Prompt: Tạo Kế hoạch Học tập Tạm dừng/Nghỉ phép – AI trong Giảng dạy – AI Giáo dục

Tuyệt vời! Dưới đây là phân tích chi tiết về prompt template bạn cung cấp, được trình bày theo cấu trúc yêu cầu bằng tiếng Việt và định dạng HTML.

1. Phân tích Cấu trúc Prompt

Prompt template này được thiết kế để tạo ra một kế hoạch học tập cá nhân hóa cho một học sinh sau một khoảng thời gian tạm dừng việc học. Cấu trúc của nó rất rõ ràng và có thể mở rộng thông qua các biến số (placeholder) được định nghĩa bằng cặp dấu ngoặc vuông `[]`. Các biến số này đóng vai trò là các điểm chèn để cung cấp thông tin cụ thể, cho phép LLM tùy chỉnh đầu ra.

Các biến số được sử dụng bao gồm:

• [TÊN_HỌC_SINH]: Tên của học sinh cần lập kế hoạch.
• [THỜI_GIAN_TẠM_DỪNG]: Khoảng thời gian mà học sinh sẽ tạm dừng việc học (ví dụ: “một tuần”, “hai tháng”).
• [LÝ_DO_TẠM_DỪNG]: Lý do khiến học sinh tạm dừng việc học (ví dụ: “lý do sức khỏe”, “chuyến đi gia đình”).
• [KIẾN_THỨC_ĐÃ_HỌC]: Danh sách hoặc mô tả ngắn gọn các kiến thức mà học sinh đã học trước khi tạm dừng.
• [CHỦ_ĐỀ_TIẾP_THEO]: Danh sách hoặc mô tả ngắn gọn các chủ đề mà học sinh sẽ tiếp tục học sau khi quay lại.

Cấu trúc này đảm bảo định hướng rõ ràng, yêu cầu LLM cung cấp một kế hoạch bao gồm các yếu tố cụ thể như hoạt động ôn tập, đánh giá nhanh và tài liệu gợi ý.

2. Ý nghĩa & Cách hoạt động

Về mặt kỹ thuật, prompt này hoạt động bằng cách cung cấp cho Large Language Model (LLM) một “khung” hoặc “mẫu” yêu cầu. LLM sẽ đọc câu lệnh, nhận diện các biến số và sử dụng thông tin được cung cấp để điền vào những chỗ trống đó, sau đó tạo ra văn bản phản hồi dựa trên ngữ cảnh và hướng dẫn đã cho.

Cách hoạt động cụ thể như sau:

• Định nghĩa vai trò/bối cảnh: LLM hiểu rằng nó đang đóng vai trò là người xây dựng kế hoạch học tập cho một học sinh cụ thể.
• Cung cấp thông tin chi tiết: Các biến số cung cấp thông tin ngữ cảnh quan trọng mà LLM cần để cá nhân hóa kế hoạch. Ví dụ,[LÝ_DO_TẠM_DỪNG] có thể ảnh hưởng đến mức độ ưu tiên hoặc thời lượng của các hoạt động ôn tập/chuẩn bị.
• Yêu cầu đầu ra cụ thể: Phần cuối của prompt (“Kế hoạch này nên bao gồm các hoạt động ôn tập, đánh giá nhanh và các tài liệu gợi ý”) định rõ những thành phần cần có trong bản kế hoạch mà LLM phải tạo ra. Điều này giúp đảm bảo đầu ra đáp ứng được mục tiêu mong muốn của người dùng.
• Tạo ra văn bản mạch lạc: Dựa trên tất cả các thông tin này, LLM sẽ sinh ra một đoạn văn bản liên kết, có ý nghĩa, phản ánh kế hoạch học tập được tùy chỉnh.

Prompt này là một ví dụ điển hình của việc sử dụng few-shot prompting hoặc structured prompting, nơi mà cấu trúc rõ ràng và các biến số giúp định hướng và tối ưu hóa quá trình tạo văn bản của LLM.

3. Ví dụ Minh họa

Dưới đây là hai ví dụ về cách prompt template này có thể được sử dụng để tạo ra các yêu cầu cụ thể cho LLM:

Ví dụ 1: Tạm nghỉ ngắn hạn

Prompt được điền:


Học sinh Nguyễn Thị Bích Hồng sẽ tạm dừng việc học trong khoảng thời gian 3 ngày vì lý do chuẩn bị cho kỳ thi học kỳ. Trước khi em quay lại, hãy xây dựng một kế hoạch học tập ngắn gọn để giúp em ôn lại kiến thức đã học (Các phương trình bậc nhất, định lý Pitago) và chuẩn bị cho các chủ đề tiếp theo (Hình học không gian, lượng giác). Kế hoạch này nên bao gồm các hoạt động ôn tập, đánh giá nhanh và các tài liệu gợi ý.


Mô phỏng đầu ra của LLM (dựa trên prompt trên):


Kế hoạch học tập cho Nguyễn Thị Bích Hồng:

Chúc em ôn tập hiệu quả và đạt kết quả tốt trong kỳ thi!


Ví dụ 2: Tạm nghỉ dài hạn

Prompt được điền:


Học sinh Trần Văn An sẽ tạm dừng việc học trong khoảng thời gian 2 tháng vì lý do gia đình đi du lịch nước ngoài. Trước khi em quay lại, hãy xây dựng một kế hoạch học tập ngắn gọn để giúp em ôn lại kiến thức đã học (Các thì hiện tại trong tiếng Anh, Cấu trúc câu cơ bản của Ngữ pháp tiếng Việt) và chuẩn bị cho các chủ đề tiếp theo (Thì quá khứ và tương lai trong tiếng Anh, Thành phần câu trong tiếng Việt). Kế hoạch này nên bao gồm các hoạt động ôn tập, đánh giá nhanh và các tài liệu gợi ý.


Mô phỏng đầu ra của LLM (dựa trên prompt trên):


Kế hoạch học tập cho Trần Văn An: