اصلاح درس نوتبوک با هوش مصنوعی
بر اساس جایی که یادگیرنده گیر کرده، توضیح یا تمرین همان بخش را اصلاح کنید و نسخه نوتبوک را دوباره از فایل اصلی فصل بسازید.
اصلاح درس نوتبوک با هوش مصنوعی وقتی نتیجه بهتری میدهد که به جای «فصل سخت است» یک لحظه مشخص از کلاس را توصیف کنید. مثلا دانشجو جدول را میخواند و دستور نمونه را هم اجرا میکند ولی نمیفهمد چرا بعد از فیلتر کردن، تعداد ردیفها کم شده است. اسکیل update-course به ایجنتتون کمک میکند فاصله را پیدا کند و تغییر را در فایل سازنده درس انجام بدهد تا اصلاح شما در ساخت بعدی بماند.
گاهی یک مثال دو ردیفی بیشتر از بازنویسی چند صفحه کمک میکند. گاهی هم مشکل از خود سلول است و توضیح اضافه نمیتواند کدی را که اجرا نمیشود درست کند. میتوانید بازخورد کلاس و هدف همان بخش را بدهید تا ایجنت پیشنهاد کند کجا یک توضیح واسط لازم است، کدام تمرین باید سادهتر شود یا چه چیزی را باید دوباره بررسی کنید.
کاربردها
- فایل سازنده فصل را اصلاح کنید تا تغییر با ساختن دوباره خروجی از بین نرود و منبع اصلی دوره بهروز بماند.
- یک مثال آموزشی کوچک قبل از مفهومی اضافه کنید که یادگیرنده برای اولین بار باید در تمرین به کارش ببرد.
- سطح تمرین را با پیشنیاز واقعی مخاطب بسنجید و اگر فقط یک راهنمای کوتاه کافی است کل تمرین را عوض نکنید.
- بعد از بازسازی نوتبوک همان سلولی را بررسی کنید که قبلا خطا میداد یا خواندن خروجی آن برای کلاس سخت بود.
- زبان و مخاطب تعریفشده فصل را نگه دارید تا اصلاح یک بخش، لحن و سطح بقیه دوره را بیدلیل تغییر ندهد.
نصب و استفاده
- پروژه کامل دوره، فایل سازنده فصل و بازخورد مشخص را به ایجنت بدهید. برای ساخت و بررسی خروجی به محیط Python و ابزار بازبینی همان پروژه نیاز دارید.
- مثلا بگویید «در این تمرین، دانشجوها تفاوت جدول قبل و بعد از فیلتر را نمیبینند. یک مثال کوچک به منبع فصل اضافه کن و خروجی تازه را بررسی کن.»
- نسخه جدید را از همان نقطهای که قبلا دردسرساز بود بخوانید و ببینید مثال تازه جواب سوال را میدهد یا نه.
سوالات متداول
منبع
ساخته build-course contributors (HorHang). نام اصلی: update-course، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub