Když už máte otázky zapsané v LectureQ, přichází čas hledat odpovědi. Dnes je většinou najdeme v rozhovoru s AI. Háček je v tom, že i se stejnou otázkou si každý odnese něco jiného. Tento průvodce sleduje postup aplikace (otázka → odpověď → co jsem se naučil) a ukazuje, jak ten rozdíl udělat ve svůj prospěch.
Dovednost, kterou chce tento průvodce rozvíjet, v jedné větě:
S pomocí AI dokážu proměnit své otázky v ‘ověřené znalosti’.
Nejde o to umět získat odpověď, ale umět ji zpochybnit a udělat ji svou.
Jedna otázka, jedna konverzace. Když do jedné konverzace nacpete víc otázek, odpovědi se smíchají a později je neuspořádáte.
Otázka narychlo zapsaná během přednášky bývá mlhavá. Na mlhavou otázku přijde mlhavá odpověď. Nežádejte hned odpověď – nejdřív otázku přepište.
Tuhle otázku jsem si narychlo zapsal(a) během přednášky. Je ještě dost mlhavá.
"{otázka přesně tak, jak je zapsaná v LectureQ}"
Přepiš ji do 3 otázek, na které se dá odpovědět.
Ke každé připiš jednou větou, co budu umět, až odpověď znát budu.
Zatím neodpovídej, ukaž mi jen přepsané otázky.
▸ Až vznikne verze, která se vám líbí, upravte podle ní znění otázky v LectureQ. Investujete tím do svého budoucího já.
AI neví, kolik toho už víte. Stačí přidat odkud otázka pochází / co teď umíte / jakou podobu odpovědi chcete a kvalita odpovědi se výrazně změní. Všechny tři věci už máte zapsané v aplikaci.
[Moje otázka]
{přepsaná otázka}
[Kontext]
- Odkud pochází: {název přednášky} / {poznámky z časového bloku v daném okamžiku}
- Co teď umím: {„Kde teď jsem“ ze Stavu učení}
- Kam se chci dostat: {„Kde chci být na konci“ ze Stavu učení}
[Jakou odpověď chci]
1) Hlavní odpověď ve 3–5 řádcích
2) Jeden odstavec o tom, proč to tak je
3) 1–2 místa, kde to nejspíš chápu špatně
4) Jeden co nejmenší příklad nebo pokus, kterým si to můžu sám/sama ověřit
Odliš, co je jisté a co je odhad. Když něco nevíš, řekni to.
▸ Kde vzít kontext: na panelu nástrojů Zobrazení → Stav učení a poznámky časového bloku, ve kterém otázka leží.
Věrohodná odpověď ještě není ověřená odpověď. Aspoň jednou se doptejte.
Která část tvé odpovědi je nejspíš chybná? - Předpoklady, které musí platit, aby odpověď platila - Opačný názor nebo výjimky, kdy odpověď neplatí - Na co se mám podívat, abych si to ověřil(a) v primárních zdrojích? (názvy oficiální dokumentace, specifikace, originálního textu)
Informace jako verze, čísla, názvy API nebo letopočty jsou tím zrádnější, čím jsou konkrétnější – chyba v nich není vidět. Vždy si je ověřte v originálním zdroji.
Dobrá odpověď vždycky odhalí něco nového, co nevíte. To je vaše další otázka – v této aplikaci doplňující otázka.
Vyber z dosavadní konverzace 3 otázky na věci, které ještě nevím, ale měl(a) bych vědět. Bez vysvětlování, jen otázky. Krátké a konkrétní.
▸ Když vybrané otázky vložíte do pole ‘Nová doplňující otázka’ v detailu otázky, uloží se jako hierarchie původní otázka → doplňující otázka a v Grafu uvidíte, kam se vaše porozumění rozrůstalo.
Když odpověď AI jen zkopírujete a vložíte, zůstane záznam, ale ne znalost. Do pole Odpověď pište vlastními slovy a tyto věty si nechte ohodnotit.
Napíšu vlastními slovy, jak jsem to pochopil(a).
"{shrnutí, které jsem napsal(a) sám/sama}"
Ukaž mi, co je špatně, co chybí a co je přehnané.
Místo známky mi ukaž opravené věty.
▸ Jako Vyřešeno + Co jsem se naučil(a) (★) označte jen to, co prošlo až sem. Seznam „Co jsem se naučil(a)“ v Zobrazení → Souhrn má cenu jen tehdy, když se v něm sejde jen to, co takto obstálo.
Pět kroků výše shrnuté jako dovednosti. Vyberte si řádek, který vám teď nejvíc chybí, a ten trénujte.
| Co je potřeba | Dokážu… | Co je dobré znát / klíčová slova |
|---|---|---|
| Vylepšit otázku | přepsat mlhavou poznámku do 3 otázek, na které se dá odpovědět | znaky dobré otázky, otázky, na které se odpovědět dá a nedá, formulace problému (problem framing) |
| Dát kontext | ptát se s uvedením souvislostí, své úrovně a požadované podoby odpovědi | strukturování promptu, určení role, kontextu a formátu výstupu, návrh kontextu |
| Ověřit odpověď | doptat se na předpoklady, protipříklady a primární zdroje a oddělit fakta | halucinace (hallucination), důkazy a zdroje, falzifikace (falsification), konfirmační zkreslení |
| Odhalit, co nevím | vytáhnout z odpovědi nové otázky a uložit je jako doplňující | metakognice, mezery ve znalostech (knowledge gap), strom otázek |
| Upevnit znalost | přepsat to vlastními slovy, nechat si to ohodnotit a potvrdit jako ‘Co jsem se naučil(a)’ | Feynmanova technika, vybavování (retrieval practice), opakování s rozestupy (spaced repetition) |
Když si konverzaci s AI uložíte v Markdownu, aplikace z ní udělá strom otázek (na panelu nástrojů nabídka přednášek → Importovat z Markdownu…).
# Řádek, který bude názvem přednášky ## Téma (první otázka zde je původní otázka, další otázky se stanou doplňujícími) **Já** — sem otázka, kterou jsem položil(a) **AI** — sem odpověď, kterou jsem dostal(a) (může mít víc řádků, i bloky kódu)
Po importu má každá otázka vyplněnou odpověď a je označená jako vyřešená. Pak v Souhrnu nechte s ★ jen to, co jste se opravdu naučili, a zbytek ‘Vyřaďte’ – a z jedné konverzace vznikne váš seznam toho, co jste se naučili.
Nechtějte od AI odpovědi – používejte ji jako protivníka, na kterém své otázky prověříte. Otázku vytváříte vy, pochybujete vy a poslední větu píšete taky vy. LectureQ je místo, kde tenhle proces zůstává zachycený.