Залетайте в админский чатик успешных людей канала
залететь
залететь
Telegram
Киберпрайваси
Ruslan invites you to join this group on Telegram.
👍3❤1👏1🥴1🤣1
В 15:00 стримим по-миллениальски Философский камень на твиче, выделите время. В конце обсуждение. Готовимся к сериалу от HBO
🤣9❤2👻1😎1
This media is not supported in your browser
VIEW IN TELEGRAM
GPT 5.6 Pro
Всего за 30 минут он сгенерировал полный дом в 3D в единственном файле .html, используя только WebGL2.
Всего за 30 минут он сгенерировал полный дом в 3D в единственном файле .html, используя только WebGL2.
🌭20👍5🔥1👻1
Please open Telegram to view this post
VIEW IN TELEGRAM
5😭63😁14💅7🔥1💯1
Claude лежит. Извините, пока не могу написать новых постов, сложно
😁55🍓2🌚1👻1
🎓 Переписал обучающий ИИ-движок Neuromentor на основе доказательной базы дизайна LLM-репетиторов
Полтора года проекту, но каждый раз появляется что улучшить😏
Раньше ИИ-репетитор делал одно и то же — тыкал в страницу учебника и спрашивал «а теперь скажи ты». Было однообразно и скучно, как будто чат жил отдельно от учебника, также он не очень напоминал работу учителя\репетитора. Всё переделано с нуля
🧠 Движок теперь подстраивается под материал и под ученика
Он сам понимает, что перед ним: язык, физика, математика или тонкая тема вроде психологии — и ведёт по-разному.
• Научился в нарратив. Сначала объясняет, а потом спрашивает. Никаких проверочных вопросов с порога.
• Новичку разбирает живой пример, а не вываливает теорию простынёй.
• Ошибся? Не сухое «неправильно», а разбор: что не так, почему и мягкое ведение к верному ответу.
• Идёт по учебнику — страница за страницей, не убегая вперёд к грамматике или формулам.
🔍 Понимает эмоциональный контекст темы
Физику, например, движок преподаёт живо и с интерактивом, а на личных темах становится бережным и спокойным — без бодрых квизов и геймификации.
Итогом появилось ощущение, что рядом живой наставник, который видит, как именно ты учишься, и подстраивается под тебя.
👉 Попробовать Neuromentor AI
Полтора года проекту, но каждый раз появляется что улучшить
Раньше ИИ-репетитор делал одно и то же — тыкал в страницу учебника и спрашивал «а теперь скажи ты». Было однообразно и скучно, как будто чат жил отдельно от учебника, также он не очень напоминал работу учителя\репетитора. Всё переделано с нуля
🧠 Движок теперь подстраивается под материал и под ученика
Он сам понимает, что перед ним: язык, физика, математика или тонкая тема вроде психологии — и ведёт по-разному.
• Научился в нарратив. Сначала объясняет, а потом спрашивает. Никаких проверочных вопросов с порога.
• Новичку разбирает живой пример, а не вываливает теорию простынёй.
• Ошибся? Не сухое «неправильно», а разбор: что не так, почему и мягкое ведение к верному ответу.
• Идёт по учебнику — страница за страницей, не убегая вперёд к грамматике или формулам.
🔍 Понимает эмоциональный контекст темы
Физику, например, движок преподаёт живо и с интерактивом, а на личных темах становится бережным и спокойным — без бодрых квизов и геймификации.
Итогом появилось ощущение, что рядом живой наставник, который видит, как именно ты учишься, и подстраивается под тебя.
👉 Попробовать Neuromentor AI
Please open Telegram to view this post
VIEW IN TELEGRAM
🆒6👻4
Доказательная база последнего обновления:
🔄 Фазовый цикл вместо «теста с порога»
Каждый шаг урока движок ведёт в порядке, который подтверждён исследованиями:
• Сначала — разрыв-любопытство, а не лекция. Лёгкий вопрос-предсказание до объяснения. Это «информационный разрыв» (Loewenstein, 1994) и эффект предварительного тестирования: даже неудачная попытка вспомнить усиливает последующее обучение (Richland et al., 2009; Kornell et al., 2009). А сложную задачу до объяснения — «продуктивная неудача»: мета-анализ 53 работ подтверждает преимущество подхода «сначала задача» (Kapur; Sinha & Kapur, 2021).
• Новичку — разобранный пример, а не сократический допрос. Эффект проработанного примера (Sweller & Cooper, 1985) и экспертная инверсия: то, что помогает эксперту, мешает новичку (Kalyuga et al., 2003).
• Ошибся — разбор, а не сухое «неправильно». Обратная связь должна смотреть на задачу, а не на ученика: примерно в трети случаев фидбэк делает хуже — как раз когда внимание смещается на самого человека (Kluger & DeNisi, 1996; Hattie & Timperley, 2007).
• Закрепление — в конце. Вопросы на вспоминание дают эффект тестирования (Roediger & Karpicke, 2006), но это выход из темы, а не вход в неё.
• Одна идея за такт. Теория когнитивной нагрузки и принцип сегментирования (Sweller, 1988; Mayer & Moreno, 2003) — не вываливать концепт, таблицу и разбор разом.
📖 Дуга учебника — на беке, не на глазах
Движок держит в голове всю траекторию урока: эта страница — встреча с диалогом, дальше грамматика, потом практика. Но ведёт строго по текущей странице и не забегает вперёд — это и управление нагрузкой, и «время для рассказа» в правильный момент (Schwartz & Bransford, 1998). Ученик видит живой разговор, а не оглавление.
📈 Динамическая подстройка под прогресс
Движок смотрит, что ученик уже показал, и пересобирает подход каждый ход: сильному — сжимает, потерявшемуся — разворачивает (та же экспертная инверсия, Kalyuga, 2007). И определяет тип материала по смыслу — язык, физика, факт или личная тема — чтобы выбрать верный режим и не путать «закон сохранения энергии» с юриспруденцией.
🛡 Защитные рельсы — обязательны
Без них ИИ вредит: в RCT (Bastani et al., 2024) школьники с «голым» GPT набирали больше на тренировке, но проваливали экзамен без него — использовали как костыль. Поэтому движок не отдаёт готовый ответ сразу (лестница подсказок), а на чувствительных темах становится бережным — без квизов и геймификации.
🔬 И это работает — там, где сделано правильно
• Гарвард, RCT по физике: с ИИ-репетитором, настроенным на краткость и шаги, студенты усваивали более чем вдвое больше за меньшее время (Kestin et al., 2024).
• Всемирный банк, Нигерия: +0.23 SD за 6 недель — эквивалент 1–2 лет обычного обучения (De Simone et al., 2025).
• Tutor CoPilot и LearnLM от Google — тот же вывод: дело в тщательном дизайне, а не в «голой» модели.
🔄 Фазовый цикл вместо «теста с порога»
Каждый шаг урока движок ведёт в порядке, который подтверждён исследованиями:
• Сначала — разрыв-любопытство, а не лекция. Лёгкий вопрос-предсказание до объяснения. Это «информационный разрыв» (Loewenstein, 1994) и эффект предварительного тестирования: даже неудачная попытка вспомнить усиливает последующее обучение (Richland et al., 2009; Kornell et al., 2009). А сложную задачу до объяснения — «продуктивная неудача»: мета-анализ 53 работ подтверждает преимущество подхода «сначала задача» (Kapur; Sinha & Kapur, 2021).
• Новичку — разобранный пример, а не сократический допрос. Эффект проработанного примера (Sweller & Cooper, 1985) и экспертная инверсия: то, что помогает эксперту, мешает новичку (Kalyuga et al., 2003).
• Ошибся — разбор, а не сухое «неправильно». Обратная связь должна смотреть на задачу, а не на ученика: примерно в трети случаев фидбэк делает хуже — как раз когда внимание смещается на самого человека (Kluger & DeNisi, 1996; Hattie & Timperley, 2007).
• Закрепление — в конце. Вопросы на вспоминание дают эффект тестирования (Roediger & Karpicke, 2006), но это выход из темы, а не вход в неё.
• Одна идея за такт. Теория когнитивной нагрузки и принцип сегментирования (Sweller, 1988; Mayer & Moreno, 2003) — не вываливать концепт, таблицу и разбор разом.
📖 Дуга учебника — на беке, не на глазах
Движок держит в голове всю траекторию урока: эта страница — встреча с диалогом, дальше грамматика, потом практика. Но ведёт строго по текущей странице и не забегает вперёд — это и управление нагрузкой, и «время для рассказа» в правильный момент (Schwartz & Bransford, 1998). Ученик видит живой разговор, а не оглавление.
📈 Динамическая подстройка под прогресс
Движок смотрит, что ученик уже показал, и пересобирает подход каждый ход: сильному — сжимает, потерявшемуся — разворачивает (та же экспертная инверсия, Kalyuga, 2007). И определяет тип материала по смыслу — язык, физика, факт или личная тема — чтобы выбрать верный режим и не путать «закон сохранения энергии» с юриспруденцией.
🛡 Защитные рельсы — обязательны
Без них ИИ вредит: в RCT (Bastani et al., 2024) школьники с «голым» GPT набирали больше на тренировке, но проваливали экзамен без него — использовали как костыль. Поэтому движок не отдаёт готовый ответ сразу (лестница подсказок), а на чувствительных темах становится бережным — без квизов и геймификации.
🔬 И это работает — там, где сделано правильно
• Гарвард, RCT по физике: с ИИ-репетитором, настроенным на краткость и шаги, студенты усваивали более чем вдвое больше за меньшее время (Kestin et al., 2024).
• Всемирный банк, Нигерия: +0.23 SD за 6 недель — эквивалент 1–2 лет обычного обучения (De Simone et al., 2025).
• Tutor CoPilot и LearnLM от Google — тот же вывод: дело в тщательном дизайне, а не в «голой» модели.
❤6👻3😴2