Prototyp edukacyjny / Inżynieria agentowa / EdTech

Jak nauczyć specjalistę budować środowisko pracy zamiast zapamiętywać techniki promptowania?

Środowisko dydaktyczne powstaje wokół własnego projektu uczestnika: reguł, korpusu, powtarzalnych umiejętności, testów i przekazania pracy.

Struktura programu i kryteria rezultatów są publiczne; prywatne materiały uczestników nie są publikowane.

Status
Prototyp edukacyjny
Moja rola
Autor i prowadzący · Projekt programu · Architektura środowiska · Mentoring projektowy
Publikacja case’u
Aktualizacja

Dla kogo powstał ten projekt

Academic Agent Workspace jest autorskim kursem i środowiskiem pracy dla nauczycieli akademickich, badaczy, metodyków oraz osób prowadzących programy. Uczestnik nie uczy się „rozmawiać z AI”; buduje własny warsztat, który zachowuje zadanie, źródła, kryteria i historię decyzji.

Program obejmuje 36 godzin akademickich i dziewięć spotkań. Każde spotkanie kończy się działającym artefaktem w rzeczywistym projekcie uczestnika.

Problem dydaktyczny

Pojedyncza rozmowa z modelem traci kontekst, nie pokazuje pochodzenia tez i trudno przekazać ją współpracownikowi. Z kolei szkolenie oparte na slajdach może nauczyć nazw narzędzi, lecz nie pozostawia procesu, który działa następnego dnia.

Celem kursu jest przejście od operatora narzędzia do konstruktora własnego środowiska — bez wymagania wcześniejszego programowania.

Moja rola

  • autor programu i prowadzący;
  • projektant ćwiczeń, rubryk i kryteriów jakości;
  • architekt środowiska agentowego oraz chronionej platformy;
  • mentor pracy nad indywidualnym projektem i przekazaniem projektu bez dodatkowego kontekstu, czyli cold handoff.

Dziewięć spotkań, jeden warsztat

Trzy moduły prowadzą od fundamentu procesu przez pracę badawczą i dydaktyczną do samodzielnego projektowania agentów. Repozytorium rośnie razem z umiejętnościami uczestnika: TASK.md, rejestr źródeł, mapa twierdzeń, rubryka, AGENTS.md, własny skill oraz polityka użycia AI nie są przykładami — są elementami jego środowiska.

Artefakty końcowe

Uczestnik kończy pracę z powiązanym zestawem rezultatów:

  • działającym środowiskiem agentowym i kolejką zadań;
  • evidence-based literature review;
  • wykładem lub prezentacją z reprodukowalnym źródłem;
  • własnym skillem albo practicum;
  • polityką użycia AI i kryteriami ewaluacji;
  • mirror artifact oraz raportem cold handoff.

Mentoring zamiast demonstracji

Agent może przygotować analizę, znaleźć lukę lub zaproponować pytania. Nauczyciel nadal odpowiada za decyzję pedagogiczną, ocenę i interpretację źródeł. Rolą mentoringu jest pomóc uczestnikowi zaprojektować granice, przeprowadzić przegląd i doprowadzić jego własny projekt do stanu, w którym może go przejąć inna osoba.

Jak sprawdzana jest jakość

Ocena nie dotyczy efektowności rozmowy. Sprawdza kompletność artefaktów, pracę na dowodach, jawność użycia AI i zdolność drugiej osoby do uruchomienia projektu bez ustnego kontekstu. Przegląd prywatnego repozytorium potwierdził, że rejestr materiałów jest walidowany podczas budowania serwisu, a niekompletny korpus blokuje publikację.

Co udało się zbudować

Dostępny jest publiczny program kursu w kilku językach. Przegląd prywatnego repozytorium potwierdził chronione środowisko z materiałami, wyszukiwaniem i generowanymi pakietami zajęć; tych elementów nie przedstawiamy jako publicznych artefaktów. Projekt łączy kompetencje inżynierskie z rolą mentora, który przekłada metodę na program, ćwiczenia i samodzielność uczestnika.

Ograniczenia

Nie publikujemy danych uczestników ani wyników kohorty. Efekty dydaktyczne, bieżący status produktu i formalny format oferty wymagają potwierdzenia właściciela. Chroniony login jest dowodem istnienia środowiska, nie publicznym demo jego zawartości.

08 / Dowody

Publiczne artefakty i materiały powiązane