Промпты для обратной связи по учебному тексту

Промпты для обратной связи по учебному тексту строятся вокруг четырёх входов: задание, критерий, сам текст и разрешённая роль ИИ. Модель получает ученический абзац, находит тезис и слабую причинную связь, цитирует место и задаёт вопрос. Правку вносит автор.

Какие входы нужны до первого запроса

Обратная связь начинается с четырёх элементов, которые вы кладёте в запрос явными блоками. Первый — задание: что именно требовалось объяснить. Второй — критерий: по какому признаку работа считается выполненной. Третий — текст ученика целиком, без сокращений и пересказа. Четвёртый — разрешённая роль ИИ: что модели можно делать с текстом и чего делать нельзя.

Учебный пример, с которым удобно сверить свою формулировку, выглядит так. Задание: объяснить, почему сортировка книг по теме помогает искать их. Критерий: тезис и одна понятная причинная связь. Текст: «Книги надо ставить по темам. Так лучше. Поэтому все найдут любую книгу сразу». Этот абзац вымышлен и обозначается как учебный.

Учебное пособие Using AI in Academics на Pressbooks задаёт такой порядок: планируемый результат обучения определяется до создания промпта, а проверка проектируется так, чтобы измерять достижение результата. Практический вывод для учителя: критерий формулируется раньше, чем вы открываете чат с моделью. Критерий, придуманный после ответа, подгоняет оценку под случайный текст.

Роль ИИ описывается одним абзацем внутри запроса. Университет Ватерлоо в своей инструкции по работе с генеративными моделями просит модель предлагать конкретные наблюдения, критические вопросы и предложения, которые ученик использует для собственных правок, и отдельно просит текст не переписывать. KU Leuven в материале о поддержанной ИИ обратной связи пишет, что такая обратная связь требует ясной цели и границ.

Четыре входа удобно держать в одном шаблоне, который вы копируете в каждый запрос. Задание и критерий остаются неизменными, меняется только текст ученика.

ЗАДАНИЕ: [что требовалось объяснить]
КРИТЕРИЙ: [по какому признаку работа считается выполненной]
ТЕКСТ УЧЕНИКА:
[абзац целиком]
РОЛЬ ИИ: опирайся на указанный критерий. Не ставь итоговую оценку, не выводи личные качества
и не придумывай исследовательские данные. Разделяй наблюдение, вопрос и возможное действие.
Не переписывай текст за автора.

Проверка входов занимает минуту. Если критерий звучит как «хорошо раскрыть тему», модель вернёт общие слова. Если критерий называет тезис и одну причинную связь, ответ привязывается к наблюдаемому признаку.

Три отдельных промпта: тезис, обоснование, план

Один запрос редко даёт качественный разбор. Разделение на три задачи удерживает внимание модели на одном признаке критерия и упрощает сверку результата.

Первый промпт ищет тезис и место, где причинная связь не объяснена. Он просит цитату и вопрос. В учебном примере эталонный результат такой: фраза «Так лучше» не объясняет, что читатель сначала ищет нужную тематическую полку. Модель показывает место и спрашивает, какой механизм стоит описать.

Второй промпт отмечает чрезмерное обобщение и спрашивает, что можно подтвердить. В примере эталон фиксирует связку «все… любую… сразу» как необоснованное утверждение. Замечание сформулировано как вопрос к автору.

Третий промпт собирает план двух самостоятельных правок и ждёт новой версии. План описывает, что автор может сделать сам, и не содержит готовых предложений, которые останется только вставить.

Промпт 1 — тезис и причинная связь.
Найди тезис и место, где причинная связь не объяснена. Процитируй, задай вопрос, не переписывай.

Промпт 2 — обобщение.
Отметь чрезмерное обобщение и спроси, что можно подтвердить.

Промпт 3 — план доработки.
Собери план двух самостоятельных правок и жди новой версии.

Университет Ватерлоо описывает табличный формат разбора: анализ подаётся в структурированной таблице с колонками для исходного фрагмента, типа правки и обоснования правки в терминах критерия. Такой формат удобен тем, что каждое замечание привязано к фрагменту и к признаку критерия. Тот же источник советует по итогам анализа назвать одну-две ключевые области, где автор может улучшить работу заметнее всего.

Три промпта можно объединить в один прогон, если модель удерживает роли. Раздельные запросы дают более предсказуемый результат и позволяют остановиться после первого шага, когда тезис уже найден.

Как связать замечание с цитатой ученика

Замечание без цитаты невозможно проверить. Ученик видит общую оценку и не понимает, к какому месту она относится. Цитата превращает замечание в адресное.

Рабочий формат ответа — таблица с четырьмя колонками. Первая содержит исходный фрагмент, вторая — тип правки, третья — обоснование в терминах критерия, четвёртая — вопрос автору. Первые три колонки опираются на формат Университета Ватерлоо; вопрос автору добавлен здесь для учебной проверки.

Пустая колонка с вопросом означает, что замечание сформулировано как приказ. Вопрос оставляет решение за автором и сохраняет его работу в его руках.

KU Leuven в рекомендациях для преподавателей предлагает просить студентов сравнивать обратную связь от ИИ с критериями, рубриками, примерами и другими источниками обратной связи. Там же сказано, что студенты разбирают, какие предложения полезны, какие нет и почему. Этот шаг отделяет наблюдение от решения.

Практическое правило: каждое замечание в ответе модели должно иметь цитату из текста ученика. Замечание без цитаты возвращается модели с просьбой указать фрагмент. Если фрагмент не находится, замечание отбрасывается.

Границы: консультация вместо написания работы

Роль ИИ описывается через то, что она делает с текстом. Модель показывает места, задаёт вопросы и предлагает направления. Текст остаётся у автора.

KU Leuven формулирует это прямо: ИИ не определяет, что считать качеством, и в лучшем случае помогает людям об этом думать. Там же обратная связь от ИИ описана как возможный источник информации, который требует критической проверки. Ученик сверяет совет с заданием и решает, принять ли его.

Отсюда следует практический запрет в промпте: не переписывать абзац и не выдавать готовую версию. Университет Ватерлоо включает эту просьбу в саму формулировку запроса к модели. Формулировка звучит как просьба предлагать наблюдения, критические вопросы и предложения для собственных правок автора.

Второй запрет касается оценок. Модель не ставит итоговую оценку и не выводит личные качества автора. Она описывает наблюдаемое в тексте и оставляет суждение человеку.

Третий запрет касается данных. Модель не придумывает исследовательские данные и статистику. Если для обоснования нужна цифра, её ищет автор и указывает источник.

Проверка ответа на соответствие границам занимает один просмотр. Признаки нарушения: готовый переписанный абзац, итоговая оценка, характеристики автора, выдуманная статистика. Любой из этих признаков означает, что запрос нужно повторить с уточнённой ролью.

KU Leuven отдельно советует проверять вывод ИИ на точность, полноту, тон, предвзятость и соответствие целям обучения и критериям. Этот список удобно держать рядом при чтении ответа.

Неверное замечание и отказ автора

Модель ошибается. Разбор одного такого случая показывает, как работает авторский контроль.

В учебном примере модель предложила добавить статистику: что сортировка ускоряет поиск на 70 процентов. Автор отклонил правку, потому что данных для такой цифры нет. Замечание выглядело конкретным и полезным, а обоснования за ним не стояло.

Второе предложение модели — добавить механизм поиска — автор принял. Оно опиралось на критерий: причинная связь в тексте не объяснена, и описание механизма её объясняет.

Различие между двумя замечаниями видно по трём признакам. Первый: есть ли цитата из текста, к которой замечание относится. Второй: выводится ли замечание из критерия. Третий: можно ли выполнить правку, не добавляя сведений, которых у автора нет.

KU Leuven предлагает разбирать с учениками, какие предложения полезны, какие нет и почему. Отказ от замечания — такой же учебный результат, как его принятие, если отказ обоснован.

Факт замечания от ИИ не доказывает ошибку автора. Модель выдаёт возможный взгляд на текст, и автор решает, соглашаться с ним. Запись об отклонённом замечании с причиной отказа сохраняется в журнале и показывает ход работы.

Практический порядок: прочитать замечание, найти цитату, сверить с критерием, проверить наличие данных для правки, принять или отклонить с записанной причиной.

Журнал правок и повторная проверка

Журнал превращает разрозненные замечания в историю работы. Он же даёт материал для повторной проверки по тому же критерию.

Формат журнала — таблица с колонками: замечание, цитата, решение, причина, новая версия фрагмента. В учебном примере строка «добавить механизм поиска» получает решение «принято», строка «добавить статистику» — решение «отклонено» с причиной «данных нет».

Авторская новая версия в примере звучит так: «Когда книги сгруппированы по темам, читатель сначала выбирает тематическую полку, а затем ищет название среди подходящих книг. Это сужает область поиска». Абзац объясняет механизм и сохраняет тезис.

Повторная проверка идёт по тому же критерию и тому же набору промптов. Меняется только текст. Сравнение двух ответов показывает, закрыта ли причинная связь и осталось ли обобщение.

KU Leuven советует просить студентов превращать вывод ИИ в конкретную правку, следующий шаг или размышление. Журнал фиксирует именно этот переход от замечания к действию.

Порядок повторного прогона: вставить новую версию, повторить три промпта, сверить ответы с журналом, отметить закрытые и открытые замечания. Критерий остаётся неизменным, иначе сравнение теряет смысл.

Частые вопросы

Как сформулировать промпт, чтобы ИИ не переписал текст за ученика?
Включите в запрос прямую просьбу предлагать наблюдения, критические вопросы и предложения для собственных правок автора. Университет Ватерлоо использует такую формулировку в своей инструкции. Добавьте отдельную строку о том, что готовый переписанный абзац не нужен.

Что делать, если модель ставит оценку?
Повторите запрос с уточнением роли: модель описывает наблюдаемое в тексте, суждение остаётся за человеком. KU Leuven пишет, что ИИ не определяет, что считать качеством. Итоговая оценка выносится по критерию задания.

Можно ли доверять замечанию, если модель не привела цитату?
Замечание без цитаты верните с просьбой указать фрагмент. Университет Ватерлоо описывает табличный формат, где исходный фрагмент стоит отдельной колонкой. Если фрагмент не находится, замечание отбрасывается.

Как понять, что замечание ошибочно?
Сверьте его с критерием и проверьте, есть ли у вас данные для правки. В учебном примере предложение добавить статистику отклонено, потому что данных нет. KU Leuven советует разбирать, какие предложения полезны и почему.

Нужно ли проверять текст повторно после правок?
Повторный прогон по тому же критерию показывает, закрыто ли замечание. KU Leuven предлагает превращать вывод ИИ в конкретную правку и следующий шаг. Журнал фиксирует, какие замечания приняты и какие отклонены.