Mục tiêu: Phát triển kỹ năng viết prompt hiệu quả để tận dụng tối đa khả năng của các mô hình ngôn ngữ lớn trong học tập.
II. Yêu cầu:
1. Chọn 3 tác vụ học tập phổ biến:#
• Tác vụ 1: Tóm tắt tài liệu học thuật
Mục tiêu: Chuyển đổi một văn bản dài, nhiều thuật ngữ chuyên ngành thành một đoạn tóm tắt ngắn gọn, dễ hiểu.
Thách thức: AI dễ “tự bịa” thêm thông tin, hoặc bỏ sót các luận điểm cốt lõi, hoặc giữ nguyên văn phong quá hàn lâm khiến người đọc vẫn khó hiểu.
• Tác vụ 2: Giải thích một khái niệm phức tạp (Explaining Complex Concepts)
Mục tiêu: Bẻ gãy một khái niệm trừu tượng thành các phần nhỏ, kết nối với kiến thức nền tảng của người học.
Thách thức: AI thường đưa ra định nghĩa khô khan từ bách khoa toàn thư. Yêu cầu đặt ra là phải khiến AI biết dùng ẩn dụ (analogy) và điều chỉnh giọng văn phù hợp với đối tượng mục tiêu.
• Tác vụ 3: Tạo bộ câu hỏi ôn tập (Quiz Generation)
Bản chất & Mục tiêu: Tạo ra các câu hỏi trắc nghiệm hoặc tự luận để kiểm tra mức độ ghi nhớ và hiểu bài.
Thách thức: Đảm bảo tính đa dạng trong độ khó (từ nhận biết đến vận dụng). Đáp án nhiễu (distractors) phải logic, không quá vô lý; đồng thời AI phải cung cấp được lời giải thích cho đáp án đúng.
2. Cho mỗi tác vụ, viết 3 phiên bản prompt khác nhau:#
* Tác vụ 1: Tóm tắt tài liệu học thuật ( Chủ đề: Tác động của AI đến giáo dục)#
- Prompt cơ bản (đơn giản, ngắn gọn)

- Prompt cải tiến (chi tiết hơn, có cấu trúc)

- Prompt nâng cao (áp dụng các kỹ thuật prompt engineering như role prompting, chain-of-thought, few-shot examples)

| Cấp độ | Cấu trúc Prompt | Đánh giá / So sánh Kết quả |
|---|---|---|
| Cơ bản | "Tóm tắt bài viết sau: [Chèn văn bản]." | Kết quả: AI trả về một khối văn bản dài, không có cấu trúc. Khó đọc lướt, không phân biệt được đâu là nguyên nhân, đâu là kết quả. |
| Cải tiến | "Hãy tóm tắt bài viết sau thành 3 đoạn văn ngắn. Tập trung vào những lợi ích và rủi ro của AI trong giáo dục: [Chèn văn bản]." | Kết quả: Có cấu trúc 3 đoạn rõ ràng hơn. Nội dung đã bám sát vào lợi ích và rủi ro. Tuy nhiên, vẫn còn khá chung chung. |
| Nâng cao | "Đóng vai: Bạn là một biên tập viên tạp chí khoa học giáo dục. Nhiệm vụ: Đọc đoạn văn bản sau và viết một bản tóm tắt điều hành. Ràng buộc: - Dài tối đa 150 từ. - Dùng bullet points cho 3 ý chính. - In đậm các từ khóa quan trọng. Văn bản: [Chèn văn bản]" |
Kết quả: Vượt trội hoàn toàn. Cấu trúc chuyên nghiệp, có in đậm từ khóa giúp mắt dễ quét thông tin. Giọng văn trang trọng đúng chuẩn báo cáo học thuật. Đáp ứng chính xác giới hạn từ. |
* Tác vụ 2: Giải thích khái niệm phức tạp (Khái niệm: Rối lượng tử - Quantum Entanglement)#
- Prompt cơ bản (đơn giản, ngắn gọn)

- Prompt cải tiến (chi tiết hơn, có cấu trúc)

- Prompt nâng cao (áp dụng các kỹ thuật prompt engineering như role prompting, chain-of-thought, few-shot examples)

| Cấp độ | Cấu trúc Prompt | Đánh giá / So sánh Kết quả |
|---|---|---|
| Cơ bản | "Rối lượng tử là gì?" | Kết quả: AI trả về định nghĩa vật lý hàn lâm, dùng nhiều thuật ngữ như "hàm sóng", "trạng thái chồng chập" khiến người không chuyên không thể hiểu. |
| Cải tiến | “Hãy giải thích khái niệm rối lượng tử trong vật lý sao cho một học sinh cấp 3 có thể hiểu được.” | Kết quả: Giọng văn đã thân thiện hơn. AI bắt đầu dùng các câu ngắn, loại bỏ bớt thuật ngữ, nhưng vẫn thiếu sự liên hệ thực tế. |
| Nâng cao | “Đóng vai: Bạn là giáo viên Vật lý nổi tiếng với khả năng dùng phép ẩn dụ. Nhiệm vụ: Giải thích “Rối lượng tử” cho một học sinh lớp 9. Các bước thực hiện: 1. Đưa ra một ví dụ đời thường (như đôi găng tay hoặc tung đồng xu) để minh họa. 2. Liên kết ví dụ đó với các hạt hạ nguyên tử. 3. Giải thích tại sao hiện tượng này lại kỳ lạ (nhắc đến tốc độ ánh sáng). 4. Tóm tắt lại bằng 1 câu ngắn gọn.” |
Kết quả: Việc áp dụng Chain-of-Thought ép AI tư duy theo từng bước logic. Phép ẩn dụ (ví dụ đôi găng tay) giúp khái niệm trừu tượng trở nên vô cùng trực quan. Học sinh hoàn toàn có thể nắm bắt được bản chất. |
* Tác vụ 3: Tạo bộ câu hỏi ôn tập (Chủ đề: Chiến tranh Thế giới thứ 2)#
- Prompt cơ bản (đơn giản, ngắn gọn)

- Prompt cải tiến (chi tiết hơn, có cấu trúc)

- Prompt nâng cao (áp dụng các kỹ thuật prompt engineering như role prompting, chain-of-thought, few-shot examples)

| Cấp độ | Cấu trúc Prompt | Đánh giá / So sánh Kết quả |
|---|---|---|
| Cơ bản | "Tạo cho tôi một số câu hỏi về Chiến tranh thế giới thứ 2." | Kết quả: AI tạo ra 5-7 câu hỏi ngẫu nhiên, cả tự luận và trắc nghiệm lộn xộn. Không có đáp án đi kèm. |
| Cải tiến | "Tạo 5 câu trắc nghiệm (4 đáp án A, B, C, D) về Chiến tranh thế giới 2. Cuối cùng hãy cung cấp đáp án đúng." | Kết quả: Cấu trúc tốt hơn, tuy nhiên các câu hỏi thường quá dễ (Ví dụ: Quốc gia nào không thuộc phe Trục trong Chiến tranh thế giới thứ hai?) và các đáp án nhiễu rất dễ bị loại trừ. |
| Nâng cao | "Nhiệm vụ: Tạo 5 câu hỏi trắc nghiệm phân hóa độ khó về CTTG 2. Cấu trúc yêu cầu: - 2 câu mức độ Ghi nhớ, 2 câu mức độ Hiểu, 1 câu mức độ Phân tích. - Định dạng JSON hoặc Markdown rõ ràng. Ví dụ (Few-shot prompting): Câu hỏi: Sự kiện nào đánh dấu bước ngoặt của CTTG 2 ở mặt trận Thái Bình Dương? A. Trân Châu Cảng B. Midway (Đáp án đúng) C. Iwo Jima D. Okinawa Giải thích: Trận Midway làm suy yếu nghiêm trọng hải quân Nhật, chuyển ưu thế sang Mỹ. Hãy bắt đầu tạo 5 câu hỏi theo format tương tự:" |
Kết quả: Sự kết hợp giữa Few-shot và chỉ định độ khó giúp AI tạo ra bộ câu hỏi chất lượng cao. Các đáp án nhiễu rất sát thực tế. Lời giải thích đi kèm giúp biến bài kiểm tra thành một tài liệu học tập thực thụ. |
3. Thử nghiệm các prompt với một công cụ AI (như ChatGPT) và so sánh kết quả.#
(Đã thực hiện)
4. Phân tích lý do tại sao một số prompt hiệu quả hơn các prompt khác.#
- Thông qua việc so sánh đối chiếu, có thể rút ra những lý do căn bản khiến các prompt nâng cao mang lại hiệu quả vượt trội:
Thu hẹp không gian phản hồi: Các prompt cơ bản để lại quá nhiều "khoảng trống", khiến AI phải tự đoán ý định của người dùng, dẫn đến câu trả lời dài dòng, sai trọng tâm. Các prompt nâng cao sử dụng kỹ thuật “Đóng vai” thiết lập ngay lập tức bộ lọc từ vựng và giọng điệu, giúp kết quả đầu ra chuyên nghiệp và đúng đối tượng hơn.
Cấu trúc hóa Tư duy AI: Kỹ thuật Chain-of-Thought đặc biệt hiệu quả trong tác vụ "Giải thích khái niệm". Bằng cách ép AI đi từ Ví dụ -> Áp dụng -> Tổng hợp, chúng ta đã hướng dẫn quy trình sư phạm cho AI, thay vì chỉ xin một kết quả cuối cùng.
Khử nhiễu định dạng thông qua Ví dụ (Few-Shot Prompting): Với tác vụ "Tạo câu hỏi", việc chỉ mô tả yêu cầu (Zero-shot) thường dẫn đến định dạng lộn xộn. Bằng cách cung cấp một ví dụ mẫu (Few-shot), AI nhận diện được chính xác khuôn mẫu (pattern) cần thiết lập (bao gồm cả khoảng cách, chữ in đậm, cấu trúc giải thích), giảm thiểu 100% việc người dùng phải copy/paste và tự định dạng lại.
5. Tổng hợp các nguyên tắc và mẹo viết prompt hiệu quả dựa trên kết quả thử nghiệm.#
- Dựa trên quá trình thực nghiệm, để tối ưu hóa việc sử dụng AI trong học tập, người học nên áp dụng khung nguyên tắc C.L.E.A.R:
C - Context (Bối cảnh): Luôn cung cấp bối cảnh hoặc gán vai trò cho AI. (Ví dụ: "Bạn là một gia sư IELTS...", "Đọc đoạn văn sau về sinh học...").
L - Limit/Constraints (Giới hạn/Ràng buộc): Đặt ra các quy tắc chặt chẽ về định dạng, độ dài, từ vựng. (Ví dụ: "Không quá 200 từ", "Sử dụng bảng", "Dùng bullet points").
E - Expectations & Examples (Kỳ vọng & Ví dụ): Định hướng độ khó (cho học sinh lớp 5 hay chuyên gia) và cung cấp ít nhất 1-2 ví dụ mẫu nếu cần định dạng phức tạp.
A - Action steps (Các bước hành động): Chia nhỏ các yêu cầu phức tạp thành các bước 1, 2, 3 để AI xử lý tuần tự, tránh bỏ sót ý.
R - Refine (Tinh chỉnh liên tục): Đừng mong đợi prompt hoàn hảo ở lần đầu tiên. Hãy phản hồi lại AI để tinh chỉnh. (Ví dụ: "Câu trả lời tốt nhưng đoạn 2 hơi dài, hãy rút ngắn lại và thêm một ví dụ thực tế").