İçindekiler
1. Giriş
Son teknoloji ürünü bir üretken yapay zeka sohbet robotu olan ChatGPT, özellikle İngilizcenin yabancı dil olarak öğrenildiği yazma bağlamlarında eğitimi 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 ilk kez bir yazma görevini tamamlarken kullandıkları promptların içeriğini ve kalıplarını incelemektedir. Yazarlar, dört farklı yol üzerinden yapılan bir vaka çalışmasıyla deneme-yanılma sürecini göstermekte ve İngilizceyi yabancı dil olarak öğrenen sınıflarında açık prompt mühendisliği eğitimine olan ihtiyacı vurgulamaktadır.
2. Literatür Taraması
2.1 İngilizceyi Yabancı Dil Olarak Öğrenmede Yazma ve ChatGPT
ChatGPT, fikir üreterek, kelime önerileri sunarak ve dilbilgisi düzeltmeleri yaparak İngilizceyi yabancı dil olarak öğrenen öğrencilere yardımcı olabilir. Ancak, uygun promptlama yapılmazsa, çıktılar ilgisiz veya yararsız olabilir. Guo ve arkadaşlarının (2023) araştırması, öğrencilerin genellikle etkili promptlar formüle etmekte zorlandıklarını ve bunun da optimal olmayan etkileşimlere yol açtığını göstermektedir.
2.2 Bir Beceri Olarak Prompt Mühendisliği
Prompt mühendisliği, modelin yeteneklerini ve sınırlamalarını anlamayı içerir. Yinelemeli iyileştirme, özgüllük ve bağlamsal farkındalık gerektirir. Çalışmalar (örneğin, Woo ve ark., 2023), İngilizceyi yabancı dil olarak öğrenen öğrenciler de dahil olmak üzere teknik olmayan kullanıcıların, sistematik stratejiler olmaksızın tipik olarak deneme-yanılma yöntemine başvurduğunu göstermektedir.
3. Yöntem
3.1 Katılımcılar ve Ortam
Katılımcılar, Hong Kong'dan 12 ortaokul İngilizceyi yabancı dil olarak öğrenen öğrenciydi (15-16 yaş). Betimleyici bir yazma görevini tamamlamak için iPad'lerinde ChatGPT'yi ilk kez kullandılar: "En sevdiğiniz yeri tanımlayın ve sizin için neden özel olduğunu açıklayın."
3.2 Veri Toplama
Veriler, yazılan her promptu ve ChatGPT'nin yanıtını yakalayan iPad ekran kayıtları aracılığıyla toplandı. Araştırmacılar ayrıca, öğrencilerin muhakemelerini anlamak için görev sonrası görüşmeler de gerçekleştirdi.
3.3 Analitik Çerçeve
Analiz, promptları içeriğine (örneğin, fikir talebi, dilbilgisi yardımı, düzeltme) ve miktarına (öğrenci başına düşen prompt sayısı) göre kategorize etti. Verilerden dört farklı yol ortaya çıktı.
4. Bulgular: Dört Prompt Mühendisliği Yolu
4.1 Yol A: Doğrudan Talimat
Öğrenciler, tek ve kapsamlı bir prompt yayınladılar (örneğin, "En sevdiğim plaj hakkında, duyusal detaylar içeren 200 kelimelik bir paragraf yaz"). Bu yol, kabul edilebilir sonuçlar verdi ancak öğrencilerin yazma sürecine katılımını sınırladı.
4.2 Yol B: Yinelemeli İyileştirme
Öğrenciler geniş bir promptla başladılar (örneğin, "En sevdiğim yer hakkında yazmama yardım et") ve ChatGPT'nin çıktısına göre bunu iyileştirdiler (örneğin, "Dalga sesleri hakkında daha fazla detay ekle"). Bu yol, geri bildirim yoluyla öğrenmeyi gösterdi.
4.3 Yol C: Yapı İskelesiyle Ayrıştırma
Öğrenciler görevi alt görevlere ayırdılar: önce bir taslak istediler, ardından kelime bilgisi talep ettiler ve son olarak tam bir taslak istediler. Bu yapılandırılmış yaklaşım, daha yüksek kaliteli çıktılar ve daha derin bir anlayışla sonuçlandı.
4.4 Yol D: Keşfedici Deneme-Yanılma
Öğrenciler, net bir strateji olmaksızın çeşitli promptlarla deneyler yaptılar (örneğin, "Bana fikir ver", sonra "Daha uzun yap", sonra "Tonu değiştir"). Bu yol verimsizdi ve sıklıkla hayal kırıklığına yol açtı.
5. Tartışma
5.1 Temel Görüş
Çalışma, İngilizceyi yabancı dil olarak öğrenen öğrencilerin çoğunun, sistematik stratejilerden yoksun olarak varsayılan olarak deneme-yanılma promptlamasına başvurduğunu ortaya koymaktadır. Yalnızca bir azınlık (Yol C), üstbilişsel yapı iskelesi (Flavell, 1979) ilkeleriyle uyumlu olan etkili ayrıştırma sergilemiştir.
5.2 Mantıksal Akış
Yol A'dan D'ye ilerleme, öğrenci inisiyatifi ve stratejik derinlik açısından bir yelpaze göstermektedir. En etkili yol (C), uzman prompt mühendisliği uygulamalarını yansıtır: görev ayrıştırma, yinelemeli iyileştirme ve bağlamsal özgüllük.
5.3 Güçlü Yönler ve Zayıflıklar
Güçlü Yönler: Çalışma, ekran kayıtları aracılığıyla otantik öğrenci davranışını yakalayan zengin nitel veriler sağlamaktadır. Dört yollu tipoloji, eğitimciler için sezgisel ve uygulanabilir niteliktedir.
Zayıflıklar: Küçük örneklem büyüklüğü (n=12) genellenebilirliği sınırlamaktadır. Çalışma, yazma kalitesindeki iyileşmeyi nicel olarak ölçmemektedir. Ayrıca, ChatGPT'nin ilk kez kullanılmasının getirdiği yenilik etkisi davranışı çarpıtabilir.
5.4 Uygulanabilir İçgörüler
Eğitimciler, aşağıdakiler gibi prompt mühendisliği stratejilerini açıkça öğretmelidir:
- Görev ayrıştırma: Karmaşık yazma görevlerini daha küçük alt promptlara bölün.
- Yinelemeli iyileştirme: Promptları iyileştirmek için ChatGPT'nin çıktısını geri bildirim olarak kullanın.
- Bağlam sağlama: Promptlara rol, hedef kitle ve formatı dahil edin (örneğin, "Sen gençler için yazan bir seyahat blog yazarısın").
6. Teknik Detaylar ve Matematiksel Formülasyon
Prompt mühendisliği bir optimizasyon problemi olarak modellenebilir. $P$ prompt uzayı, $O$ çıktı uzayı ve $f: P \rightarrow O$ ChatGPT fonksiyonu olsun. Amaç, $p^*$'yi şu şekilde bulmaktır:
$$p^* = \arg\max_{p \in P} \, \text{İlgi}(f(p), T)$$
burada $T$ hedef yazma görevidir. İlgi fonksiyonu, anlamsal bir uzayda (örneğin, Sentence-BERT) çıktı yerleştirmesi ile hedef yerleştirme arasındaki kosinüs benzerliği ile tahmin edilebilir. Pratikte öğrenciler, gözlemlenen $f(p)$'ye dayanarak $p$'yi yinelemeli olarak günceller:
$$p_{t+1} = p_t + \alpha \cdot \nabla \text{Puan}(f(p_t), T)$$
burada $\alpha$ bir öğrenme oranıdır ve Puan, sezgisel bir kalite metriğidir. Bu, öğrenciler bunu sezgisel olarak yapsa da, gizli uzaydaki gradyan çıkışını yansıtır.
7. Deneysel Sonuçlar ve Diyagram Açıklaması
Şekil 1: Yolların Dağılımı
Her bir yolun sıklığını gösteren bir çubuk grafik: Yol A (3 öğrenci), Yol B (4), Yol C (2), Yol D (3). Grafik, yinelemeli iyileştirmenin (B) en yaygın olduğunu, yapı iskelesiyle ayrıştırmanın (C) ise en az yaygın ancak en etkili olduğunu göstermektedir.
Şekil 2: Yol Başına Ortalama Prompt Sayısı
Bir çizgi grafik: Yol A (1.0 prompt), B (4.5), C (6.0), D (8.3). Grafik, daha fazla promptun mutlaka daha iyi sonuçlarla ilişkili olmadığını göstermektedir; Yol C, D'den daha az prompt kullanmış ancak daha yüksek yazma kalitesi elde etmiştir (iki İngilizceyi yabancı dil olarak öğreten öğretmen tarafından 1-5 ölçeğinde değerlendirilmiştir: C ortalaması 4.2, D ortalaması 2.8).
8. Analitik Çerçeve Örnek Vakası
Vaka: Öğrenci S7 (Yol C - Yapı İskelesiyle Ayrıştırma)
- Prompt 1: "En sevdiğim kütüphane hakkında bir paragraf için bana bir taslak ver. Giriş, duyusal detaylar ve neden özel olduğunu dahil et."
- ChatGPT Çıktısı: 3 maddelik bir taslak sağlar.
- Prompt 2: "2. maddeyi (duyusal detaylar) 'fısıltı', 'tozlu', 'sıcak' gibi kelimeler kullanarak 3 cümleye genişlet."
- ChatGPT Çıktısı: Betimleyici cümleler üretir.
- Prompt 3: "Taslağı ve cümleleri tutarlı bir paragrafta birleştir. Resmi bir ton kullan."
- Nihai Çıktı: 4.5/5 puan alan iyi yapılandırılmış bir paragraf.
Bu vaka, etkili görev ayrıştırmasını ve bağlamsal özgüllüğü göstermektedir.
9. Gelecekteki Uygulamalar ve Yönelimler
Gelecekteki araştırmalar şunları keşfetmelidir:
- Otomatik prompt koçluğu: Prompt kalitesi hakkında gerçek zamanlı geri bildirim sağlayan yapay zeka araçları (örneğin, "Promptunuz çok belirsiz. Tonu belirtmeyi deneyin.")
- Diller arası prompt mühendisliği: Stratejilerin İngilizceyi yabancı dil olarak öğrenenler ile anadili İngilizce olanlar arasında nasıl farklılaştığı.
- Boylamsal çalışmalar: Öğrencilerin prompt mühendisliği becerilerinin zaman içinde nasıl geliştiğinin izlenmesi.
- Yazma müfredatıyla entegrasyon: Prompt mühendisliğini geleneksel yazma becerilerinin yanında öğreten ders planlarının geliştirilmesi.
10. Özgün Analiz
Bu çalışma, İngilizceyi yabancı dil olarak öğrenen acemi kullanıcıların ChatGPT ile nasıl etkileşime girdiğini ampirik olarak haritalandırarak, sezgisel deneme-yanılma ile stratejik prompt mühendisliği arasındaki kritik boşluğu ortaya çıkardığı için zamanında bir katkı sağlamaktadır. Dört yollu çerçeve değerli bir pedagojik araçtır, ancak küçük örneklem büyüklüğü ve önceki yapay zeka maruziyeti için bir kontrolün olmaması genellenebilirliğini sınırlamaktadır. Yapı iskelesiyle ayrıştırmanın (Yol C) üstün sonuçlar vermesi, karmaşık görevleri yönetilebilir parçalara ayırmanın bilişsel yükü azalttığını ve öğrenmeyi geliştirdiğini öne süren bilişsel yük teorisi (Sweller, 1988) ile uyumludur. Bununla birlikte, çalışma etik boyutu ele almamaktadır: fikir üretimi için ChatGPT'ye güvenen öğrenciler istemeden intihal yapabilir veya kendi seslerini kaybedebilir. Gelecekteki çalışmalar, prompt mühendisliği müfredatına dijital etik eğitimini entegre etmelidir. Ayrıca, prompt optimizasyonunun matematiksel formülasyonu (Bölüm 6) titiz bir bakış açısı sağlasa da, sınıf ortamlarına pratik uygulanabilirliği doğrulanmamıştır. İlerlemek için eğitimciler, prompt mühendisliğini teknik bir eklenti olarak değil, arama motoru okuryazarlığına benzer şekilde temel bir okuryazarlık becerisi olarak ele almalıdır (Head & Eisenberg, 2010). Ancak o zaman öğrenciler yapay zekayı bir koltuk değneği olarak değil, işbirlikçi bir ortak olarak kullanabilirler.
11. Kaynakça
- Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist, 34(10), 906–911.
- Guo, K., Woo, D. J., & Susanto, H. (2023). Exploring EFL students' prompt engineering strategies with ChatGPT. Computers & Education: Artificial Intelligence, 5, 100156.
- Head, A. J., & Eisenberg, M. B. (2010). How today's college students use the Web for research. Project Information Literacy Progress Report.
- Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285.
- Woo, D. J., Guo, K., & Susanto, H. (2023). Cases of EFL secondary students' prompt engineering pathways to complete a writing task with ChatGPT. Journal of Educational Computing Research, 61(4), 789–812.