Page 238 - Izobraževanje v dobi generativne umetne inteligence

Alenka Lipovec in Barbara Arcet

Primer (ChatGPT-4)

Poziv 1: Optimiziraj naslednji poziv tako, da ga lahko vnesemo v LLM in bomo
dobili kar najboljši možni odgovor. Poziv: Zapiši nalogo za pouk matematike
v 7. razredu OŠ. Naj ne bo prelahka. Tema naj bodo odstotki.

Odgovor LLM: Da bi optimizirali poziv za generiranje najboljšega odgovora
v LLM, moramo vključiti dodatne specifikacije, kot so cilji naloge, zahtevnost
naloge, vrsta naloge in konkretni matematični koncepti, ki jih želimo
obravnavati. Takšen optimiziran poziv bi lahko izgledal tako:

Optimiziran poziv: »Zasnuj nalogo za pouk matematike v 7. razredu OŠ, ki bo
obravnavala odstotke. Naloga naj bo srednje zahtevna, primerna za učence,
ki že razumejo osnovne koncepte odstotkov, vendar potrebujejo še dodatno
vajo za utrjevanje znanja. V nalogo vključite naslednje vrste vprašanj:

1. Računanje odstotkov od različnih osnov (npr.: koliko je 25 % od 480?).
2. Reševanje nalog, kjer morajo učenci izračunati, koliko predstavlja določen
odstotek od celote (npr.: koliko je 15 % od 320?).
3. Prevajanje med odstotki, decimalnimi številkami in ulomki (npr.: pretvori
0,25 v odstotek).
4. Reševanje besedilnih nalog, kjer morajo učenci uporabiti odstotke pri pri-
merih, kot so popusti, zvišanje cen ali razne promocije.

Poskrbi, da naloga vključuje tudi nekaj zahtevnejših primerov, pri katerih je
treba združiti več korakov, kot npr. izračunavanje odstotkov pri besedilnih
nalogah z večjo količino podatkov. Naloga naj vsebuje tudi razlago
postopkov in nasvete, kako pristopiti k reševanju, da bo učencem pri učenju v
pomoč.

S tem pozivom bomo LLM dali jasna navodila o vsebini, zahtevnosti in vrsti
nalog, kar povečuje možnosti za prejem najuporabnejšega odgovora. Vidimo
torej, da nam je LLM predlagal izboljšave, nato pa tudi zapisal konkreten pri-
mer poziva. Na ta način lahko uporabnik pri vsaki uporabi modela sproti izve,
kakšen bi bil optimalen poziv za dano nalogo.
Oblikovanje pozivov za poučevanje matematike še ni bilo temeljito in
sistematično raziskano z vidika interakcije človek–računalnik, prav tako so
kvantitativne ugotovitve iz empiričnih raziskav redke. Knoth idr. (2024) pou-
darjajo, da boljše veščine oblikovanja pozivov neposredno vplivajo na ka-

238