مهندسی سریع ChatGPT به عنوان مهارت آکادمیک

در حالی که بحث‌های مربوط به هوش مصنوعی در رابطه با آموزش‌های آموزش عالی و ارزیابی ادامه دارد، به نظر می‌رسد اتفاق نظر این است که این هوش مصنوعی باقی می‌ماند، و حتی اگر در نهایت توسط ردیاب‌های یکپارچگی تحصیلی ممنوع یا به طور موثر شناسایی شود، باید یک گام به عقب برداریم. در نظر بگیرید که چگونه استفاده از هوش مصنوعی یک مهارت آکادمیک جدید و در حال تکامل است. این در درجه اول به این دلیل است که وحشت در مورد یکپارچگی آکادمیک این واقعیت را پنهان کرده است که چت ربات‌هایی مانند ChatGPT در ابتدا به عنوان «کمک‌کننده» در نظر گرفته می‌شدند – ابزارهای جستجوی پیچیده‌تری تا مکانیزمی برای برون‌سپاری مقاله‌نویسی.

بسیاری از ما با تمرین آموزش مهارت های جستجو و تحقیق موثر به دانش آموزان آشنا هستیم. اینها به طور سنتی شامل جستجوهای کاتالوگ کتابخانه ای مؤثر، جستجوی پایگاه داده، جستجوی کلیدواژه و عملگرهای بولی بوده اند، و پس از یافتن ادبیات، از تکنیک های اسکن و اسکن، مانند SQ3R، برای یافتن اطلاعات مفید استفاده می شود.

با این حال، جمع‌آوری اطلاعات از هوش مصنوعی نیازمند لایه جدیدی از مهارت‌های جستجو است که اغلب به آن مهندسی سریع (و نه از نظر فنی) می‌گویند. از آنجایی که دانشجویان ما به طور فزاینده ای به ربات های هوش مصنوعی مانند ChatGPT به عنوان ابزاری برای ساخت داربست و تکمیل مطالعات خود روی می آورند، آموزش در مورد هنر (الف) ایجاد اعلان های مؤثر و (ب) هدایت انتقادی و ارزیابی خروجی ها اهمیت فزاینده ای پیدا می کند. من پیشنهاد می‌کنم مخفف/فرآیند دو مرحله‌ای زیر، یک مدل مؤثر و به راحتی حفظ‌شده برای تقطیر اصول اصلی مهندسی سریع به یک مهارت دانشگاهی است.

مرحله اول: TAP

اولین بخش از فرآیند این است که آنچه را که ربات‌های هوش مصنوعی تولید می‌کنند شبیه به کار کردن یک شیر آب می‌دانیم. مانند یک ضربه، عملکرد یا تنظیمات نادرست منجر به جریان ناکافی، سیل غیرقابل کنترل و یا حتی سوزاندن انگشتان فرد می شود. نیاز به عملیات دقیق، راهنمایی و درخواست با استفاده از مخفف TAP دارد:

ت: موضوع

شناسایی دقیق موضوع باید اولین مورد توجه دانش آموز باشد. برای اینکه ربات‌های هوش مصنوعی دقیق‌ترین و مرتبط‌ترین خروجی‌ها را تولید کنند، موضوع باید این باشد:

– دقیق و مختصر

– مفصل و مشخص

– در چارچوب آن تنظیم شود

اصلاح کلمات کلیدی برای رسیدن به این مهارت، مهارتی است که نیاز به تمرین دارد. برای مثال، عبارت «آیا جنگ هرگز قابل توجیه است؟» بسیار مبهم است زیرا بیان نمی کند کدام جنگ، چه زمانی یا در چه زمینه ای. از سوی دیگر، «آیا استدلال های دولت بوش برای جنگ با عراق در سال 2002 موجه بود؟» بسیار دقیق تر، مشخص تر و زمینه را فراهم می کند. شایان ذکر است که دانش‌آموزان مبتلا به شرایط متنوع عصبی ممکن است در شناسایی و اصلاح کلمات کلیدی چالش‌های خاصی داشته باشند (برای مثال، دانش‌آموزان مبتلا به نارساخوانی احتمالاً زمینه را بر موضوع اولویت می‌دهند، در حالی که دانش‌آموزان مبتلا به اوتیسم احتمالاً برعکس عمل می‌کنند) پشتیبانی ممکن است مورد نیاز باشد.

ج: عمل

توجه دوم دانشجو باید حول محور گفتن دقیق نوع خروجی مورد نیاز و هدف آن به هوش مصنوعی باشد. هیچ یک از دستورات بالا حاوی کلمات کلیدی کنش یا فعالیت نیست. اگر «خلاصه‌ای از استدلال‌های اصلی بنویسید» یا «به‌عنوان یک مناظره‌گر/فیلسوف عمل کنید»، کلیدواژه‌های فعالیت لازم را اضافه می‌کنیم، زیرا ربات می‌داند که باید خلاصه‌ای تهیه کند، استدلال‌های اصلی را انتخاب کند/اولویت‌بندی کند یا آنها را به سبک خاصی ارائه دهید. مجدداً، دانش‌آموزان باید دقیق، مختصر، دقیق و مشخص باشند، اما کلمات عملی مانند خلاصه کردن، روشن کردن، پیشنهاد کردن، مشخص کردن، پیشنهاد کردن یا مشابه را نیز با دقت انتخاب کنند.

P: پارامترها

در نهایت، دانش آموز باید جزئیات بیشتری را برای تنظیم دقیق پاسخ بیان کند. اینها جزئیات یا محدودیت های اضافی مانند طول، ارائه منابع دانشگاهی، توضیحات (یا عملکرد) برای نتیجه گیری ارائه شده یا قالب خروجی هستند.

بدون این سه دستورالعمل، خروجی‌ها اغلب بسیار مبهم یا تعمیم‌یافته هستند که از استاندارد آکادمیک کافی برای آموزش عالی برخوردار نیستند، یا می‌توانند از طریق ارائه اطلاعات اضافی، نامربوط یا غیرقابل اعتماد بیش از حد، بار شناختی ایجاد کنند. یک نکته اضافی برای نوشتن اعلان‌های مؤثر این است که در نظر بگیرید که آیا پاسخ‌های تمام «سوالات Wh» در درخواست وجود دارد یا خیر – یعنی چه، چه زمانی، چه کسی، چرا و چگونه موضوع و فعالیت مورد بررسی.

مرحله دوم: طعم

پس از اجرای/تولید خروجی TAP، باید دانش‌آموزان را تشویق کنیم که قبل از مصرف/هضم واقعی آن چیزی را که تولید می‌شود بچشند. ما باید از وضعیتی اجتناب کنیم که در آن دانش‌آموزان به مصرف‌کنندگان غیرمنتظره و سازمان‌دهی مجدد اطلاعات به نفع تبدیل شدن آنها به راهنمایان مهم و ماهر در معماری‌های انتخاب هوش مصنوعی (بدون چنین اهمیتی، انبوهی از گزینه‌های احتمالی که توسط تولیدکنندگان هوش مصنوعی پمپاژ می‌شوند، باعث تداوم خود ماندگار شدن دانش‌آموزان می‌شوند) اجتناب کنیم. مصرف کنندگان اطلاعات بدون نیاز به تحقیق فعال یا درک چیزی). این جایی است که مخفف دوم ما وارد می شود:

ت: تست
خروجی های مختلف را درخواست کرده و نمونه برداری کنید و تغییرات مختلف را امتحان کنید/ برای اصلاح دستورات اضافی اضافه کنید.

ج: تنظیم کنید
کلمات کلیدی موضوع، عمل و پارامتر را مجدداً بیان کنید (برای افزایش دقت، جزئیات و زمینه به دقت تنظیم کنید).

س: ساده کنید
یک مشکل رایج هنگام وارد کردن دستورات مبهم بودن، لفظی بودن یا دستورالعمل‌های پشمالو است که الگوریتم‌های هوش مصنوعی را گیج می‌کند. دانش آموزان باید به طور مداوم در موضوع، عمل و پارامتر (TAP) کلمات و عبارات کلیدی را با هدف ساده سازی آنها تجدید نظر کنند.

ت: اعتماد
مقدار زیادی جوهر قبلاً در مورد موضوع AI و ChatGPT ریخته شده است که اطلاعات جعلی تولید می کند. دانش آموزان باید قبل از شروع کار تحلیل انتقادی، صحت و صحت خروجی ها را بررسی کنند.

ه: بررسی کنید
در اینجا دانش‌آموزان می‌توانند کار مرسوم ارزیابی و تحلیل انتقادی را آغاز کنند، اما با تمرکز ویژه بر شناسایی استدلال‌های ناقص یا ابداع شده، سوگیری‌ها و ارائه‌های نادرست. در حالت ایده‌آل، دانش‌آموزان باید وارد یک «چت» ذهنی، اگر نه واقعی، با هوش مصنوعی شوند تا گندم را از کاه بیرون بیاورند و خروجی‌ها را موشکافی کنند. از بین تمام عناصر این مدل، این مهم‌ترین عنصر است و باید با خواندن منابع علمی و معتبر همراه باشد.

با استفاده از اعلان‌های مؤثر، هوش مصنوعی، به‌ویژه ChatGPT و موارد مشابه آن، می‌تواند به‌عنوان «راهنمای کناری» مورد استفاده قرار گیرد، تا زمانی که دانش‌آموزان بدانند چگونه از تکنیک‌های سریع به طور مؤثر برای استخراج اطلاعات استفاده کنند. در حالی که تا کنون بیشتر تمرکز بر مسائل مربوط به یکپارچگی تحصیلی بوده است، مربیان باید توجه داشته باشند که ربات‌های هوش مصنوعی به طور ناگهانی یک لایه اضافی را به منوی سنتی مهارت‌های سواد آکادمیک اضافه کرده‌اند که نیاز به ادغام در برنامه درسی دارند. باید به درستی از غوطه ور شدن اخلاقی و مسئولانه آن در شیوه های آموزشی ما حمایت کنیم.

آدریان جی. والبانک، مدرس توسعه آموزشی در دانشگاه آکسفورد بروکس، انگلستان است.

اگر این مورد برای شما جالب بود و می خواهید مشاوره و بینش دانشگاهیان و کارکنان دانشگاه مستقیماً هر هفته به صندوق پستی شما ارسال شود، برای خبرنامه THE Campus ثبت نام کنید.