LLM студентами и необходимостью адаптировать систему оценивания. Модель перестройки заданий в сторону устных защит и проектных работ вместо письменных позволяет избежать проблем с плагиатом и недобросовестным использованием AI. Этот подход хорошо подходит для любое институционального контурного применения, где важно сочетать контроль человека и поддержу AI.

сохранить отменить

16 Связи с теорией ⓘ

Связи с теорией

Какие типы / гипотезы / противоречия / моды затронуты. Используй [[wikilink]].

пример: Иллюстрирует [[A-governed-access]] + [[D-governance-training-ecosystem]]. Поддерживает [[H1-tool-to-infrastructure]].

draft · enriched-from-waves

Кейс University of Sydney отражает дилемму «автономизация vs управляемость» и верифицирует гипотезу противостояния фазового перехода к полной агентности AI в образовательном процессе [[H4-university-as-orchestration-node]]. Изменения реализуются через адаптацию старых форм оценивания, а не их радикальную замену, демонстрируя сохранение институциональной службы преподавателя как ключевого агента контроля, что связано с теориями агентной оркестрации и governed access [[A-governed-access]]. Гипотеза фазового перехода в агентность (H2) ослаблена, что подтверждается практикой и выводами META-AUDIT.

✎ редактировать 🔍 переуточнить через LLM 🕘 история

Кейс University of Sydney отражает дилемму «автономизация vs управляемость» и верифицирует гипотезу противостояния фазового перехода к полной агентности AI в образовательном процессе [[H4-university-as-orchestration-node]]. Изменения реализуются через адаптацию старых форм оценивания, а не их радикальную замену, демонстрируя сохранение институциональной службы преподавателя как ключевого агента контроля, что связано с теориями агентной оркестрации и governed access [[A-governed-access]]. Гипотеза фазового перехода в агентность (H2) ослаблена, что подтверждается практикой и выводами META-AUDIT.

сохранить отменить

17 Открытые вопросы ⓘ

Открытые вопросы

Что осталось неясным. Что нужно дочерним кейсам прояснить.

пример: Неизвестно: реальная стоимость инфраструктуры; долгосрочные эффекты на навыки выпускников; масштабируемость без vendor-зависимости.

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

18 След для следующей волны ⓘ

След для следующей волны

Что обязательно перепроверить в следующем дифф-прогоне.

пример: Проверить через 12 мес: остался ли rollout стабильным или есть rollback. Появились ли новые counter-signals.

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

19 Источники и верификация ⓘ

Источники и верификация

Что подтверждено, что под вопросом. Список URL с датой доступа.

пример: verified: ASU News 2025-09, official platform docs 2026-02. Под вопросом: точные user numbers (только заявленные).

нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить

20 🔍 Похожие из базы нет данных

Нет данных. Можно запросить уточнение через веб-поиск или ввести руками.

🔍 уточнить через LLM 📝 ввести вручную

сохранить отменить