ಘಟಕಗಳು
1. UI/UX ವಿನ್ಯಾಸದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಪರಿಚಯ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ದೃಢೀಕರಣ ಮತ್ತು ಬಳಕೆದಾರ ಡೇಟಾ 2. ಬಳಕೆದಾರರ ಸಂಶೋಧನಾ ಸಂಶ್ಲೇಷಣೆ: ಸಂದರ್ಶನ ಮತ್ತು ಸಮೀಕ್ಷೆಯ ಡೇಟಾದಿಂದ ಒಳನೋಟಗಳನ್ನು ಹೊರತೆಗೆಯುವುದು 3. ವ್ಯಕ್ತಿ ಮತ್ತು ಬಳಕೆದಾರರ ಪ್ರಯಾಣ ನಕ್ಷೆ ಉತ್ಪಾದನೆ 4. ಮಾಹಿತಿ ಆರ್ಕಿಟೆಕ್ಚರ್ ಮತ್ತು ಬಳಕೆದಾರರ ಹರಿವಿನ ವಿನ್ಯಾಸ 5. ವೈರ್‌ಫ್ರೇಮ್ ಮತ್ತು ಕಡಿಮೆ ರೆಸಲ್ಯೂಶನ್ ವಿನ್ಯಾಸ ಉತ್ಪಾದನೆ 6. ಇಂಟರ್ಫೇಸ್ ಪಠ್ಯ ಮತ್ತು UX ಬರವಣಿಗೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಮೈಕ್ರೋ ಪಠ್ಯಗಳನ್ನು ಬರೆಯುವುದು 7. ಪ್ರೊಟೊಟೈಪಿಂಗ್ ಮತ್ತು ಹೈ ಡೆಫಿನಿಷನ್ ವಿನ್ಯಾಸದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ 8. ಉಪಯುಕ್ತತೆ ಪರೀಕ್ಷೆಯ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಸಂಶೋಧನೆಗಳ ಸಂಶ್ಲೇಷಣೆ 9. ವಿನ್ಯಾಸ ವ್ಯವಸ್ಥೆ: ಕಾಂಪೊನೆಂಟ್, ಟೋಕನ್ ಮತ್ತು ಡಾಕ್ಯುಮೆಂಟೇಶನ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ 10. ಪ್ರವೇಶಿಸುವಿಕೆ ಮತ್ತು ಅಂತರ್ಗತ ವಿನ್ಯಾಸದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ 11. ನೀತಿಶಾಸ್ತ್ರ, ಗೌಪ್ಯತೆ, ಹಕ್ಕುಸ್ವಾಮ್ಯ ಮತ್ತು AI ಪರಿಕರಗಳ ಪರಿಸರ ವ್ಯವಸ್ಥೆ
ಘಟಕ 2 / 11

ಬಳಕೆದಾರರ ಸಂಶೋಧನಾ ಸಂಶ್ಲೇಷಣೆ: ಸಂದರ್ಶನ ಮತ್ತು ಸಮೀಕ್ಷೆಯ ಡೇಟಾದಿಂದ ಒಳನೋಟಗಳನ್ನು ಹೊರತೆಗೆಯುವುದು

ಲಾಭಗಳು:

  • ಕಚ್ಚಾ ಸಂದರ್ಶನದ ಪ್ರತಿಗಳು, ಮುಕ್ತ ಸಮೀಕ್ಷೆಯ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಮತ್ತು ಬೆಂಬಲ ಟಿಕೆಟ್‌ಗಳನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಥೀಮ್‌ಗಳು ಮತ್ತು ಒಳನೋಟಗಳಾಗಿ ಪರಿವರ್ತಿಸುವ ಸಾಮರ್ಥ್ಯ
  • ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬೆಂಬಲದೊಂದಿಗೆ ಅಫಿನಿಟಿ ಮ್ಯಾಪಿಂಗ್ ಮತ್ತು ಕೋಡಿಂಗ್‌ನಂತಹ ಗುಣಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆಯ ಹಂತಗಳನ್ನು ವೇಗಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಮಾನವ ಕಣ್ಣಿನಿಂದ ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ
  • ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ರಚಿಸಲಾದ ಅಥವಾ ಉತ್ಪ್ರೇಕ್ಷಿತವಾದ ಥೀಮ್‌ಗಳನ್ನು ನೈಜ ಉಲ್ಲೇಖಗಳಿಗೆ ಲಿಂಕ್ ಮಾಡುವ ಮೂಲಕ ಅವುಗಳನ್ನು ತೆಗೆದುಹಾಕುವ ಸಾಮರ್ಥ್ಯ

ಬಳಕೆದಾರರ ಸಂಶೋಧನೆಯ ಅತ್ಯಂತ ಬೇಸರದ ಮತ್ತು ಸುಲಭವಾಗಿ ಬಿಟ್ಟುಬಿಡುವ ಹಂತವೆಂದರೆ ಸಂಶ್ಲೇಷಣೆ: ಡಜನ್ಗಟ್ಟಲೆ ಸಂದರ್ಶನಗಳು, ನೂರಾರು ಸಮೀಕ್ಷೆಯ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಮತ್ತು ಬೆಂಬಲ ಟಿಕೆಟ್‌ಗಳನ್ನು (ಸಹಾಯಕ್ಕಾಗಿ ಬಳಕೆದಾರರ ವಿನಂತಿ) ಅರ್ಥಪೂರ್ಣ ಒಳನೋಟಗಳಾಗಿ ಪರಿವರ್ತಿಸುವುದು. ಈ ಕೆಲಸವು ಕೈಯಿಂದ ದಿನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ; ಅದಕ್ಕಾಗಿಯೇ ತಂಡಗಳು ಆಗಾಗ್ಗೆ ಮೂಲೆಗಳನ್ನು ಕತ್ತರಿಸಿ "ಭಾವನೆಯಿಂದ" ನಿರ್ಧರಿಸುತ್ತವೆ. AI ಈ ಅಡಚಣೆಯನ್ನು ತೆರೆಯುತ್ತದೆ: ಇದು ಕಚ್ಚಾ ಪಠ್ಯವನ್ನು ಗಂಟೆಗಳ ಬದಲಿಗೆ ನಿಮಿಷಗಳಲ್ಲಿ ಥೀಮ್‌ಗಳಾಗಿ ವಿಭಜಿಸುತ್ತದೆ. ಆದರೆ ಸಂಶ್ಲೇಷಣೆಯು "ಸಾರಾಂಶವನ್ನು ಉತ್ಪಾದಿಸುವ" ಕಾರ್ಯವಲ್ಲ; ಇದು ಪುರಾವೆ ಆಧಾರಿತ, ಆಡಿಟ್ ಮಾಡಬಹುದಾದ ತಾರ್ಕಿಕವಾಗಿದೆ. AI ಅನ್ನು ನಿಮ್ಮ ಸಂಶ್ಲೇಷಣೆಯ ಪಾಲುದಾರರನ್ನಾಗಿ ಮಾಡುವಾಗ ಒಳನೋಟದ ಸತ್ಯಾಸತ್ಯತೆಯನ್ನು ಹೇಗೆ ಕಾಪಾಡುವುದು ಎಂಬುದನ್ನು ಈ ಘಟಕವು ನಿಮಗೆ ತೋರಿಸುತ್ತದೆ.

ಒಳನೋಟ ಎಂದರೇನು, ಸಾರಾಂಶವಲ್ಲ

ಪದವನ್ನು ಮೊದಲು ಸ್ಪಷ್ಟಪಡಿಸೋಣ. ಒಳನೋಟವು ಡೇಟಾದಿಂದ ಹೊರಹೊಮ್ಮುವ ಮತ್ತು ವಿನ್ಯಾಸಕ್ಕೆ ಮಾರ್ಗದರ್ಶನ ನೀಡುವ ಅರ್ಥಪೂರ್ಣ ಮಾದರಿಯಾಗಿದೆ: "ಬಳಕೆದಾರರು ಚೆಕ್ಔಟ್ ಹಂತದಲ್ಲಿ ಅಲ್ಲ, ಆದರೆ ಅವರು ಮೊದಲು ಶಿಪ್ಪಿಂಗ್ ಶುಲ್ಕವನ್ನು ನೋಡಿದಾಗ ಬಿಟ್ಟುಕೊಡುತ್ತಾರೆ." ಇದು ಸಾರಾಂಶವಲ್ಲ ("ಪಾವತಿ ಕುರಿತು ಬಳಕೆದಾರರು ದೂರು"); ಅಥವಾ ಇದು ವೀಕ್ಷಣೆಯೂ ಅಲ್ಲ ("ಭಾಗವಹಿಸುವವರು 4 ಅವರು ಶಿಪ್ಪಿಂಗ್ ಶುಲ್ಕವನ್ನು ನೋಡಿದಾಗ ನಿಲ್ಲಿಸಿದರು"). ಒಳನೋಟವು ಅನೇಕ ಅವಲೋಕನಗಳ ಆಧಾರವಾಗಿರುವ ಸಾಮಾನ್ಯ ಕಾರಣವನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ ಮತ್ತು ವಿನ್ಯಾಸ ನಿರ್ಧಾರಕ್ಕೆ ಬಾಗಿಲು ತೆರೆಯುತ್ತದೆ.

AI ಸ್ವಾಭಾವಿಕವಾಗಿ ಸಾರಾಂಶಗಳನ್ನು ತಯಾರಿಸಲು ಒಲವನ್ನು ಹೊಂದಿದೆ. ನಿಮ್ಮ ಕೆಲಸವು ಸಾರಾಂಶದಿಂದ ಒಳನೋಟಕ್ಕೆ ಎಳೆಯುವುದು: "ಏಕೆ?" ಮತ್ತು "ಇದು ವಿನ್ಯಾಸದಲ್ಲಿ ಏನು ಬದಲಾಗುತ್ತದೆ?" ನಿಮ್ಮ ಪ್ರಶ್ನೆಗಳನ್ನು ಪ್ರಾಂಪ್ಟ್‌ನಲ್ಲಿ ಎಂಬೆಡ್ ಮಾಡುವ ಮೂಲಕ.

ಗುಣಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆ ಹಂತಗಳು ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸ್ಥಳ

ಗುಣಾತ್ಮಕ (ಸಂಖ್ಯೆಯೇತರ, ಪಠ್ಯ/ವೀಕ್ಷಣಾ ಆಧಾರಿತ) ವಿಶ್ಲೇಷಣೆಯು ಈ ಹಂತಗಳೊಂದಿಗೆ ಶಾಸ್ತ್ರೀಯವಾಗಿ ಮುಂದುವರಿಯುತ್ತದೆ:

  1. ಕೋಡಿಂಗ್: ಪಠ್ಯದಲ್ಲಿನ ಪ್ರತಿಯೊಂದು ಅರ್ಥಪೂರ್ಣ ತುಣುಕನ್ನು ಲೇಬಲ್ ನೀಡಲಾಗುತ್ತದೆ ("ಶಿಪ್ಪಿಂಗ್ ವೆಚ್ಚದ ಕಾಳಜಿ", "ವಿಶ್ವಾಸದ ಕೊರತೆ").
  2. ಅಫಿನಿಟಿ ರೇಖಾಚಿತ್ರ (ಅಫಿನಿಟಿ ಮ್ಯಾಪಿಂಗ್): ಇದೇ ಟ್ಯಾಗ್‌ಗಳನ್ನು ಗುಂಪು ಮಾಡಲಾಗಿದೆ; ಗುಂಪುಗಳು ವಿಷಯಗಳಾಗುತ್ತವೆ.
  3. ಥೀಮ್ ಆದ್ಯತೆ: ಯಾವ ಥೀಮ್ ಅನ್ನು ಎಷ್ಟು ಬಳಕೆದಾರರು ನೋಡುತ್ತಾರೆ ಮತ್ತು ಯಾವ ತೀವ್ರತೆಯೊಂದಿಗೆ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ.
  4. ಒಳನೋಟ ಮತ್ತು ಸಲಹೆ: ಥೀಮ್‌ಗಳು "ಏನು ಮಾಡಬೇಕು?" ವಾಕ್ಯಗಳಿಗೆ ಸಂಪರ್ಕಿಸುತ್ತದೆ.

AI ಹಂತಗಳು 1 ಮತ್ತು 2 ಅನ್ನು ಹೆಚ್ಚು ವೇಗಗೊಳಿಸುತ್ತದೆ: ಆರಂಭಿಕ ಕೋಡಿಂಗ್ ಮತ್ತು ಆರಂಭಿಕ ಗುಂಪನ್ನು ನಿಮಿಷಗಳಲ್ಲಿ ತಲುಪಿಸುವುದು. ಆದಾಗ್ಯೂ, ಗುಂಪುಗಳ ಅರ್ಥ, ಥೀಮ್‌ಗಳ ಪ್ರಾಮುಖ್ಯತೆ ಮತ್ತು ಸಲಹೆಗಳ ನಿಖರತೆಗೆ ಮಾನವ ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿರುತ್ತದೆ. AI ನಿಮಗೆ "ಮೊದಲ ಕರಡು ನಕ್ಷೆ" ನೀಡುತ್ತದೆ; ವಾಸ್ತವಕ್ಕೆ ಅನುಗುಣವಾಗಿ ನೀವು ನಕ್ಷೆಯನ್ನು ಸರಿಪಡಿಸಿ.

ಸಲಹೆ: ನೀವು AI ಗೆ "ಥೀಮ್‌ಗಳನ್ನು ಹೊರತೆಗೆಯಲು" ಹೇಳುವ ಮೊದಲು, ಅದಕ್ಕೆ ನಿಮ್ಮ ಕೋಡಿಂಗ್ ಸ್ಕೀಮ್ ಅನ್ನು ನೀಡಿ (ಟ್ಯಾಗ್‌ಗಳ ಪಟ್ಟಿ). ಈ ರೀತಿಯಾಗಿ, ಇದು ಪ್ರತಿಯೊಬ್ಬರ ಸಾಮಾನ್ಯ ಭಾಷೆಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಹೋಲಿಸಬಹುದಾಗಿದೆ.

ಪುರಾವೆಗಳ ಸರಣಿ: ಪ್ರತಿ ಥೀಮ್ ಒಂದು ಉಲ್ಲೇಖಕ್ಕೆ ಲಿಂಕ್ ಮಾಡುತ್ತದೆ

ಸಂಶ್ಲೇಷಣೆಯ ಸುವರ್ಣ ನಿಯಮ: ಪ್ರತಿ ಥೀಮ್ ಕನಿಷ್ಠ ಒಂದು ಮೌಖಿಕ ಉಲ್ಲೇಖಕ್ಕೆ ಲಿಂಕ್ ಆಗಿದೆ. ಥೀಮ್ ನೈಜವಾಗಿದೆ ಎಂಬುದಕ್ಕೆ ಉಲ್ಲೇಖವು ಪುರಾವೆಯಾಗಿದೆ. ಥೀಮ್‌ಗಾಗಿ AI ಅನ್ನು ಕೇಳುವಾಗ ಯಾವಾಗಲೂ ಉಲ್ಲೇಖದ ಅಗತ್ಯವನ್ನು ಸೇರಿಸಿ; ಅವರು ಉಲ್ಲೇಖವನ್ನು ಕಂಡುಹಿಡಿಯದ ಥೀಮ್ ಅನ್ನು ಉತ್ಪಾದಿಸಬೇಡಿ ಎಂದು ಹೇಳಿ. ಈ ರೀತಿಯಾಗಿ ನೀವು ಮೂಲದಲ್ಲಿ ಭ್ರಮೆಯನ್ನು ನಿಲ್ಲಿಸುತ್ತೀರಿ: ಮೂಲದಲ್ಲಿ ಯಾವುದೇ ಪ್ರತಿರೂಪವನ್ನು ಹೊಂದಿಲ್ಲದ ಕಾರಣ ನಿರ್ಮಿತ ಥೀಮ್ ಅನ್ನು "ಆಧಾರರಹಿತ" ಎಂದು ಗುರುತಿಸಲಾಗಿದೆ.

ಪದರ

ಉದಾಹರಣೆ

ಮೂಲ

ವೀಕ್ಷಣೆ

"ಭಾಗವಹಿಸುವ 4 ಅವರು ಶಿಪ್ಪಿಂಗ್ ಶುಲ್ಕವನ್ನು ನೋಡಿದಾಗ ಕಾರ್ಟ್ ಅನ್ನು ತ್ಯಜಿಸಿದರು"

ಒಂದೊಂದಾಗಿ ರೆಕಾರ್ಡಿಂಗ್

ಕೋಡ್

"ಅನಿರೀಕ್ಷಿತ ವೆಚ್ಚ"

ಲೇಬಲಿಂಗ್

ಥೀಮ್

"ಗುಪ್ತ ವೆಚ್ಚಗಳು ನಂಬಿಕೆಯನ್ನು ಮುರಿಯುತ್ತವೆ"

5 ಭಾಗವಹಿಸುವವರಲ್ಲಿ ಪುನರಾವರ್ತಿಸಿ

ಒಳನೋಟ

"ಶಿಪ್ಪಿಂಗ್ ವೆಚ್ಚವನ್ನು ಮೊದಲೇ ತೋರಿಸಬೇಕು"

ನಾನು ಥೀಮ್ ಅನ್ನು ಬಿಡುತ್ತೇನೆ

ಸಲಹೆ

"ಉತ್ಪನ್ನ ಪುಟಕ್ಕೆ ಶಿಪ್ಪಿಂಗ್ ಅಂದಾಜು ಸೇರಿಸಿ"

ವಿನ್ಯಾಸ ನಿರ್ಧಾರ

ಪಾಲುದಾರರು "ಇದು ನಮಗೆ ಹೇಗೆ ಗೊತ್ತು?" ಎಂದು ಕೇಳಿದಾಗ ಈ ಸರಪಳಿ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ನೀವು ಕೇಳಿದಾಗ, ವೀಕ್ಷಣೆಯಿಂದ ಉಲ್ಲೇಖಕ್ಕೆ ಹಿಂತಿರುಗಲು ಇದು ನಿಮ್ಮನ್ನು ಅನುಮತಿಸುತ್ತದೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - 240 ಸಮೀಕ್ಷೆಯ ಪ್ರತಿಕ್ರಿಯೆಗಳು, 90 ನಿಮಿಷಗಳು. ಒಂದು ತಂಡ AI-ಕೋಡೆಡ್ 240 ಮುಕ್ತ-ಮುಕ್ತ (ಉಚಿತ ಪಠ್ಯ) ಸಮೀಕ್ಷೆ ಪ್ರತಿಕ್ರಿಯೆಗಳು. ಮಾದರಿಯು 11 ವಿಷಯಗಳನ್ನು ಸೂಚಿಸಿದೆ; ತಂಡವು ಇವುಗಳನ್ನು 90 ನಿಮಿಷಗಳಲ್ಲಿ ಪರಿಶೀಲಿಸಿತು, ಅವುಗಳನ್ನು 7 ಕ್ಕೆ ಸಂಕುಚಿತಗೊಳಿಸಿತು, 2 ಥೀಮ್‌ಗಳನ್ನು ಸಂಯೋಜಿಸಿತು ಮತ್ತು 2 ಅನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ ಎಂದು ತೆಗೆದುಹಾಕಿತು. 2-ದಿನದ ಹಸ್ತಚಾಲಿತ ಕೆಲಸವನ್ನು ಅರ್ಧ ದಿನಕ್ಕೆ ಇಳಿಸಲಾಯಿತು ಮತ್ತು ಪುರಾವೆಗಳ ಸರಪಳಿಯನ್ನು ಸಂರಕ್ಷಿಸಲಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ಉತ್ಪ್ರೇಕ್ಷಿತ ಥೀಮ್ ಸಿಕ್ಕಿಬಿದ್ದಿದೆ. "ಬಳಕೆದಾರರು ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ದ್ವೇಷಿಸುತ್ತಾರೆ" ಎಂಬ ಬಲವಾದ ಥೀಮ್ ಅನ್ನು AI ನಿರ್ಮಿಸಿದೆ. ತಂಡವು ಉಲ್ಲೇಖಗಳನ್ನು ನೋಡಿದಾಗ, ಕೇವಲ 2 ಭಾಗವಹಿಸುವವರು ಕಠೋರವಾಗಿದ್ದು, 18 ಮಂದಿ ತಟಸ್ಥರಾಗಿದ್ದಾರೆ ಎಂದು ಅವರು ಕಂಡುಕೊಂಡರು. ಥೀಮ್ ಅನ್ನು "ಒಂದು ನಿರ್ದಿಷ್ಟ ಹರಿವಿನಲ್ಲಿ ತೀವ್ರ ನಿರಾಶೆ" ಎಂದು ಪುನಃ ಬರೆಯಲಾಗಿದೆ. ಪಾಠ: AI ಭಾವನಾತ್ಮಕ ತೀವ್ರತೆಯನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸುತ್ತದೆ; ಆವರ್ತನವನ್ನು ಎಣಿಸಿ.

ಪ್ರಕರಣ 3 - ಅಲ್ಪಸಂಖ್ಯಾತರ ಅಭಿಪ್ರಾಯ ಕಾಣೆಯಾಗಿದೆ. ಮಾದರಿಯು ಬಹುಪಾಲು ಥೀಮ್‌ಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡಿದರೂ, ಇದು 3 ಭಾಗವಹಿಸುವವರು ಎತ್ತಿದ ನಿರ್ಣಾಯಕ ಪ್ರವೇಶದ ಸಮಸ್ಯೆಯನ್ನು "ಪ್ರಮುಖವಲ್ಲ" ಎಂದು ಕಡಿಮೆ ಮಾಡಿದೆ. ಡಿಸೈನರ್ ಇದನ್ನು ಗಮನಿಸಿದರು ಮತ್ತು ಅದನ್ನು ಪ್ರತ್ಯೇಕ ಶೋಧನೆಯಾಗಿ ಸಂರಕ್ಷಿಸಿದ್ದಾರೆ; ಈ ಸಮಸ್ಯೆಯು ಎಲ್ಲಾ ಸ್ಕ್ರೀನ್ ರೀಡರ್ ಬಳಕೆದಾರರ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ಎಂಬುದು ನಂತರ ಸ್ಪಷ್ಟವಾಯಿತು. ಪಾಠ: ಅಲ್ಪಸಂಖ್ಯಾತರ ಸಂಕೇತ ಯಾವಾಗಲೂ "ಕಡಿಮೆ ಪ್ರಾಮುಖ್ಯತೆ" ಅಲ್ಲ.

ನಕಲು ಮಾಡಬಹುದಾದ ಪ್ರಾಂಪ್ಟ್‌ಗಳು

ನಿಮ್ಮ ಪಾತ್ರ: ಗುಣಾತ್ಮಕ ಸಂಶೋಧನಾ ವಿಶ್ಲೇಷಕ. ಕೋಡಿಂಗ್ ಸ್ಕೀಮ್ (ಟ್ಯಾಗ್‌ಗಳು): <<ಪಟ್ಟಿ>>ಕಾರ್ಯ: ಈ ಟ್ಯಾಗ್‌ಗಳೊಂದಿಗೆ ಕೆಳಗೆ ಅನಾಮಧೇಯವಾದ ಪ್ರತಿಲೇಖನವನ್ನು ಕೋಡ್ ಮಾಡಿ. [ಭಾಗವಹಿಸುವವರನ್ನು ಸೇರಿಸಿ

ಕೆಳಗಿನ ಕೋಡೆಡ್ ಡೇಟಾವನ್ನು ಸಾಮೀಪ್ಯ ರೇಖಾಚಿತ್ರವಾಗಿ ಪರಿವರ್ತಿಸಿ: ಒಂದೇ ರೀತಿಯ ಕೋಡ್‌ಗಳನ್ನು ಗುಂಪು ಮಾಡಿ, ಪ್ರತಿ ಗುಂಪಿಗೆ ಥೀಮ್ ಅನ್ನು ಹೆಸರಿಸಿ. ಪ್ರತಿ ಥೀಮ್‌ಗೆ: ಅದು ಎಷ್ಟು ವೈಯಕ್ತಿಕ ಭಾಗವಹಿಸುವವರಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ ಎಂಬುದನ್ನು ಎಣಿಸಿ, 2 ಪ್ರಬಲವಾದ ಉಲ್ಲೇಖಗಳನ್ನು ಸೇರಿಸಿ ಮತ್ತು "ಏಕೆ" ಎಂಬ ಒಂದು ವಾಕ್ಯದ ವಿವರಣೆಯನ್ನು ಬರೆಯಿರಿ. ದುರ್ಬಲ ಪುರಾವೆಗಳೊಂದಿಗೆ ಥೀಮ್‌ಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಗುರುತಿಸಿ.ಡೇಟಾ: <<ಕೋಡ್‌ಗಳು>>

ನಾನು ಈ ಕೆಳಗಿನ ಥೀಮ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಲು ಬಯಸುತ್ತೇನೆ: "<<ಥೀಮ್>>". ಮೂಲ ಪಠ್ಯದಲ್ಲಿ ಈ ಥೀಮ್ ಅನ್ನು ಬೆಂಬಲಿಸುವ ಮತ್ತು ನಿರಾಕರಿಸುವ ಉಲ್ಲೇಖಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಪಟ್ಟಿ ಮಾಡಿ. ಕೊನೆಯಲ್ಲಿ, ಥೀಮ್ ಎಷ್ಟು ಬಲವಾಗಿ ಬೆಂಬಲಿತವಾಗಿದೆ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ (ಬಲ/ಮಧ್ಯಮ/ದುರ್ಬಲ).ಮೂಲ: <<ಪ್ರತಿಲಿಪಿ>>

ಈ ಥೀಮ್‌ಗಳ ಪಟ್ಟಿಯನ್ನು ಒಳನೋಟಗಳು ಮತ್ತು ಸಲಹೆಗಳಾಗಿ ಪರಿವರ್ತಿಸಿ. ಪ್ರತಿ ಥೀಮ್‌ಗೆ:1) ಒಂದು-ವಾಕ್ಯದ ಒಳನೋಟ ("ಏಕೆಂದರೆ..." ಒಳಗೊಂಡಿರುವುದು),2) ಕಾಂಕ್ರೀಟ್ ವಿನ್ಯಾಸ ಸಲಹೆ,3) ಈ ಸಲಹೆಯು ಯಾವ ಪರದೆಯ/ಹರಿವಿನ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ.ಮಾಡಬೇಡಿ; ಆಧಾರವು ದುರ್ಬಲವಾಗಿದ್ದರೆ, "ಹೆಚ್ಚು ಸಂಶೋಧನೆ ಅಗತ್ಯವಿದೆ" ಎಂದು ಬರೆಯಿರಿ. ಥೀಮ್‌ಗಳು: <<ಪಟ್ಟಿ>>

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ: "ಈ ಸಂಭಾಷಣೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ನನಗೆ ತಿಳಿಸಿ."

ಫಲಿತಾಂಶ: ಮೂಲಗಳಿಲ್ಲದ ಸಾರಾಂಶ, ಆವರ್ತನ ಮಾಹಿತಿಯಿಲ್ಲದೆ ಮತ್ತು ಉತ್ಪ್ರೇಕ್ಷೆಗೆ ಮುಕ್ತವಾಗಿದೆ.

ಪ್ರಬಲ: "ನಾನು ನಿಮಗೆ ನೀಡಿದ ಲೇಬಲ್‌ಗಳೊಂದಿಗೆ ಈ ಪ್ರತಿಲೇಖನವನ್ನು ಕೋಡ್ ಮಾಡಿ; [ಭಾಗವಹಿಸುವವರಿಂದ ಉಲ್ಲೇಖಕ್ಕೆ ಪ್ರತಿ ಥೀಮ್ ಅನ್ನು ಸಂಪರ್ಕಿಸಿ

ಫಲಿತಾಂಶ: ಅಧಿಕ-ಆವರ್ತನ, ಸಾಕ್ಷ್ಯ ಆಧಾರಿತ, ಆಡಿಟ್ ಮಾಡಬಹುದಾದ ಸಂಶ್ಲೇಷಣೆ.

ವ್ಯತ್ಯಾಸ: ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್ ಆವರ್ತನವನ್ನು ಕೇಳುತ್ತದೆ + ಉಲ್ಲೇಖ + ದುರ್ಬಲ ಆಂಕರ್ ಪ್ರಾಂಪ್ಟ್; ಇವು ಉತ್ಪ್ರೇಕ್ಷೆ ಮತ್ತು ಭ್ರಮೆಯನ್ನು ತಡೆಯುತ್ತವೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

  • ಆವರ್ತನವನ್ನು ಲೆಕ್ಕಿಸುತ್ತಿಲ್ಲ. "ಬಳಕೆದಾರರು X ಅನ್ನು ಬಯಸುತ್ತಾರೆ" ಎಂಬ ವಾಕ್ಯದ ಹಿಂದೆ 2 ಅಥವಾ 20 ಜನರಿದ್ದಾರೆಯೇ ಎಂದು ತಿಳಿಯದೆ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವುದು.
  • ಭಾವದ ತೀವ್ರತೆಯನ್ನು ಹಾಗೆಯೇ ತೆಗೆದುಕೊಳ್ಳುವುದು. AI ಬಲವಾದ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ; ಇದು ತಟಸ್ಥ ಬಹುಮತವನ್ನು ಮರೆಮಾಡಬಹುದು.
  • ಅಲ್ಪಸಂಖ್ಯಾತರ ಸಂಕೇತವನ್ನು ತೆಗೆದುಹಾಕುವುದು. ಕೆಲವು ಜನರು ಅನುಭವಿಸುವ ಸಮಸ್ಯೆಯು ನಿರ್ಣಾಯಕವಾಗಬಹುದು (ಉದಾ. ಪ್ರವೇಶಿಸುವಿಕೆ).
  • ಉಲ್ಲೇಖದ ಅಗತ್ಯವಿಲ್ಲ. ಉಲ್ಲೇಖವಿಲ್ಲದ ಥೀಮ್ ಪರಿಶೀಲಿಸಲಾಗದ ಥೀಮ್ ಆಗಿದೆ.
  • ಒಂದೇ ಸುತ್ತಿನಲ್ಲಿ ಮುಗಿಸಿ. ಸಂಶ್ಲೇಷಣೆ ಪುನರಾವರ್ತನೆಯಾಗಿದೆ; ಮೊದಲ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಿ ಮತ್ತು ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ತೀಕ್ಷ್ಣಗೊಳಿಸಿ.

ಸಾರಾಂಶದಲ್ಲಿ

ಸಂಶ್ಲೇಷಣೆಯು ವಿನ್ಯಾಸವನ್ನು ಚಾಲನೆ ಮಾಡುವ ಒಳನೋಟಕ್ಕೆ ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಪರಿವರ್ತಿಸುವ ತಾರ್ಕಿಕವಾಗಿದೆ. ಕೋಡಿಂಗ್ ಮತ್ತು ಸಾಮೀಪ್ಯ ಗುಂಪಿನಂತಹ ಯಾಂತ್ರಿಕ ಹಂತಗಳನ್ನು AI ಹೆಚ್ಚು ವೇಗಗೊಳಿಸುತ್ತದೆ, ಆದರೆ ಒಳನೋಟದ ಅರ್ಥ ಮತ್ತು ಮಹತ್ವವು ಮಾನವೀಯವಾಗಿ ಉಳಿದಿದೆ. ಪ್ರತಿ ಥೀಮ್ ಅನ್ನು ಅಕ್ಷರಶಃ ಉಲ್ಲೇಖಕ್ಕೆ ಸಂಪರ್ಕಿಸುವುದು ಸುವರ್ಣ ನಿಯಮವಾಗಿದೆ; ಆವರ್ತನವನ್ನು ಎಣಿಕೆ ಮಾಡಿ, ಭಾವನಾತ್ಮಕ ಉತ್ಪ್ರೇಕ್ಷೆಗೆ ಸರಿಯಾಗಿದೆ, ಅಲ್ಪಸಂಖ್ಯಾತರ ಸಂಕೇತವನ್ನು ಕಳೆದುಕೊಳ್ಳಬೇಡಿ. ವೀಕ್ಷಣೆಯಿಂದ ಉಲ್ಲೇಖದವರೆಗೆ, ಥೀಮ್‌ನಿಂದ ಸಲಹೆಯವರೆಗೆ ವಿಸ್ತರಿಸುವ ಪುರಾವೆಗಳ ಸರಪಳಿಯನ್ನು ನೀವು ಸ್ಥಾಪಿಸಿದಾಗ, ನೀವು ವೇಗವಾಗಿ ಮತ್ತು ಸಮರ್ಥನೀಯವಾದ ಸಂಶೋಧನಾ ಫಲಿತಾಂಶವನ್ನು ಸಾಧಿಸುತ್ತೀರಿ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

  1. ನಿಮ್ಮ 8-10 (ಅಥವಾ ಕಾಲ್ಪನಿಕ) ಸಂದರ್ಶನ/ಸಮೀಕ್ಷಾ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿ.
  2. ನಿಮ್ಮ ಸ್ವಂತ ಕೋಡಿಂಗ್ ಸ್ಕೀಮ್ ಅನ್ನು (6-8 ಲೇಬಲ್‌ಗಳು) ಬರೆಯಿರಿ ಮತ್ತು ಮೊದಲ ಪ್ರಾಂಪ್ಟ್‌ನೊಂದಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಅದನ್ನು ಕೋಡ್ ಮಾಡಿ.
  3. ಎರಡನೇ ಪ್ರಾಂಪ್ಟ್‌ನೊಂದಿಗೆ ಥೀಮ್‌ಗಳನ್ನು ತೆಗೆದುಹಾಕಿ; ಪ್ರತಿ ಥೀಮ್‌ಗೆ ಎಷ್ಟು ಭಾಗವಹಿಸುವವರು ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತಾರೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ.
  4. ಮೂರನೇ ಪ್ರಾಂಪ್ಟ್‌ನೊಂದಿಗೆ ಪ್ರಬಲವಾದ ಥೀಮ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಿ: ಬೆಂಬಲ ಮತ್ತು ನಿರಾಕರಿಸುವ ಉಲ್ಲೇಖಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ.
  5. ಒಳನೋಟ + ಸಲಹೆ + ಪೀಡಿತ ಪರದೆಯ ರೂಪದಲ್ಲಿ ಥೀಮ್ ಅನ್ನು ಬರೆಯಿರಿ ಮತ್ತು ಪುರಾವೆಗಳ ಸರಪಳಿಯನ್ನು ಚಾರ್ಟ್ ಮಾಡಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

  • [ ] ನಾನು ನನ್ನ ಕೋಡಿಂಗ್ ಯೋಜನೆಯನ್ನು AI ಗೆ ಮುಂಚಿತವಾಗಿ ನೀಡಿದ್ದೇನೆ.
  • [ ] ನಾನು ಪ್ರತಿ ಥೀಮ್ ಅನ್ನು ಕನಿಷ್ಠ ಒಂದು ಮೌಖಿಕ ಉಲ್ಲೇಖಕ್ಕೆ ಲಿಂಕ್ ಮಾಡಿದ್ದೇನೆ.
  • [ ] ಪ್ರತಿ ಥೀಮ್‌ಗೆ ಎಷ್ಟು ವೈಯಕ್ತಿಕ ಭಾಗವಹಿಸುವವರು ಕಾಣಿಸಿಕೊಂಡಿದ್ದಾರೆ ಎಂದು ನಾನು ಎಣಿಸಿದ್ದೇನೆ.
  • [ ] ನಾನು ಆಗಾಗ್ಗೆ ಉತ್ಪ್ರೇಕ್ಷಿತ ಭಾವನಾತ್ಮಕ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಸರಿಪಡಿಸಿದೆ.
  • [ ] ಅಲ್ಪಸಂಖ್ಯಾತರ ಸಂಕೇತಗಳನ್ನು ತೊಡೆದುಹಾಕಲು ನಾನು ಪ್ರಜ್ಞಾಪೂರ್ವಕ ನಿರ್ಧಾರವನ್ನು ಮಾಡಿದ್ದೇನೆ.
  • [ ] ನಾನು ಒಳನೋಟಗಳನ್ನು ಕಾಂಕ್ರೀಟ್ ವಿನ್ಯಾಸದ ಪ್ರಸ್ತಾವನೆ ಮತ್ತು ಪೀಡಿತ ಪರದೆಗೆ ಲಿಂಕ್ ಮಾಡಿದ್ದೇನೆ.