Masz już pytania zapisane w LectureQ? Teraz czas na szukanie odpowiedzi. Dziś najczęściej znajdujemy je w rozmowie z AI. Problem w tym, że nawet przy tym samym pytaniu każdy wynosi z tego coś innego. Ten przewodnik idzie śladem aplikacji (pytanie → odpowiedź → czego się nauczyłem) i pokazuje, jak tę różnicę wykorzystać na swoją korzyść.
Umiejętność, którą ten przewodnik ma rozwinąć, w jednym zdaniu:
Potrafię razem z AI zamienić swoje pytania w ‘sprawdzoną wiedzę’.
Nie chodzi o umiejętność zdobycia odpowiedzi, tylko o to, by ją podważyć i uczynić swoją.
Jedno pytanie, jedna rozmowa. Gdy wrzucisz kilka pytań do jednej rozmowy, odpowiedzi się pomieszają, a później nie da się ich uporządkować.
Pytanie zapisane w pośpiechu na wykładzie jest zwykle mgliste. Na mgliste pytanie przychodzi mglista odpowiedź. Nie proś od razu o odpowiedź – najpierw napisz pytanie od nowa.
Poniżej jest pytanie, które w pośpiechu zapisałem(-am) na wykładzie. Jest jeszcze mgliste.
"{pytanie dokładnie tak, jak jest zapisane w LectureQ}"
Przeredaguj je na 3 pytania, na które da się odpowiedzieć.
Do każdego dopisz jedno zdanie: co będę umiał(a), gdy poznam odpowiedź.
Na razie nie odpowiadaj, pokaż tylko przeredagowane pytania.
▸ Gdy pojawi się wersja, która Ci pasuje, popraw na nią treść pytania w LectureQ. To inwestycja w siebie z przyszłości.
AI nie wie, ile już wiesz. Wystarczy dodać skąd jest pytanie / co teraz umiesz / jakiej odpowiedzi oczekujesz, a jakość odpowiedzi wyraźnie się zmieni. Wszystkie trzy rzeczy masz już zapisane w aplikacji.
[Moje pytanie]
{przeredagowane pytanie}
[Kontekst]
- Skąd się wzięło: {nazwa wykładu} / {notatki z bloku czasu z tego momentu}
- Co teraz umiem: {„Gdzie jestem teraz” ze Stanu nauki}
- Dokąd chcę dojść: {„Gdzie chcę być na końcu” ze Stanu nauki}
[Jakiej odpowiedzi oczekuję]
1) Najważniejsza odpowiedź w 3–5 linijkach
2) Jeden akapit o tym, dlaczego tak jest
3) 1–2 miejsca, w których prawdopodobnie coś źle rozumiem
4) Jeden możliwie najmniejszy przykład lub eksperyment, którym mogę to sprawdzić sam(a)
Oznacz, co jest pewne, a co jest przypuszczeniem. Jeśli czegoś nie wiesz, powiedz to.
▸ Skąd wziąć kontekst: na pasku narzędzi Widok → Stan nauki oraz notatki bloku, w którym leży pytanie.
Wiarygodnie brzmiąca odpowiedź to jeszcze nie odpowiedź sprawdzona. Dopytaj przynajmniej raz.
Która część Twojej odpowiedzi najłatwiej może okazać się błędna? - Założenia, które muszą być prawdziwe, żeby odpowiedź była słuszna - Przeciwne stanowisko albo wyjątki, w których odpowiedź się nie sprawdza - Co mam przejrzeć, żeby sprawdzić to w źródłach pierwotnych? (nazwy oficjalnej dokumentacji, specyfikacji, tekstu źródłowego)
Wersje, liczby, nazwy API czy daty to informacje, w których im bardziej konkretne, tym trudniej zauważyć błąd. Zawsze sprawdzaj je w źródle.
Dobra odpowiedź zawsze odsłania coś nowego, czego nie wiesz. To Twoje kolejne pytanie – w tej aplikacji pytanie uzupełniające.
Na podstawie dotychczasowej rozmowy wypisz 3 pytania o to, czego jeszcze nie wiem, a powinienem (powinnam) wiedzieć. Bez wyjaśnień, same pytania. Krótko i konkretnie.
▸ Gdy wkleisz wybrane pytania do pola ‘Nowe pytanie uzupełniające’ w szczegółach pytania, zapiszą się w hierarchii pytanie wyjściowe → pytanie uzupełniające, a na Wykresie zobaczysz, w jakich kierunkach rozwijało się Twoje rozumienie.
Gdy skopiujesz i wkleisz odpowiedź AI, zostaje zapis, ale nie wiedza. W polu Odpowiedź pisz własnymi słowami i poproś o ocenę tych zdań.
Zapiszę własnymi słowami, jak to zrozumiałem(-am).
"{podsumowanie napisane przeze mnie}"
Wskaż, co jest błędne, czego brakuje i co jest przesadzone.
Zamiast oceny pokaż poprawione zdania.
▸ Jako Rozwiązane + Czego się nauczyłem(-am) (★) oznaczaj tylko to, co przeszło wszystkie kroki. Lista „Czego się nauczyłem(-am)” w Widok → Podsumowanie ma wartość tylko wtedy, gdy trafia do niej wyłącznie to, co zostało tak przesiane.
Powyższe pięć kroków ujęte jako umiejętności. Wybierz wiersz, którego teraz najbardziej Ci brakuje, i ćwicz właśnie to.
| Czego potrzeba | Potrafię… | Co warto wiedzieć / słowa kluczowe |
|---|---|---|
| Doprecyzować pytanie | przeredagować mglistą notatkę na 3 pytania, na które da się odpowiedzieć | cechy dobrego pytania, pytania, na które da się i nie da się odpowiedzieć, definiowanie problemu (problem framing) |
| Dać kontekst | pytać, podając tło, swój poziom i oczekiwaną formę odpowiedzi | strukturyzowanie promptu, określanie roli, kontekstu i formatu wyniku, projektowanie kontekstu |
| Zweryfikować odpowiedź | dopytać o założenia, kontrprzykłady i źródła pierwotne, by oddzielić fakty | halucynacje (hallucination), dowody i źródła, falsyfikacja (falsification), efekt potwierdzenia |
| Ujawnić niewiedzę | wyłuskać z odpowiedzi nowe pytania i zapisać je jako uzupełniające | metapoznanie, luka w wiedzy (knowledge gap), drzewo pytań |
| Utrwalić wiedzę | napisać to własnymi słowami, poprosić o ocenę i zatwierdzić jako ‘Czego się nauczyłem(-am)’ | technika Feynmana, ćwiczenie przypominania (retrieval practice), powtórki w odstępach (spaced repetition) |
Jeśli zapiszesz rozmowę z AI w Markdown, aplikacja zamieni ją w drzewo pytań (na pasku narzędzi menu wykładów → Importuj z Markdown…).
# Linijka, która stanie się tytułem wykładu ## Temat (pierwsze pytanie tutaj to pytanie wyjściowe, kolejne staną się uzupełniającymi) **Ja** — tu pytanie, które zadałem(-am) **AI** — tu odpowiedź, którą dostałem(-am) (może mieć kilka linijek, bloki kodu też są w porządku)
Po imporcie każde pytanie ma uzupełnioną odpowiedź i jest oznaczone jako rozwiązane. Potem w Podsumowaniu zostaw ★ tylko przy tym, czego naprawdę się nauczyłeś(-aś), a resztę ‘Wyklucz’ – i jedna rozmowa zamieni się w Twoją listę tego, czego się nauczyłeś(-aś).
Nie proś AI o odpowiedzi – używaj jej jako rozmówcy, który sprawdza Twoje pytania. Pytanie tworzysz Ty, wątpisz Ty i ostatnie zdanie też piszesz Ty. LectureQ to miejsce, w którym ten proces zostaje zapisany.