طراحی تمرین هدفمند با هوش مصنوعی
یک نقطه ضعف مشخص رو از دل کاری که دارید یاد میگیرید بیرون بکشید. تمرینی بچینید که اشتباه همون موقع معلوم بشه و دور بعد بتونید یک چیز رو عوض کنید.
طراحی تمرین هدفمند با هوش مصنوعی وقتی به دردتون میخوره که ساعت زیادی صرف یک کار کردید ولی هر بار در همون قسمت گیر میکنید. مثلا در ارایه یک گزارش، مقدمه رو راحت میگید اما وقتی از جدول به نتیجه میرسید رشته حرف گم میشه. اسکیل deliberate-practice کمک میکنه به جای تکرار تمام ارایه، فقط گذر از جدول به نتیجه رو تمرین کنید و بفهمید چه تغییری اون قسمت رو بهتر میکنه.
میتونید قبل از شروع مشخص کنید چه چیزی رو میسنجید. برای نمونه، شنونده بعد از دو جمله شما بتونه بگه چرا اون عدد در نتیجهگیری مهمه. بعد از هر تلاش، نظرش رو میشنوید و فقط یک قسمت توضیح رو عوض میکنید. اگر هیچ راهی برای دیدن یا شنیدن نتیجه ندارید، ایجنت میتونه کمکتون کنه نشونهای تقریبی پیدا کنید و محدودیت اون نشونه رو هم بشناسید.
کاربردها
- پیدا کردن نقطه ضعف در بخشی از کار که بیشتر از بقیه تکرار میشه
- ساختن یک تمرین کوتاه روزانه با درجه سختی نزدیک به توان فعلی شما
- گرفتن بازخورد سریع از روی ضبط، معیار قابل دیدن یا نظر یک نفر آشنا با کار
- سنجش پیشرفت مهارت با مقایسه چند تلاش روی یک مسئله مشخص
- بازگشتن به یک حرکت یا مفهوم پایه وقتی تغییر تمرینهای سختتر کمکی نکرده
نصب و استفاده
- اسکیل رو در ایجنتتون نصب کنید و یک نمونه واقعی از جایی که گیر کردید براش توضیح بدید.
- بگید «موقع معرفی نمودار، مخاطب متوجه نتیجه نمیشه. برای تمرین همین بخش یک روش پیشنهاد بده که بعد از هر بار بتونم نتیجه رو ببینم».
- تمرین رو انجام بدید، نتیجه رو تعریف کنید و از ایجنت بخواید برای تلاش بعد فقط یک اصلاح پیشنهاد بده.
سوالات متداول
منبع
ساخته Amey Thakur and Archit Konde. نام اصلی: deliberate-practice، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub