1. Utangulizi

Umaarufu usio na kifani wa ChatGPT unamaanisha mabadiliko makubwa ya namna watu wanavyoshirikiana na teknolojia kwa madhumuni ya kielimu. Karatasi hii inachunguza ujuzi mpya wa uundaji wa maagizo miongoni mwa wanafunzi wa shule za upili wa Kigeni wa Kiingereza (EFL). Ingawa Mifano ya Lugha Kubwa (LLMs) kama ChatGPT inatoa uwezo mkubwa wa kusaidia ukuzaji wa uandishi, ufanisi wake unategemea uwezo wa mtumiaji kuunda maagizo sahihi na yenye ufanisi. Utafiti huu unakamata michakato ya wakati halisi, ya jaribio-na-makosa ya watumiaji wapya, ukichambua yaliyomo, ubora, na mageuzi ya maagizo yao kukamilisha kazi maalum ya uandishi. Matokeo yanafunua njia tofauti za tabia, yakisisitiza hitaji la haraka la elimu ya uundaji wa maagizo yenye muundo ndani ya mitaala ya EFL ili kuwahamisha wanafunzi kutoka kwa majaribio yasiyo na ufanisi hadi ushirikiano wa kimkakati na AI.

2. Mapitio ya Fasihi & Usuli

2.1 Kuongezeka kwa SOTA Chatbots

Chatbots za kisasa za AI za kizazi, zinazowakilishwa na ChatGPT, zinawakilisha mruko mkubwa kutoka kwa zile za zamani zilizokuwa na kanuni. Zinazotumia mifano ya lugha ya mtandao wa neva iliyofunzwa kwenye mkusanyiko mkubwa wa maandishi, hutoa maandishi yanayofanana na ya kibinadamu kulingana na utabiri wa uwezekano, kuwezesha mwingiliano unaobadilika zaidi na unaoelewa muktadha (Caldarini et al., 2022). "ChatGPT" inatumiwa sana kama neno la jumla kwa aina hii ya AI, na kuweka kiwango kipya cha utendaji.

2.2 Uundaji wa Maagizo kama Ujuzi Muhimu

Uundaji wa maagizo ni sanaa na sayansi ya kubuni pembejeo ili kuongoza LLM kuelekea pato linalotakiwa. Sio tu ujuzi wa kiufundi bali ni aina ya ufikiri wa kompyuta na utambuzi wa juu wa lugha. Maagizo yenye ufanisi mara nyingi yanahitaji uwazi, muktadha, vikwazo, na mifano (ujifunzaji wa mifano michache). Kwa watumiaji wasio wataalamu, hii inaleta changamoto kubwa ya kujifunza, mara nyingi inayojulikana kwa kubahatisha hatua kwa hatua.

2.3 AI katika Elimu ya EFL

Utafiti kuhusu AI katika ujifunzaji wa lugha umelenga tathmini ya kiotomatiki ya uandishi (AWE) na mifumo ya kufundisha yenye akili. Hali ya kizazi na ya kuingiliana ya chatbots za kisasa inaleta mabadiliko mapya—kubadilisha jukumu la mwanafunzi kutoka mpokeaji wa maoni hadi kiongozi wa zana ya utambuzi. Hii inahitaji ujuzi mpya, ukichanganya ujuzi wa jadi wa uandishi na mikakati ya mwingiliano na AI.

3. Mbinu ya Utafiti

3.1 Washiriki & Ukusanyaji wa Data

Utafiti ulihusisha wanafunzi wa shule za upili wa EFL nchini Hong Kong ambao hawakuwa na uzoefu wa kutumia chatbots za kisasa. Washiriki walipewa kazi ya kukamilisha kazi maalum ya uandishi (k.m., insha ya mabishano au aya ya maelezo) kwa kutumia ChatGPT. Data ya msingi ilikuwa rekodi za skrini za iPad, zikikamata mlolongo kamili wa maagizo, majibu ya ChatGPT, na marekebisho yoyote yaliyofanywa na wanafunzi.

3.2 Mfumo wa Uchambuzi

Njia ya utafiti wa kesi ya ubora ilitumika. Rekodi za skrini zilitafsiriwa na kuwekewa alama kwa vipimo viwili vikuu: (1) Yaliyomo ya Maagizo (k.m., uainishaji wa kazi, maombi ya mtindo, amri za marekebisho) na (2) Muundo wa Mwingiliano (k.m., idadi ya zamu, kurekebisha kulingana na pato). Miundo ilikusanywa ili kutambua njia tofauti za watumiaji.

4. Matokeo: Njia Nne za Uundaji wa Maagizo

Uchambuzi wa rekodi za skrini ulifunua njia nne za kawaida, zinazowakilisha mchanganyiko tofauti wa mbinu ya kimkakati na ustadi wa maagizo.

Usambazaji wa Njia

Kulingana na miundo iliyozingatiwa kwenye kundi.

  • Mwenye Mbinu ya Kimaadili: ~35%
  • Mwenye Kuboresha Hatua kwa Hatua: ~30%
  • Mwenye Kupanga Kwa Muundo: ~20%
  • Mchunguzi wa Mazungumzo: ~15%

4.1 Mwenye Mbinu ya Kimaadili

Watumiaji hawa huingiza maagizo mafupi sana, mara nyingi sentensi moja inayoakisi maagizo ya awali ya kazi (k.m., "Andika insha kuhusu mabadiliko ya hali ya hewa"). Wanaonyesha uvumilivu mdogo wa kurudia; ikiwa pato la awali halikuridhisha, wanaweza kuacha kutumia zana hiyo au kuwasilisha matokeo duni. Njia hii inaonyesha dhana potofu ya zana-kama-orakali.

4.2 Mwenye Kuboresha Hatua kwa Hatua

Kundi hili linaanza na maagizo rahisi lakini hushiriki katika mchakato wa kuboresha hatua kwa hatua. Kulingana na pato la AI, hutoa amri za kufuatilia kama "ifanye iwe ndefu zaidi," "tumia maneno rahisi," au "ongeza mifano zaidi." Mwingiliano huo ni wa kukabiliana na wa kuongezeka, ukionyesha uelewa unaoibuka wa kukabiliana kwa AI na maagizo lakini ukikosa mpango mkubwa.

4.3 Mwenye Kupanga Kwa Muundo

Wachache tu kati ya wanafunzi walikaribia kazi hiyo kwa muundo uliopangwa mapema. Maagizo yao ya awali yalikuwa kamili, yakiainisha muundo, toni, hoja muhimu, na wakati mwingine kutoa muhtasari (k.m., "Andika insha ya aya 5 ikibishania kuhusu nishati mbadala. Aya ya 1: Utangulizi. Aya ya 2: Faida za kiuchumi... Tumia toni rasmi."). Njia hii hutoa matokeo ya ubora wa juu kwa zamu chache, ikionyesha utenganishaji wa kazi na upangaji wa juu-utambuzi ulioendelea.

4.4 Mchunguzi wa Mazungumzo

Watumiaji hawa hutumia ChatGPT kama mshirika wa mazungumzo. Badala ya kutoa amari tu, wanauliza maswali ya juu ("Ninawezaje kuboresha kauli yangu kuu?") au kuomba maelezo ("Kwa nini ulichagua neno hili?"). Njia hii inachanganya usaidizi wa uandishi na kujifunza kuhusu uandishi, ingawa inaweza kuzunguka na kushindwa kukamilisha kazi kuu kwa ufanisi.

5. Majadiliano & Athari

5.1 Kuondoka Mbali na Jaribio-na-Makosa

Uwepo wa njia za Mwenye Mbinu ya Kimaadili na Mwenye Kuboresha Hatua kwa Hatua unasisitiza pengo muhimu. Wakiwa wameachwa peke yao, wanafunzi wengi hawakuibuni mikakati ya hali ya juu ya uundaji wa maagizo. Mchakato wao hauna ufanisi na mara nyingi hushindwa kutumia uwezo kamili wa AI, na kwa uwezekano mkubwa kuimarisha tabia za kujifunza pasipo bidii.

5.2 Ujumuishaji wa Kufundishia

Utafiti huu unasisitiza elimu ya wazi ya uundaji wa maagizo ndani ya darasa la uandishi la EFL. Hii inapaswa kujumuisha:

  • Mafundisho ya Moja kwa Moja: Kufundisha vipengele vya maagizo (jukumu, kazi, muktadha, vikwazo, mifano).
  • Mifumo Yenye Muundo: Kuanzisha mifano kama RTF (Jukumu, Kazi, Muundo) au CRISPE (Uwezo, Jukumu, Ufahamu, Taarifa, Tabia, Jaribio).
  • Ukosoaji na Uchambuzi: Kutathmini matokeo yanayotokana na AI ili kuelewa uhusiano wa sababu-na-athari kati ya maagizo na bidhaa.
  • Masuala ya Maadili: Kujadili uandishi, unakili, na tathmini muhimu ya yaliyomo ya AI.

Lengo ni kukuza wanafunzi ambao ni waongozi wa kimkakati badala ya watumiaji wasio na bidii wa maandishi yanayotokana na AI.

6. Uchambuzi wa Kiufundi & Mfumo

Ufahamu Msingi, Mtiririko wa Kimantiki, Nguvu & Kasoro, Ufahamu Unaoweza Kutekelezwa

Ufahamu Msingi: Karatasi hii inatoa ukweli muhimu, ambao mara nyingi hupotoshwa: usambazaji wa zana za AI kama ChatGPT hausambazi uwezo kiotomatiki. Kiolesura ni rahisi kwa hila, lakini mzigo wa utambuzi wa mwingiliano wenye ufanisi ni mkubwa. Kikwazo halisi katika "darasa lililoimarishwa na AI" sio upatikanaji wa teknolojia; ni ukosefu wa ujuzi wa mwingiliano. Utafiti huu unabadilisha mwelekeo kutoka kwa pato la AI hadi pembejeo ya mwanadamu, ukifunua mwinuko wa kujifunza ulio wazi na usio na upendeleo.

Mtiririko wa Kimantiki: Hoja hii ni ya kimfumo na ya kulazimisha. Inaanza kwa kuanzisha tatizo (chatbots za kisasa zinahitaji maagizo ya ustadi), inaanzisha pengo la ujuzi (wanaoanza wanafanya hivi vipi?), inawasilisha ushahidi wa kina wa majaribio (njia nne), na inahitimisha kwa wito wa nguvu wa hatua (elimu lazima ibadilike). Matumizi ya utafiti wa kesi yanaweka nadharia hiyo katika ukweli usio na mpangilio.

Nguvu & Kasoro: Nguvu kuu ni uthibitishaji wa ikolojia. Kutumia rekodi za skrini za watumiaji wa mara ya kwanza katika muktadha halisi wa kazi kunatoa data halisi ambayo utafiti wa maabara mara nyingi hukosa. Uainishaji wa njia nne ni wa kueleweka kwa urahisi na hutoa mfumo wenye nguvu kwa walimu kutambua tabia ya wanafunzi. Kasoro kuu, iliyokubaliwa na waandishi, ni kiwango. Hii ni utafiti wa kina wa kesi, sio uchunguzi mpana. Njia hizo ni za kielelezo, sio za kujumlisha kwa takwimu. Zaidi ya hayo, utafiti huu unalenga mchakato, sio kupima kwa ukali ubora wa bidhaa ya mwisho ya maandishi kwenye njia zote—hatua muhimu inayofuata.

Ufahamu Unaoweza Kutekelezwa: Kwa walimu na wabunifu wa mitaala, karatasi hii ni wito wa kuamka. Inatoa agizo wazi: Uundaji wa maagizo ni ujuzi wa msingi wa karne ya 21 na lazima ufundishwe, sio kukamatwa. Shule zinapaswa kuunda masomo madogo yanayojumuisha mifumo kama Mfano wa Daraja la Maagizo, ambao unahama kutoka kwa maagizo ya msingi ya amri ($P_{cmd}$) hadi maagizo changamano ya kufikiri hatua kwa hatua ($P_{reason}$). Kwa mfano, kuwafundisha wanafunzi fomula ya maagizo ya ubora wa juu: $P_{optimal} = R + T + C + E$, ambapo $R$ ni Jukumu, $T$ ni Kazi, $C$ ni Vikwazo, na $E$ ni Mifano. Kampuni za EdTech zinapaswa kujenga misaada hii ya kufundishia moja kwa moja ndani ya violezo vyao, kutoa viwango vya ujenzi wa maagizo vilivyoongozwa na maoni, na kuondoka mbali na kisanduku tupu cha maandishi.

Maelezo ya Kiufundi & Uundaji wa Hisabati

Kutoka kwa mtazamo wa kujifunza kwa mashine, maagizo ya mtumiaji $p$ hutumika kama muktadha wa kushinikiza kwa mfano wa lugha $M$. Mfano huo hutengeneza mlolongo wa pato $o$ kulingana na usambazaji wa uwezekano $P(o | p, \theta)$, ambapo $\theta$ inawakilisha vigezo vya mfano. Maagizo yenye ufanisi hupunguza msongamano wa usambazaji huu wa pato, na kuelekeza kwenye lengo la mtumiaji $t$. Changamoto ya mwanafunzi ni kupunguza tofauti kati ya usambazaji wa matokeo yanayowezekana na lengo lao, ikifafanuliwa kama kupunguza $D_{KL}(P(o|p, \theta) \,||\, P(o|t))$, ambapo $D_{KL}$ ni tofauti ya Kullback–Leibler. Watumiaji wanaoanza, kupitia jaribio-na-makosa, wanafanya urekebishaji wa kiwango cha chini, wa mwanadamu-katika-kitanzi, wa $p$ ili kufikia hili.

Mfano wa Kesi ya Mfumo wa Uchambuzi

Muktadha: Mwanafunzi lazima aandike barua ya kushawishi kwa mkuu wa shule kuhusu kuanzisha mpango wa kuchakata tena taka.

Njia ya Mwenye Mbinu ya Kimaadili (Isiyo na Ufanisi):
Maagizo 1: "Andika barua kuhusu kuchakata tena taka."
Pato: Barua ya jumla, isiyo na mvuto.
Hatua ya Mwanafunzi: Anawasilisha pato hilo kwa marekebisho madogo.

Njia ya Mwenye Kupanga Kwa Muundo (Inayofaa - Kwa Kutumia Mfumo wa RTF):
Maagizo 1: "Jitende kama mwanafunzi wa darasa la 10 anayewasiwasi. Andika barua rasmi ya kushawishi kwa mkuu wa shule ya upili. Lengo ni kumshawishi aanzishe mpango kamili wa kuchakata tena plastiki na karatasi katika jikoni na madarasani. Tumia toni ya heshima lakini ya haraka. Jumuisha hoja tatu: 1) Athari ya kimazingira, 2) Fursa za ushiriki/ongozi kwa wanafunzi, 3) Uwezekano wa kuokoa gharama au ruzuku. Weka muundo wa barua na tarehe, salamu, aya za mwili kwa kila hoja, na sahihi ya kufunga."
Pato: Barua yenye muundo mzuri, iliyolengwa, na yenye kushawishi.
Hatua ya Mwanafunzi: Anapitia pato, anaweza kuomba uboreshaji: "Fanya hoja ya tatu kuhusu kuokoa gharama iwe na nguvu zaidi kwa kuongeza takwimu."

Tofauti hii inaonyesha jinsi kutumia mfumo rahisi wenye muundo (Jukumu: mwanafunzi, Kazi: andika barua, Muundo: rasmi na hoja maalum) inaboresha kwa kasi ufanisi na ubora wa ushirikiano na AI.

Matokeo ya Majaribio & Maelezo ya Chati

Matokeo muhimu ya utafiti huu ni ya ubora, yamewekwa kwenye maelezo ya njia. Upanuzi wa kihisabati wa kinadharia unaweza kutoa chati kama: "Kielelezo 1: Ufanisi wa Mwingiliano dhidi ya Ubora wa Pato kwa Njia." Mhimili wa x ungewakilisha idadi ya zamu za maagizo (kinyume cha ufanisi), na mhimili wa y ungewakilisha alama ya ubora ya maandishi ya mwisho (k.m., iliyotathminiwa kupitia jedwali la tathmini). Tungelitazamia:
- Mwenye Mbinu ya Kimaadili kukusanyika katika robo ya ufanisi wa juu (zamu chache) lakini ya ubora wa chini.
- Mwenye Kuboresha Hatua kwa Hatua kuonyesha zamu za kati-hadi-juu na ubora tofauti.
- Mwenye Kupanga Kwa Muundo kuchukua robo ya ufanisi wa juu, ubora wa juu (zamu chache, alama ya juu).
- Mchunguzi wa Mazungumzo kuwa katika robo ya ufanisi wa chini (zamu nyingi) na ubora tofauti, uwezekano wa kuwa wa juu ikiwa uchunguzi umelenga. Uwasilishaji huu wa picha ungehoja kwa nguvu kwamba njia ya Mwenye Kupanga Kwa Muundo inawakilisha lengo bora la mafundisho.

7. Matumizi ya Baadaye & Mwelekeo

Athari za utafiti huu zinaenea zaidi ya darasa la EFL:

  • Walimu wa Kurekebisha Maagizo: Uundaji wa walimu wenye nguvu ya AI ambao wanachambua historia ya maagizo ya mwanafunzi, wanatambua njia yao, na kutoa maoni ya wakati halisi, yenye misaada ili kuwaelekeza kwenye mikakati yenye ufanisi zaidi (k.m., "Jaribu kubainisha hadhira yako katika maagizo yanayofuata").
  • Ujuzi wa Kuvuka Masomo: Kujumuisha uundaji wa maagizo katika elimu ya STEM kwa utengenezaji wa msimbo, maswali ya uchambuzi wa data, na maelezo ya kisayansi, kama inavyosisitizwa na taasisi kama mpango wa RAISE wa MIT.
  • Maandalizi ya Wafanyakazi: Kama ilivyoelezwa katika ripoti za Jukwaa la Kiuchumi la Dunia, uundaji wa maagizo unakuwa haraka ujuzi unaothaminiwa katika taaluma mbalimbali. Elimu ya upili lazima iwaandae wanafunzi kwa ukweli huu.
  • Utafiti wa Muda Mrefu: Kufuatilia jinsi ujuzi wa uundaji wa maagizo unavyokua kwa muda na mafundisho, na jinsi unavyohusiana na uboreshaji wa ujuzi wa jadi wa uandishi na ufikiri muhimu.
  • Uundaji wa Maagizo ya Hali Nyingi: Utafiti wa baadaye lazima uchunguze uundaji wa maagizo kwa AI ya hali nyingi (k.m., DALL-E, Sora), ambapo maagizo yanajumuisha vikwazo vya kuona, vya wakati, na vya mtindo—ukingo changamano zaidi la ujuzi.

8. Marejeo

  1. Caldarini, G., Jaf, S., & McGarry, K. (2022). A Literature Survey of Recent Advances in Chatbots. Information, 13(1), 41.
  2. 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].
  3. Zhao, W. X., et al. (2023). A Survey of Large Language Models. arXiv preprint arXiv:2303.18223.
  4. Moor, J. (2006). The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years. AI Magazine, 27(4), 87–91.
  5. MIT RAISE. (2023). Day of AI Curriculum. Massachusetts Institute of Technology. Retrieved from [https://www.dayofai.org/]
  6. World Economic Forum. (2023). Future of Jobs Report 2023.
  7. Reynolds, L., & McDonell, K. (2021). Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm. Extended Abstracts of the 2021 CHI Conference on Human Factors in Computing Systems.