Eğitimde yapay zekâ için etkili prompt yazma teknikleri nelerdir?

Yapay zekâdan istenilen sonuçları alabilmek için promptların (istemlerin) açık, net ve amaca yönelik olması gerekir. “Bir fen dersi planı hazırla” gibi belirsiz ifadeler yerine, “7. sınıf öğrencileri için ısı transferi konusunda, 40 dakikalık bir fen dersi planı hazırla” gibi detaylı ve bağlam içeren ifadeler kullanılmalıdır. Ayrıca, uzunluğa veya içeriğe dair sınırlamalar koymak, hedef kitleyi belirtmek ve beklentileri netleştirmek için modele örnekler sunmak (Shot Prompting) oldukça etkilidir.

Öğretmenlerin daha doğru ve odaklı yanıtlar alabilmesi için yapılandırılmış formüller kullanması önerilir. Etkili bir prompt yazımı için geliştirilen Beş “S” Modeli şu adımları içerir:

• Sahneyi Kur (Set the Scene): Yapay zekâya bir rol atayarak daha odaklı bir cevap vermesini sağlayın (Örn: “Sen bir lise tarih öğretmenisin”).
• Spesifik Ol (Be Specific): Görevi, önemli ayrıntıları ve ne istediğinizi net bir şekilde tanımlayın.
• Dili Basitleştir (Simplify Your Language): Karmaşık cümlelerden kaçının ve açık bir dil kullanın.
• Yapıyı Belirt (Structure the Output): Yanıtın hangi formatta (madde imleri, tablo, paragraf vb.) olmasını istediğinizi belirtin.
• Geri Bildirim Ver (Share Feedback): Yapay zekâ ilk seferde mükemmel sonuç vermeyebilir; elde edilen yanıtı değerlendirip promptu revize ederek yinelemeli (iteratif) bir süreç izleyin.

Buna ek olarak, CO-STAR (Context, Objective, Style, Tone, Audience, Response) yaklaşımı da promptları keskinleştirmek ve yapay zekânın neye ihtiyacınız olduğunu daha hızlı anlamasına yardımcı olmak için kullanılabilecek etkili bir formüldür.

İyi tasarlanmış bir prompt metninin sahip olması gereken temel bileşenler şunlardır:

• Bağlam (Context): Arka plan bilgisini ve genel amacı vermek.
• Görev (Task): Yapay zekânın tam olarak ne yapması gerektiğini açıkça belirtmek.
• Kişilik (Persona/Rol): Modelin hitap ettiği kitleye uygun bir üslup kullanmasını sağlamak için hangi uzmanlıkta yanıt vereceğini tanımlamak.
• Format: Çıktının görsel ve yapısal formatını (liste, tablo, makale) belirlemek.
• Ton (Tone): Yanıtın ciddi, samimi, akademik veya motive edici olup olmayacağını ayarlamak.
• Kısıtlamalar (Constraints): Konunun sınırlarını çizmek ve modelin neleri dışarıda bırakması veya hangi uzunlukta yazması gerektiğini belirtmek.

Eğitimde kullanılabilecek gelişmiş (ileri düzey) prompt teknikleri ise şunlardır:

• Düşünce Zinciri İşletimi (Chain of Thought): Yapay zekânın karmaşık görevleri tek seferde değil, “adım adım” mantık yürüterek çözmesini sağlar ve şeffaf bir açıklama süreci sunar.
• Cevaplamadan Önce Sor (Ask Before Answer): Modelin doğrudan yanıt vermeden önce konuyu daha iyi anlamak ve eksik bilgileri toplamak için size ek sorular sormasını sağlayan bir tekniktir.
• Düşün, Üret, Eleştir (RGC – Reflect, Generate, Critique): Modelin önce elindeki bilgileri değerlendirdiği, ardından bir çözüm ürettiği ve son olarak kendi çözümünün eksik yönlerini eleştirerek geliştirdiği üç aşamalı, derinlemesine bir yöntemdir.
• Tersine Prompt (Reverse Prompting): Yapay zekâya çok iyi yazılmış bir metin veya başarılı bir eğitim materyali vererek, “Bu metni üreten prompt ne olurdu?” diye sorma yöntemidir. Elde edilen komut, daha sonra kendi içeriklerinize uyarlanarak benzer kalitede yeni materyaller üretmek için bir şablon görevi görür.
• Negatif Prompt: Çıktıda kesinlikle olmasını istemediğiniz unsurları ve sınırları açıkça belirtmektir (Örn: “Bir kış manzarası çiz ama yaz çiçekleri içermesin” veya hikâye yazdırırken “Şiddet içeren sahneler olmasın” demek).