راهنمای خلاصه پرامپت‌نويسی برای هوش مصنوعی در پژوهش های دانشگاهی
هوش مصنوعی مولد (Generative AI) در سال‌های اخیر تحولی بنیادین در نحوه انجام پژوهش و نگارش دانشگاهی ایجاد کرده است. مدل‌های زبانی بزرگ (Large Language Models) مانند GPT 4، Claude و Gemini توانایی‌های چشمگیری در تولید متن، تحلیل داده، مرور ادبیات و حتی استدلال پیچیده از خود نشان داده‌اند. با این حال، عملکرد این مدل‌ها به شدت به نحوه فرمول‌بندی ورودی‌ها — یعنی پرامپت‌ها — وابسته است. پرامپت‌نویسی (Prompt Engineering) به عنوان هنر و علم طراحی دستورالعمل‌هایی که خروجی مطلوب را از مدل‌های زبانی بزرگ استخراج می‌کند، به یک مهارت ضروری برای پژوهشگران و دانشجویان تبدیل شده است.
این راهنما با هدف ارائه یک مرجع جامع و کاربردی برای دانشجویان دانشگاه در زمینه پرامپت‌نویسی برای اهداف پژوهشی تدوین شده است. در این هندبوک، اصول کلیدی، چارچوب‌های ساختاریافته، تکنیک‌های پیشرفته، و ملاحظات اخلاقی پرامپت‌نویسی در پژوهش دانشگاهی را به تفصیل بررسی می‌کنیم. هر بخش شامل توضیحات کامل، مثال‌های عینی از کاربرد در پژوهش، و فهرستی از منابع معتبر دانشگاهی برای مطالعه بیشتر است.
فصل اول: مبانی پرامپت‌نویسی در پژوهش دانشگاهی
فصل دوم: چارچوب‌های ساختاریافته پرامپت‌نویسی
فصل سوم: تکنیک‌های پیشرفته پرامپت‌نویسی
فصل چهارم: کاربردهای خاص پرامپت‌نویسی در پژوهش دانشگاهی
فصل پنجم: ارزیابی و بهبود پرامپت‌ها
فصل ششم: ملاحظات اخلاقی و یکپارچگی دانشگاهی
فصل هفتم: جمع‌بندی و توصیه‌های نهایی