နိဒါန်း
နည်းပညာတိုးတက်မှု၊ Digital Transformation နှင့် Green Economy အခြေအနေများကြောင့် TVET (Technical and Vocational Education and Training) စနစ်သည် အမြန်ပြောင်းလဲနေပါသည်။ Generative AI သည် သင်ကြားရေးအတွက် အရေးကြီးသော ကိရိယာတစ်ခုဖြစ်လာပြီး၊ AI reasoning-based prompting ကို အသုံးချခြင်းဖြင့် သင်ခန်းစာအစီအစဉ်များကို အရည်အသွေးမြင့်စွာ ဖန်တီး နိုင်ပါသည်။
ထို reasoning-based prompting အတွေးစနစ်တွင် “Change of Thoughts” သည် အဓိကကျသော နည်းလမ်းတစ်ခုဖြစ်ပြီး၊ ဆရာ/ဆရာမများအနေဖြင့် AI ကို logic-based thinking ဖြင့် စဉ်းစားစေ၍ သင်ခန်းစာများကို အဆင့်လိုက် ဖန်တီးနိုင်စေသည်။
ရည်ရွယ်ချက်များ
AI ကို reasoning-based prompting ဖြင့် ထိရောက်စွာ အသုံးချနိုင်ရန်အတွက် ဆရာ/ ဆရာမ များအနေဖြင့် AI ကို အဖြေတစ်ခုတည်း ထုတ်ပေးစေခြင်းထက် အဆင့်လိုက်စဉ်းစားစေသော အတွေးအခေါ်ပုံစံဖြင့် ညွှန်ကြားနိုင်ရပါမည်။ ထိုသို့ အသုံးချခြင်းအားဖြင့် သင်ခန်းစာအစီအစဉ်များကို အစီအစဉ် logic ကျကျ ဖန်တီးနိုင်ပြီး Competency-Based Training အတွက် လိုအပ်သော သင်ကြားရေး ရည်မှန်းချက်များ၊ လေ့ကျင့်မှုလုပ်ငန်းစဉ်များနှင့် သင်ယူရရှိမည့် အရည်အချင်းများကို တိကျစွာ ချိတ်ဆက်နိုင်စေ ပါသည်။ ထို့အပြင် AI ကို reasoning-based prompting ဖြင့် အသုံးချခြင်းသည် ဆရာ/ဆရာမများ၏ သင်ကြားရေး ထိန်းချုပ်နိုင်မှုကို မြှင့်တင်ပေးသည့်အပြင် AI ကိုယ်တိုင်၏ reasoning စွမ်းရည်ကိုလည်း ဆက်လက် လေ့ကျင့်တိုးတက်စေပြီး TVET ပညာရေး၏ အရည်အသွေးကို တစ်ဆင့်မြှင့်တင်ပေးနိုင်ပါသည်။
Generative AI အသုံးချမှုလမ်းကြောင်းများ
Generative AI ကို TVET ပညာရေးတွင် အသုံးချရာတွင် အစောပိုင်းတွင် ဆရာ၊ ဆရာမများ အများစုသည် Traditional Prompting ကိုသာ အသုံးပြုကြပြီး၊ မေးခွန်းတစ်ခုကို တစ်ကြိမ်တည်း ထည့်သွင်းကာ ချက်ချင်းအဖြေတစ်ခု ရယူသည့်ပုံစံဖြစ်သည်။ ဤနည်းလမ်းသည် အချိန်တိုအတွင်း အကျိုးရှိသော်လည်း logic-based reasoning နှင့် အတွေးနက်ရှိုင်းမှုကို မကောင်းစွာထောက်ပံ့နိုင်ပါ။
ထို့ကြောင့် TVET သင်ကြားရေးတွင် သင်ခန်းစာအစီအစဉ်များကို စနစ်တကျ ဖန်တီးရန် Change of Thoughts (CoT) ဟုခေါ်သော reasoning-based prompting နည်းလမ်းကို အသုံးပြုနိုင်သည်။ CoT သည် AI ကို အဖြေတစ်ခုသာ မထုတ်ပေးဘဲ အဆင့်လိုက်စဉ်းစားစေခြင်းနှင့် logic-based reasoning ဖြင့် အကြောင်း အရင်းများကို ဆက်စပ်စဉ်းစားစေသည်။
CoT ကို လက်တွေ့အသုံးချရာတွင် Tree of Thoughts (ToT) နည်းလမ်းကို အသုံးပြုနိုင်ပြီး၊ AI အတွေးများကို branching structure ဖြင့် ခွဲထုတ်စဉ်းစားကာ အကောင်းဆုံးထုတ်လွှတ်ချက်ကို ရွေးချယ် နိုင်သည်။ ဤနည်းလမ်းများကို အသုံးချခြင်းဖြင့် သင်ခန်းစာအစီအစဉ်များကို စနစ်တကျ ဖန်တီးနိုင်ပြီး, AI reasoning စွမ်းရည်ကို လေ့ကျင့်ကာ TVET ပညာရေးစနစ်ကို ပိုမိုထိရောက်စေပါသည်။
Change of Thoughts (အတွေးအခေါ်ပြောင်းခြင်း)အဓိကအချက်များ
TVET သင်ကြားရေးတွင် Change of Thoughts ကို အသုံးချခြင်းသည် AI ကို တစ်ကြိမ်တည်း အဖြေထုတ်ပေးစေခြင်းမဟုတ်ဘဲ logic-based reasoning ဖြင့် အဆင့်လိုက် စဉ်းစားစေခြင်းကို ရည်ရွယ် ပါသည်။ ဆရာ၊ ဆရာမအနေဖြင့် သင်ကြားလိုသည့် အကြောင်းအရာကို အဆုံးဖြတ်ချက်တစ်ခုအဖြစ် မမေး ဘဲ လုပ်ငန်းစဉ်များ၊ အရည်အချင်းများအဖြစ် ခွဲခြားပေးရပါသည်။ ထိုနည်းဖြင့် AI သည် သင်ခန်းစာကို စနစ် တကျ စဉ်းစားနိုင်လာပါသည်။
Change of Thoughts ကို အသုံးချရာတွင် AI ကို “အဆင့်လိုက် စဉ်းစားပါ” ၊ “အကြောင်းရင်းနှင့် အကျိုးဆက်အဖြစ် ဖော်ပြပါ” ကဲ့သို့သော ညွှန်ကြားချက်များပေးခြင်းသည် အရေးကြီးပါသည်။ ထိုသို့ ညွှန်ကြားလျှင် AI သည် အဖြေတစ်ခုသာမဟုတ်ဘဲ သင်ခန်းစာအစီအစဉ်ကို အဆင့်လိုက်ဖန်တီးပေးနိုင် ပါသည်။
ထို့အပြင် Change of Thoughts သည် Competency-Based Training နှင့် ကိုက်ညီပြီး သင်တန်း သားများ ဘာလုပ်နိုင်ရမည်ကို အခြေခံကာ သင်ကြားရေးအစီအစဉ်များကို AI ဖြင့် စဉ်းစားဖန်တီးနိုင်စေ ပါသည်။ အမျိုးမျိုးသော အတွေးအခေါ်များကိုထုတ်ပေးစေသောကြောင့် ဆရာ၊ ဆရာမသည် နှိုင်းယှဉ် ရွေးချယ်နိုင်ပြီး သင်ကြားရေးထိန်းချုပ်နိုင်မှုကို ပိုမိုမြှင့်တင်နိုင်ပါသည်။
Tree of Thoughts (ToT)
Tree of Thoughts သည် AI ကို reasoning-based prompting ဖြင့် အသုံးချရာတွင် အတွေးနှင့် အဖြေများကို branching structure ဖြင့် စနစ်တကျ စီမံနိုင်စေသော နည်းလမ်းတစ်ခုဖြစ်သည်။ အဆင့် တိုင်းတွင် အမျိုးမျိုးသော အဖြေများကို စမ်းသပ်စဉ်းစားစေပြီး၊ ထိုအဖြေများကို စစ်ဆေးနှိုင်းယှဉ်ကာ အကောင်းဆုံးထုတ်လွှတ်ချက်ကို ရွေးချယ်နိုင်သည်။ ထိုနည်းလမ်းဖြင့် သင်ခန်းစာအစီအစဉ်ကို အဆင့်လိုက်၊ တိုးတက်စွာ ဖန်တီးနိုင်ပြီး သင်ကြားရေးထိရောက်မှုကို မြှင့်တင်နိုင်ပါသည်။ ဥပမာအားဖြင့် “ပင်စည် စိုက်ပျိုးရေး” သင်ခန်းစာတွင် Seed → Water → Light → Nutrients ဟူသော အဆင့်များကို ဖော်ထုတ်ကာ အဆင့်တိုင်းတွင် အမျိုးမျိုးသော အဖြေများကို branch လုပ်စဉ်းစားစေပြီး၊ နောက်ဆုံးတွင် အကောင်းဆုံး ထုတ်လွှတ်ချက်များကို စစ်ဆေးရွေးချယ်ကာ သင်ခန်းစာကို ဒီဇိုင်းလုပ်နိုင်သည်။
အသုံးချမှု(Usage)
AI ကို reasoning-based prompting ဖြင့် အသုံးချခြင်းအားဖြင့် သင်ခန်းစာအစီအစဉ်များကို စနစ်တကျ ဖန်တီးနိုင်ပြီး၊ Tree of Thoughts (ToT) နည်းလမ်း ဖြင့် အဖြေများကို အမျိုးမျိုး စဉ်းစားကာ အကောင်းဆုံးဖြေရှင်းချက်ကို ရွေးချယ်နိုင်သည်။ ထို့ကြောင့် သင်တန်းသားများအတွက် ရည်ရွယ်ချက် ပြည့်ဝသော စနစ်တကျ သင်ကြားမှုကို ထိန်းညှိနိုင်ပြီး သင်ကြားရေးထိရောက်မှုကို မြှင့်တင်နိုင်သည်။
အကျိုးကျေးဇူး(Benefits)
Competency-Based Training အရည်အသွေးကို မြှင့်တင်ရန် AI ကို အသုံးချခြင်းဖြင့် သင်ခန်းစာ အစီအစဉ်များကို logic-based reasoning ဖြင့် အဆင့်လိုက် ဖန်တီးနိုင်ပြီး၊ ဆရာ၊ ဆရာမ၏ သင်ကြားမှု ထိန်းသိမ်းမှုနှင့် စီမံခန့်ခွဲမှုကိုလည်း တိုးတက်စေပါသည်။ ထို့အပြင် AI reasoning စွမ်းရည်ကို လေ့ကျင့် ခြင်းဖြင့် သင်ကြားမှုအကျိုးရလဒ်များကို ပိုမိုကောင်းမွန်စေပြီး သင်တန်းသားများအတွက် ထိရောက်သော သင်ကြားမှုကို အာမခံနိုင်ပါသည်။
နိဂုံး
Generative AI ကို TVET ပညာရေးတွင် အောင်မြင်စွာ အသုံးချရန်အတွက် Change of Thoughts နှင့် Tree of Thoughts အတွေးစနစ်များကို အဓိကထားလေ့ကျင့်ရမည်။ SEAMEO VOCTECH Module 5 – Prompt Engineering ၏ အတွေးစနစ်များသည် AI ကို reasoning-based prompting ဖြင့် အသုံးချပြီး TVET သင်ကြားရေးကို အရည်အသွေးမြင့်စေသည့် နည်းလမ်းများကို ပံ့ပိုးပေးပါသည်။
အရင်းအမြစ်များနှင့် ဝဘ်ဆိုက်များ (Resources & Website Links)
- Wei et al., “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models,” 2022
- Yao et al., “Tree-of-Thoughts: Deliberate Problem Solving with Large Language Models,” 2023
Daw Ei Ei Kyaw San