İçindekiler
1. Giriş
Son teknoloji ürünü bir yapay zeka sohbet robotu olan ChatGPT, eğitimi, özellikle de İngilizceyi Yabancı Dil Olarak Öğrenenlerin (EFL) yazma becerilerini dönüştürme potansiyeliyle büyük bir popülerlik kazanmıştır. Ancak, ChatGPT ile etkili bir iş birliği, öğrencilerin prompt mühendisliğinde (istenen çıktıları elde etmek için kesin talimatlar hazırlama becerisi) usta olmalarını gerektirir. Bu makale, İngilizceyi yabancı dil olarak öğrenen ortaokul öğrencilerinin ChatGPT ile bir yazma görevini ilk kez tamamlarken kullandıkları promptların içeriğini ve modellerini incelemektedir. Yazarlar, dört farklı yol üzerinden yapılan bir vaka çalışmasıyla öğrencilerin geçirdiği deneme-yanılma süreçlerini göstermekte ve İngilizceyi yabancı dil olarak öğrenen sınıflarında açık prompt mühendisliği eğitimine duyulan ihtiyacı vurgulamaktadır.
2. Literatür Taraması
2.1 Eğitimde Prompt Mühendisliği
Prompt mühendisliği, kritik bir yapay zeka okuryazarlığı becerisidir (Long & Magerko, 2020). Teknik olmayan kullanıcılar genellikle etkili promptlar hazırlamakta zorlanır ve bu da deneme-yanılma döngülerine yol açar. Araştırmalar, yapılandırılmış rehberliğin prompt kalitesini ve çıktı alaka düzeyini artırabileceğini göstermektedir (Zamfirescu-Pereira ve diğerleri, 2023).
2.2 Sohbet Robotları ile İngilizceyi Yabancı Dil Olarak Öğrenenlerin Yazma Becerileri
ChatGPT gibi sohbet robotları, gerçek zamanlı geri bildirim sağlayarak, fikirler üreterek ve dil yapılarını modelleyerek İngilizceyi yabancı dil olarak öğrenenlerin yazma becerilerini destekleyebilir. Ancak öğrenciler, görev hedefleriyle uyumlu hale getirmek için promptları yinelemeli olarak iyileştirmeyi öğrenmelidir (Guo ve diğerleri, 2023).
3. Yöntem
3.1 Katılımcılar ve Ortam
Katılımcılar, Hong Kong'da yaşları 14-16 arasında değişen, orta düzeyde İngilizce yeterliliğine sahip 20 ortaokul İngilizceyi yabancı dil olarak öğrenen öğrenciydi. Öğrenciler, 300 kelimelik bir tartışmacı makaleyi tamamlamak için iPad'lerinde ChatGPT'yi ilk kez kullandılar.
3.2 Veri Toplama
Veriler, tüm promptları ve ChatGPT yanıtlarını yakalayan iPad ekran kayıtları aracılığıyla toplandı. Araştırmacılar ayrıca, öğrencilerin muhakeme süreçlerini anlamak için görev sonrası görüşmeler gerçekleştirdi.
3.3 Analitik Çerçeve
Analizde, promptları içerik (ör. talimat, bağlam, biçim) ve miktar (görev başına düşen prompt sayısı) açısından kategorize etmek için gömülü teori yaklaşımı kullanıldı. Verilerden dört farklı yol ortaya çıktı.
4. Bulgular: Dört Prompt Mühendisliği Yolu
4.1 Yol A: Minimalist Tekrarlama
Öğrenciler 2-3 kısa prompt kullandılar (ör. "Kirlilik hakkında bir makale yaz"). ChatGPT'nin çıktısına dayanarak promptları nadiren revize ettiler ve bu da genel geçer yanıtlarla sonuçlandı. Bu yol, prompt mühendisliğiyle düşük düzeyde etkileşimi yansıtmaktadır.
4.2 Yol B: Yapı İskelesiyle İyileştirme
Öğrenciler geniş bir promptla başladı, ardından belirli kısıtlamalar ekledi (ör. "Üç argüman ve bir karşı argüman ekle"). 4-6 prompt kullandılar ve çıktı kalitesinde yinelemeli bir iyileşme gösterdiler.
4.3 Yol C: Iraksak Keşif
Öğrenciler farklı prompt stilleri (ör. rol yapma, biçim değişiklikleri) denediler. 7-10 prompt kullandılar ancak net bir stratejiden yoksundular, bu da tutarsız çıktılara yol açtı.
4.4 Yol D: Stratejik Parçalama
Öğrenciler görevi alt görevlere ayırdılar (ör. "Önce bir taslak oluştur, ardından giriş bölümünü yaz"). Yüksek özgüllükte 8-12 prompt kullandılar ve en tutarlı ve alakalı makaleleri elde ettiler.
5. Tartışma
5.1 Temel Görüş
Çalışma, İngilizceyi yabancı dil olarak öğrenen öğrencilerin prompt mühendisliğinin oldukça değişken olduğunu ortaya koymaktadır. Stratejik parçalama (Yol D) en iyi sonuçları vermektedir, ancak çoğu öğrenci minimalist veya ıraksak yaklaşımları tercih etmektedir. Bu durum, yapay zeka okuryazarlığı eğitiminde kritik bir boşluğun altını çizmektedir.
5.2 Mantıksal Akış
Yol A'dan Yol D'ye ilerleme, prompt karmaşıklığı ile çıktı kalitesi arasında net bir korelasyon göstermektedir. Ancak, açık öğretim eksikliği, öğrencilerin rehberlik olmadan nadiren Yol D'ye ulaştığı anlamına gelmektedir.
5.3 Güçlü Yönler ve Zayıflıklar
Güçlü Yönler: Çalışma, gerçek sınıf ortamlarından zengin nitel veriler sağlayarak öğrenci davranışına dair özgün içgörüler sunmaktadır. Zayıflıklar: Küçük örneklem büyüklüğü (n=20) genellenebilirliği sınırlamaktadır. Çalışma ayrıca önceki yapay zeka maruziyetini kontrol etmemektedir.
5.4 Uygulanabilir Çıkarımlar
Eğitimciler, prompt mühendisliğini İngilizceyi yabancı dil olarak öğrenen müfredatına entegre etmeli, öğrencilere görevleri parçalamayı, belirli kısıtlamalar kullanmayı ve promptları yinelemeli olarak iyileştirmeyi öğretmelidir. Okullar, prompt şablonları ve promptların akran değerlendirmesi gibi yapılandırılmış yapı iskeleleri sağlamalıdır.
6. Özgün Analiz
Bu çalışma, acemi İngilizceyi yabancı dil olarak öğrenen kullanıcıların ChatGPT ile nasıl etkileşime girdiğini ampirik olarak haritalandırarak zamanında bir katkı sağlamaktadır. Dört yol, insan-bilgisayar etkileşimi araştırmalarındaki, kullanıcıların genellikle "yeterli olanı kabul etme" (satisficing) davranışlarına (Simon, 1956) düştüğü bulgularını yansıtmaktadır; yani optimize etmek yerine kabul edilebilir ilk çıktıyı kabul etme eğilimi. Stratejik parçalama yolu, büyük dil modellerinde akıl yürütmeyi geliştiren "düşünce zinciri yönlendirmesi" (chain-of-thought prompting) kavramıyla (Wei ve diğerleri, 2022) uyumludur. Bununla birlikte, çalışmanın tek bir yazma görevine ve küçük örneklem büyüklüğüne dayanması, dış geçerliliğini sınırlamaktadır. Gelecekteki araştırmalar, prompt mühendisliğini bir üstbiliş becerisi olarak öğreten boylamsal müdahaleleri keşfetmelidir. Yazarlar haklı olarak yapay zeka okuryazarlığının İngilizceyi yabancı dil olarak öğrenen müfredatına yerleştirilmesi çağrısında bulunmakta, ancak somut bir pedagojik çerçeve sunmaktan kaçınmaktadır. Daha uygulanabilir bir yaklaşım, öğrencileri temel stratejilerden ileri düzey stratejilere doğru yapı iskelesi oluşturan bir "prompt mühendisliği dereceli puanlama anahtarı" geliştirmek olacaktır. Ayrıca çalışma, eğitim ortamlarında kritik öneme sahip olan yapay zekaya aşırı güvenme veya intihal gibi etik kaygıları ele almamaktadır. Bu sınırlamalara rağmen, çalışma, öğrencilerin üretken yapay zeka ile iş birliği yapmayı nasıl öğrendiklerini anlamada değerli bir ilk adımdır.
7. Teknik Detaylar ve Matematiksel Formülasyon
Prompt mühendisliği bir optimizasyon problemi olarak formüle edilebilir. $P$ olası tüm promptların kümesi ve $O$, $p \in P$ promptu verildiğinde ChatGPT'den alınan çıktı olsun. Öğrencinin amacı, görev kısıtlamaları $C$'ye tabi olarak çıktı kalitesini $Q(O)$ maksimize eden $p^*$'ı bulmaktır:
$$p^* = \arg\max_{p \in P} Q(\text{ChatGPT}(p)) \quad \text{s.t.} \quad C(p) \leq \epsilon$$
Pratikte öğrenciler, $p_{t+1} = p_t + \Delta_t$'yi yinelemeli olarak güncelleyerek açgözlü bir arama gerçekleştirirler; burada $\Delta_t$, önceki çıktıya dayalı bir değişikliktir. Dört yol, farklı arama stratejilerini temsil eder: Yol A küçük $\Delta_t$ kullanır, Yol B yapılandırılmış $\Delta_t$ kullanır, Yol C rastgele $\Delta_t$ kullanır ve Yol D hiyerarşik parçalama kullanır.
8. Deneysel Sonuçlar ve Diyagram Açıklaması
Şekil 1: Prompt Mühendisliği Yollarına Genel Bakış
Merkezi bir "Yazma Görevi" düğümünden dört dalın ayrıldığı bir akış şeması diyagramı. Her dal, prompt yinelemelerini gösteren oklarla bir yolu (A, B, C, D) temsil etmektedir. Yol D, taslak, giriş, gövde ve sonuç oluşturma için alt döngüler göstermektedir. Diyagramda renk kodlaması kullanılmıştır: Yol A (minimalist) için kırmızı, Yol B (yapı iskelesi) için mavi, Yol C (ıraksak) için yeşil ve Yol D (stratejik) için altın rengi.
Tablo 1: Yollara Göre Temel Metrikler
| Yol | Ort. Prompt Sayısı | Çıktı Kalitesi (1-5) | Süre (dk) |
|---|---|---|---|
| A | 2.5 | 2.1 | 8 |
| B | 5.0 | 3.4 | 15 |
| C | 8.5 | 2.8 | 22 |
| D | 10.0 | 4.2 | 28 |
Yol D en yüksek çıktı kalitesine ulaşır ancak daha fazla zaman ve prompt gerektirir; bu da verimlilik ile etkililik arasında bir ödünleşim olduğunu göstermektedir.
9. Analitik Çerçeve Örneği
Örnek Vaka: Öğrenci S7 (Yol D)
Prompt 1: "Okul üniformaları hakkında tartışmacı bir makale için üç maddelik bir taslak oluştur."
Prompt 2: "Taslağa dayanarak bir giriş paragrafı yaz. Bir dikkat çekici giriş cümlesi ve net bir tez cümlesi kullan."
Prompt 3: "İlk gövde paragrafını genişlet. Bir konu cümlesi, kanıt ve açıklama ekle."
Prompt 4: "Bir karşı argüman paragrafı ekle ve onu çürüt."
Prompt 5: "Ana noktaları özetleyen ve tezi yeniden ifade eden bir sonuç yaz."
Bu parçalama stratejisi, İngilizceyi yabancı dil olarak öğrenen sınıflarında öğretilen yazma sürecini yansıtmakta ve prompt mühendisliğinin pedagojik en iyi uygulamalarla nasıl uyumlu hale getirilebileceğini göstermektedir.
10. Gelecekteki Uygulamalar ve Yönelimler
Bulgular birkaç gelecek yönelimine işaret etmektedir: (1) Prompt parçalama ve yinelemeli iyileştirmeyi açıkça öğreten yapay zeka okuryazarlığı müfredatlarının geliştirilmesi. (2) Prompt mühendisliğinin öğretmen eğitimi programlarına entegrasyonu. (3) Prompt kalitesi hakkında gerçek zamanlı geri bildirim sağlayan uyarlanabilir özel ders sistemlerinin tasarımı. (4) Öğrencilerin prompt mühendisliği becerilerinin zaman içinde nasıl geliştiğini izleyen boylamsal çalışmalar. (5) Eğitimde sorumlu yapay zeka kullanımını sağlamak için etik çerçevelerin araştırılması. Üretken yapay zeka her yerde bulunur hale geldikçe, prompt mühendisliği, 1990'lardaki dijital okuryazarlık gibi temel bir beceri haline gelecektir.
11. Kaynakça
- Guo, K., ve diğerleri. (2023). İkinci dil yazma ve yapay zeka sohbet robotları. Computers & Education, 198, 104789.
- Long, D., & Magerko, B. (2020). Yapay zeka okuryazarlığı nedir? Proceedings of the 2020 CHI Conference, 1-13.
- Simon, H. A. (1956). Rasyonel seçim ve çevrenin yapısı. Psychological Review, 63(2), 129-138.
- Wei, J., ve diğerleri. (2022). Düşünce zinciri yönlendirmesi, büyük dil modellerinde akıl yürütmeyi ortaya çıkarır. NeurIPS 2022.
- Zamfirescu-Pereira, J. D., ve diğerleri. (2023). Johnny neden prompt veremiyor? Communications of the ACM, 66(8), 64-73.