Jadual Kandungan
1. Pengenalan
ChatGPT, chatbot AI generatif terkini (SOTA), telah mendapat populariti yang besar kerana potensinya untuk mengubah pendidikan, terutamanya dalam penulisan Bahasa Inggeris sebagai Bahasa Asing (EFL). Walau bagaimanapun, kerjasama yang berkesan dengan ChatGPT memerlukan pelajar menguasai kejuruteraan prompt—kemahiran merangka arahan yang tepat untuk mendapatkan output yang diingini. Kertas kerja ini mengkaji kandungan dan corak prompt pelajar menengah EFL semasa menyelesaikan tugasan penulisan dengan ChatGPT buat kali pertama. Melalui kajian kes empat laluan yang berbeza, penulis menggambarkan proses cuba-jaya yang dilalui pelajar dan menekankan keperluan untuk pendidikan kejuruteraan prompt yang eksplisit di dalam bilik darjah EFL.
2. Sorotan Literatur
2.1 Kejuruteraan Prompt dalam Pendidikan
Kejuruteraan prompt adalah kemahiran literasi AI yang kritikal (Long & Magerko, 2020). Pengguna bukan teknikal sering bergelut untuk merangka prompt yang berkesan, yang membawa kepada kitaran cuba-jaya. Penyelidikan menunjukkan bahawa bimbingan berstruktur boleh meningkatkan kualiti prompt dan kerelevanan output (Zamfirescu-Pereira et al., 2023).
2.2 Penulisan EFL dengan Chatbot
Chatbot seperti ChatGPT boleh menyokong penulisan EFL dengan memberikan maklum balas masa nyata, menjana idea, dan memodelkan struktur bahasa. Walau bagaimanapun, pelajar mesti belajar untuk memperhalusi prompt secara lelaran agar selaras dengan matlamat tugasan (Guo et al., 2023).
3. Metodologi
3.1 Peserta dan Persekitaran
Peserta adalah 20 pelajar sekolah menengah EFL di Hong Kong, berumur 14-16 tahun, dengan kemahiran Bahasa Inggeris peringkat pertengahan. Mereka menggunakan ChatGPT pada iPad buat kali pertama untuk menyelesaikan esei argumentatif 300 patah perkataan.
3.2 Pengumpulan Data
Data dikumpul melalui rakaman skrin iPad, menangkap semua prompt dan respons ChatGPT. Penyelidik juga menjalankan temu bual selepas tugasan untuk memahami pemikiran pelajar.
3.3 Rangka Kerja Analitis
Analisis menggunakan pendekatan teori berasas untuk mengkategorikan prompt mengikut kandungan (cth., arahan, konteks, format) dan kuantiti (bilangan prompt setiap tugasan). Empat laluan berbeza muncul daripada data.
4. Keputusan: Empat Laluan Kejuruteraan Prompt
4.1 Laluan A: Lelaran Minimalis
Pelajar menggunakan 2-3 prompt pendek (cth., "Tulis esei tentang pencemaran"). Mereka jarang menyemak prompt berdasarkan output ChatGPT, menghasilkan respons generik. Laluan ini mencerminkan penglibatan yang rendah dengan kejuruteraan prompt.
4.2 Laluan B: Penghalusan Berperancah
Pelajar bermula dengan prompt yang luas, kemudian menambah kekangan khusus (cth., "Sertakan tiga hujah dan satu hujah balas"). Mereka menggunakan 4-6 prompt, menunjukkan peningkatan lelaran dalam kualiti output.
4.3 Laluan C: Penerokaan Divergen
Pelajar bereksperimen dengan gaya prompt yang berbeza (cth., main peranan, perubahan format). Mereka menggunakan 7-10 prompt tetapi kekurangan strategi yang jelas, menyebabkan output yang tidak konsisten.
4.4 Laluan D: Penguraian Strategik
Pelajar memecahkan tugasan kepada sub-tugasan (cth., "Hasilkan rangka dahulu, kemudian tulis pengenalan"). Mereka menggunakan 8-12 prompt dengan kekhususan tinggi, mencapai esei yang paling koheren dan relevan.
5. Perbincangan
5.1 Pandangan Teras
Kajian ini mendedahkan bahawa kejuruteraan prompt pelajar EFL sangat berubah-ubah. Penguraian strategik (Laluan D) menghasilkan hasil terbaik, tetapi kebanyakan pelajar cenderung kepada pendekatan minimalis atau divergen. Ini menekankan jurang kritikal dalam pendidikan literasi AI.
5.2 Aliran Logik
Perkembangan dari Laluan A ke D menunjukkan korelasi yang jelas antara kecanggihan prompt dan kualiti output. Walau bagaimanapun, kekurangan arahan eksplisit bermakna pelajar jarang mencapai Laluan D tanpa bimbingan.
5.3 Kekuatan & Kelemahan
Kekuatan: Kajian ini menyediakan data kualitatif yang kaya dari persekitaran bilik darjah sebenar, menawarkan pandangan autentik tentang tingkah laku pelajar. Kelemahan: Saiz sampel yang kecil (n=20) mengehadkan kebolehgeneralisasian. Kajian ini juga tidak mengawal pendedahan AI sebelumnya.
5.4 Pandangan Boleh Tindak
Pendidik harus mengintegrasikan kejuruteraan prompt ke dalam kurikulum EFL, mengajar pelajar untuk menguraikan tugasan, menggunakan kekangan khusus, dan memperhalusi prompt secara lelaran. Sekolah harus menyediakan perancah berstruktur, seperti templat prompt dan semakan rakan sebaya terhadap prompt.
6. Analisis Asal
Kajian ini memberikan sumbangan tepat pada masanya dengan memetakan secara empirik bagaimana pengguna EFL novis berinteraksi dengan ChatGPT. Empat laluan tersebut menggambarkan penemuan dari penyelidikan interaksi manusia-komputer, di mana pengguna sering terjebak dalam tingkah laku "memuaskan" (Simon, 1956)—menerima output pertama yang boleh diterima daripada mengoptimumkan. Laluan penguraian strategik sejajar dengan konsep "pencetusan rantai pemikiran" (Wei et al., 2022), yang meningkatkan penaakulan dalam model bahasa besar. Walau bagaimanapun, pergantungan kajian pada satu tugasan penulisan dan saiz sampel yang kecil mengehadkan kesahan luarannya. Penyelidikan masa depan harus meneroka intervensi membujur yang mengajar kejuruteraan prompt sebagai kemahiran metakognitif. Penulis dengan tepat menyeru untuk menyematkan literasi AI ke dalam kurikulum EFL, tetapi mereka tidak menyediakan rangka kerja pedagogi yang konkrit. Pendekatan yang lebih boleh tindak adalah untuk membangunkan "rubrik kejuruteraan prompt" yang menyokong pelajar dari strategi asas hingga lanjutan. Tambahan pula, kajian ini tidak menangani kebimbangan etika, seperti pergantungan berlebihan pada AI atau plagiarisme, yang kritikal dalam persekitaran pendidikan. Walaupun terdapat batasan ini, kerja ini adalah langkah pertama yang berharga dalam memahami bagaimana pelajar belajar untuk bekerjasama dengan AI generatif.
7. Butiran Teknikal & Perumusan Matematik
Kejuruteraan prompt boleh diformalkan sebagai masalah pengoptimuman. Biarkan $P$ menjadi set semua prompt yang mungkin, dan $O$ menjadi output dari ChatGPT berdasarkan prompt $p \in P$. Matlamat pelajar adalah untuk mencari $p^*$ yang memaksimumkan kualiti output $Q(O)$ tertakluk kepada kekangan tugasan $C$:
$$p^* = \arg\max_{p \in P} Q(\text{ChatGPT}(p)) \quad \text{s.t.} \quad C(p) \leq \epsilon$$
Dalam amalan, pelajar melakukan carian tamak, mengemas kini secara lelaran $p_{t+1} = p_t + \Delta_t$, di mana $\Delta_t$ adalah pengubahsuaian berdasarkan output sebelumnya. Empat laluan mewakili strategi carian yang berbeza: Laluan A menggunakan $\Delta_t$ kecil, Laluan B menggunakan $\Delta_t$ berstruktur, Laluan C menggunakan $\Delta_t$ rawak, dan Laluan D menggunakan penguraian hierarki.
8. Keputusan Eksperimen & Penerangan Rajah
Rajah 1: Gambaran Keseluruhan Laluan Kejuruteraan Prompt
Rajah carta alir menunjukkan empat cabang dari nod pusat berlabel "Tugasan Penulisan." Setiap cabang mewakili laluan (A, B, C, D) dengan anak panah menunjukkan lelaran prompt. Laluan D menunjukkan sub-gelung untuk penjanaan rangka, pengenalan, isi, dan kesimpulan. Rajah menggunakan kod warna: merah untuk Laluan A (minimalis), biru untuk B (berperancah), hijau untuk C (divergen), dan emas untuk D (strategik).
Jadual 1: Metrik Utama mengikut Laluan
| Laluan | Purata Prompt | Kualiti Output (1-5) | Masa (min) |
|---|---|---|---|
| A | 2.5 | 2.1 | 8 |
| B | 5.0 | 3.4 | 15 |
| C | 8.5 | 2.8 | 22 |
| D | 10.0 | 4.2 | 28 |
Laluan D mencapai kualiti output tertinggi tetapi memerlukan lebih banyak masa dan prompt, menunjukkan pertukaran antara kecekapan dan keberkesanan.
9. Contoh Rangka Kerja Analitis
Contoh Kes: Pelajar S7 (Laluan D)
Prompt 1: "Hasilkan rangka tiga titik untuk esei argumentatif mengenai pakaian seragam sekolah."
Prompt 2: "Tulis perenggan pengenalan berdasarkan rangka tersebut. Gunakan cangkuk dan pernyataan tesis yang jelas."
Prompt 3: "Kembangkan perenggan isi pertama. Sertakan ayat topik, bukti, dan penjelasan."
Prompt 4: "Tambah perenggan hujah balas dan sangkalnya."
Prompt 5: "Tulis kesimpulan yang merumuskan perkara utama dan menyatakan semula tesis."
Strategi penguraian ini mencerminkan proses penulisan yang diajar di dalam bilik darjah EFL, menunjukkan bagaimana kejuruteraan prompt boleh diselaraskan dengan amalan terbaik pedagogi.
10. Aplikasi & Hala Tuju Masa Depan
Penemuan ini menunjukkan beberapa hala tuju masa depan: (1) Pembangunan kurikulum literasi AI yang secara eksplisit mengajar penguraian prompt dan penghalusan lelaran. (2) Integrasi kejuruteraan prompt ke dalam program latihan guru. (3) Reka bentuk sistem tunjuk ajar adaptif yang menyediakan maklum balas masa nyata tentang kualiti prompt. (4) Kajian membujur yang menjejaki bagaimana kemahiran kejuruteraan prompt pelajar berkembang dari semasa ke semasa. (5) Penerokaan rangka kerja etika untuk memastikan penggunaan AI yang bertanggungjawab dalam pendidikan. Memandangkan AI generatif menjadi di mana-mana, kejuruteraan prompt akan menjadi kemahiran asas, sama seperti literasi digital pada tahun 1990-an.
11. Rujukan
- 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.