از زمانی که ابزارهای هوش مصنوعی در دسترس قرار گرفتهاند، برای یادگیری به آنها تکیه کردهام. رویکرد تعاملی ابزارهایی مانند Claude همیشه برایم از خواندن کامل یک کتاب درسی جذابتر بوده است؛ بهویژه وقتی به مرور سریع مطالب نیاز دارم. اما همانطور که احتمالاً دریافتهاید، درخواست از Claude برای «توضیح پویاییهای حرارتی» تنها تا اندازهای به درک مفاهیم پیچیده کمک میکند.
اخیراً روشهای گوناگونی را برای مطالعه با Claude آزمودهام و نتایج، تفاوت چشمگیری ایجاد کردهاند. دریافتم که باید از Claude بخواهیم ابزارهایی برای کمک به مطالعه بسازد، نه اینکه صرفاً درخواست «توضیح» کنیم. این روشها را با قابلیتهایی ترکیب میکنم که هم در نسخه رایگان و هم در نسخه پولی Claude در دسترساند.
دستهکارتهای خودارزیاب با یادآوری پاسخهای فراموششده
تکرار با فاصله، بدون باز کردن برنامهای دیگر
تکرار با فاصله یکی از مؤثرترین روشهای یادگیری است و Claude میتواند مواد لازم برای آن را فراهم کند. بهجای اینکه از آن بخواهم کارتهای حافظهای را به شکل معمول نمایش دهد، معمولاً عنصری از بازیسازی به آن میافزایم. در نگاه نخست، مجموعه کارتها عادی بهنظر میرسد، اما هر کارت از شما میپرسد که آیا پاسختان درست بوده است یا نه. کارتهایی که پاسخشان را اشتباه دادهاید، بهطور کامل ناپدید نمیشوند؛ بلکه در پایان دوباره ظاهر میشوند.
همانطور که حدس میزنید، این کارتهای حافظهای از تکرار با فاصله در سطح همان جلسه استفاده میکنند و آنها را برای مطالعه موضوعات گوناگون به کار بردهام. به خاطر بسپارید که کارتها بر پایهٔ پرامپت ساخته میشوند و برای نتیجه بهتر میتوانید از پروژههای Claude نیز استفاده کنید. روش من این است: برای هر موضوع، پروژهای جداگانه در Claude ایجاد میکنم و برنامه درسی و مواد مطالعه لازم را در آن بارگذاری میکنم. با دستورهای سفارشی مناسب، Claude تمام خروجیهایش را بر پایهٔ محتوای بارگذاریشده تولید میکند. بنابراین دیگر نگران منبع سؤالها نیستم.
پرامپتی که برای ساخت مجموعهٔ کارت حافظهٔ تعاملی با Claude استفاده میکنم، چنین است:
یک مجموعهٔ کارت حافظهٔ تعاملی دربارهٔ [موضوع] بساز. هر کارت را خودارزیاب کن و اگر پاسخ کارتی را اشتباه دادم، بهجای عبور ساده، پیش از پایان جلسه دوباره آن را نشان بده.
کار با یک مفهوم، بهتر از خواندن دربارهٔ آن است
نمودارهای گامبهگام برای فرایندها
یادگیری اغلب فراتر از حفظ کردن یک مفهوم است؛ بلکه به درک ایدههای مرتبط نیاز دارد. اینجاست که از نمودارهای گامبهگامی استفاده میکنم که میتوانید با Claude بسازید. با گذشت زمان دریافتهام که بازسازی یک ایده یا درک آن از راه نمودارهای مرحلهبهمرحله، نسبت به توضیح صرف یا کارتهای حافظهای، به یادسپاری بهتری میانجامد.
این روش هنگام مطالعه مفاهیمی که آنقدر به هم پیوستهاند که یکی بدون دیگری قابل درک نیست، برایم بسیار کارآمد بوده است. میتوانید از پرامپت زیر برای ساخت این راهنماها با Claude استفاده کنید:
مفهوم [مفهوم] را بهصورت نموداری گامبهگام و مرحلهبهمرحله، نه به شکل تصویری ثابت، برایم توضیح بده.
در مقایسه با مجموعهٔ کارت حافظهٔ تعاملی، نمودارهای گامبهگام به توکن و زمان بیشتری نیاز دارند. پس باید دربارهٔ موضوعی که از Claude میخواهید برایش نمودار گامبهگام بسازد، دقیقتر فکر کنید.
جابهجایی اسلایدرها، عرضه و تقاضا را سریعتر از کتاب درسی آموزش داد
شبیهسازیها برای مفاهیم «بستگی دارد»
شبیهسازیها ابزارهای قدرتمندی هستند که میتوانید با Claude برای یادگیری مؤثرتر بسازید. از این پرامپت برای ایجاد شبیهسازیهایی استفاده کردهام که مفاهیمی را آموزش میدهند که در آنها X به Y وابسته است و بر نتیجه تأثیر متفاوتی میگذارد. برای نمونه، اگر بخواهم عرضه و تقاضا و تأثیر آنها بر نتایجی مانند مازاد را درک کنم، از این پرامپت استفاده میکنم:
یک شبیهسازی مبتنی بر اسلایدر برای [مفهوم] بساز. اجازه بده [متغیر] را تغییر دهم و در لحظه نشان بده که نتیجه چگونه تغییر میکند.
به همین شکل، یکبار شبیهسازیای ساختم تا نشان دهد مغالطهٔ هزینهٔ غرقشده چگونه عمل میکند. همچنین دریافتم Claude آنقدر هوشمند است که مناسبترین طراحی را برای رساندن مفهوم انتخاب کند؛ بنابراین نگرانی دربارهٔ جزئیات پرامپت کمتر میشود. برای ساخت چنین شبیهسازیای میتوانید از پرامپت زیر استفاده کنید:
یک اثر HTML تعاملی بساز که نظریهٔ اصلی هزینهٔ غرقشده را شبیهسازی کند.
اگر مفهوم متغیرهای زیادی دارد، پرامپت دوم را امتحان کنید. به این ترتیب، Claude میتواند بهترین روش برای نمایش ایده را از راه شبیهسازی انتخاب کند. همانطور که پیشتر گفتم، اجرای این پرامپتها در یک پروژه Claude نسبت به گفتوگوی عمومی نتیجه بهتری میدهد.
چگونه مهارت /learn ساختن را بهجای توضیح انتخاب میکند
شرایط فعالسازی مهم
احتمالاً با مهارت /learn در Claude آشنا هستید. این مهارت شبیه حالت مطالعه ChatGPT است؛ یعنی Claude پاسخهایش را برای کمک به یادگیری مفهوم بهینه میکند. پاسخهایی که با مهارت /learn تولید میشوند، معمولاً از پاسخهای بدون آن بهترند و هنگام ساخت محتوای آموزشی تعاملی تفاوت چشمگیری ایجاد میکنند. بنابراین، پیش از وارد کردن پرامپتهای گفتهشده، استفاده از مهارت /learn توصیه میشود.
این قابلیت را با همان پرامپت آزمودهام و نتایج چشمگیری گرفتهام. Claude همچنان ابزار موردنظر را میسازد، اما شیوهٔ سازماندهی محتوا متمایزتر میشود. پس اگر انتظار دارید مطالب آموزشی با رویکردی راهنماگونه ارائه شوند، بهتر است از مهارت /learn بهره ببرید.
جایی که این روش ممکن است کامل نباشد
همهٔ این روشها شیوهٔ استفادهام از Claude را ارتقا دادهاند. توانستهام موضوعات گوناگون را بهصورت تعاملی مطالعه کنم و همزمان از توانایی استدلال برجستهٔ Claude بهره ببرم. با این حال، گاهی برای حفظ بیشترین دقت نسبت به منبع و دریافت خلاصههای ویدئویی یا صوتی، به گزینههای دیگری مانند NotebookLM روی میآورم.
منبع: این مطلب ترجمه و بومیسازی مقالهای از MakeUseOf به قلم Abhijith N Arjunan است. مشاهده مقاله اصلی