När du har skrivit ner dina frågor i LectureQ är det dags att hitta svaren. Nuförtiden kommer de oftast från ett samtal med en AI. Problemet är att samma fråga ger olika personer väldigt olika mycket. Den här guiden visar hur du gör skillnaden, i samma ordning som i LectureQ (fråga → svar → det jag har lärt mig).
Förmågan som guiden vill bygga upp, på en rad:
Att tillsammans med AI göra dina frågor till ‘prövad kunskap’.
— Det handlar inte om att få svar, utan om att ifrågasätta svaret du får och göra det till ditt eget.
En fråga, ett samtal. Om du trycker in flera frågor i samma samtal blandas svaren ihop, och efteråt går de inte att reda ut.
En fråga som du snabbt antecknade under en föreläsning är oftast luddig. En luddig fråga ger ett luddigt svar. Be alltså inte om svaret direkt – skriv om frågan först.
Här är en fråga som jag snabbt skrev ner under en föreläsning. Den är fortfarande luddig.
"{frågan precis som den står i LectureQ}"
Skriv om frågan till 3 frågor som går att besvara.
Lägg till en rad för varje om vad jag kan göra när jag vet svaret.
Svara inte än – visa bara de omskrivna frågorna.
▸ När du får en version du gillar, ändra frågans text i LectureQ till den. Det är en investering i ditt framtida jag.
AI:n vet inte hur mycket du redan kan. Bara genom att lägga till var frågan kommer ifrån / vad du kan just nu / vilken form du vill ha på svaret blir svaret mycket bättre. Alla tre finns redan i appen.
[Min fråga]
{den finslipade frågan}
[Sammanhang]
- Var den kommer ifrån: {Föreläsningens namn} / {anteckningen i tidsblocket vid den tidpunkten}
- Vad jag kan nu: {”Var jag är nu” under Inlärningsstatus}
- Vart jag vill komma: {”Var jag vill vara till slut” under Inlärningsstatus}
[Svaret jag vill ha]
1) Kärnsvaret på 3–5 rader
2) Ett stycke om varför det är så
3) 1–2 punkter där jag troligen har missförstått något
4) Det minsta exempel eller experiment som jag själv kan testa
Markera vad som är säkert och vad som är gissningar. Säg det om du inte vet.
▸ Här hittar du sammanhanget: Visa → Inlärningsstatus i verktygsfältet och anteckningen i det tidsblock där frågan ligger.
Ett övertygande svar är inte ett prövat svar. Fråga emot minst en gång.
Vilken del av ditt svar är lättast att få fel? - De antaganden som måste stämma för att svaret ska hålla - Den motsatta ståndpunkten, eller undantag där svaret inte gäller - Vad ska jag titta i för att själv kontrollera det i en primärkälla? (namnet på den officiella dokumentationen, specifikationen eller originaltexten)
Uppgifter som versioner, siffror, API-namn och årtal – ju mer konkreta, desto svårare att märka när de är fel – ska du alltid kontrollera i originalkällan.
Ett bra svar visar alltid något nytt som du inte vet. Det är din nästa fråga – och i den här appen en följdfråga.
Utifrån samtalet hittills: skriv 3 frågor om det jag ännu inte vet men borde veta. Inga förklaringar, bara frågorna. Korta och konkreta.
▸ Klistra in frågorna i fältet ‘Ny följdfråga’ i frågans detaljer. Då sparas de i hierarkin ursprunglig fråga → följdfråga, och i Graf ser du hur din förståelse har grenat ut sig.
Kopierar du in AI:ns svar har du en anteckning, men ingen kunskap. Skriv med egna ord i fältet Svar och låt bedöma den texten.
Jag skriver med egna ord vad jag har förstått.
"{sammanfattningen som jag själv har skrivit}"
Peka ut vad som är fel, vad som saknas och vad som är överdrivet.
Ge inget betyg, utan visa den omskrivna texten.
▸ Markera bara det som har klarat alla de här stegen som Löst + Det jag har lärt mig (★). Listan ‘Det jag har lärt mig’ under Visa → Sammanfattning blir värdefull först när den bara samlar det som har sållats fram så.
Översatta till förmågor ser de 5 stegen ut så här. Börja öva på den rad där du är svagast just nu.
| Det här behöver du | Du kan … | Du känner till / nyckelord |
|---|---|---|
| Finslipa frågan | skriva om en luddig anteckning till 3 frågor som går att besvara | vad som kännetecknar en bra fråga, frågor som går och inte går att besvara, problemformulering (problem framing) |
| Ge sammanhang | fråga med bakgrund, din egen nivå och önskad form på svaret | strukturera promptar, ange roll, sammanhang och utdataformat, kontextdesign |
| Pröva svaret | fråga efter antaganden, motexempel och primärkällor för att sålla fram fakta | hallucination, belägg och källor, falsifiering (falsification), bekräftelsebias |
| Synliggöra det du inte vet | plocka nya frågor ur svaret och spara dem som följdfrågor | metakognition, kunskapsluckor (knowledge gap), frågeträd |
| Befästa kunskapen | skriva om med egna ord, låta bedöma det och fastställa det som ‘Det jag har lärt mig’ | Feynmantekniken, återhämtningsträning (retrieval practice), spridd repetition (spaced repetition) |
Sparar du ditt samtal med AI som Markdown gör appen om det till ett frågeträd (verktygsfältet: föreläsningsmenyn → Importera från Markdown …).
# Den här raden blir föreläsningens titel ## Ämne (den första frågan här är den ursprungliga frågan, de följande blir följdfrågor) **Jag** — här står frågan jag ställde **AI** — här står svaret jag fick (flera rader och kodblock går bra)
Efter importen har varje fråga fått sitt svar och är markerad som löst. Låt sedan bara det du verkligen har lärt dig behålla ★ i Sammanfattning och sätt resten på ‘Utesluta’. Då blir ett helt samtal din lista över det du har lärt dig.
Be inte AI:n om svar – använd den för att sätta dina frågor på prov. Det är du som ställer frågan, du som tvivlar och du som skriver den sista meningen. LectureQ är platsen där den processen sparas.