Αφού έγραψες τις ερωτήσεις σου στο LectureQ, ήρθε η ώρα να βρεις απαντήσεις. Σήμερα τις βρίσκουμε συνήθως συζητώντας με μια AI. Το θέμα είναι ότι με την ίδια ερώτηση ο καθένας κερδίζει κάτι διαφορετικό. Αυτός ο οδηγός ακολουθεί τη ροή της εφαρμογής (ερώτηση → απάντηση → τι έμαθα) και δείχνει πώς να κάνεις αυτή τη διαφορά να δουλέψει υπέρ σου.
Η δεξιότητα που θέλει να καλλιεργήσει αυτός ο οδηγός, σε μία γραμμή:
Μπορώ, μαζί με την AI, να κάνω τις ερωτήσεις μου ‘επαληθευμένη γνώση’.
Δεν πρόκειται για την ικανότητα να παίρνεις απαντήσεις, αλλά να αμφισβητείς όσες παίρνεις και να τις κάνεις δικές σου.
Μία ερώτηση, μία συζήτηση. Αν στριμώξεις πολλές ερωτήσεις σε μία συζήτηση, οι απαντήσεις μπερδεύονται και αργότερα δεν μπαίνουν σε τάξη.
Μια ερώτηση γραμμένη βιαστικά στο μάθημα είναι συνήθως θολή. Και σε θολή ερώτηση έρχεται θολή απάντηση. Μη ζητήσεις αμέσως απάντηση — πρώτα ξαναγράψε την ερώτηση.
Παρακάτω είναι μια ερώτηση που έγραψα βιαστικά στο μάθημα. Είναι ακόμη θολή.
"{η ερώτηση ακριβώς όπως είναι γραμμένη στο LectureQ}"
Ξαναγράψ' την ως 3 ερωτήσεις που μπορούν να απαντηθούν.
Σε καθεμία πρόσθεσε μία γραμμή: τι θα μπορώ να κάνω όταν μάθω την απάντηση.
Μην απαντήσεις ακόμη, δείξε μου μόνο τις ξαναγραμμένες ερωτήσεις.
▸ Όταν βγει μια εκδοχή που σου αρέσει, διόρθωσε με αυτήν τη διατύπωση της ερώτησης στο LectureQ. Είναι επένδυση για τον μελλοντικό εαυτό σου.
Η AI δεν ξέρει πόσα ξέρεις ήδη. Αρκεί να προσθέσεις από πού προέκυψε η ερώτηση / τι επίπεδο έχεις τώρα / τι μορφή απάντησης θέλεις και η ποιότητα της απάντησης αλλάζει αισθητά. Και τα τρία είναι ήδη γραμμένα μέσα στην εφαρμογή.
[Η ερώτησή μου]
{η ξαναγραμμένη ερώτηση}
[Πλαίσιο]
- Από πού προέκυψε: {όνομα μαθήματος} / {σημειώσεις του χρονικού μπλοκ εκείνης της στιγμής}
- Τι ξέρω τώρα: {το «Πού βρίσκομαι τώρα» από την Κατάσταση μάθησης}
- Πού θέλω να φτάσω: {το «Πού θέλω να είμαι στο τέλος» από την Κατάσταση μάθησης}
[Τι απάντηση θέλω]
1) Η βασική απάντηση σε 3–5 γραμμές
2) Μία παράγραφος για το γιατί ισχύει
3) 1–2 σημεία όπου πιθανότατα έχω καταλάβει λάθος
4) Ένα όσο γίνεται μικρότερο παράδειγμα ή πείραμα για να το ελέγξω μόνος/μόνη μου
Ξεχώρισε τι είναι βέβαιο και τι είναι εικασία. Αν κάτι δεν το ξέρεις, πες το.
▸ Πού θα βρεις το πλαίσιο: στη γραμμή εργαλείων Προβολή → Κατάσταση μάθησης και στις σημειώσεις του χρονικού μπλοκ όπου βρίσκεται η ερώτηση.
Μια πειστική απάντηση δεν είναι απαραίτητα επαληθευμένη. Ρώτα ξανά τουλάχιστον μία φορά.
Ποιο σημείο της απάντησής σου είναι πιο πιθανό να είναι λάθος; - Οι προϋποθέσεις που πρέπει να ισχύουν για να στέκει η απάντηση - Η αντίθετη άποψη ή εξαιρέσεις όπου η απάντηση δεν ισχύει - Τι πρέπει να κοιτάξω για να το ελέγξω σε πρωτογενείς πηγές; (ονόματα επίσημης τεκμηρίωσης, προδιαγραφών, πρωτότυπων κειμένων)
Εκδόσεις, αριθμοί, ονόματα API, χρονολογίες: όσο πιο συγκεκριμένη η πληροφορία, τόσο λιγότερο φαίνεται όταν είναι λάθος. Έλεγξέ τες πάντα στην πρωτότυπη πηγή.
Μια καλή απάντηση γεννά πάντα μια νέα άγνοια. Αυτή είναι η επόμενη ερώτησή σου — η συμπληρωματική ερώτηση της εφαρμογής.
Από όλη τη συζήτηση ως τώρα, βγάλε 3 ερωτήσεις για όσα δεν ξέρω ακόμη αλλά πρέπει να ξέρω. Χωρίς εξηγήσεις, μόνο τις ερωτήσεις. Σύντομες και συγκεκριμένες.
▸ Αν επικολλήσεις τις ερωτήσεις στο πεδίο ‘Νέα συμπληρωματική ερώτηση’ στις λεπτομέρειες της ερώτησης, μένουν με ιεραρχία αρχική ερώτηση → συμπληρωματική ερώτηση και στο Γράφημα βλέπεις πώς απλώθηκε η κατανόησή σου.
Αν απλώς αντιγράψεις και επικολλήσεις την απάντηση της AI, μένει καταγραφή αλλά όχι γνώση. Στο πεδίο Απάντηση γράψε με δικά σου λόγια και ζήτα να βαθμολογηθούν αυτές οι προτάσεις.
Θα γράψω με δικά μου λόγια τι κατάλαβα.
"{η περίληψη που έγραψα εγώ}"
Δείξε μου τι είναι λάθος, τι λείπει και τι είναι υπερβολικό.
Αντί για βαθμό, δείξε μου τις διορθωμένες προτάσεις.
▸ Σημείωσε ως Λυμένη + Τι έμαθα (★) μόνο όσα πέρασαν ως εδώ. Η λίστα «Τι έμαθα» στην Προβολή → Σύνοψη έχει αξία μόνο όταν μαζεύονται εκεί όσα φιλτραρίστηκαν έτσι.
Τα πέντε βήματα, διατυπωμένα ως δεξιότητες. Διάλεξε τη γραμμή που σου λείπει περισσότερο τώρα και ξεκίνα εξάσκηση από εκεί.
| Τι χρειάζεται | Μπορώ να… | Τι αξίζει να ξέρω / λέξεις-κλειδιά |
|---|---|---|
| Βελτίωση της ερώτησης | ξαναγράψω μια θολή σημείωση ως 3 ερωτήσεις που μπορούν να απαντηθούν | χαρακτηριστικά μιας καλής ερώτησης, ερωτήσεις που απαντώνται και που δεν απαντώνται, διατύπωση προβλήματος (problem framing) |
| Παροχή πλαισίου | ρωτήσω δίνοντας υπόβαθρο, το επίπεδό μου και τη μορφή απάντησης που θέλω | δόμηση prompt, ορισμός ρόλου, πλαισίου και μορφής εξόδου, σχεδιασμός πλαισίου |
| Επαλήθευση της απάντησης | ρωτήσω για προϋποθέσεις, αντιπαραδείγματα και πρωτογενείς πηγές και να ξεχωρίσω τα γεγονότα | παραισθήσεις (hallucination), τεκμήρια και πηγές, διάψευση (falsification), μεροληψία επιβεβαίωσης |
| Ανάδειξη της άγνοιας | βγάλω από την απάντηση νέες ερωτήσεις και να τις κρατήσω ως συμπληρωματικές | μεταγνώση, κενό γνώσης (knowledge gap), δέντρο ερωτήσεων |
| Εδραίωση της γνώσης | το ξαναγράψω με δικά μου λόγια, να βαθμολογηθεί και να το επικυρώσω στο ‘Τι έμαθα’ | τεχνική Feynman, εξάσκηση ανάκλησης (retrieval practice), επανάληψη σε διαστήματα (spaced repetition) |
Αν αποθηκεύσεις τη συζήτηση με την AI σε Markdown, η εφαρμογή τη μετατρέπει σε δέντρο ερωτήσεων (στη γραμμή εργαλείων μενού μαθημάτων → Εισαγωγή από Markdown…).
# Η γραμμή που θα γίνει τίτλος του μαθήματος ## Θέμα (η πρώτη ερώτηση εδώ είναι η αρχική, οι επόμενες γίνονται συμπληρωματικές) **Εγώ** — εδώ η ερώτηση που έκανα **AI** — εδώ η απάντηση που πήρα (μπορεί να έχει πολλές γραμμές, ακόμη και μπλοκ κώδικα)
Μετά την εισαγωγή, κάθε ερώτηση έχει συμπληρωμένη απάντηση και σημειώνεται ως λυμένη. Ύστερα, στη Σύνοψη κράτα με ★ μόνο όσα πραγματικά έμαθες και κάνε ‘Εξαίρεση’ στα υπόλοιπα — και μια ολόκληρη συζήτηση γίνεται η δική σου λίστα με όσα έμαθες.
Μη ζητάς από την AI απαντήσεις — χρησιμοποίησέ τη ως συνομιλητή που δοκιμάζει τις ερωτήσεις σου. Την ερώτηση τη φτιάχνεις εσύ, την αμφιβολία την έχεις εσύ και την τελευταία πρόταση τη γράφεις κι αυτή εσύ. Το LectureQ είναι ο τόπος όπου αυτή η διαδρομή μένει καταγεγραμμένη.