Как мы учимся новому:

1. Самостоятельно — читаем книги, статьи, смотрим бесплатные материалы в интернете.

2. На курсах / с ментором — помимо обучающих видео и статей идет закрепление материала в виде домашних заданий.

Но ведь теперь есть ChatGPT (и его аналоги) — искуственный интеллект (ИИ), очень много знающий. Ему можно задать любой вопрос и получить развернутый ответ. Как он изменит обучение? Заменит ли он тренера на курсах? Или будет ему помогать?

См также:

Базовая подборка аналогов ChatGPT (текстовых ИИ) — чаты, с которыми можно пообщаться

Я считаю, что чат — не замена «обычной» учебе, однако большое подспорье для неё. И в этой статье я покажу плюсы и минусы его использования в обоих вариантах обучения.

Содержание

• Самостоятельное обучение

  • Дать теорию по теме

  • Объяснить незнакомый термин

  • Дать задание, а потом ещё и проверить!

• Обучение на курсах

  • ИИ вместо конспекта

  • ИИ как дополнительный источник знаний

  • ИИ для проверки домашних заданий

  • ИИ для уточнений по домашнему заданию

  • ИИ для выполнения домашних заданий

• Итого

   

Самостоятельное обучение

Как ИИ может помочь:

• Дать теорию по теме

• Объяснить незнакомый термин

• Дать задание и проверить его

Дать теорию по теме

Допустим, я решила изучить тему по написанию тест-кейсов. Я вполне могу разобрать её с нейросетью, задавая ей вопросы пошагово:

• Что такое тест-кейс?

• Что тестировщику надо знать про него?

• Какая структура тест-кейса?

• Как его написать?

• …

То есть вопросы могут быть как верхнеуровневые (Что это такое? Что надо знать и уметь по теме?), так и более узкие — как сделать конкретную вещь.

Какие ещё есть бонусы у нейросети:

• Дает примеры — дай примеры хорошего и плохого названия тест-кейса.

• Проверяет ваши наработки — вот моё название, оно плохое или хорошее?

Так что в целом можно разобраться в теме вообще без дополнительных статей или видео, чисто на общении с чатом. Но надо помнить, что чат — текстовый. Сможете ли вы понять новую тему только по тексту?

Лично мне больше нравится сначала узнать о теме в целом:

• Через статью с картинками

• Видео-материал на youtube

• Книгу (опять же, с картинками, таблицами и прочим)

А потом обращаться к чату с конкретными вопросами:

• Как сделать то-то?

• Как это работает?

Хотя это всё вкусовщина, конечно. Есть разные варианты восприятия информации, кому-то достаточно текста — он может с помощью одного лишь чата узнавать новое.

Однако при подготовке курса по ChatGPT я задавала чат-боту много вопросов. И если у тебя в голове уже есть какие-то знания, то по точечным вопросам он работает шикарно. А если ты видишь тему впервые и просишь рассказать «а что это вообще?», ответы достаточно скупы, особенно по техническим темам типа SQL или регулярных выражений.

Поэтому пока что книги и статьи никто не отменял, если нравится именно читать. В них можно понять суть, получить базу — всю сразу, причем структурированно и без кучи дополнительных уточняющих вопросов.

А потом добивать пробелы с помощью нейросети, получится идеальный тандем!

Объяснить незнакомый термин

Ещё чат отлично работает, когда вы читаете статью или смотрите видео, и встречаете незнакомый термин. Например, вы никогда не сталкивались с аббревиатурами SDLC и STLC, а тут читали про тест-дизайн и встретили эти слова. Можно погуглить, что это. А можно спросить у чатика!

Вы

Что такое SDLC?

ChatGPT

SDLC, или Software Development Life Cycle (жизненный цикл разработки программного обеспечения), — это структурированный процесс, который используется для разработки и управления программным обеспечением. Он включает в себя различные этапы, позволяющие организовать и контролировать весь процесс создания программного продукта, от первоначальной идеи до его внедрения и сопровождения. SDLC помогает улучшить качество программного обеспечения и снизить затраты на его разработку.

Основные этапы SDLC обычно включают:

Планирование: На этом этапе определяются цели и требования проекта, проводятся исследования и анализируются потребности пользователей. Разрабатывается план проекта с распределением ресурсов и сроков.

Анализ требований: Сбор и документирование требований, которые будут необходимы для разработке программного обеспечения. Это может включать как функциональные, так и нефункциональные требования.

Проектирование: Создание архитектуры системы и проектирование компонентов. Определяются технологии, инструменты и языки программирования, которые будут использованы.

Разработка: На этом этапе происходит непосредственная разработка программного обеспечения. Разработчики пишут код, создают интерфейсы и реализуют функционал согласно требованиям.

Тестирование: Проверка готового программного обеспечения на наличие ошибок и соответствие требованиям. Тестирование может включать юнит-тесты, интеграционные тесты, функциональные тесты и другие виды.

Внедрение: Развертывание программного обеспечения на целевой платформе. Это может включать установку, настройку и обучение пользователей.

Поддержка и обслуживание: После внедрения программное обеспечение нуждается в сопровождении, обновлениях, исправлении ошибок и поддержке пользователей.

Различные методологии разработки (например, Agile, Waterfall, Scrum и др.) могут иметь свои адаптации и варианты SDLC, но основные этапы остаются схожими. SDLC помогает стандартизировать процесс разработки и обеспечить качественное выполнение проекта.

И вот уже оказывается, что вы знаете, что это такое, просто с термином ранее не встречались!

Так что для уточнения мелких деталей, незнакомых слов ChatGPT — шикарный вариант!

 

Дать задание, а потом ещё и проверить!

Прочитать теорию — это хорошо. Но без практики вы не узнаете, что именно вы из неё усвоили. Именно этим и хороши курсы — там есть домашние задания, по которым тренер дает фидбек. Но что делать, если вы обучаетесь сами?

ИИ и тут может помочь! Вы можете попросить его придумать вам задание по теме:

— Придумай мне задание на проверку навыка написания тест-кейсов.

А потом сделать задание и отдать на проверку:

— Вот моё решение, оно верное?

Или просто попросить готовый ответ:

— Какой будет правильный ответ на это задание?

И сравнить его со своим решением самостоятельно.

Если много недоработок, то просите ещё задание. Потом ещё, и ещё — и так, пока не почувствуете себя уверенным в этой теме. У этого подхода есть свои плюсы и минусы.

Плюсы

1. Вы учитесь формулировать PROMT, а это всегда полезно.

2. Обучение бесплатное, а это приятно.

3. Можно попросить хоть 100 заданий — а на обычных курсах их количество ограничено.

4. Можно учиться любое количество времени — нет даты конца курса, когда тренер превращается в тыкву.

 

Минусы

1. ИИ не расскажет вам истории из реальной практики. Хотя можно попросить и такое, но скажет он правду или соврет, вы не узнаете.

2. Его требования по оформлению могут не совпадать с тем, что вы потом встретите на практике — с другой стороны, их будет достаточно для начала.

3. Велик соблазн просить много задач сразу с ответами, потом читать их и кивать головой «да да, тут всё понятно, я бы и сам так сделал». Но это ошибочное мнение, прочитать решение и сделать самому — принципиально разные вещи. Не ленитесь практиковаться!

Как видите, ИИ вполне может помочь, когда вы учитесь сами. А применим ли он на курсах?

 

Обучение на курсах

Курсы хороши практикой! А ещё тем, что в них уже собран и структурирован материал по заданной теме. Если что-то непонятно, можно задать вопрос тренеру или куратору.

Тем не менее, ChatGPT остается актуальным:

• Вместо конспекта лекций (забыли что-то? Уточняем уже у чата).

• Как ещё один источник знаний, помимо предложенных тренером лекций и статей.

• Для проверки домашний заданий.

• Для уточнений по домашнему заданию «почему у меня плохо?».

• Для выполнения домашнего задания.

Давайте разберемся с каждым пунктом подробнее — где нейросеть будет полезна, а где не очень?

ИИ вместо конспекта

Идеальный сценарий обучения — послушал лекцию и сделал по ней конспект. Неважно, как: записал в тетрадке от руки или напечатал в компьютере. Или подключил творческую часть, нарисовав майн-карту, и снова неважно, от руки или в приложении.

Так мы лучше усваиваем информацию, задействуя разные каналы восприятия и разные полушария мозга. Но многие ли пишут конспект или хотя бы заметки? Нет =)) И это понятно, иногда на просмотр лекции то время выкраиваешь ближе к ночи, а ещё читать дополнительные материалы, делать дз… Просто некогда!

И тут нам на помощь приходит ИИ:

• Во-первых, можно сделать именно конспект — есть программы, которые позволяют перевести видео в текст, и переводит именно искусственный интеллект.

• Во-вторых, конспект нужен, когда ты забыл какую-то деталь. Можно найти нужное видео и пересмотреть его, но это долго. А тут задал чату конкретный вопрос — ага, точно, вспомнил!

Например, я умею работать с git, но давно это не делала. А потом писала статью на хабр и решила выложить материалы в гит. Но как добавить папку целиком, уже не помню. Спросила ИИ:

— Как добавить папку в гит целиком?

И скопировала ответ! Отличная напоминалка.

ИИ как дополнительный источник знаний

Люди по-разному усваивают информацию. Кому-то нужно видео, кому-то статья. И не всегда после просмотра лекции и чтения дополнительных материалов всё понятно. Если остались вопросы, можно задать их тренеру, а можно… ChatGPT!

Казалось бы, зачем? Не зря же на курс записались, пусть живой человек объяснит, с примерами из практики. Да, тренер на курсе для этого и нужен. Но это не мешает задавать вопросы чатику. В этом есть свои плюсы и минусы. Давайте их рассмотрим.

 Плюсы

1. Быстрый фидбек

ИИ отвечает почти моментально — а живой человек спит по ночам, отдыхает в выходные, да и в течение дня может отходить.

2. Учит самостоятельности

Кого будете спрашивать после окончания обучения, когда тренера рядом уже нет? Можно задавать вопросы коллегам, но, если их можно прогуглить, то лучше сделать это самому, такие люди ценятся. А ИИ заменяет гугл!

 Минусы

1. Может наврать

Причем вы этого даже не поймете, ведь чат всегда отвечает уверенно, словно уверен в своих словах.

2. Может не знать ответ

Или просто не понять, о чем вы спросили — ИИ не идеален.

Но зато, если задать вопрос и тренеру, и чату, вы получите разносторонний охват темы. Они приведут вам разные примеры (если, конечно, тренер сам в чате ответы не подсматривает, но это пока редкость) и по-разному опишут доводы в пользу выбранного решения.

Выводы:

• Если ответ нужен быстро, проще спросить у ChatGPT.

• Если вопрос небольшой, то лучше его загуглить или спросить у чата.

• Если тема осталась непонятной, лучше задать вопрос и тренеру, и чату — так вы посмотрите на неё с разных точек зрения и получите больше примеров.

 

ИИ для проверки домашних заданий

Сделав домашнее задание, можно снова поднапрячь ИИ, попросив его проверить! Конечно, это не отменяет необходимость сдать ДЗ на проверку тренеру, но возможно, что чат-бот укажет на слабые места и вы успеете их переделать до «основной» проверки.

Какой смысл заморачиваться?

 Плюсы

1. Быстрый фидбек — на курсах редко когда проверяют домашние задания моментально. Вы сдали проект и ждете день, а то и два-три до получения фидбека. А так показали роботу, подправили, сдали уже более качественное ДЗ!

2. Подробный фидбек — ChatGPT почти никогда не отвечает коротко. Даже если у вас всё хорошо, он даст развернутый ответ:

— Вот тут хорошо, потому что… А тут тоже отлично! А ещё можно было бы вот так сделать…

Соответственно, если что-то сделано не очень хорошо, робот ответит сразу подробно:

— Вот тут не очень хорошо, потому что… Вместо этого можно сделать вот так…

 

3. Вы учитесь формулировать промт — чтобы ИИ мог проверить вашу работу, вы должны указать ему критерии приемки. Потому что иначе он будет ориентироваться по своим стандартам, которые могут не совпасть с требованиями тренера.

Например, вы просите проверить свой тест-кейс. От тренера указание — название, предварительные шаги, шаги, результат. А чат-бот при проверке рассказывает про кучу дополнительных атрибутов, начиная с номера формата ТК0001-101 и заканчивая связями с другими тест-кейсами, которых у вас нет.

И тут варианты:

• Фильтровать фидбек от нейросети — потому что иначе можно «хорошо» исправить на «плохо».

• Сформулировать чат-боту требования, которые давал тренер — а вот это уже хороший навык, потому что умение формулировать мысли нужно везде: когда гуглишь, общаешься с ИИ, задаешь вопросы коллегам…

 Минусы 

1. Слишком подробный фидбек — робот рассказывает, что у вас плохо и тут же выдает пачку вариантов «как это исправить». Это очень круто в реальной жизни, когда вы решаете конкретную задачу и неправильно написали скрипт. Робот подсветил проблему и тут же исправил — всё, вы работаете дальше.

Но во время обучения такой подход только мешает. Тренер не зря рассказывает только «тут плохо, потому что…», ведь вы сами должны понять, как именно сделать «хорошо». Готовый ответ быстро забывается, а вот выстраданный отпечатывается в памяти!

Поэтому полезнее всё делать самому. И фидбек получать только в формате «что стоит переделать и почему», без «как». По крайней мере, если вы учитесь для знаний, а не для корочки.

 

2. Робот не знает требований по ДЗ — одно и то же задание можно сделать по-разному. Это касается как творческой составляющей (какие тесты вы придумаете), так и оформления:

• Разбиение тестов на группы внутри чек-листа, приоритеты проверок внутри каждой группы.

• Использование атрибутов оформления (номер, название, метки, описание, шаги…) — где-то применяются вообще все атрибуты, а где-то только часть.

• Использование шаблонов оформления — тренер может предоставить свой шаблон и просить следовать ему. А ИИ про него знать не знает.

Поэтому применять ИИ для проверки можно, но осторожно. Я бы рекомендовала не проверять всё ДЗ целиком, а только задавать чат-боту уточняющие вопросы.

 

ИИ для уточнений по домашнему заданию

Вот представьте — сделали вы домашнее задание, сдали на проверку, вроде всё хорошо. По крайней мере если лекция рассказывалась простым языком, то кажется, что повторить её будет несложно. А потом тренер присылает вам целую пачку замечаний!

Это типичная ситуация на курсах для новичков. Сложно удержать в голове новую для себя тему и сразу учесть все нюансы, описанные в дополнительных материалах. Поэтому обычно первый блин комом. И это — нормально, стандартный процесс обучения:

1. Думал, что всё понял и «тут всё легко».

2. Начал делать, уже сложнее. Но сделал, сдал.

3. Тренер подсветил ошибки, переделал.

4. Повторил шаги 2-3 до верного результата!

Проблема в том, что не всегда понятно, как именно надо переделать. Ведь тренер описал, что именно плохо и почему. А как исправить то? Да, обычно ответ есть в теоретической части, но новичка запросто может переклинить: «смотришь в книгу, видишь фигу».

Допустим, тренер написал, что название тест-кейса «Поиск товара» слишком общее и с таким названием может быть много тестов. А я сижу и не понимаю, как мне его исправить, чтобы было хорошо.

Что дальше? Раньше варианты были такие:

1. Ещё раз перечитать дополнительный материал, попробовать переделать.

2. Задать вопрос тренеру в чате.

Второй вариант очень неплох! Особенно если вы не просто жалуетесь «я не понимаю, почему мое название плохое», а пытаетесь ввести в контекст и обосновать свою позицию. Тогда, на этапе формулирования вопроса, он может отпасть:

Мое название тест-кейса «Поиск товара». Вы сказали, что оно слишком общее и с ним может быть несколько тестов. Но как тогда правильно написать? Вот, допустим, я сделаю второй тест-кейс на поиск по цене… Тогда назову его «поиск по цене» и оно будет другим!

Ааааа… По аналогии можно сделать, я ищу по названию, писать нужно «Поиск по названию», да?

В этом сила правильно сформулированного вопроса — если вводить в контекст и пытаться рассуждать «вслух», анализируя фидбек тренера, то можно самому понять ответ.

Но это если пытаться «думать вслух», иначе можно топтаться на месте:

— Почему моё название слишком общее?

— А какое у вас название?

— «Поиск товара».

— Да, оно общее, можно 100 тестов придумать на поиск и у каждого будет такое название. Что именно проверяет ваш тест?

— Поиск и проверяет!

Такой разговор может зайти в тупик, особенно если студента клинит. А иногда просто усталость давит и думать не хочется, хочется готовый ответ.

Тут на помощь приходит чат. С ним даже париться не надо, грамотно формулируя запрос, просто «жалуемся»:

Я

Почему название тест-кейса «Поиск товара» слишком общее и как его исправить?

Чат

Название тест-кейса «Поиск товара» может считаться слишком общим по нескольким причинам:

1. Неопределенность: Название не указывает на конкретные аспекты поиска товара, такие как тип товара, условия поиска или ожидаемые результаты. Это может привести к путанице о том, что именно тестируется.

2. Отсутствие контекста: Неясно, в каком контексте выполняется поиск (например, поиск по имени, категории, фильтрам и т.д.).

3. Неоднозначность: Существует множество сценариев поиска (например, успешный поиск, неуспешный поиск, поиск с использованием фильтров и т.д.), и общее название не отражает эти различия.

 

Как исправить название тест-кейса

Чтобы сделать название более конкретным и информативным, можно использовать следующие подходы:

1. Уточнить тип товара:

Например: «Поиск товара по названию» или «Поиск электроники».

2. Указать условия поиска:

Например: «Поиск товара с использованием фильтров» или «Поиск товара по категории».

3. Определить ожидаемый результат:

Например: «Успешный поиск доступного товара» или «Поиск недоступного товара возвращает сообщение об ошибке».

4. Комбинировать элементы:

Например: «Поиск доступного товара по названию с учетом регистра» или «Поиск товара по SKU возвращает правильные результаты».

 

Примеры улучшенных названий

«Поиск товара по названию возвращает корректные результаты»

«Поиск недоступного товара отображает сообщение об ошибке»

«Фильтрация результатов поиска по цене работает корректно»

«Поиск товаров в категории 'Электроника' возвращает все соответствующие товары»

Используя более конкретные названия для тест-кейсов, вы облегчаете понимание их цели и содержания как для себя, так и для других участников команды. Это также помогает в организации и управлении тестами в будущем.

Очень подробно всё рассказал! Далеко не каждый тренер даст настолько развернутый ответ =))

И вот вы уже поняли чуть лучше. Если всё равно не поняли, то можно весь тест-кейс чату показать и попросить по нему дать название:

Я

А если у меня такой тест-кейс, какое будет название?

 

Предварительные шаги

1. Создать товар с названием «Веселые гномики» на складе в Москве и на складе в Самаре.

Шаги

1. Открыть магазин https://example.com/

2. Ввести «Веселые гномики» в поисковую строку

3. Нажать на кнопку выбора городов справа от поисковой строки

4. Выбрать город "Москва"

5. Нажать на кнопку "Показать товары"

Результат

В результатах поиска только 1 товар, который находится в Москве.

 

Чат

Для вашего тест-кейса, учитывая его предварительные шаги, действия и ожидаемый результат, можно предложить более конкретное и информативное название. Вот несколько вариантов:

«Поиск товара 'Веселые гномики' в городе Москва отображает только доступный товар»

«Поиск товара 'Веселые гномики' с выбором города Москва возвращает корректные результаты»

«Проверка поиска товара 'Веселые гномики' в Москве: отображение только одного товара»

«Тестирование поиска товара 'Веселые гномики' с фильтром по городу Москва»

Каждое из этих названий четко указывает на то, что тестируется именно поиск товара с конкретным названием в определенном городе, а также включает ожидаемый результат (отображение только одного товара). Это делает тест-кейс более понятным и легким для восприятия другими членами команды.

На самом деле я специально привела «плохой» пример — когда у студента проблемы не только в названии. Судя по ожидаемому результату, проверка идет именно по фильтрации результата по городу.

Но данные готовятся «сложные» — мы ищем не по одному слову, а по двум. Что будет, если именно этот функционал сломается? Тогда сломается не только тест «ищем по нескольким словам», но и наш тест поиска с фильтрацией по городу. Хотя сама по себе фильтрация продолжает работать.

Получаем 2 падения вместо одного — не очень хорошо! Тем более что второе ложноотрицательное.

Хотелось бы, чтобы ИИ подсветил мне этот момент. И он умеет такое делать! Иногда спрашиваешь одно («какое название тут будет?»), а он ещё дает советы по тому, что ты прислал («а ещё смотрите, можно исправить предварительные шаги, потому что…»). Но не всегда…

Да и названия он сгенерил не ахти какие. В каждом предложенном варианте указано точное название товара. Как будто это самое важное в проверке. А ведь по сути название вообще неважно, предварительный шаг может выглядеть как «Создать товары с одинаковым названием, НАПРИМЕР, таким-то, в Москве и Самаре». И это будет логичнее с точки зрения самой проверки.

Что ещё предложил чат:

• «Возвращает корректные результаты» — непонятная фраза, что именно значит «корректные»?

• «Отображение только одного товара» — но ведь проверка не в том, как поиск возвращает ОДИН товар, проверка в том, как идет фильтрация по городу.

• «Тестирование поиска» — у нас все тест-кейсы что-то да тестируют, поэтому слово «тестирование» лишнее.

А вот первый вариант в целом симпатичный, если убрать гномиков:

Поиск товара 'Веселые гномики' в городе Москва отображает только доступный товар.

↓

Поиск товара в городе Москва отображает только доступный товар.

Хотя лучше так:

Поиск товара в городе Москва отображает только товар из этого города.

Так что ИИ не идеален, а тренер не бесполезен! =)))) Ведь он сразу подсветит все проблемы в тест-кейсе (ну, в идеале…).

Однако для того, чтобы разобраться в замечании, на котором тебя переклинило, может помочь и ChatGPT. В нашем примере он подкинул неплохое название для теста, чуть подредактировали и всё, готово!

Просто важно помнить, что ИИ тоже ошибается. Или подсказывает не прям вау. Поэтому спрашиваем совет и потом оцениваем его критически, а не просто копипастим. И, как обычно, есть свои плюсы и минусы в том, чтобы уточнять проблемы своего решения у ИИ.

 Плюсы 

1. Быстрый фидбек

Тренер отвечает, когда может. Это может быть сразу, а может через 15 минут, или даже 2 часа. А уж если вы в разных часовых поясах живете, то приходится и по 5 часов ждать ответа на свой вопрос…

А ChatGPT отвечает всегда практически моментально! Ну ладно, под нагрузкой может подумать минутку-другую, но это всё равно намного быстрее, чем реальный человек. А ещё он никогда не спит, поэтому можно писать и ночью, и днем.

 

2. Не боишься задавать вопросы

Многие стесняются задавать простые вопросы, считая их глупыми. Ведь «никто до сих пор этого не спросил, значит, все всё поняли! И я одна такая тупая… Все будут смеяться надо мной…».

На самом деле это не так. Остальные тоже стесняются и сидят с теми же самыми мыслями. А если вы всё же зададите вопрос, то выдохнут про себя «Ура! Я не одна такая!!», и будут вам очень благодарны. Обычно один студент задает вопрос, а другие его тут же поддерживают:

— О! Я тоже это не поняла!

— Да, и я!

Так что главное — не бояться. И всё же, если страшно, можно сходить к ChatGPT — он совершенно точно не будет над вами смеяться, зато всегда с радостью поможет и подскажет, даже если вы 10 раз спросите одно и то же!

А если в ответе что-то осталось непонятно, всегда можно попросить ещё больше уточнить. И ещё раз, и ещё, и ещё:

— Как написать название у тест-кейса?

— А что вот этот принцип значит?

— Не поняла, объясни на примере.

— Дай другой пример, посложнее.

— …

Вполне удобно, особенно когда сроки поджимают, а хвосты надо сдавать!

 

3. Объяснит то, что не смог объяснить тренер

Иногда нужно услышать ту же самую теорию, только немного другими словами. И не всегда у тренера получается объяснить иначе. Его тоже может заклинить на «тут же всё понятно!».

А робот исходно даст немного другой ответ. Плюс ему можно сказать «я не понимаю, объясни иначе» или «объясни на примере», а потом «дай другой пример» — и он будет давать другие примеры, а у человека это не всегда хорошо получается.

 

 Минусы

1. Нет практики формулирования вопросов

А она очень полезная! Ведь когда правильно формулируешь вопрос, можешь сам найти ответ, даже если до этого момента тебя клинило «не понимаю, что не так, и точка!».

В хорошо построенном вопросе нужно:

• Ввести в контекст — о чем спрашиваем (Какое дз? Какой был комментарий тренера? Как выглядело ваше решение, точнее, нужный кусочек?)

• Объясняем, как мы думаем, то есть почему «у меня и так всё правильно!» / Уточняем, что поняли, а что осталось неясно.

См также:

Как задавать вопросы на обучении — именно про обучение на курсах заметка.

Как ввести в контекст вопроса — более общая статья, не только про обучение.

И вот уже я сама пришла к ответу. А это волшебное чувство — «я смогла, я сделала»! Такой опыт запоминается надолго, откладывается в голове. А если тренер или ChatGPT дал готовый ответ, то он быстро забудется.

 

2. Появляется желание «списать»

То есть уже не просто уточнить «а что тут не так», а просто сразу отдать роботу всю домашку! Но чему тогда научитесь вы?

 

3. Робот не знает требований по ДЗ

Поэтому вы можете спросить «а вот такое название нормальное?» и он скажет «вполне», а под требования куратора оно не подойдет.

Поэтому нужно или уточнять свой вопрос, вводя ИИ в контекст задания, или фильтровать его результаты.

ИИ для выполнения домашних заданий

Один раз сходили к чатику с вопросом, он помог. Второй раз сходили… Потом попросили его самого решить задачку — получилось! И вот уже появляется большой соблазн делегировать ему всю домашнюю работу…

Коварный план, но стоит ли игра свеч? Ведь на курс идут для того, чтобы научиться. А научиться можно только с практикой. Если практику делает ИИ, то единственный навык, который останется — задавать вопросы ИИ.

Безусловно, такой навык тоже нужен. Но его вы и в реальной жизни приобретете. А на курсе стоит учиться тому, что было заложено в него автором. Пробовать, ошибаться, пробовать снова… Зато в голове что-то останется!

А иначе что будете делать, когда нет ChatGPT под рукой? Вот то-то же…

Или вот тестовые задания перед собеседованием. Уже появляется практика скармливать ИИ такие задачи. И ладно бы использовать все плюсы ChatGPT, то есть задать вопрос, вдумчиво прочитать, причесать… Нет, сдают как робот написал!

Я видела, как ругались коллеги на задания, присланные такими кандидатами. Задачки ведь даются для того, что посмотреть, как человек мыслит. А вместо этого — поток сознания ИИ, причем непричесанный, где явно видно, что всю работу сделал робот. Так кого звать на собеседование, ChatGPT?

Списанную работу видно. Поэтому не удивляйтесь отказу при хорошем, но не своем решении. А лучше делайте задачу сами, используя ИИ только как справочную информацию.

Итого

ChatGPT и его аналоги плотно входят в нашу жизнь. Не надо отрицать прогресс, надо учиться его использовать!

Как ИИ может помочь в обучении:

• Дать теорию по теме

• Объяснить незнакомый т��рмин

• Ответить на вопросы

• Проверить ДЗ или даже придумать его!

Плюсы использования чат-бота:

1. Быстрый и подробный фидбек

2. Не страшно задавать вопросы и казаться глупым

3. Можно запрашивать «другой пример» снова и снова

4. Учишься формулировать промт

Но есть и минусы:

1. Фидбек может быть слишком подробным — хорошо в «бою», плохо в обучении

2. Появляется желание «списать», что тоже не способствует обучению

3. Робот может ошибаться или просто не знать всех ваших требований

Так что главное — использовать бота с умом! Тогда и в голове что-то останется, и вопросы решатся быстрей!