एक लेखन कार्य को ChatGPT के साथ पूरा करने के लिए EFL माध्यमिक छात्रों के प्रॉम्प्ट इंजीनियरिंग पथवेज़ के मामले

1. परिचय

ChatGPT, एक अत्याधुनिक (SOTA) जनरेटिव AI चैटबॉट, ने शिक्षा, विशेष रूप से अंग्रेज़ी एक विदेशी भाषा (EFL) लेखन में परिवर्तन लाने की अपनी क्षमता के लिए अत्यधिक लोकप्रियता प्राप्त की है। हालाँकि, ChatGPT के साथ प्रभावी सहयोग के लिए छात्रों को प्रॉम्प्ट इंजीनियरिंग में महारत हासिल करनी होगी—यह वांछित आउटपुट प्राप्त करने के लिए सटीक निर्देश तैयार करने का कौशल है। यह पेपर पहली बार ChatGPT के साथ एक लेखन कार्य पूरा करते समय EFL माध्यमिक छात्रों के प्रॉम्प्ट की सामग्री और पैटर्न की जाँच करता है। चार अलग-अलग पथवेज़ के एक केस स्टडी के माध्यम से, लेखक छात्रों द्वारा की जाने वाली परीक्षण-और-त्रुटि प्रक्रियाओं को दर्शाते हैं और EFL कक्षाओं में स्पष्ट प्रॉम्प्ट इंजीनियरिंग शिक्षा की आवश्यकता पर प्रकाश डालते हैं।

2. साहित्य समीक्षा

3. कार्यप्रणाली

4. परिणाम: चार प्रॉम्प्ट इंजीनियरिंग पथवेज़

5. चर्चा

6. मूल विश्लेषण

यह अध्ययन अनुभवजन्य रूप से यह मैप करके एक समयोचित योगदान देता है कि नौसिखिए EFL उपयोगकर्ता ChatGPT के साथ कैसे बातचीत करते हैं। चार पथवेज़ मानव-कंप्यूटर संपर्क अनुसंधान के निष्कर्षों को प्रतिध्वनित करते हैं, जहाँ उपयोगकर्ता अक्सर "संतोषजनक" व्यवहार (Simon, 1956) में पड़ जाते हैं—अनुकूलन करने के बजाय पहले स्वीकार्य आउटपुट को स्वीकार करना। सामरिक विघटन पथ "चेन-ऑफ-थॉट प्रॉम्प्टिंग" (Wei et al., 2022) की अवधारणा के साथ संरेखित होता है, जो बड़े भाषा मॉडल में तर्क में सुधार करता है। हालाँकि, एकल लेखन कार्य और छोटे नमूना आकार पर अध्ययन की निर्भरता इसकी बाहरी वैधता को सीमित करती है। भविष्य के शोध को अनुदैर्ध्य हस्तक्षेपों का पता लगाना चाहिए जो प्रॉम्प्ट इंजीनियरिंग को एक मेटाकॉग्निटिव कौशल के रूप में सिखाते हैं। लेखक सही रूप से EFL पाठ्यक्रम में AI साक्षरता को शामिल करने का आह्वान करते हैं, लेकिन वे एक ठोस शैक्षणिक ढाँचा प्रदान करने से चूक जाते हैं। एक अधिक कार्रवाई योग्य दृष्टिकोण एक "प्रॉम्प्ट इंजीनियरिंग रूब्रिक" विकसित करना होगा जो छात्रों को बुनियादी से उन्नत रणनीतियों तक मचान प्रदान करता है। इसके अलावा, अध्ययन नैतिक चिंताओं, जैसे AI पर अत्यधिक निर्भरता या साहित्यिक चोरी, को संबोधित नहीं करता है, जो शैक्षिक सेटिंग्स में महत्वपूर्ण हैं। इन सीमाओं के बावजूद, यह कार्य यह समझने में एक मूल्यवान पहला कदम है कि छात्र जनरेटिव AI के साथ सहयोग करना कैसे सीखते हैं।

7. तकनीकी विवरण और गणितीय सूत्रीकरण

प्रॉम्प्ट इंजीनियरिंग को एक अनुकूलन समस्या के रूप में औपचारिक रूप दिया जा सकता है। मान लीजिए $P$ सभी संभावित प्रॉम्प्ट का सेट है, और $O$ प्रॉम्प्ट $p \in P$ दिए जाने पर ChatGPT से आउटपुट है। छात्र का लक्ष्य $p^*$ खोजना है जो कार्य बाधाओं $C$ के अधीन आउटपुट गुणवत्ता $Q(O)$ को अधिकतम करता है:

$$p^* = \arg\max_{p \in P} Q(\text{ChatGPT}(p)) \quad \text{s.t.} \quad C(p) \leq \epsilon$$

व्यवहार में, छात्र एक लालची खोज करते हैं, पुनरावृत्तीय रूप से $p_{t+1} = p_t + \Delta_t$ को अपडेट करते हैं, जहाँ $\Delta_t$ पिछले आउटपुट के आधार पर एक संशोधन है। चार पथवेज़ विभिन्न खोज रणनीतियों का प्रतिनिधित्व करते हैं: पथ A छोटे $\Delta_t$ का उपयोग करता है, पथ B संरचित $\Delta_t$ का उपयोग करता है, पथ C यादृच्छिक $\Delta_t$ का उपयोग करता है, और पथ D पदानुक्रमिक विघटन का उपयोग करता है।

8. प्रायोगिक परिणाम और आरेख विवरण

चित्र 1: प्रॉम्प्ट इंजीनियरिंग पथवेज़ अवलोकन

एक फ़्लोचार्ट आरेख जो "लेखन कार्य" लेबल वाले एक केंद्रीय नोड से चार शाखाएँ दिखाता है। प्रत्येक शाखा एक पथ (A, B, C, D) का प्रतिनिधित्व करती है जिसमें तीर प्रॉम्प्ट पुनरावृत्तियों को इंगित करते हैं। पथ D रूपरेखा, परिचय, मुख्य भाग और निष्कर्ष निर्माण के लिए उप-लूप दिखाता है। आरेख रंग कोडिंग का उपयोग करता है: पथ A (न्यूनतम) के लिए लाल, B (मचानयुक्त) के लिए नीला, C (विचलनशील) के लिए हरा, और D (सामरिक) के लिए सुनहरा।

तालिका 1: पथ के अनुसार मुख्य मीट्रिक्स

पथ D उच्चतम आउटपुट गुणवत्ता प्राप्त करता है लेकिन अधिक समय और प्रॉम्प्ट की आवश्यकता होती है, जो दक्षता और प्रभावशीलता के बीच एक समझौते का सुझाव देता है।

9. विश्लेषणात्मक ढाँचा उदाहरण

केस उदाहरण: छात्र S7 (पथ D)

प्रॉम्प्ट 1: "स्कूल यूनिफॉर्म पर एक तर्कपूर्ण निबंध के लिए तीन-बिंदु रूपरेखा तैयार करें।"

प्रॉम्प्ट 2: "रूपरेखा के आधार पर एक परिचय पैराग्राफ लिखें। एक हुक और एक स्पष्ट थीसिस स्टेटमेंट का उपयोग करें।"

प्रॉम्प्ट 3: "पहले मुख्य भाग पैराग्राफ का विस्तार करें। एक विषय वाक्य, साक्ष्य और स्पष्टीकरण शामिल करें।"

प्रॉम्प्ट 4: "एक प्रतितर्क पैराग्राफ जोड़ें और उसका खंडन करें।"

प्रॉम्प्ट 5: "एक निष्कर्ष लिखें जो मुख्य बिंदुओं का सारांश दे और थीसिस को दोहराए।"

यह विघटन रणनीति EFL कक्षाओं में सिखाई जाने वाली लेखन प्रक्रिया को दर्शाती है, यह प्रदर्शित करते हुए कि प्रॉम्प्ट इंजीनियरिंग को शैक्षणिक सर्वोत्तम प्रथाओं के साथ कैसे संरेखित किया जा सकता है।

10. भविष्य के अनुप्रयोग और दिशाएँ

निष्कर्ष कई भविष्य की दिशाओं की ओर इशारा करते हैं: (1) AI साक्षरता पाठ्यक्रम का विकास जो स्पष्ट रूप से प्रॉम्प्ट विघटन और पुनरावृत्तीय परिशोधन सिखाता है। (2) शिक्षक प्रशिक्षण कार्यक्रमों में प्रॉम्प्ट इंजीनियरिंग का एकीकरण। (3) अनुकूली ट्यूटरिंग सिस्टम का डिज़ाइन जो प्रॉम्प्ट गुणवत्ता पर वास्तविक समय प्रतिक्रिया प्रदान करता है। (4) अनुदैर्ध्य अध्ययन जो ट्रैक करते हैं कि छात्रों के प्रॉम्प्ट इंजीनियरिंग कौशल समय के साथ कैसे विकसित होते हैं। (5) शिक्षा में जिम्मेदार AI उपयोग सुनिश्चित करने के लिए नैतिक ढाँचों की खोज। जैसे-जैसे जनरेटिव AI सर्वव्यापी होता जा रहा है, प्रॉम्प्ट इंजीनियरिंग एक मूलभूत कौशल होगा, जो 1990 के दशक में डिजिटल साक्षरता के समान होगा।

11. संदर्भ

• Guo, K., et al. (2023). Second language writing and AI chatbots. Computers & Education, 198, 104789.
• Long, D., & Magerko, B. (2020). What is AI literacy? Proceedings of the 2020 CHI Conference, 1-13.
• Simon, H. A. (1956). Rational choice and the structure of the environment. Psychological Review, 63(2), 129-138.
• Wei, J., et al. (2022). Chain-of-thought prompting elicits reasoning in large language models. NeurIPS 2022.
• Zamfirescu-Pereira, J. D., et al. (2023). Why Johnny can't prompt. Communications of the ACM, 66(8), 64-73.