Capacités et limites

Cette page recense ce que fait Studium aujourd'hui, pour chaque type d'utilisateur, avec la limite pratique de chaque capacité. Studium est un prototype de recherche en enseignement adaptatif : son unité est un parcours explicite de concepts et de tâches, pas seulement une conversation avec un modèle. Une capacité listée ici existe dans le code ; elle n'est pas forcément disponible sur toutes les surfaces.

Pour les apprenants et les autodidactes

Capacité Ce qui fonctionne Limite pratique
Apprendre un sujet en conversation Votre assistant transforme les sources que vous avez choisies en leçon jouable avec get_authoring_guide, prepare_sources et create_lesson ; chaque question évaluée cite une citation vérifiée Rédigée par un agent, non validée par un enseignant ; jusqu'à 20 sources et 200 000 caractères ; pas de scène de reproduction
Parcours adaptatif La navigation suit les prérequis, la maîtrise mesurée, les indices et la remédiation Ne vaut que ce que valent la leçon et le juge
Réviser sur plusieurs jours get_study_plan indique ce qui est dû, toutes leçons confondues ; start_review_session le joue ; rate_recall enregistre une auto-évaluation Un concept qu'aucune leçon ne peut rejouer est listé mais jamais proposé
Retour honnête Les réponses évaluées font évoluer la maîtrise ; sans juge, vous recevez la référence et notez votre rappel Sans juge, les textes rédigés ne sont pas évalués
Métacognition Confiance déclarée comparée à la performance mesurée Indicateurs de prototype, ni diagnostic ni note institutionnelle
Journal d'expérience Prédiction, confiance, observation et conclusion conservées via record_experiment et get_experiment_journal Privé, sur consentement, non noté
Auto-apprentissage à partir de références experience_packet.py passages, prepare, check, bundle --self-study Livre ouvert pour les quiz et les défauts à repérer ; ni validation enseignante ni diffusion
Reproductions Le harnais exécute une capsule ; Studium vérifie l'exécution par rapport à son manifeste ; VS Code demande confirmation avant d'exécuter du code Studium n'exécute jamais ; un contrôle d'exécution n'est pas une preuve d'exécution
Évaluation par les pairs Les salles de pairs (open_peer_room, submit_peer_rating) agrègent les notes Salles en mémoire ; une cible reste masquée sous 3 évaluateurs
Langue set_session_language et dictionnaires des activités Les dictionnaires traduisent les textes fournis ; les anciennes interfaces ne sont pas toutes localisées
Leçon à deux voies Panneaux et volets, ou formulaires en prototype, traitent lecture, choix et verdicts sans tour de modèle ; la conversation reste disponible pour les réponses rédigées et les questions, et get_companion_brief tient l'assistant informé L'interface à deux voies a des contrôles automatisés mais aucun essai avec des apprenants ; les essais dans les hôtes natifs MCP Apps et Claude Code sont reportés
Carte conceptuelle et contestation La carte montre états et preuves des concepts ; export_concept_map et tools/concept_map_report.py produisent une page locale inspectable, et l'apprenant peut contester un concept atteint au moyen de questions de contrôle La carte enregistre des faits de séance, pas un apprentissage certifié ; la déclaration seule ne change ni maîtrise ni parcours
Rapport de l'apprenant tools/learner_report.py export produit une copie locale ASTRA/MySTRA des actions choisies Trace partielle : ne prouve ni l'apprentissage, ni l'absence d'aide, ni l'identité de l'auteur

Commencez par Apprendre avec votre assistant, le guide de l'étudiant et Réviser dans la durée.

Pour les enseignants

Capacité Ce qui fonctionne Limite pratique
De la littérature au cours Capture de passages, plan canonique et liens exacts vers les preuves Pas d'approbation scientifique automatique
Relire et approuver review_lesson montre un brouillon sans ses clés ; experience_packet.py approve écrit approval.json, lié aux octets exacts de la leçon ; pages bibliothèque et relecture du tableau de bord Le registre documente une relecture ; ce n'est pas une signature
Suivre une classe class_report : exactitude par scène et par concept là où une clé ou un juge a évalué, recours aux indices, calibration, achèvement Télémétrie consentie seulement ; plancher de 5 apprenants pour chaque chiffre ; couvre tout le dossier de données configuré
Contributions des apprenants Proposition, relecture et diffusion de bundles d'apprenants ; découverte avec list_community_bundles Le bundle d'un cours doit être en <BUNDLES_ROOT>/<cours>/lesson.json ; la diffusion suit la décision de l'enseignant
Modèles d'activités Cinq activités portables : représentations liées, comparaison de paramètres, preuve et affirmation, diagnostic d'analyse, robustesse d'une conclusion Lecteurs locaux sans agent intégré ; ils ne font pas avancer la séance
Médias et supports visuels Mermaid, KaTeX, SMILES 2D, images, audio et vidéo avec provenance Couverture variable selon le lecteur ; génération externe et facultative
Vue de provenance d'un brouillon tools/experience_review.py affiche un brouillon vérifié via ASTRA et MySTRA, pour distinguer éléments vérifiés, déclarés et encore à examiner Une vue de provenance, ni approbation ni jugement de validité scientifique
Dossier d'exploration tools/experience_exploration.py capture ce qu'un harnais a exploré : sources, versions, fichiers nommés, contrôles Les empreintes détectent les modifications ultérieures ; elles ne prouvent ni la science ni une exécution
Aide contextuelle Les boutons ? expliquent objectif, prédiction, confiance, preuves et adaptation, en français et en anglais Ils énoncent une intention pédagogique, pas des bénéfices démontrés
Observatory Inspection de cours et vues de relecture, MySTRA compris Service local, pas un portail de classe authentifié

Voir le guide de l'enseignant, Relire et approuver et Suivre une classe.

Pour les développeurs et les intégrateurs de harnais

Capacité Ce qui fonctionne Limite pratique
Serveur MCP 40 outils sur stdio (25 de leçon, 5 d'étude, 3 de rédaction, 2 pour l'enseignant, 1 outil de formulaires en prototype, 3 outils de panneau, 1 outil d'accompagnement), invites learn et review Chaque client a ses propres outils, son compte et sa séance
API HTTP locale Les 25 opérations de leçon et rate_recall, découverte des schémas, jeton porteur, protection contre les doubles soumissions Boucle locale uniquement ; autres outils d'étude et outils de rédaction et d'enseignant réservés à MCP ; les séances actives s'arrêtent avec le processus
Canal fichier Une boucle tâche/réponse dans .studium-session/ pour un harnais sans MCP Formats et écritures atomiques à respecter
Extension VS Code Panneau de leçon, participant de chat, cellule de notebook, reprise au rechargement, révisions dans la barre d'état Ses séances sont distinctes de celles du serveur MCP d'un assistant
Panneaux partagés pour harnais apps/lesson-panel-ui fournit les rendus VS Code et MCP Apps ; apps/claude-code-mod fournit un volet natif Claude Code, avec orientation, voix, aide, réglages et carte conceptuelle Surfaces en prototype : contrôles automatisés des contrats, aucun essai dans un hôte natif ni avec un apprenant ; la reproduction de capsules exige le terminal VS Code
Capsule ASB Carte de tâche et protocole de reproduction Le niveau d'une capsule n'atteste pas l'exécution d'un apprenant

Voir Harnais, la référence des outils MCP et Architecture.

Surfaces et maturité

Surface Statut Signification
Tout harnais MCP (Codex, Claude Code, Copilot, OpenCode, Cursor) et le canal fichier Pris en charge Testé en CI, documenté, la voie d'entrée recommandée
Extension VS Code (volet de leçon, participant de chat) Pris en charge Testée en CI, construite en VSIX par la CI
lesson-server (HTTP, clés de réponse masquées), tableau de bord enseignant, Observatory Maintenu Maintenu en état de marche et testé ; peu de nouveautés
Application étudiante Tauri (apps/student-runtime) Gelée Aucun nouveau travail ; construite uniquement sur demande manuelle
apps/author-web Héritée Conservée pour la démonstration M1 ; utilisez plutôt le tableau de bord enseignant
Panneau MCP Apps (apps/lesson-panel-ui) et volet Claude Code (apps/claude-code-mod) Prototype Panneaux de leçon partagés avec contrôles de contrat automatisés ; les essais dans un hôte natif et l'essai formatif prévu avec des apprenants n'ont pas eu lieu

Le workflow de publication peut publier sur le VS Code Marketplace, Open VSX et npm une fois leurs jetons configurés ; d'ici là, une version est un brouillon GitHub avec le VSIX et le fichier serveur. Voir Publication.

Qui détient la clé

Classe Types de scènes Dans une leçon d'auto-apprentissage
ungraded intro, concept, meta_checkpoint Rien n'est évalué
author_keyed quiz, spot_the_flaw La clé a été écrite par la personne qui répond (livre ouvert), ou par l'agent qui a rédigé la leçon
production explain_back, comparison, summary_audit, prompt_practice, communication_sim, discussion, ai_critique Sans juge modèle, la référence est montrée et rien n'est évalué ; un juge (LITELLM_BASE_URL) rend l'évaluation externe
externally_grounded reproduction Vérifiée par rapport à une exécution réelle

Les avis

Une leçon d'auto-apprentissage affiche un avis dès son premier écran. Il dépend de son rédacteur et de la présence d'un juge.

Rédigée par, juge Avis (leçons en français)
apprenant, aucun Leçon auto-rédigée : les quiz et les défauts à repérer ont une clé écrite par l'apprenant (livre ouvert). Sans juge modèle, les scènes de production ne sont pas évaluées : compare ta réponse à la référence affichée et note ton rappel ; cette note règle tes révisions, jamais ta maîtrise.
apprenant, configuré Leçon auto-rédigée : les quiz et les défauts à repérer ont une clé écrite par l'apprenant (livre ouvert). Les scènes de production sont évaluées par le modèle.
agent, aucun Leçon rédigée par l'IA à partir de tes sources, non vérifiée par un enseignant : chaque question cite son passage ; signale à l'agent une clé qui te semble fausse. Sans juge modèle, les scènes de production ne sont pas évaluées : compare ta réponse à la référence affichée et note ton rappel ; cette note règle tes révisions, jamais ta maîtrise.
agent, configuré Leçon rédigée par l'IA à partir de tes sources, non vérifiée par un enseignant : chaque question cite son passage ; signale à l'agent une clé qui te semble fausse. Les scènes de production sont évaluées par le modèle.

Une leçon qui contient une reproduction ajoute : « Les reproductions exécutées portent une évaluation externe. »

Plus de détails dans Honnêteté et provenance.

Supports et affichage

Les surfaces affichent images, SVG, équations LaTeX, code, CSV, protocoles, spécifications de graphiques et résultats exécutés ; les supports scientifiques comprennent orbitales, molécules 3D et spectres. Les bibliothèques de rendu sont embarquées pour un usage local (studium.assets = vendor, par défaut) ; une option cdn existe. Quand un moteur de rendu manque, une solution de repli garde le contenu lisible, sans promettre la même interaction. Les préférences de modalité peuvent réordonner et mettre en avant des supports sans masquer de contenu ; elles répondent à un besoin exprimé et ne diagnostiquent pas un profil cognitif. Voir Langue et supports et Médias et supports visuels.

Auditabilité

Les décisions adaptatives portent leur règle et leur modulateur, et le graphe comme les décisions peuvent être exportés sous forme d'affirmations indicium et d'enregistrements ASTRA. Une inférence devient ainsi inspectable ; elle n'en devient pas juste pour autant.

Qui fait quoi

  • Studium garde les concepts, les scènes, les réponses attendues, la progression et le protocole d'exécution.
  • Le harnais possède ses outils et son modèle, lit les skills, cherche et exécute dans son propre environnement.
  • L'apprenant prédit, choisit une variation, interprète et répond.
  • L'enseignant fixe le périmètre, relit et décide de ce qui est diffusé.

La recherche web, Perspicacité, les bibliothèques et les skills ne deviennent pas disponibles parce qu'une leçon les mentionne : le harnais doit vérifier ses connexions réelles. Le tutoriel d'expérience agentique montre comment s'en servir sans sortir du contrat de la leçon.

Frontières ouvertes

  • Reporté, par décision : variantes d'items et conceptions erronées, essais dans les hôtes natifs MCP Apps et Claude Code, envoi HTTP de la télémétrie de classe, identité des concepts par espace de noms, publication npm et Marketplace.
  • Pas de portail enseignant multi-utilisateur authentifié ; le tableau de bord et l'Observatory sont locaux.
  • Le panneau VS Code et un serveur MCP indépendant ne partagent pas leur séance.
  • Des tests logiciels réussis n'établissent ni la conformité institutionnelle, ni un déploiement multi-utilisateur, ni l'efficacité pédagogique. Commencez par un pilote accompagné et les règles de Confidentialité et limites.

Voir la source de cette page sur GitHub