ỨNG DỤNG PROMPT ENGINEERING TRONG HỌC TẬP
Báo cáo đánh giá hiệu quả của kỹ thuật Prompt Engineering thông qua các tác vụ học tập thực tế, từ việc tóm tắt tài liệu, giải thích khái niệm phức tạp đến tạo bộ câu hỏi ôn tập chuyên sâu.
Nguyễn Hữu Đạo
MSV: 25020527 - Lớp: VNU1001_E252005
1. Lựa chọn và Phân tích tác vụ học tập
Tác vụ 1: Tóm tắt một tài liệu học thuật (Môn Đại số tuyến tính - SVD)
- Mục tiêu: Trích xuất được ý nghĩa hình học, công thức cốt lõi và ứng dụng thực tế của một khái niệm toán học phức tạp (ví dụ: Phân tích giá trị suy biến - Singular Value Decomposition) từ một tài liệu dài hoặc bài giảng.
- Thách thức: Các tài liệu toán học thường nặng về công thức và thuật ngữ hàn lâm. Thách thức của người học là dễ bị lạc trong ma trận công thức mà bỏ qua ý nghĩa trực quan. Nếu AI chỉ tóm tắt theo kiểu "cắt xén" văn bản, người học vẫn sẽ không hiểu được bản chất. Yêu cầu đặt ra là prompt phải ép AI chuyển hóa ngôn ngữ hàn lâm thành ngôn ngữ trực quan.
Tác vụ 2: Giải thích một khái niệm phức tạp (Môn Lập trình Python - Đệ quy/Recursion)
- Mục tiêu: Hiểu rõ cơ chế hoạt động ngầm của một khái niệm lập trình trừu tượng, ví dụ như Đệ quy (Recursion) hoặc cách quản lý bộ nhớ.
- Thách thức: Người học lập trình thường hiểu cú pháp nhưng gặp khó khăn trong việc hình dung trạng thái hệ thống (ví dụ: Call Stack hoạt động ra sao khi đệ quy sâu). Thách thức ở đây là làm sao bắt AI mô phỏng lại quá trình chạy code (trace code) từng bước một một cách sinh động, thay vì chỉ đưa ra định nghĩa khô khan.
Tác vụ 3: Tạo bộ câu hỏi ôn tập (Môn Giải tích - Sự hội tụ của chuỗi)
- Mục tiêu: Tự kiểm tra và củng cố kiến thức trước kỳ thi thông qua việc truy xuất chủ động (Active Recall).
- Thách thức: Sinh viên thường có xu hướng học vẹt cách giải bài tập cơ bản. Một bộ câu hỏi tốt không chỉ hỏi "Tính giới hạn này" mà phải hỏi "Tại sao lại dùng tiêu chuẩn hội tụ này mà không dùng tiêu chuẩn khác?". Thách thức là prompt cần điều hướng AI tạo ra các câu hỏi đánh giá tư duy khái niệm (conceptual understanding) và bẫy lỗi sai thường gặp (edge cases).
2. Xây dựng các phiên bản Prompt
Tác vụ 1: Tóm tắt khái niệm Đại số tuyến tính (SVD)
- Prompt Cơ bản: "Tóm tắt về Phân tích giá trị suy biến (SVD) trong Đại số tuyến tính."
- Prompt Cải tiến: "Hãy tóm tắt khái niệm Phân tích giá trị suy biến (SVD). Chia bài tóm tắt thành 3 phần: Định nghĩa, Công thức toán học (giải thích các ma trận U, Sigma, V), và 2 ứng dụng thực tế trong khoa học máy tính."
- Prompt Nâng cao (Role-Prompting + Tone setting): "Đóng vai một Giáo sư Toán học xuất sắc trong việc biến những kiến thức phức tạp thành trực quan. Hãy tóm tắt khái niệm SVD (Singular Value Decomposition) cho một sinh viên kỹ thuật năm nhất. Yêu cầu: Tránh lạm dụng thuật ngữ trừu tượng. Bắt đầu bằng một phép ẩn dụ hình học dễ hiểu (ví dụ: biến đổi không gian). Định dạng bằng Markdown, in đậm các keyword quan trọng."
Tác vụ 2: Giải thích khái niệm lập trình (Đệ quy - Recursion)
- Prompt Cơ bản: "Đệ quy trong Python là gì? Cho ví dụ."
- Prompt Cải tiến: "Giải thích khái niệm hàm đệ quy trong Python. Cấu trúc của một hàm đệ quy gồm những phần nào? Viết một đoạn code ví dụ về tính giai thừa và giải thích cách code hoạt động."
- Prompt Nâng cao (Role-Prompting + Chain-of-Thought + Constraint): "Đóng vai một Senior Software Engineer đang hướng dẫn một thực tập sinh. Hãy giải thích khái niệm Đệ quy (Recursion) trong Python. Áp dụng quy trình tư duy từng bước (Step-by-step): Bước 1: Nêu khái niệm cốt lõi bằng một ví dụ thực tế đời thường (không dùng code). Bước 2: Phân tích 2 thành phần bắt buộc phải có: Base case (Điểm dừng) và Recursive case. Giải thích hậu quả nếu thiếu Base case. Bước 3: Viết code Python hàm tính_giai_thừa(3). Sau đó, BẮT BUỘC mô phỏng lại trạng thái của Call Stack (Bộ nhớ ngăn xếp) ở từng bước gọi hàm cho đến khi trả về kết quả cuối cùng. Trình bày Call Stack dưới dạng text art hoặc danh sách rõ ràng."
Tác vụ 3: Tạo bộ câu hỏi ôn tập (Giải tích)
- Prompt Cơ bản: "Tạo cho tôi 5 câu hỏi trắc nghiệm về chuỗi hội tụ trong môn Giải tích."
- Prompt Cải tiến: "Tạo bộ 5 câu hỏi ôn tập về sự hội tụ của chuỗi số (Giải tích). Bao gồm 3 câu hỏi tính toán cơ bản và 2 câu hỏi lý thuyết. Cung cấp đáp án chi tiết ở cuối."
- Prompt Nâng cao (Few-Shot Prompting + Persona): "Tôi đang ôn thi cuối kỳ môn Giải tích (Calculus). Hãy đóng vai một người ra đề thi khó tính, tạo cho tôi 4 câu hỏi tự luận ngắn về chủ đề 'Sự hội tụ và phân kỳ của chuỗi số'. Yêu cầu: Không hỏi những bài tính toán quá rập khuôn. Hãy tập trung vào việc đánh giá bản chất khái niệm và các trường hợp dễ nhầm lẫn (ví dụ: nhầm lẫn giữa điều kiện cần và điều kiện đủ của sự hội tụ)."
3. Thử nghiệm và So sánh kết quả
Tác vụ 1: Tóm tắt khái niệm Đại số tuyến tính (SVD)
Prompt Cơ bản:
Prompt Cải tiến:
Prompt Nâng cao (Role-Prompting + Tone setting):
| Tiêu chí | Prompt 1 (Cơ bản) | Prompt 2 (Cấu trúc) | Prompt 3 (Nhập vai/Trực quan) |
|---|---|---|---|
| Vai trò của AI | Máy tra cứu: Đóng vai một cuốn bách khoa toàn thư di động, liệt kê mọi khía cạnh của SVD một cách khách quan nhưng thiếu trọng tâm. | Trợ lý học thuật: Đóng vai một người soạn giáo trình, tập trung vào tính logic và sự đầy đủ của các thành phần toán học chuyên sâu. | Giáo sư Toán học xuất sắc: Đóng vai một người truyền cảm hứng, chủ động biến kiến thức trừu tượng thành trải nghiệm thị giác dễ hiểu. |
| Luồng tư duy | Ngang (Liệt kê): Trình bày dàn hàng ngang các mục từ định nghĩa đến ứng dụng. Các thông tin có giá trị tương đương nhau, không có điểm nhấn cảm xúc. | Dọc (Phân tích sâu): Đi thẳng vào bộ máy toán học. Bóc tách từng ma trận $U, \Sigma, V^T$ dưới góc độ kỹ thuật để người dùng hiểu "nội tạng" của công thức. | Xoáy ốc (Trực quan đến bản chất): Bắt đầu bằng ẩn dụ "miếng cao su", sau đó xoáy vào công thức và kết thúc bằng "câu thần chú" để chốt hạ vấn đề. |
| Khả năng ghi nhớ | Thấp: Người đọc dễ bị "ngợp" bởi quá nhiều mục. Thông tin trôi tuột vì không có một hình ảnh cốt lõi nào để bám víu. | Trung bình: Nhớ được các thành phần toán học nhờ sự phân loại rõ ràng (Ma trận trái, ma trận phải, trị suy biến). Phù hợp để đi thi. | Cao: Khắc sâu vào trí nhớ nhờ hình ảnh biến đổi không gian. Người học chỉ cần nhớ "Xoay – Kéo – Xoay" là có thể phục dựng lại toàn bộ lý thuyết SVD. |
| Độ khó thuật ngữ | Hàn lâm: Sử dụng thuật ngữ nguyên bản (trực giao, ma trận đường chéo) mà không có sự giải mã, mặc định người dùng đã có nền tảng tốt. | Chuyên sâu kỹ thuật: Đưa vào các khái niệm như "không gian đầu vào", "feature space". Chuyên nghiệp nhưng đòi hỏi tư duy logic cao. | Đơn giản hóa/Hình tượng: Biến ma trận thành "phép xoay", biến Sigma thành "mức độ co giãn". Dùng emoji và định dạng in đậm để điều hướng sự chú ý (Attention Mapping). |
Tác vụ 2: Giải thích khái niệm lập trình (Đệ quy - Recursion)
Prompt Cơ bản:
Prompt Cải tiến:
Prompt Nâng cao (Role-Prompting + Chain-of-Thought + Constraint):
| Tiêu chí | Prompt 1 (Cơ bản) | Prompt 2 (Cấu trúc) | Prompt 3 (Nhập vai/Trực quan) |
|---|---|---|---|
| Vai trò của AI | Máy tra cứu: Đóng vai một bộ từ điển hoặc Wikipedia, cung cấp thông tin chính xác nhưng thiếu sự kết nối. | Trợ lý kỹ thuật: Đóng vai một người hướng dẫn học thuật, trình bày vấn đề theo quy trình chuẩn mực. | Senior Software Engineer: Đóng vai một người Mentor (người dẫn dắt), tập trung vào việc truyền đạt bản chất và kinh nghiệm. |
| Luồng tư duy | Ngang (Liệt kê): Đưa ra định nghĩa, sau đó là ví dụ. Các phần tồn tại độc lập, người đọc tự phải kết nối các mảnh thông tin. | Dọc (Phân tích sâu): Đi từ lý thuyết tổng quát đến cấu trúc chi tiết, sau đó mới minh họa bằng code và giải thích luồng chạy. | Xoáy ốc (Từ trực quan đến bản chất): Bắt đầu bằng ẩn dụ đời thực (hàng đợi), sau đó mới "bóc tách" dần vào logic code và Call Stack. |
| Khả năng ghi nhớ | Thấp: Người đọc dễ quên vì kiến thức khô khan, thiếu hình ảnh liên tưởng mạnh mẽ để bám dính vào trí nhớ. | Trung bình: Dễ nhớ được "công thức" (Base case + Recursive step) nhờ cấu trúc trình bày mạch lạc, khoa học. | Cao: Cực kỳ dễ nhớ nhờ ẩn dụ "hỏi người đứng trước". Khi quên code, người học vẫn nhớ được "kịch bản" để tự suy luận lại. |
| Độ khó thuật ngữ | Giữ nguyên gốc: Sử dụng các thuật ngữ chuyên môn một cách mặc định (ví dụ: bài toán con, điểm dừng) mà không giải thích thêm. | Giải thích kỹ thuật: Các thuật ngữ được đặt trong ngữ cảnh lập trình chuyên sâu hơn (Stack Overflow, cơ chế gọi hàm). | Đơn giản hóa tối đa: Biến "Base case" thành "người đầu hàng đợi", biến "Call Stack" thành "chồng đĩa", giúp xóa bỏ rào cản tâm lý. |
Tác vụ 3: Tạo bộ câu hỏi ôn tập (Giải tích)
Prompt Cơ bản:
Prompt Cải tiến:
Prompt Nâng cao (Few-Shot Prompting + Persona):
| Tiêu chí | Prompt 1 (Trắc nghiệm cơ bản) | Prompt 2 (Ôn tập có cấu trúc) | Prompt 3 (Nhập vai Giám khảo khó tính) |
|---|---|---|---|
| Vai trò của AI | Máy tạo đề (Question Generator): Đóng vai một công cụ tạo câu hỏi tự động. Tập trung vào số lượng và định dạng trắc nghiệm phổ biến. | Trợ giảng tận tâm (Dedicated Tutor): Đóng vai người đồng hành cùng sinh viên UET, phân loại rõ ràng giữa tính toán và lý thuyết để ôn tập toàn diện. | Giám khảo nghiêm khắc (Strict Examiner): Đóng vai người ra đề có chuyên môn cao, tìm cách "thách thức" và bẫy tư duy của sinh viên thay vì cho điểm dễ dàng. |
| Luồng tư duy | Ngang (Rộng - Kiểm tra nhanh): Quét qua các tiêu chuẩn hội tụ phổ biến. Mỗi câu hỏi là một mảnh kiến thức riêng biệt, rời rạc. | Dọc (Hệ thống - Chi tiết): Đi từ bài tập áp dụng công thức đến các câu hỏi hiểu bản chất. Lời giải chi tiết giúp xây dựng quy trình giải toán mạch lạc. | Sâu (Biện luận - Bản chất): Tập trung vào "tại sao" và "khi nào thì sai". Buộc người học phải hiểu ranh giới giữa các định lý và nhận diện các sai lầm logic. |
| Khả năng ghi nhớ | Thấp: Phù hợp để luyện tay nghề (bấm máy tính, chọn nhanh). Kiến thức dễ trôi sau khi làm xong vì ít đòi hỏi sự đào sâu suy nghĩ. | Trung bình: Giúp nhớ lâu hơn nhờ các bước giải chi tiết và sự phân loại kiến thức rõ ràng. Người học nắm được "bản đồ" các phương pháp. | Cao: Tạo ra các "điểm chạm" về logic (Aha moments). Những bài toán về "cái bẫy" lý thuyết thường để lại ấn tượng rất mạnh, khó quên hơn bài tập tính toán. |
| Độ khó thuật ngữ | Phổ thông: Sử dụng thuật ngữ để hỏi về kết quả (hội tụ hay phân kỳ). Tập trung vào việc áp dụng các tiêu chuẩn như Leibniz, Riemann một cách máy móc. | Học thuật: Sử dụng ký hiệu Toán học chuẩn mực (LaTeX), giải thích kỹ lưỡng các điều kiện cần và đủ của định lý để người học làm quen với ngôn ngữ Giải tích. | Phản biện: Sử dụng thuật ngữ để chất vấn (Ranh giới, Ngộ nhận, Inconclusive). Đòi hỏi người học phải dùng ngôn ngữ Toán học để chứng minh và giải thích thay vì chỉ đưa ra đáp số. |
4. Phân tích hiệu quả Prompt
Sự vượt trội của các Prompt Nâng cao không đến từ việc "viết dài hơn", mà đến từ việc giới hạn không gian tìm kiếm (latent space constraint) và cung cấp bối cảnh (context anchoring) cho mô hình AI:
- Sức mạnh của Role-Prompting: Khi ta yêu cầu AI đóng vai "Giáo sư Toán học xuất sắc về hình học trực quan" (Tác vụ 1) hoặc "Senior Engineer" (Tác vụ 2), ta đang ép AI chọn lọc từ vựng và cấu trúc lập luận từ tập dữ liệu (dataset) của những chuyên gia thực thụ. Điều này loại bỏ các câu trả lời chung chung mang phong cách Wikipedia.
- Cơ chế Tư duy từng bước: Ở Tác vụ 2, việc bắt buộc AI "mô phỏng Call Stack từng bước" là cách ta áp dụng Chain-of-Thought. Thay vì nhảy thẳng đến kết quả, AI bị ép buộc phải suy luận qua từng trạng thái trung gian. Điều này giúp giảm thiểu tối đa hiện tượng "hallucination" (ảo giác) của AI, đồng thời cung cấp cho người học một cái nhìn X-quang vào bên trong cách đoạn code hoạt động.
- Thay đổi cơ chế tương tác: Ở Tác vụ 3, bằng việc ra lệnh "Chỉ đưa ra câu hỏi, đợi tôi trả lời rồi mới chấm điểm", prompt nâng cao đã thay đổi hoàn toàn vòng lặp tương tác (interaction loop). AI từ một công cụ tìm kiếm thụ động trở thành một gia sư tương tác hai chiều, ép người học phải thực hành chủ động (Active Recall).
5. Tổng hợp Nguyên tắc và Mẹo viết Prompt
Dựa trên những phân tích trên, quá trình giao tiếp hiệu quả với AI trong học tập nên tuân thủ Nguyên tắc "4 Cột trụ" (C.A.R.E):
- C - Context (Bối cảnh): Luôn cho AI biết bạn là ai và bạn đang cần gì (Ví dụ: "Tôi là sinh viên năm nhất đang học Đại số tuyến tính, tôi cần hiểu bản chất..."). Bối cảnh quyết định độ phức tạp của câu trả lời.
- A - Action (Hành động cụ thể): Sử dụng các động từ mạnh, tránh chung chung. Thay vì "Nói về đệ quy", hãy dùng "Phân tích cấu trúc", "Mô phỏng từng bước", "Trích xuất công thức".
- R - Role (Vai trò): Gán cho AI một nhân dạng chuyên gia cụ thể ("Hãy đóng vai..."). Vai trò định hình "giọng văn" (tone of voice) và phương pháp truyền đạt.
- E - Examples & Expectations (Ví dụ & Kỳ vọng format): Cung cấp Few-shot (ví dụ mẫu về thứ bạn muốn) và định dạng đầu ra rõ ràng (Markdown, Bảng biểu, hay Text-art như ở mô phỏng Call Stack).