Bộ thẻ từ vựng Generative AI và Kỹ năng Prompt

Thẻ từ vựng định nghĩa các thuật ngữ, phương pháp prompt và khung tư duy liên quan đến Generative AI.

Generative AI (GenAI)

Mô hình AI có khả năng tạo ra nội dung mới như văn bản, hình ảnh, âm thanh, video và mã nguồn dựa trên dữ liệu đã học và yêu cầu của người dùng.

Sáu thành tố của Prompt theo DTU

Role (vai trò của AI),

Action (nhiệm vụ cần thực hiện),

Context (bối cảnh, thông tin nền),

Product (sản phẩm mong muốn),

Attribute (đặc điểm, phong cách đầu ra) Format (hình thức trình bày).

SCAMPER

S – Substitute (Thay thế),

C – Combine (Kết hợp),

A – Adapt (Thích nghi),

M – Modify (Điều chỉnh),

P – Put to another use (Ứng dụng vào mục đích khác),

E – Eliminate (Loại bỏ),

R – Reverse/Rearrange (Đảo ngược hoặc sắp xếp lại).

SWOT

Công cụ phân tích 4 yếu tố: điểm mạnh, điểm yếu, cơ hội và thách thức, giúp lập kế hoạch và hỗ trợ ra quyết định.

GIGO

Viết tắt của “Garbage In, Garbage Out”, có nghĩa là đầu vào kém chất lượng sẽ dẫn đến đầu ra kém chất lượng.

Hallucination

Hiện tượng ảo giác AI, khi AI tạo ra thông tin sai hoặc không có căn cứ nhưng trình bày như thể đó là sự thật.

Chain-of-Thought (CoT)

Kỹ thuật yêu cầu AI chia vấn đề thành nhiều bước suy luận để giải quyết các nhiệm vụ phức tạp, thường sử dụng câu lệnh kích hoạt: “Hãy suy nghĩ từng bước.”

Prompt Chaining

Kỹ thuật chia một nhiệm vụ phức tạp thành nhiều Prompt liên tiếp, trong đó kết quả của bước trước được dùng làm đầu vào cho bước sau.

Few-shot Prompting

Kỹ thuật cung cấp một hoặc vài ví dụ mẫu để AI hiểu yêu cầu và tạo kết quả tương tự.

Zero-shot Prompting

Kỹ thuật đưa ra yêu cầu trực tiếp cho AI mà không cung cấp ví dụ mẫu.

Structured Output

Yêu cầu AI trình bày kết quả theo cấu trúc xác định trước, như bảng, danh sách, JSON hoặc CSV.

Reflexion

Kỹ thuật giúp AI tự xem xét, đánh giá và cải thiện câu trả lời trước đó.

Bloom’s Taxonomy

Thang phân loại các cấp độ tư duy từ ghi nhớ, hiểu, vận dụng đến phân tích, đánh giá và sáng tạo, giúp thiết kế hoạt động học tập phù hợp.

Design Thinking

Quy trình tư duy gồm 5 bước: Empathize (Thấu cảm),

Define (Xác định vấn đề),

Ideate (Lên ý tưởng),

Prototype (Tạo mẫu),

Test (Thử nghiệm).

Eisenhower Matrix

Ma trận giúp phân loại và sắp xếp công việc dựa trên hai tiêu chí: mức độ quan trọng và mức độ khẩn cấp.

Khác biệt giữa AI truyền thống và GenAI

AI truyền thống chủ yếu phân loại, dự đoán hoặc thực hiện nhiệm vụ cụ thể, trong khi GenAI có khả năng tạo ra nội dung mới dựa trên dữ liệu đã học.

Làm bằng AI vs. Làm cùng AI

Làm bằng AI là giao AI thực hiện phần lớn công việc và ít có sự kiểm tra của con người; Làm cùng AI là con người phối hợp với AI, chủ động kiểm tra và chịu trách nhiệm về kết quả.

Perplexity

Perplexity kết hợp khả năng tìm kiếm web thông minh với AI để tổng hợp câu trả lời thành văn bản liền mạch từ nhiều nguồn và kèm theo trích dẫn nguồn cụ thể. Giúp người dùng nhanh chóng nắm bắt nội dung cốt lõi thay vì phải tự mở nhiều tab kết quả tìm kiếm rời rạc.

Lưu ý: Sinh viên vẫn cần kiểm chứng nguồn gốc và độ tin cậy của tài liệu trước khi đưa vào bài nghiên cứu chính thức.

Nguyên tắc sử dụng GenAI có đạo đức

Các nguyên tắc gồm: Không đạo văn, không tạo dữ liệu giả, kiểm chứng thông tin và minh bạch về việc sử dụng AI theo quy định của nhà trường.

mô hình i - p - o

Input: Người dùng cung cấp dữ liệu hoặc Prompt.

Processing: AI xử lý thông tin dựa trên mô hình đã được huấn luyện.

Output: AI tạo ra kết quả.

Vì sao cần viết Prompt rõ ràng và tinh chỉnh Prompt?

Prompt rõ ràng giúp AI hiểu chính xác bối cảnh, vai trò, mục tiêu và định dạng đầu ra mong muốn, từ đó giảm thiểu sai lệch và hiện tượng ảo giác (hallucination). Prompt chuẩn giúp tiết kiệm thời gian hỏi đi hỏi lại, nâng cao chất lượng kết quả thu được theo phương châm: Prompt càng rõ → Al càng hiêu đúng → Output càng chất lượng.

Làm thế nào để giảm nguy cơ Hallucination?

Kiểm tra và đối chiếu thông tin AI tạo ra với nhiều nguồn đáng tin cậy, đồng thời kiểm tra tính chính xác và cập nhật của thông tin.

AI hỗ trợ thu nhận và chuyển hóa thông tin như thế nào?

AI giúp tìm kiếm, tổng hợp, tóm tắt, phân loại và sắp xếp thông tin thành ghi chú, bảng hoặc nội dung dễ hiểu, có cấu trúc phục vụ học tập

Ba mục đích của Thinking Frameworks khi làm việc với GenAI là gì?

Định hướng tư duy và cách giải quyết vấn đề.

Tổ chức, phân tích thông tin có hệ thống.

Khơi gợi ý tưởng và hỗ trợ ra quyết định.

Lợi ích lớn nhất của GenAI trong giáo dục là gì?

Cá nhân hóa việc học bằng cách điều chỉnh nội dung, cách giải thích và bài tập theo nhu cầu, trình độ và tốc độ tiếp thu của từng sinh viên.

Nêu ba đặc điểm nổi bật của GenA

Có khả năng tạo ra nội dung mới.

Tương tác với người dùng bằng ngôn ngữ tự nhiên.

Tạo được nhiều dạng nội dung như văn bản, hình ảnh, âm thanh, video và mã nguồn.

Nêu ba công cụ AI hỗ trợ sinh viên học tập.

ChatGPT: Giải thích kiến thức, tóm tắt và hỗ trợ viết.

Gemini: Tra cứu, giải đáp và tạo nội dung.

Perplexity: Tìm kiếm, tổng hợp thông tin và cung cấp nguồn tham khảo.

GenAI giúp sinh viên phát triển những kỹ năng mềm nào

GenAI hỗ trợ phát triển tư duy phản biện, sáng tạo, giải quyết vấn đề, giao tiếp và quản lý thời gian.

 Vì sao cần kiểm tra kết quả do AI tạo ra?

Vì AI có thể tạo thông tin sai lệch, thiếu sót hoặc không phù hợp. Người dùng cần kiểm chứng để đảm bảo độ chính xác và chịu trách nhiệm về nội dung.

Nêu ba tiêu chí cần xem xét trước khi sử dụng câu trả lời của AI.

• Độ chính xác của thông tin

• Độ tin cậy (có nguồn, đối chiếu được).

: Tính cập nhật của thông tin

tính logic, nhất quán, mức độ phù hợp với yêu cầu và bối cảnh

Thinking Framework là gì?

Thinking Framework (khung tư duy) là công cụ giúp định hướng suy nghĩ và phân tích vấn đề một cách có hệ thống, tránh bỏ sót các khía cạnh quan trọng và hỗ trợ đưa ra giải pháp phù hợp.

Ví dụ: SWOT, SCAMPER, 5W1H.