Chagua Lugha

Utafiti wa Kesi: Njia za Uhandisi wa Amri (Prompt Engineering) kwa Wanafunzi wa Sekondari wa Kigeni wa Kiingereza (EFL) Kupitia ChatGPT kwa Kazi za Uandishi

Utafiti wa kesi unaochambua jinsi wanafunzi wa sekondari wa Kigeni wa Kiingereza (EFL) wanavyotumia na kujifunza uhandisi wa amri (prompt engineering) na ChatGPT kukamilisha kazi za uandishi, ukionyesha njia tofauti na maana ya kielimu.
learn-en.org | PDF Size: 1.0 MB
Ukadiriaji: 4.5/5
★ ★ ★ ★ ★
Ukadiriaji Wako
Umekadiria waraka huu tayari
Kifuniko cha Waraka PDF - Utafiti wa Kesi: Njia za Uhandisi wa Amri (Prompt Engineering) kwa Wanafunzi wa Sekondari wa Kigeni wa Kiingereza (EFL) Kupitia ChatGPT kwa Kazi za Uandishi
Tazama Waraka PDF Pakua PDF Tafsiri PDF
Nyumbani » Nyaraka » Utafiti wa Kesi: Njia za Uhandisi wa Amri (Prompt Engineering) kwa Wanafunzi wa Sekondari wa Kigeni wa Kiingereza (EFL) Kupitia ChatGPT kwa Kazi za Uandishi

1. Utangulizi

Uzinduzi wa vijisehemu mazungumzo bora zaidi (SOTA) za AI zinazotengeneza maandishi kama ChatGPT unaleta fursa na changamoto kwa elimu, hasa katika ujifunzaji wa lugha. Karatasi hii inachunguza jinsi wanafunzi wa shule za upili wa Kigeni wa Kiingereza (EFL), kama watumiaji wapya, wanavyojihusisha na uhandisi wa amri (prompt engineering)—ujuzi wa kutengeneza maagizo kwa AI—ili kukamilisha kazi ya uandishi. Tatizo kuu ni kwamba ushirikiano mzuri na ChatGPT sio jambo la asili; linahitaji ujuzi unaojifunzwa ambao wanafunzi wengi hawana, na kusababisha michakato isiyo na ufanisi ya kujaribu na kukosea. Utafiti huu unalenga kuchora njia mbalimbali wanafunzi huchukua, kuchambua yaliyomo, ubora, na mabadiliko ya amri zao (prompts) ili kutoa mbinu za kufundisha kwa ajili ya kuunganisha ujuzi wa AI (AI literacy) darasani za uandishi wa EFL.

2. Njia ya Utafiti

Utafiti huu unatumia njia ya utafiti wa kesi wa ubora. Takwimu zilikusanywa kutoka kwa rekodi za skrini za iPad za wanafunzi wa upili wa EFL nchini Hong Kong wakitumia ChatGPT na vijisehemu mazungumzo sawa za SOTA kwa mara ya kwanza kukamilisha kazi ya kawaida ya uandishi. Uchambuzi ulilenga uchunguzi wa kina wa amri (prompts) wanafunzi walizotengeneza, mlolongo wao (njia), na matokeo yanayolingana ya AI. Utafiti ulitambua njia nne tofauti za kipeo kulingana na mienendo ya mwingiliano, ukomavu wa amri (prompts), na mbinu ya kimkakati.

3. Utafiti wa Kesi: Njia Nne za Uhandisi wa Amri (Prompt Engineering)

Uchambuzi ulifunua mienendo minne ya msingi ya mwingiliano, inayowakilisha viwango tofauti vya kujihusisha na mawazo ya kimkakati.

3.1. Njia A: Mwenye Mbinu ya Ufupi Zaidi (The Minimalist)

Wanafunzi katika njia hii walitumia amri (prompts) chache sana, mara nyingi zisizo wazi (mfano, "Andika insha kuhusu uchafuzi wa mazingira"). Walionyesha ushiriki mdogo wa kimetakwimu, wakikubali matokeo ya kwanza ya AI bila marekebisho mengi au uainishaji. Njia hii inaonyesha ukosefu wa msingi wa kuelewa uwezo wa AI na hitaji la maagizo sahihi.

3.2. Njia B: Mwenye Kuboresha Kwa Kurudia (The Iterative Refiner)

Wanafunzi hawa walianza na amri (prompt) ya msingi lakini walijihusisha na mchakato wa kuboresha kwa mlolongo. Kulingana na matokeo ya awali ya AI, walitoa amri za kufuata kama "ifanye iwe ndefu zaidi," "tumia maneno rahisi," au "ongeza mfano." Njia hii inaonyesha uelewa unaoibuka wa asili ya mwingiliano na kurudia ya ushirikiano wa binadamu na AI.

3.3. Njia C: Mwenye Kupanga Kwa Muundo (The Structured Planner)

Njia ya hali ya juu zaidi ambapo wanafunzi walijaribu kuunda muundo wa kazi kwa AI tangu mwanzo. Amri (prompts) zilijumuisha vipengele kama kuigiza jukumu ("Wewe ni mwalimu wa uandishi"), maagizo ya hatua kwa hatua ("Kwanza, nipe maoni matatu. Kisha, toa muhtasari wa wazo la kwanza"), na vikwazo vilivyo wazi ("Andika maneno 150 ukitumia wakati uliopita"). Mbinu hii inaonyesha upangaji wa kimkakati na mfano wazi zaidi wa jinsi ya "kuandika programu" kwa AI kupitia lugha.

3.4. Njia D: Mwenye Kujaribu Kwa Upelelezi (The Exploratory Tester)

Wanafunzi hawa walitumia idadi kubwa ya amri (prompts) mbalimbali, mara nyingi za majaribio. Walijaribu mipaka ya AI kwa maombi ya ubunifu, yasiyo na uhusiano na mada, au magumu ili kuelewa utendaji wake kabla ya kuitumia kwa kazi kuu. Njia hii inaonyesha mawazo ya upelelezi na ujuzi wa teknolojia lakini inaweza kusababisha kufikia lengo la kazi kwa ufanisi.

4. Matokeo & Uchambuzi

4.1. Mienendo ya Ubora na Idadi ya Amri (Prompts)

Uhusiano wazi ulionekana kati ya ukomavu wa amri (prompts) na ubora wa matokeo ya mwisho. Njia C (Mwenye Kupanga Kwa Muundo) ilitoa matokeo thabiti zaidi, yanayofaa kazi, na yenye lugha tajiri. Matokeo ya Njia A (Mwenye Mbinu ya Ufupi Zaidi) yalikuwa ya jumla na mara nyingi hayakulenga. Idadi ya amri (prompts) pekee (iliyo juu katika Njia D) haikuhakikisha ubora; ubora wa kimkakati (Njia C) ndio ulikuwa kipengele cha tofauti.

Muhtasari wa Mwingiliano wa Amri (Prompts)

  • Njia A (Mwenye Mbinu ya Ufupi Zaidi): Wastani wa amri (prompts) 2-3; Uainishaji wa chini.
  • Njia B (Mwenye Kuboresha Kwa Kurudia): Wastani wa amri (prompts) 5-8; Uboreshaji unaotokana na majibu.
  • Njia C (Mwenye Kupanga Kwa Muundo): Wastani wa amri (prompts) 4-6; Upangaji wa awali wa hali ya juu.
  • Njia D (Mwenye Kujaribu Kwa Upelelezi): Wastani wa amri (prompts) 10+; Aina nyingi, uhusiano mchanganyiko.

4.2. Athari kwa Matokeo ya Uandishi

Bidhaa za mwisho za uandishi zilitofautiana sana. Amri (prompts) zilizoundwa kwa muundo zilisababisha matokeo yaliyokidhi mahitaji ya kazi kwa njia bora, yaliyotumia msamiati unaofaa zaidi, na yaliyoonyesha mpangilio wazi zaidi. Amri (prompts) fupi zilisababisha maandishi ambayo, ingawa yalikuwa sahihi kisarufi, yalikosa kina na ubinafsishaji, yakiwa sawa na maudhui ya jumla ya wavuti.

5. Majadiliano: Maana kwa Elimu ya Ujuzi wa AI (AI Literacy)

Utafiti huu unasisitiza kwamba kutumia ChatGPT kwa ufanisi ni ujuzi unaojifunzwa, sio uwezo wa asili. Uwepo wa njia fupi na zisizo na ufanisi za kurudia miongoni mwa wanaoanza unaonyesha pengo kubwa katika elimu ya sasa. Waandishi wanasisitiza kuwa elimu ya uhandisi wa amri (prompt engineering) iunganishwe katika mitaala ya EFL. Hii ingemwendeleza mwanafunzi zaidi ya kujaribu na kukosea, ikiwapa mifumo ya kutengeneza maagizo wazi, kugawa majukumu, kubainisha miundo, na kuboresha matokeo kwa kurudia—na kumgeuza AI kutoka kwa kitu kisichoeleweka (black-box) kuwa chombo cha ushirikiano.

Ufahamu Muhimu

  • Uhandisi wa amri (prompt engineering) ni aina mpya ya ujuzi wa kidijitali muhimu kwa enzi ya AI.
  • Mbinu za wanafunzi kwa AI ni tofauti, na zinahitaji mafundisho yanayotofautiana.
  • Ubora wa maagizo (prompt) huamua moja kwa moja ubora wa matokeo yanayosaidiwa na AI.
  • Bila mwongozo, wanafunzi wana hatari ya kukuza tabia za mwingiliano zisizo na nguvu au zisizo na ufanisi na AI.

6. Mfumo wa Kiufundi & Uchambuzi

Kutoka kwa mtazamo wa kiufundi, uhandisi wa amri (prompt engineering) huingiliana na utendaji wa uwezekano wa mfano wa lugha wa msingi. Amri (prompt) iliyoundwa vizuri $P$ huongoza mfano $M$ kuchagua kutoka kwa eneo lenye vikwazo zaidi na linalohitajika la usambazaji wake wa matokeo $D$ kwa muktadha fulani $C$. Mchakato huu unaweza kuwakilishwa kwa njia ya kufikirika kama kuongeza uwezekano wa masharti wa mlolongo unaohitajika wa matokeo $O$:

$O^* = \arg\max_{O} P(O | C, P, M)$

Ambapo amri (prompt) isiyo wazi inaongeza usumbufu (entropy) katika $D$, na kusababisha matokeo ya jumla, amri (prompt) maalum yenye vikwazo (jukumu, muundo, mtindo) inapunguza usumbufu (entropy), na kuongoza $M$ kuelekea $O^*$ iliyolengwa zaidi. Njia za wanafunzi kwa ufanisi zinawakilisha mikakati tofauti ya kudhibiti uwezekano huu wa masharti kupitia maagizo ya lugha asilia.

Mfano wa Mfumo wa Uchambuzi

Hali: Mwanafunzi anataka ChatGPT imsaidie kuandika aya ya kushawishi kuhusu kuchakata tena taka.

  • Amri (Prompt) Dhaifu (Usumbufu wa Juu / High Entropy): "Andika kuhusu kuchakata tena taka."
    Uchambuzi: Mfano una vikwazo vichache, na uwezekano mkubwa wa kutengeneza muhtasari mpana, wa aina ya ensaiklopidia.
  • Amri (Prompt) Nzuri (Usumbufu wa Chini / Low Entropy): "Jitahidi kuwa mtetezi wa mazingira. Andika aya ya kushawishi yenye maneno 80 inayolenga vijana, ukiwahimiza wachakate tena chupa za plastiki. Tumia toni ya moja kwa moja na ya haraka, na ujumuishe takwimu moja."
    Uchambuzi: Amri (prompt) hii inabainisha jukumu (mtetezi), watazamaji (vijana), lengo (kushawishi), mwelekeo wa maudhui (chupa za plastiki), urefu (maneno 80), toni (moja kwa moja, ya haraka), na kipengele (takwimu). Inapunguza kwa kiasi kikubwa usambazaji wa matokeo ya mfano.

7. Matumizi ya Baadaye & Mwelekeo wa Utafiti

Matokeo yanafungua njia kadhaa za kazi ya baadaye:

  • Walimu wa Kukabiliana na Amri (Adaptive Prompting Tutors): Uundaji wa walimu wenye nguvu ya AI ambao wanachambua amri (prompt) ya mwanafunzi na kutoa maoni ya papo hapo juu ya jinsi ya kuiboresha (mfano, "Jaribu kubainisha watazamaji wako").
  • Utafiti wa Muda Mrefu (Longitudinal Studies): Kufuatilia jinsi ujuzi wa uhandisi wa amri (prompt engineering) wa wanafunzi unavyobadilika kwa muda na bila mafundisho rasmi.
  • Ulinganishi wa Kitamaduni & Kilinganishi cha Lugha (Cross-Cultural & Linguistic Comparisons): Kuchunguza ikiwa mikakati ya uhandisi wa amri (prompt engineering) inatofautiana kati ya lugha na miktadha ya kielimu ya kitamaduni.
  • Unganisho na Mbinu za Ufundishaji Uandishi (Integration with Writing Pedagogy): Utafiti juu ya jinsi mifumo ya uhandisi wa amri (prompt engineering) inaweza kuunganishwa katika miundo iliyopo ya mchakato wa uandishi (kabla ya kuandika, kuandika rasimu, kurekebisha).
  • Vipimo vya Kimaadili & Vya Kukosoa (Ethical & Critical Dimensions): Kupanua ujuzi wa AI (AI literacy) zaidi ya ufanisi kujumuisha tathmini muhimu ya matokeo ya AI, kugundua upendeleo, na matumizi ya kimaadili.

8. Marejeo

  1. 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.
  2. Caldarini, G., Jaf, S., & McGarry, K. (2022). A Literature Survey of Recent Advances in Chatbots. Information, 13(1), 41.
  3. 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.
  4. OpenAI. (2023). GPT-4 Technical Report. arXiv preprint arXiv:2303.08774.
  5. Zhao, W. X., et al. (2023). A Survey of Large Language Models. arXiv preprint arXiv:2303.18223.
  6. The Stanford Center for AI Safety. (n.d.). AI Literacy. Retrieved from https://aisafety.stanford.edu/ai-literacy

Mtazamo wa Mchambuzi: Kuchambua Dhima ya Uhandisi wa Amri (Prompt Engineering)

Ufahamu Mkuu: Utafiti huu sio tu kuhusu wanafunzi na ChatGPT; ni mfano mdogo wa changamoto ya msingi ya mwingiliano wa binadamu na AI katika enzi ya baada ya ChatGPT. Ufahamu mkuu ni kwamba "kutoa amri (prompting)" ndio programu mpya. Njia nne (Mwenye Mbinu ya Ufupi Zaidi, Mwenye Kuboresha Kwa Kurudia, Mwenye Kupanga Kwa Muundo, Mwenye Kujaribu Kwa Upelelezi) sio tu mitindo ya kujifunza; ni mifano ya aina za watumiaji ambazo zitaamua mapungufu ya uzalishaji na ubunifu katika wafanyikazi wanaosaidiwa na AI. Karatasi inatambua kwa usahihi kwamba bila elimu iliyoundwa, watumiaji wengi watajikita katika njia zisizo na ufanisi za Mwenye Mbinu ya Ufupi Zaidi au za kujaribu na kukosea, na kuacha uwezo mkubwa wa zana kama GPT-4, kama ilivyoelezewa katika ripoti yake ya kiufundi, bila kutumika.

Mtiririko wa Kimantiki na Nguvu: Nguvu ya karatasi hii iko katika mbinu yake ya msingi, ya kujaribu. Kwa kutumia rekodi za skrini, imeokota shida ya asili, isiyochujwa ya mwanzo. Hii inahamisha mjadala zaidi ya mifumo ya kinadharia ya ujuzi wa AI (AI literacy) (kama ile ya Long & Magerko) hadi katika mazoezi yanayoonekana. Utambuzi wa Mwenye Kupanga Kwa Muundo kama njia yenye utendaji wa juu ni muhimu. Inathibitisha dhana ya tasnia kwamba kutoa amri (prompting) kwa ufanisi inafanana na hati ya uainishaji—wazi, yenye vikwazo, na yenye muktadha. Hii inalingana na utafiti juu ya jinsi mifano mikubwa ya lugha (LLMs) inavyofanya kazi kama "kasuku za nasibu (stochastic parrots)" zinazoongozwa na usambazaji wa uwezekano wa masharti; amri (prompt) sahihi kihisabati inapunguza nafasi ya matokeo, kama ilivyojadiliwa katika uchunguzi wa kina kama ule wa Zhao et al.

Kasoro na Mapungufu ya Kuona: Kasoro kuu ya utafiti ni upeo wake mdogo—kazi moja na watumiaji wa mara ya kwanza. Haionyeshi ikiwa Mwenye Kujaribu Kwa Upelelezi, anayeonyesha kwa hoja udadisi wa ndani wa juu na upelelezi wa mfumo, anaweza kuwa mtumiaji mwenye ujuzi zaidi baada ya muda. Zaidi ya hayo, inapita kando ya kipengele muhimu cha kimaadili na ujuzi wa kukosoa (critical literacy). Mwanafunzi anaweza kuwa Mwenye Kupanga Kwa Muundo bora, akitoa insha kamili, ya kushawishi na ChatGPT, lakini akabaki bila kukosoa upendeleo, ukosefu wa usahihi wa ukweli, au ukosefu wa mawazo asilia katika matokeo. Kama taasisi kama Kituo cha Usalama wa AI cha Stanford kinavyosisitiza, ujuzi wa kweli wa AI (AI literacy) lazima ujumuishi tathmini, sio tu utengenezaji.

Ufahamu Unaoweza Kutekelezwa: Kwa waelimishaji na wanaoleta sera, hitimisho halina mabishano: Uhandisi wa amri (prompt engineering) lazima uwe sehemu kuu, inayotathminiwa ya mitaala ya ujuzi wa kidijitali, kuanzia sasa. Hii sio hiari. Utafiti huu unatoa mpango: wahamisishe wanafunzi kutoka kuwa watumiaji wasio na nguvu wa matokeo ya AI (Mwenye Mbinu ya Ufupi Zaidi) kuwa waongozi wenye nguvu, wa kimkakati (Mwenye Kupanga Kwa Muundo). Mipango ya somo inapaswa kufundisha wazi mifumo ya amri (prompts)—jukumu, watazamaji, muundo, toni, mifano (RAFTE). Kwa watengenezaji wa teknolojia, ufahamu ni kujenga "miundo ya msaada ya amri (prompt scaffolding)" moja kwa moja katika interfaces za kielimu—viwango vya mwingiliano, injini za mapendekezo, na amri (prompts) za kimetakwimu zinazowauliza watumiaji, "Umeweza kufikiria kubainisha...?" Siku zijisi sio za wale wanaoweza kutumia AI, bali za wale wanaoweza kuiagiza kwa usahihi na kwa kukosoa.