کارگاه مهندسی پرامپت در آموزش علوم پزشکی برگزار شد
به گزارش واحد توانمندسازی و مشارکت آموزشی دانشجویان مرکز مطالعات دانشگاه علوم پزشکی تهران، کارگاه آموزشی با عنوان «مهندسی پرامپت در آموزش علوم پزشکی" در روز چهارشنبه، هفتم خرداد ماه 1404 به صورت حضوری و مجازی با شرکت بیش از 80 نفر استاد و دانشجو برگزار شد.
پیام خانلری در ابتدا نکاتی را در مورد جایگزین شدن مشاغل جدید با قدیمی ارائه کرد و گفت: مهندسی پرامپت ظرفیت زیادی دارد و در مشاغل آینده حتما مورد نیاز خواهد بود و حتی ممکن است شغل هایی تحت عنوان پرامپت نویسی شکل بگیرد.
وی سپس به تفاوت و شباهت مدل های مختلف هوش مصنوعی پرداخت و گفت: هوش مصنوعی مولد، توانایی تولید متن، صدا، تصویر و ویدئو را دارد. خانلری در ادامه ساختار و معماری مدل های زبانی بزرگ را تشریح کرد و اظهار کرد: معماری ترنسفورمر یکی از اصلی ترین دلایل پیشرفت مدل های زبانی بزرگ مانند chat Gpt بوده است. وی در پایان، ضمن تشریح اجزای اصلی یک پرامپت، با ذکر مثال های مختلف تکنیک های پرامپت نویسی عمومی را معرفی کرد. در ادامه کارگاه، آریا جلیلی درباره انواع مختلف پرامپت ها نکاتی را ارائه کرد و گفت: با توجه به گستره وسیع انواع پرامپتهای به کار رفته در میان مردم، نیاز به دسته بندی جهت فهم بهتر پرامپتها وجود دارد و میتوان آنها را در پنج دسته باز، بسته، ایفای نقش، سقراطی و بازاندیشانه دستهبندی کرد. وی به کاربرد هر کدام از انواع پرامپتها در حیطههای مختلف آموزش پزشکی پرداخت و عنوان کرد: با وجود این که هر یک از انواع پرامپتها ممکن است ما را در انواع حیطههای آموزش پزشکی به جواب برساند، ولی هدف اصلی رسیدن به پاسخ لازم با کمترین و بهینه ترین تعداد پرامپت میباشد.
همچنین جلیلی استراتژی پنج مرحله ای به منظور نوشتن یک پرامپت مفید و کارآمد ارائه کرد؛ و در نهایت حوزههایی جهت ادامه مسیر پژوهش در زمینه پرامپتنویسی و هوش مصنوعی در دنیای آموزش دیجیتال ارائه نمود. در بخش پایانی کارگاه، مینا نصیری با ارائهای جامع و دقیق به بررسی و ارزیابی انواع پرامپتها پرداخت. او با تأکید بر اهمیت انتخاب پرامپتهای مناسب در فرآیند یادگیری، به تحلیل ویژگیهای مختلف پرامپتها و تأثیر آنها بر کیفیت آموزش پرداخت. نصیری همچنین به نقش کلیدی هوش مصنوعی در تحول روشهای آموزشی اشاره کرد و به بررسی این نکته پرداخت که چگونه هوش مصنوعی میتواند به عنوان ابزاری مؤثر در طراحی و اجرای پرامپتها عمل کند.
وی سپس، با مرور کلی بر روندهای موجود در این حوزه، به بررسی استراتژیهای مهندسی پرامپت در آموزش علوم پزشکی پرداخت. این بخش شامل مثالهای عملی و کاربردی بود که نشان میداد چگونه میتوان با استفاده از پرامپتها، فرآیند یادگیری را تسهیل کرد و به دانشجویان کمک کرد تا مفاهیم پیچیده را بهتر درک کنند. نصیری با تشریح موارد خاص از کاربرد پرامپتها در کلاسهای درس، به توانمندیهای آنها در افزایش تعامل و مشارکت دانشجویان اشاره کرد.
این کارگاه فرصتی مناسب برای تبادل نظر و یادگیری در زمینه کاربرد پرامپتها در آموزش علوم پزشکی بود و مورد استقبال شرکتکنندگان قرار گرفت.
مرکز مطالعات دانشگاه علوم پزشکی تهران امیدوار است با برگزاری اینگونه کارگاهها، زمینههای نوآوری و بهبود کیفیت آموزش را فراهم آورد.
پیام خانلری در ابتدا نکاتی را در مورد جایگزین شدن مشاغل جدید با قدیمی ارائه کرد و گفت: مهندسی پرامپت ظرفیت زیادی دارد و در مشاغل آینده حتما مورد نیاز خواهد بود و حتی ممکن است شغل هایی تحت عنوان پرامپت نویسی شکل بگیرد.
وی سپس به تفاوت و شباهت مدل های مختلف هوش مصنوعی پرداخت و گفت: هوش مصنوعی مولد، توانایی تولید متن، صدا، تصویر و ویدئو را دارد. خانلری در ادامه ساختار و معماری مدل های زبانی بزرگ را تشریح کرد و اظهار کرد: معماری ترنسفورمر یکی از اصلی ترین دلایل پیشرفت مدل های زبانی بزرگ مانند chat Gpt بوده است. وی در پایان، ضمن تشریح اجزای اصلی یک پرامپت، با ذکر مثال های مختلف تکنیک های پرامپت نویسی عمومی را معرفی کرد. در ادامه کارگاه، آریا جلیلی درباره انواع مختلف پرامپت ها نکاتی را ارائه کرد و گفت: با توجه به گستره وسیع انواع پرامپتهای به کار رفته در میان مردم، نیاز به دسته بندی جهت فهم بهتر پرامپتها وجود دارد و میتوان آنها را در پنج دسته باز، بسته، ایفای نقش، سقراطی و بازاندیشانه دستهبندی کرد. وی به کاربرد هر کدام از انواع پرامپتها در حیطههای مختلف آموزش پزشکی پرداخت و عنوان کرد: با وجود این که هر یک از انواع پرامپتها ممکن است ما را در انواع حیطههای آموزش پزشکی به جواب برساند، ولی هدف اصلی رسیدن به پاسخ لازم با کمترین و بهینه ترین تعداد پرامپت میباشد.
همچنین جلیلی استراتژی پنج مرحله ای به منظور نوشتن یک پرامپت مفید و کارآمد ارائه کرد؛ و در نهایت حوزههایی جهت ادامه مسیر پژوهش در زمینه پرامپتنویسی و هوش مصنوعی در دنیای آموزش دیجیتال ارائه نمود. در بخش پایانی کارگاه، مینا نصیری با ارائهای جامع و دقیق به بررسی و ارزیابی انواع پرامپتها پرداخت. او با تأکید بر اهمیت انتخاب پرامپتهای مناسب در فرآیند یادگیری، به تحلیل ویژگیهای مختلف پرامپتها و تأثیر آنها بر کیفیت آموزش پرداخت. نصیری همچنین به نقش کلیدی هوش مصنوعی در تحول روشهای آموزشی اشاره کرد و به بررسی این نکته پرداخت که چگونه هوش مصنوعی میتواند به عنوان ابزاری مؤثر در طراحی و اجرای پرامپتها عمل کند.
وی سپس، با مرور کلی بر روندهای موجود در این حوزه، به بررسی استراتژیهای مهندسی پرامپت در آموزش علوم پزشکی پرداخت. این بخش شامل مثالهای عملی و کاربردی بود که نشان میداد چگونه میتوان با استفاده از پرامپتها، فرآیند یادگیری را تسهیل کرد و به دانشجویان کمک کرد تا مفاهیم پیچیده را بهتر درک کنند. نصیری با تشریح موارد خاص از کاربرد پرامپتها در کلاسهای درس، به توانمندیهای آنها در افزایش تعامل و مشارکت دانشجویان اشاره کرد.
این کارگاه فرصتی مناسب برای تبادل نظر و یادگیری در زمینه کاربرد پرامپتها در آموزش علوم پزشکی بود و مورد استقبال شرکتکنندگان قرار گرفت.
مرکز مطالعات دانشگاه علوم پزشکی تهران امیدوار است با برگزاری اینگونه کارگاهها، زمینههای نوآوری و بهبود کیفیت آموزش را فراهم آورد.
ارسال نظر