1. परिचय
ChatGPT जैसे अत्याधुनिक जनरेटिव AI चैटबॉट्स के उद्भव ने शिक्षा के क्षेत्र, विशेष रूप से भाषा सीखने में, अवसर और चुनौतियाँ दोनों प्रस्तुत की हैं। यह शोध पत्र इस बात की जाँच करता है कि कैसे अंग्रेजी को विदेशी भाषा के रूप में सीखने वाले माध्यमिक विद्यालय के छात्र, नौसिखिए उपयोगकर्ता के रूप में,प्रॉम्प्ट इंजीनियरिंग- यानी, एक लेखन कार्य पूरा करने के लिए मानव-एआई सहयोग के लिए आवश्यक कौशल - प्रॉम्प्ट इंजीनियरिंग। मूल समस्या यह है कि ChatGPT के साथ प्रभावी ढंग से सहयोग करना सहज नहीं है; इसे एक अर्जित कौशल की आवश्यकता होती है, जिसकी कई छात्रों में कमी होती है, जिससे अक्षम ट्रायल-एंड-एरर प्रक्रिया होती है। यह अध्ययन छात्रों द्वारा अपनाए गए विभिन्न पथों का मानचित्रण करने, उनके प्रॉम्प्ट्स की सामग्री, गुणवत्ता और विकास का विश्लेषण करने का लक्ष्य रखता है, ताकि EFL लेखन कक्षाओं में एआई साक्षरता को एकीकृत करने के लिए शैक्षणिक रणनीतियों को सूचित किया जा सके।
2. शोध पद्धति
इस अध्ययन ने एक गुणात्मक केस स्टडी दृष्टिकोण अपनाया। डेटा हांगकांग के माध्यमिक विद्यालय के छात्रों से एक मानकीकृत लेखन कार्य पूरा करने के लिए ChatGPT और इसी तरह के अत्याधुनिक चैटबॉट्स का पहली बार उपयोग करते समय iPad स्क्रीन रिकॉर्डिंग से एकत्र किया गया था। विश्लेषण ने छात्रों द्वारा उत्पन्न प्रॉम्प्ट्स, उनके अनुक्रम (पथ) और संबंधित एआई आउटपुट की विस्तृत जांच पर ध्यान केंद्रित किया। अध्ययन ने इंटरैक्शन पैटर्न, प्रॉम्प्ट जटिलता और रणनीतिक दृष्टिकोण के आधार पर चार अलग-अलग प्रतिनिधि पथों की पहचान की।
3. केस स्टडी: चार प्रॉम्प्ट इंजीनियरिंग पथ
विश्लेषण से संलग्नता और रणनीतिक सोच के विभिन्न स्तरों का प्रतिनिधित्व करने वाले चार प्रमुख अंतःक्रिया पैटर्न का पता चलता है।
3.1. पथ A: मिनिमलिस्ट
इस पथ के छात्र बहुत कम और आमतौर पर अस्पष्ट प्रॉम्प्ट्स का उपयोग करते हैं (उदाहरण के लिए, "प्रदूषण पर एक निबंध लिखें")। वे मेटा-कॉग्निटिव संलग्नता का निम्न स्तर प्रदर्शित करते हैं, और AI के प्रारंभिक आउटपुट को लगभग बिना कोई संशोधन या परिष्कार के स्वीकार कर लेते हैं। यह पथ AI की क्षमताओं की बुनियादी समझ की कमी और सटीक निर्देशों की आवश्यकता को उजागर करता है।
3.2. पथ B: इटरेटिव ऑप्टिमाइज़र
ये छात्र एक मूल प्रॉम्प्ट से शुरू करते हैं, लेकिन एक अनुक्रमिक अनुकूलन प्रक्रिया अपनाते हैं। AI के प्रारंभिक आउटपुट के आधार पर, वे "लंबा लिखो", "सरल शब्दों का प्रयोग करो" या "एक उदाहरण जोड़ो" जैसे अनुवर्ती निर्देश देते हैं। यह मार्ग मानव-मशीन सहयोग की अंतःक्रियात्मक और पुनरावृत्तीय प्रकृति की प्रारंभिक समझ को दर्शाता है।
3.3. पथ C: संरचित योजनाकार
यह एक अधिक उन्नत मार्ग है, जहाँ छात्र शुरू से ही AI के लिए कार्य को संरचित करने का प्रयास करते हैं। प्रॉम्प्ट में रोल-प्ले ("तुम एक लेखन शिक्षक हो"), चरणबद्ध निर्देश ("पहले, मुझे तीन विचार दो। फिर, पहले विचार के लिए रूपरेखा बनाओ") और स्पष्ट बाधाएँ ("भूतकाल में 150 शब्द लिखो") जैसे तत्व शामिल होते हैं। यह दृष्टिकोण रणनीतिक योजना और भाषा के माध्यम से AI को कैसे "प्रोग्राम" किया जाए, इसकी स्पष्ट मानसिक मॉडल को प्रदर्शित करता है।
3.4. पथ D: अन्वेषणात्मक परीक्षक
इन छात्रों ने बड़ी संख्या में विविध और अक्सर प्रायोगिक प्रॉम्प्ट का उपयोग किया। वे एआई की सीमाओं का परीक्षण करने, उसकी कार्यक्षमता को समझने के लिए रचनात्मक, अप्रासंगिक या जटिल अनुरोधों का उपयोग करते थे, और फिर उसे मुख्य कार्य पर लागू करते थे। यह मार्ग एक अन्वेषणात्मक, तकनीक-निपुण मानसिकता को दर्शाता है, लेकिन यह हमेशा कार्य लक्ष्यों को प्रभावी ढंग से प्राप्त नहीं कर सकता है।
4. परिणाम और विश्लेषण
4.1. प्रॉम्प्ट गुणवत्ता और मात्रा पैटर्न
प्रॉम्प्ट की जटिलता और अंतिम आउटपुट की गुणवत्ता के बीच एक स्पष्ट सहसंबंध देखा गया।पथ C (संरचित योजनाकार)हमेशा सबसे सुसंगत, कार्य आवश्यकताओं के अनुरूप और भाषाई रूप से सबसे समृद्ध पाठ उत्पन्न करता है।पथ A (न्यूनतमवादी)आउटपुट अधिक सामान्य होता है और अक्सर लक्ष्य से भटक जाता है। केवल अधिक संख्या में प्रॉम्प्ट (पथ D) गुणवत्ता की गारंटी नहीं देते; रणनीतिक गुणवत्ता (पथ C) ही मुख्य अंतरकारक है।
प्रॉम्प्ट इंटरैक्शन सारांश
- पथ A (मिनिमलिस्ट): औसतन 2-3 प्रॉम्प्ट शब्द; विशिष्टता कम।
- पथ B (पुनरावृत्ति अनुकूलक): औसतन 5-8 प्रॉम्प्ट शब्द; प्रतिक्रियाशील अनुकूलन।
- पथ C (संरचित योजनाकार): औसत 4-6 प्रॉम्प्ट; उच्च स्तर की पूर्व-योजना।
- पथ D (अन्वेषणात्मक परीक्षक): औसत 10 से अधिक प्रॉम्प्ट; उच्च विविधता, प्रासंगिकता भिन्न।
4.2. लेखन उत्पादन पर प्रभाव
अंतिम लेखन परिणामों में उल्लेखनीय अंतर देखा गया। संरचित प्रॉम्प्ट्स ऐसे आउटपुट उत्पन्न करते हैं जो कार्य आवश्यकताओं को बेहतर ढंग से पूरा करते हैं, अधिक उपयुक्त शब्दावली का प्रयोग करते हैं और अधिक स्पष्ट संरचना रखते हैं। न्यूनतमवादी प्रॉम्प्ट्स द्वारा उत्पन्न पाठ व्याकरणिक रूप से सही होते हुए भी गहराई और व्यक्तिगतता से रहित होते हैं, जो सामान्य वेब सामग्री के समान होते हैं।
5. चर्चा: कृत्रिम बुद्धिमत्ता साक्षरता शिक्षा के लिए निहितार्थ
यह अध्ययन इस बात पर जोर देता है कि ChatGPT का प्रभावी उपयोग एक अर्जित कौशल है, न कि जन्मजात क्षमता। नौसिखिए आमतौर पर न्यूनतमवादी और अप्रभावी पुनरावृत्ति पथ अपनाते हैं, जो वर्तमान शिक्षा में एक महत्वपूर्ण अंतर को दर्शाता है। लेखक स्पष्टप्रॉम्प्ट इंजीनियरिंग शिक्षाको EFL पाठ्यक्रम प्रणाली में शामिल करने की वकालत करते हैं। इससे छात्र परीक्षण-त्रुटि के चरण से आगे बढ़कर, स्पष्ट निर्देश तैयार करने, भूमिकाएं आवंटित करने, प्रारूप निर्दिष्ट करने और आउटपुट को पुनरावृत्त रूप से अनुकूलित करने के ढांचे में महारत हासिल करेंगे - इस प्रकार कृत्रिम बुद्धिमत्ता को एक "ब्लैक बॉक्स" ओरेकल से एक सहयोगी उपकरण में बदल देंगे।
मुख्य अंतर्दृष्टि
- प्रॉम्प्ट इंजीनियरिंग AI युग में एक आवश्यक नई डिजिटल साक्षरता है।
- छात्र AI का उपयोग विषम तरीकों से करते हैं, जिसके लिए विभेदित शिक्षण की आवश्यकता है।
- निर्देश (प्रॉम्प्ट) की गुणवत्ता सीधे तौर पर कृत्रिम बुद्धिमत्ता-सहायित उत्पादन की गुणवत्ता निर्धारित करती है।
- मार्गदर्शन के अभाव में, छात्र कृत्रिम बुद्धिमत्ता के साथ निष्क्रिय या अप्रभावी अंतःक्रिया की आदतें विकसित कर सकते हैं।
6. तकनीकी ढांचा एवं विश्लेषण
From a technical perspective, prompt engineering interacts with the probability function of the underlying language model. A well-designed prompt $P$ guides the model $M$ to sample a more constrained and desirable region from its output distribution $D$ given a context $C$. This process can be abstractly represented as maximizing the conditional probability of the desired output sequence $O$:
$O^* = \arg\max_{O} P(O | C, P, M)$
यहाँ, अस्पष्ट प्रॉम्प्ट $D$ की एन्ट्रॉपी बढ़ाते हैं, जिससे सामान्य आउटपुट प्राप्त होते हैं; जबकि विशिष्ट प्रॉम्प्ट जिनमें बाध्यताएँ (भूमिका, प्रारूप, शैली) शामिल होती हैं, एन्ट्रॉपी कम करते हैं और $M$ को अधिक लक्षित $O^*$ की ओर निर्देशित करते हैं। छात्र का पथ प्रभावी रूप से प्राकृतिक भाषा निर्देशों के माध्यम से इस सशर्त संभावना में हेरफेर करने की विभिन्न रणनीतियों का प्रतिनिधित्व करता है।
विश्लेषण ढांचा उदाहरण
Scene: एक छात्र चाहता है कि ChatGPT पुनर्चक्रण पर एक प्रेरक पैराग्राफ लिखने में मदद करे।
- Weak Prompt (High Entropy): "रीसाइक्लिंग के बारे में लिखें।"
विश्लेषण: मॉडल पर बहुत कम बाधाएं हैं, और यह एक व्यापक, विश्वकोशीय अवलोकन उत्पन्न करने की संभावना रखता है। - मजबूत प्रॉम्प्ट (कम एन्ट्रॉपी): "एक पर्यावरण वकील की भूमिका निभाएं। किशोरों को लक्षित करते हुए, प्लास्टिक की बोतलों को रीसायकल करने के लिए मनाने वाला एक 80-शब्द का प्रेरक अनुच्छेद लिखें। सीधी और तत्काल भाषा का प्रयोग करें और एक सांख्यिकीय डेटा शामिल करें।"
विश्लेषण: इस प्रॉम्प्ट ने स्पष्ट रूप से परिभाषित किया हैभूमिका(प्रवर्तक),दर्शक(किशोर),लक्ष्य(समझाना),सामग्री फोकस(प्लास्टिक की बोतल),लंबाई(80 शब्द),लहजा(प्रत्यक्ष, तत्काल) औरतत्व(सांख्यिकीय आंकड़े)। इसने मॉडल के आउटपुट वितरण को काफी सीमित कर दिया है।
7. भविष्य के अनुप्रयोग एवं शोध संभावनाएं
शोध परिणाम भविष्य के कार्य के लिए कई दिशाएं प्रशस्त करते हैं:
- Adaptive Prompt Tutoring System: ऐसी AI ट्यूटरिंग प्रणाली विकसित करना जो छात्रों के प्रॉम्प्ट का विश्लेषण कर सके और वास्तविक समय में सुधारात्मक प्रतिक्रिया प्रदान कर सके (उदाहरण के लिए, "अपने दर्शकों को निर्दिष्ट करने का प्रयास करें")।
- अनुदैर्ध्य अध्ययन: यह ट्रैक करना कि औपचारिक निर्देश के साथ या बिना, समय के साथ छात्रों की प्रॉम्प्ट इंजीनियरिंग कौशल कैसे विकसित होते हैं।
- सांस्कृतिक एवं भाषाई तुलना: Investigate whether differences exist in prompt engineering strategies across diverse linguistic and cultural educational contexts.
- Integration with Writing Pedagogy: Research how to integrate prompt engineering frameworks into existing models of the writing process (prewriting, drafting, revising).
- नैतिक और आलोचनात्मक आयाम: कृत्रिम बुद्धिमत्ता साक्षरता को दक्षता के स्तर से आगे बढ़ाकर, AI आउटपुट के आलोचनात्मक मूल्यांकन, पूर्वाग्रह पहचान और नैतिक उपयोग को शामिल करना।
8. संदर्भ सूची
- Woo, D. J., Guo, K., & Susanto, H. (2023). Cases of EFL Secondary Students’ Prompt Engineering Pathways to Complete a Writing Task with ChatGPT. Manuscript in preparation.
- Caldarini, G., Jaf, S., & McGarry, K. (2022). A Literature Survey of Recent Advances in Chatbots. Information, 13(1), 41.
- Long, D., & Magerko, B. (2020). What is AI Literacy? Competencies and Design Considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16.
- OpenAI. (2023). GPT-4 Technical Report. arXiv preprint arXiv:2303.08774.
- Zhao, W. X., et al. (2023). A Survey of Large Language Models. arXiv preprint arXiv:2303.18223.
- The Stanford Center for AI Safety. (n.d.). AI Literacy. Retrieved from https://aisafety.stanford.edu/ai-literacy
विश्लेषक परिप्रेक्ष्य: प्रॉम्प्ट इंजीनियरिंग की आवश्यकता को समझना
मुख्य अंतर्दृष्टि: यह शोध केवल छात्रों और ChatGPT के बारे में नहीं है; यह पोस्ट-ChatGPT युग में मानव-कंप्यूटर इंटरैक्शन की मूलभूत चुनौतियों का एक सूक्ष्म रूप है। मुख्य अंतर्दृष्टि यह है कि,"प्रॉम्प्ट" ही नया प्रोग्रामिंग हैया चार मार्ग (मिनिमलिस्ट, इटरेटिव्ह ऑप्टिमाइझर, स्ट्रक्चर्ड प्लानर, एक्सप्लोरेटरी टेस्टर) केवळ शिकण्याच्या शैली नाहीत; ते वापरकर्ता प्रोटोटाइपचे बीजरूप आहेत जे AI-वर्धित कार्यबलातील उत्पादकता आणि सर्जनशीलतेतील अंतर परिभाषित करतील. निबंध योग्यरित्या नमूद करतो की, संरचित शिक्षणाशिवाय, बहुतेक वापरकर्ते अकार्यक्षम मिनिमलिझम किंवा ट्रायल-एंड-एरर इटरेटिव्ह मार्गांकडे पूर्वनिर्धारित होतील, ज्यामुळे GPT-4 सारख्या साधनांची क्षमता (त्याच्या तांत्रिक अहवालात नमूद केल्याप्रमाणे) पूर्णपणे साकार होऊ शकणार नाही.
तार्किक रचना आणि सामर्थ्य: 本文的优势在于其基于实证的、脚踏实地的研究方法。通过使用屏幕录像，它捕捉了新手用户原始、未经修饰的挣扎过程。这将讨论从人工智能素养的理论框架（如Long & Magerko的研究）推进到了可观察的实践层面。将संरचित योजनाकारपहचान कुशल पथ के लिए महत्वपूर्ण है। इसने उद्योग की एक धारणा को सत्यापित किया है कि एक प्रभावी प्रॉम्प्ट एक विशिष्ट दस्तावेज़ के समान होता है - स्पष्ट, बाध्यकारी, और प्रासंगिक। यह इस शोध के अनुरूप है कि कैसे बड़े भाषा मॉडल "स्टोकेस्टिक पैरट" के रूप में कार्य करते हैं, जो सशर्त संभाव्यता वितरण द्वारा निर्देशित होते हैं; जैसा कि Zhao et al. के सर्वेक्षण में चर्चा की गई है, एक सटीक प्रॉम्प्ट गणितीय रूप से आउटपुट स्पेस को संकीर्ण कर देता है।
दोष और अंध स्थान: इस अध्ययन की मुख्य सीमा इसकी संकीर्ण सीमा है - यह केवल प्रथम-बार उपयोगकर्ताओं द्वारा एकल कार्य पूरा करने पर केंद्रित है। यह प्रदर्शित करने में विफल रहता है किएक्सप्लोरेटरी टेस्टर(जो संभवतः उच्चतम आंतरिक जिज्ञासा और प्रणालीगत अन्वेषण प्रदर्शित करते हैं) समय के साथ सबसे कुशल उपयोगकर्ता बन सकते हैं या नहीं। इसके अलावा, यह महत्वपूर्णनैतिक और आलोचनात्मक साक्षरताआयाम। एक छात्र एक उत्कृष्ट संरचनात्मक योजनाकार हो सकता है, जो ChatGPT का उपयोग करके एक आदर्श, प्रभावशाली निबंध तैयार कर सकता है, लेकिन उसके आउटपुट में पूर्वाग्रह, तथ्यात्मक त्रुटियों या मौलिक विचारों की कमी का पूरी तरह से गैर-आलोचनात्मक हो सकता है। जैसा कि स्टैनफोर्ड सेंटर फॉर एआई सेफ्टी जैसे संस्थानों द्वारा बल दिया गया है, वास्तविक एआई साक्षरता में केवल उत्पादन क्षमता नहीं, बल्कि मूल्यांकन क्षमता भी शामिल होनी चाहिए।
क्रियान्वयन योग्य अंतर्दृष्टि: शिक्षकों और नीति निर्माताओं के लिए, निष्कर्ष स्पष्ट है:प्रॉम्प्ट इंजीनियरिंग को अब से डिजिटल साक्षरता पाठ्यक्रम के मूल्यांकन का एक केंद्रीय घटक बनाया जाना चाहिए। यह एक वैकल्पिक विषय नहीं है। यह अध्ययन एक रूपरेखा प्रदान करता है: छात्रों को AI-उत्पादित सामग्री के निष्क्रिय उपभोक्ता (मिनिमलिस्ट) से सक्रिय, रणनीतिक निर्देशक (संरचित योजनाकार) में बदलने का मार्गदर्शन करना। पाठ्यक्रम योजनाओं को स्पष्ट रूप से प्रॉम्प्ट फ्रेमवर्क - भूमिका, दर्शक, प्रारूप, स्वर, उदाहरण - सिखाना चाहिए। तकनीकी डेवलपर्स के लिए, निहितार्थ यह है कि"प्रॉम्प्ट स्कैफोल्डिंग"शिक्षा इंटरफ़ेस में सीधे निर्मित - इंटरैक्टिव टेम्पलेट्स, सुझाव इंजन और मेटाकॉग्निटिव प्रॉम्प्ट्स जो उपयोगकर्ता से पूछते हैं "क्या आपने ... निर्दिष्ट करने पर विचार किया है?" भविष्य उन लोगों का है जो एआई को सटीक और आलोचनात्मक रूप से निर्देशित कर सकते हैं, न कि केवल उनका उपयोग कर सकते हैं।