Prompt: Tạo Câu Hỏi Phản Hồi Tự Động – Công cụ Hỗ trợ Giảng dạy – AI Giáo dục

Tuyệt vời! Tôi sẽ phân tích chi tiết prompt template mà bạn cung cấp.

1. Phân tích Cấu trúc Prompt

Prompt template này được thiết kế để cá nhân hóa phản hồi cho học sinh dựa trên kết quả học tập của họ. Cấu trúc của nó bao gồm các biến số được đặt trong ngoặc vuông `[]`, đại diện cho các thông tin cụ thể cần được điền vào để tạo ra một câu lệnh hoàn chỉnh và có ngữ cảnh.

• `[TÊN_HỌC_SINH]`: Biến này dùng để chỉ định tên của học sinh mà phản hồi đang hướng tới. Việc cá nhân hóa bằng tên gọi giúp học sinh cảm thấy được chú ý và tăng tính tương tác.
• `[LOẠI_BÀI_TẬP]`: Biến này xác định loại bài tập mà học sinh vừa hoàn thành (ví dụ: bài kiểm tra chương, bài tập về nhà, bài luyện tập). Điều này quan trọng để mô hình hiểu rõ bối cảnh của việc đánh giá.
• `[PHẦN_KIẾN_THỨC_SAI]`: Biến này chỉ ra cụ thể phần kiến thức hoặc kỹ năng mà học sinh có thể gặp khó khăn hoặc sai sót. Việc xác định rõ lỗi sai giúp tạo ra phản hồi mục tiêu.
• `[TÊN_TIÊU_CHÍ]`: Biến này đề cập đến một tiêu chí đánh giá cụ thể (ví dụ: sự chính xác của lập luận, khả năng áp dụng công thức, kỹ năng viết). Nó giúp tập trung phản hồi vào những khía cạnh cần cải thiện.

Toàn bộ prompt thể hiện một quy trình logic: bắt đầu bằng việc xác định học sinh và bài tập, sau đó phân tích các điểm yếu dựa trên lỗi sai hoặc tiêu chí thấp, và cuối cùng là đưa ra các hành động hỗ trợ cụ thể (câu hỏi, gợi ý, lời khuyên, bài tập bổ trợ) nhằm đạt được mục tiêu cuối cùng là “hỗ trợ học sinh tự học và tiến bộ”.

2. Ý nghĩa & Cách hoạt động

Prompt này hoạt động bằng cách yêu cầu mô hình ngôn ngữ lớn (LLM) đóng vai trò là một gia sư hoặc cố vấn học tập. Nó sử dụng thông tin đầu vào (các biến) để điều chỉnh hành vi và đầu ra của mô hình.

• Ý nghĩa: Prompt này có ý nghĩa là biến đổi dữ liệu điểm số khô khan và các báo cáo lỗi thông thường thành những phản hồi mang tính tương tác, cá nhân hóa và mang tính xây dựng cao. Nó chuyển từ việc chỉ ra lỗi sang việc hướng dẫn học sinh cách khắc phục và học hỏi từ những lỗi đó.
• Cách hoạt động: Khi dữ liệu thực tế được điền vào các biến, prompt sẽ trở thành một câu lệnh lệnh cho LLM. Ví dụ, nếu bạn điền `[TÊN_HỌC_SINH]` là “An”, `[LOẠI_BÀI_TẬP]` là “bài kiểm tra cuối kỳ môn Toán”, `[PHẦN_KIẾN_THỨC_SAI]` là “công thức tính diện tích hình thang”, và `[TÊN_TIÊU_CHÍ]` là “trình bày các bước giải”, LLM sẽ hiểu rằng cần phải:
  • Tạo câu hỏi riêng cho An về công thức tính diện tích hình thang.
  • Đưa ra lời khuyên liên quan đến việc trình bày các bước giải cho An.
  • Tất cả đều nhằm mục đích giúp An tự học tốt hơn.

Mô hình sẽ phân tích các phần kiến thức sai và tiêu chí điểm thấp được cung cấp để tạo ra các câu hỏi mở, gợi mở tư duy, hoặc đề xuất các dạng bài tập tương tự để học sinh luyện tập lại. Yêu cầu về “hỗ trợ học sinh tự học và tiến bộ” định hướng cho mô hình tạo ra các phản hồi mang tính định hướng chiến lược học tập, thay vì chỉ là những lời giải thích đơn thuần.

3. Ví dụ Minh họa

Dưới đây là hai ví dụ minh họa cho cách prompt này có thể được sử dụng để tạo ra các đầu ra khác nhau:

Ví dụ 1: Tập trung vào lỗi sai kiến thức

Prompt đã điền đầy đủ:

Dựa trên kết quả chấm điểm tự động của học sinh An cho bài tập bài kiểm tra chương 1, hãy tạo ra các câu hỏi hoặc gợi ý phản hồi mang tính xây dựng. Nếu học sinh mắc lỗi ở phần khái niệm về số nguyên tố, hãy tạo câu hỏi giúp em củng cố lại kiến thức đó. Nếu điểm số ở tiêu chí hiểu bản chất còn thấp, hãy đưa ra lời khuyên hoặc bài tập bổ trợ liên quan. Mục tiêu là hỗ trợ học sinh tự học và tiến bộ.

Dự kiến đầu ra từ LLM:

Chào An! Chị thấy em đã hoàn thành bài kiểm tra chương 1. Về phần khái niệm số nguyên tố, em thử trả lời câu hỏi sau nhé: “Một số có bao nhiêu ước số thì được gọi là số nguyên tố?”. Em cũng có thể xem lại định nghĩa về số nguyên tố và thử liệt kê 5 số nguyên tố đầu tiên. Với tiêu chí “hiểu bản chất”, chị khuyên em nên tập trung vào việc giải thích tại sao một số là số nguyên tố (hoặc không phải là số nguyên tố) thay vì chỉ áp dụng công thức. Em có thể luyện tập thêm các bài tập yêu cầu phân tích các số thành thừa số nguyên tố.

Ví dụ 2: Tập trung vào tiêu chí điểm thấp và bài tập bổ trợ

Prompt đã điền đầy đủ:

Dựa trên kết quả chấm điểm tự động của học sinh Bình cho bài tập luyện tập về phương trình bậc hai, hãy tạo ra các câu hỏi hoặc gợi ý phản hồi mang tính xây dựng. Nếu học sinh mắc lỗi ở phần biến đổi đại số, hãy tạo câu hỏi giúp em củng cố lại kiến thức đó. Nếu điểm số ở tiêu chí trình bày các bước giải còn thấp, hãy đưa ra lời khuyên hoặc bài tập bổ trợ liên quan. Mục tiêu là hỗ trợ học sinh tự học và tiến bộ.

Dự kiến đầu ra từ LLM:

Chào Bình! Bài luyện tập về phương trình bậc hai của em đã được chấm. Chị nhận thấy em có thể đang gặp một chút khó khăn với các bước biến đổi đại số khi giải phương trình. Em thử xem lại các quy tắc chuyển vế và đổi dấu khi làm việc với phương trình nhé. Ví dụ, nếu em có phương trình (ax^2 + bx + c = 0), làm sao để em đưa nó về dạng chuẩn để áp dụng công thức nghiệm Delta? Liên quan đến tiêu chí “trình bày các bước giải”, chị thấy các bước của em còn hơi gộp lại. Em hãy cố gắng tách bạch rõ ràng các bước: xác định hệ số, tính Delta, tìm nghiệm. Để củng cố thêm, em có thể làm các bài tập tìm nghiệm phương trình bậc hai theo các bước chi tiết, hoặc bài tập yêu cầu kiểm tra tính đúng sai của các bước giải trong một lời giải mẫu.

👉 Tóm lại

Prompt template này là một công cụ mạnh mẽ để tạo ra phản hồi cá nhân hóa, mang tính xây dựng cho học sinh. Bằng cách sử dụng các biến số rõ ràng, nó cho phép tự động hóa quá trình đưa ra gợi ý học tập, tập trung vào các điểm yếu cụ thể của từng học sinh. Điều này không chỉ giúp học sinh nhận biết và khắc phục lỗi sai mà còn khuyến khích sự chủ động và khả năng tự học, góp phần quan trọng vào sự tiến bộ lâu dài của các em trong học tập.