Ресурсы
Learning Commons
Автоматический перевод данной английской страницы, не проверенный носителем языка.
Learning Commons — образовательная инициатива Марка Цукерберга и Присциллы Чан, запущенная в 2025 году, чтобы перенести работу Chan Zuckerberg Initiative по науке об обучении в ту инфраструктуру, на которой продукты edtech фактически строятся. Её довод — инфраструктурный, а не педагогический: исследования есть, академические стандарты есть, качественные учебные программы есть, но они лежат в разных системах, поэтому разработчики строят на том, до чего проще дотянуться. Организация публикует на GitHub три открытых инструмента — граф знаний (Knowledge Graph), набор оценщиков (Evaluators) и Agent Skills — и ведёт платформу, которая добавляет Curriculum Sync для загрузки учебных программ в систему управления обучением.
Что можно с ним делать
Knowledge Graph моделирует академические стандарты, учебные программы и исследования по науке об обучении как сущности и связи в рамках одной общей схемы, так что инструмент может выровнять сгенерированное содержимое по стандарту, не выстраивая собственный конвейер данных. Evaluators измеряют характеристики выходных данных LLM сквозь призму науки об обучении — сложность текста, Обратная связь, соответствие академическим стандартам и устойчивые навыки — и поставляются с SDK для Python и TypeScript, опубликованными на npm и PyPI, для оценки сгенерированного содержимого или сравнения моделей-кандидатов. Agent Skills упаковывают инструкции, справочные материалы и ограничители для типичных учительских рабочих процессов в открытом, независимом от модели формате: проверка понимания, уровневая дифференциация урока, планы уроков, согласованные со стандартами, и подготовка к уроку. На практике именно граф делает два других инструмента убедительными: заявленное утверждение — это выравнивание содержимого, и граф — тот эталон, по которому его сверяют.
Для кого это
Разработчики, встраивающие функции ИИ в продукты по учебным программам и оцениванию, и команды по учебным программам или стандартам, которые поставляют данные, по которым эти продукты выравниваются. Преподаватели могут пользоваться агентными навыками самостоятельно, но собственная формулировка репозитория — это инфраструктура для тех, кто выпускает инструменты.
Примечания и оговорки
Открытость исходного кода не делает данные открытыми. Код Knowledge Graph — MIT, тогда как каждый набор данных несёт собственную метку доступа — Open, Open + Gated или Gated, — и содержимое Gated явно не покрывается открытыми лицензиями, на которые ссылается репозиторий, поэтому перед предположением о правах на повторное использование проверьте каталог наборов данных. Код Evaluators — MIT, а содержимое его промптов — CC BY 4.0, но аннотированные корпуса CLEAR и PERSUADE 2.0, которые он использует, — CC BY-NC-SA 4.0. Платформа и наборы данных за ней требуют учётной записи. Активность репозитория по состоянию на 2026-11-04: 167 звёзд у Knowledge Graph, 88 у Evaluators, 41 у Agent Skills. Инициатива финансируется CZI, и её формулировка проблемы — собственная формулировка финансирующей стороны.
Связанные понятия
- Проектирование учебного плана — граф существует, чтобы выравнивать сгенерированное содержимое по стандартам и учебным программам
- Открытый код — код MIT и Apache-2.0 с лицензированием данных по каждому набору
- Обработка естественного языка в образовании (Educational NLP) — оценщики — это слой текстовых измерений над выходными данными LLM
- Агентный ИИ — навыки, которые упаковывают рабочий процесс для выполнения моделью
- Edtech-платформа — Curriculum Sync загружает учебные программы в систему управления обучением
- Большие языковые модели (LLM) — цель оценивания и потребитель навыков