From Prompt Engineering to Epistemic Prompting: Prompt Trajectories as AI-Mediated Problem Framing in Science Education
Dit artikel stelt een nieuw kader voor genaamd "epistemic prompting" dat prompt engineering in het STEM-onderwijs herdefinieert als een continue praktijk van kennisconstructie, waarbij een "Framing-Prompting Loop" wordt geïntroduceerd om te analyseren hoe leerlingen en LLM's gezamenlijk probleemoplossende trajecten vormgeven door middel van iteratieve framing en reframing.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een spannend spelletje "20 Vragen" speelt met een superintelligente, supersnelle robot die bijna alles weet. Je vraagt: "Los dit natuurkundeprobleem op," en de robot spuugt direct een perfect uitziend antwoord uit. In de wereld van traditioneel "prompt engineering" is het doel simpelweg om zo snel mogelijk dat perfecte antwoord te krijgen. Het is alsof je probeert de robot de juiste schatkaart te laten geven door je woorden aan te passen totdat hij stopt te aarzelen.
Maar dit artikel suggereert dat dit niet het hele spel is. Sterker nog, het stelt dat focussen op alleen het eindantwoord is alsof je een chef-kok alleen beoordeelt op de smaak van de soep, zonder ooit te vragen of ze de juiste ingrediënten hebben gebruikt of dat ze het zelf daadwerkelijk hebben gekookt.
De Grote Verschuiving: Van "Prompten" naar "Framen"
De auteur, Matteo Tuveri, stelt een nieuwe manier van spelen voor: Epistemisch Prompten. Zie het minder als het typen van een commando in een computer en meer als het zijn van de architect en de inspecteur van een bouwproject waarbij de robot jouw bouwploeg is.
In plaats van de robot alleen te vragen om "een muur te bouwen," ben je constant de blauwdrukken aan het controleren. Je vraagt: "Wacht, waarom gebruiken we hier bakstenen in plaats van hout? Wat als de wind uit het noorden komt waaien? Laten we de fundering nog eens bekijken."
Het artikel suggereert dat elke keer dat je een nieuw bericht typt, je niet alleen om meer informatie vraagt; je bent het probleem aan het framen (kaderen). Jij bepaalt:
- Wat het probleem eigenlijk is.
- Welke regels we volgen.
- Welke delen van het denkproces de robot moet doen, en welke delen jij moet doen.
De "Framing-Prompting Loop"
Stel je een dans voor tussen jou en de robot.
- De Eerste Stap: Je begint de dans (de eerste prompt). Je bepaalt de muziek, de stijl en de grenzen.
- De Beweging van de Robot: De robot draait en laat een beweging zien (de respons).
- Jouw Opname (Uptake): Dit is het magische deel. Je klapt niet alleen en zegt "Geweldig!" Je kijkt nauwkeurig. Zie je een fout? Moet je de stijl veranderen? Wil je de beweging vanuit een andere hoek zien?
- De Volgende Stap: Je past de dans aan. Je zegt misschien: "Stop, die beweging past niet bij de muziek," of "Laten we deze beweging proberen maar uitleggen waarom het werkt," of "Laten we overstappen naar een jazzstijl."
Het artikel noemt dit een Prompt Traject. Het is niet zomaar één vraag en één antwoord; het is het hele verhaal van hoe jij en de robot samen dingen hebben uitgezocht. Het artikel suggereert dat het echte leren plaatsvindt in de veranderingen die je aan de dans aanbrengt, niet alleen in de uiteindelijke pose.
Wat het Papier Uitsluit
Het artikel is heel duidelijk over wat dit niet is.
- Het gaat niet over "Perfecte Prompts": De auteurs zijn tegen het idee dat er een magische "perfecte prompt" bestaat die je kunt kopiëren en plakken om een geniaal antwoord te krijgen. Als je een perfect antwoord krijgt maar je begrijpt niet waarom het juist is, heb je niets geleerd.
- Het gaat niet over "Trial and Error": Gewoon steeds dezelfde vraag typen met net iets andere woorden totdat de robot je het antwoord geeft dat je wilt, is geen leren. Dat is gewoon gokken. Het artikel zegt dat je echt moet nadenken over wat de robot zegt en het moet uitdagen als het een fout maakt.
- Het gaat niet over de robot al het werk laten doen: Als je de robot het probleem laat definiëren, de methode laat kiezen en het antwoord laat controleren, ben je slechts een passagier. Het artikel staat erop dat jij de bestuurder moet blijven.
Hoe Zeker Zijn Ze?
Dit is het belangrijkste deel: Dit artikel is een kaart, geen bestemming.
De auteur stelt een nieuwe manier voor om na te denken over hoe we AI in de natuurkundeles gebruiken. Ze hebben een conceptueel kader gebouwd—een reeks ideeën en categorieën om leraren en leerlingen te helpen begrijpen wat er gebeurt. Ze hebben nog niet grote experimenten uitgevoerd om te bewijzen dat het gebruiken van deze methode leerlingen slimmer maakt of beter in natuurkunde.
Het artikel geeft toe dat we nog niet weten of deze aanpak beter werkt dan de oude manieren. Er staat: "Toekomstig onderzoek moet het kader testen en verfijnen." Dus, hoewel de ideeën slim en goed onderbouwd zijn, zijn ze momenteel suggesties voor hoe we zouden kunnen lesgeven, niet een bewezen feit dat ze ook daadwerkelijk beter onderwijzen.
De Kernboodschap voor een Nieuwsgierige Tiener
Als je AI gebruikt om je te helpen met je huiswerk, behandel het dan niet alleen als een Magische 8-Ball die antwoorden geeft. Behandel het als een partner in een detectiveverhaal.
- Vraag niet alleen: "Wat is het antwoord?"
- Vraag wel: "Hier is mijn idee van het probleem. Past jouw antwoord binnen mijn regels? Zo niet, waarom? Laten we het bewijs samen bekijken."
Het artikel suggereert dat de echte superkracht niet ligt in het krijgen van de robot om perfect te praten; het ligt in het vermogen van jou om de conversatie te framen zodat jij de controle over het denkproces behoudt. Het gaat erom dat je ervoor zorgt dat wanneer de robot zegt "Ik ben klaar," jij kunt zeggen: "Ik stem ermee in, omdat ik het werk zelf heb gecontroleerd."
Totdat wetenschappers meer tests uitvoeren, is dit een briljante nieuwe lens om naar onze AI-tools te kijken, maar het is nog steeds een werk in uitvoering. Het doel is niet om de beste te zijn in het typen van prompts; het is om de beste te zijn in het houden van je brein in de bestuurdersstoel.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.