Warsztat promptowania

Umiejętność promptowania staje się współczesną formą piśmienności. Precyzja polecenia bezpośrednio przekłada się na jakość odpowiedzi, a ogólnikowe pytania prowadzą do powierzchownych i mało użytecznych rezultatów. Dzięki proponowanej metodzie studenci zmieniają sposób myślenia o AI. Zamiast traktować je jako źródło gotowych odpowiedzi, pracują z nim jak ze sprawnym, ale dosłownym wykonawcą, który potrzebuje jasnych instrukcji, kontekstu i ograniczeń. Odkrywają, jak ważne jest projektowanie zapytania, określenie roli, celu, formatu odpowiedzi oraz kryteriów jakości. Dzięki temu uczą się brać odpowiedzialność za efekt pracy, rozwijają umiejętność formułowania myśli i porządkowania zadań.

Metodę można realizować w kilku wariantach. W wariancie podstawowym studenci tworzą kilka wersji promptu do tego samego zadania i porównują uzyskane odpowiedzi, analizując, które elementy zapytania poprawiły jakość wyniku. W wariancie iteracyjnym pracują nad jednym promptem w kolejnych krokach, stopniowo go doprecyzowując i obserwując, jak zmienia się odpowiedź. W wariancie krytycznym otrzymują gotowe, niedoskonałe zapytania. Zadaniem studentów jest poprawa zapytań oraz uzasadnienie wprowadzonych zmian. Można też zastosować wariant projektowy, w którym studenci przygotowują zestaw promptów do konkretnego zadania, np. raportu lub analizy, i w ten
sposób budują spójny system instrukcji prowadzących od problemu do rozwiązania.

Kurs: Metodologia badań / Projektowanie inżynierskie
Temat: Architekt planu badawczego
Studenci przychodzą z własnymi, nieuporządkowanymi notatkami z literatury lub wstępnymi pomysłami na projekt. Ich zadaniem jest stworzenie promptu, który zadziała jak analityk procesowy – przejrzy materiały i pomoże znaleźć luki logiczne w planowanym badaniu.

Rozgrzewka (10 min–15 min)
Naiwne podejście. Każdy wpisuje: „Opracuj plan badania o [TEMAT]”. AI podaje generyczny szablon, który pasuje do wszystkiego i do niczego. Studenci widzą, że bez ich pracy bot jest mało użyteczny.

Anatomia promptu (10–15 min)
Wykładowca pokazuje strukturę megapromptu:
Rola: „Bądź ekspertem od metodologii badań ilościowych”.
Kontekst: Wklejamy własne tezy i listę zebranych źródeł.
Zadanie: „Znajdź trzy potencjalne słabe punkty w moim założeniu badawczym”.
Ograniczenia: „Nie pisz za mnie treści, skup się na strukturze i logice”.

Warsztat (20–30 min)

Studenci szlifują swój prompt. Dodają instrukcje typu: „Zadawaj mi pytania pomocnicze, dopóki nie będziesz miał jasnego obrazu mojej koncepcji”. Celem nie jest gotowy dokument, ale dynamiczny proces doprecyzowania pomysłu.

Test wytrzymałości (20–30 min)
Grupy wymieniają się swoimi instrukcjami. Jeśli prompt grupy A prowadzi do sensownego uporządkowania chaotycznych notatek grupy B i wskazuje w nich braki, oznacza to, że został dobrze zaprojektowany.

• Gdy studenci mają już zarys merytoryczny, ale nie wiedzą, jak go doprecyzować.
• Przy nauce pisania skomplikowanych algorytmów lub procedur medycznych / prawnych.

• Gdy studenci nie mają własnych materiałów, AI zacznie zmyślać treść, zamiast ją strukturyzować.

• AI pisze tak przekonująco, że student przestaje sprawdzać fakty, ulegając złudzeniu profesjonalizmu → każde twierdzenie AI musi zostać uzupełnione linkiem do źródła
  pierwotnego lub publikacji naukowej.
• Modele AI często powielają dominujące, zachodnie schematy myślowe, pomijając inne perspektywy → student ma za zadanie dopisać jeden akapit, który przedstawia punkt
  widzenia całkowicie zignorowany przez AI (np. perspektywę innej kultury).

Łatwiej → Podaj gotowy szkielet promptu z lukami do uzupełnienia (np. Działaj jako [ROLA], przeanalizuj mój [TEKST] i znajdź [BŁĘDY]).

Trudniej → Student musi stworzyć prompt, który wymusi na AI myślenie krok po kroku i sprawi, że bot najpierw przeprowadzi krytykę założeń, a dopiero potem
zasugeruje strukturę.

• W konfiguracji narzędzia jasno określ, że jego zadaniem jest analiza i porządkowanie, a nie tworzenie gotowych treści.
• Zachęcaj studentów do dopisywania instrukcji wymuszających myślenie krok po kroku oraz weryfikację założeń, zanim pojawią się jakiekolwiek propozycje rozwiązań.
• Wprowadzaj zasadę, że każda odpowiedź AI powinna prowadzić do doprecyzowania problemu, a nie do jego zamknięcia – celem jest lepsze zrozumienie, a nie szybkie
  zakończenie pracy

Ocena kształtująca

Student przedstawia historię zmian promptu i wyjaśnia, dlaczego wprowadzał kolejne modyfikacje, odnosząc się do jakości odpowiedzi oraz ograniczeń narzędzia. Kluczowe jest pokazanie, że student ma świadomość, jak poszczególne elementy wpływają na wynik pracy.

Ocena sumująca

Polega na oddaniu przetestowanego promptu wraz z krótkim uzasadnieniem zastosowanych technik inżynierii promptów, takich jak role prompting czy przykłady wzorcowe, oraz wyjaśnieniem, dlaczego przyjęte rozwiązanie jest bezpieczne i nie prowadzi do plagiatu.