Meus 2 cents:

Vou colocar abaixo um resumao (feito com ajuda de IA, obvio - mas revisada por humanos) que usei durante os estudos sobre IA junto com Taxonomia de Bloom.

E sim, eh um tema fascinante, especialmente quando ajuda as pessoas a entenderem melhor o que a IA pode ou nao fazer (e como ela faz).

Taxonomia de Bloom em Prompts

Como funciona a taxonomia de bloom no ambito de prompt

A Taxonomia de Bloom, uma hierarquia que classifica os níveis de habilidades cognitivas, pode ser uma ferramenta poderosa para elaborar prompts mais eficazes para modelos de linguagem. Ao estruturar seus prompts de acordo com os diferentes níveis da taxonomia, você pode direcionar o modelo para gerar respostas mais sofisticadas e alinhadas com seus objetivos.

Aqui está como a Taxonomia de Bloom se aplica à criação de prompts:

1. Lembrar (nível mais básico):
Objetivo: Recuperar informações específicas da memória.
Palavras-chave nos prompts: Liste, defina, identifique, nomeie, descreva, localize, recupere.
Exemplo: "Liste os três principais exportadores de café do mundo."

2. Compreender:
Objetivo: Interpretar e resumir informações.
Palavras-chave nos prompts: Explique, resuma, parafraseie, interprete, descreva, classifique, compare.
Exemplo: "Explique o processo de fotossíntese em suas próprias palavras."

3. Aplicar:
Objetivo: Usar informações aprendidas em novas situações.
Palavras-chave nos prompts: Aplique, demonstre, resolva, use, implemente, execute, calcule.
Exemplo: "Aplique a teoria da oferta e demanda para explicar o aumento recente no preço da gasolina."

4. Analisar:
Objetivo: Dividir informações em partes componentes para entender a estrutura e as relações.
Palavras-chave nos prompts: Analise, diferencie, compare, contraste, examine, categorize, investigue.
Exemplo: "Analise o impacto da mídia social no comportamento político dos jovens."

5. Avaliar:
Objetivo: Fazer julgamentos com base em critérios e padrões.
Palavras-chave nos prompts: Avalie, critique, justifique, defenda, argumente, recomende, priorize.
Exemplo: "Avalie a eficácia das políticas governamentais para combater as mudanças climáticas."

6. Criar (nível mais alto):
Objetivo: Gerar novas ideias, produtos ou soluções.
Palavras-chave nos prompts: Crie, projete, invente, desenvolva, formule, escreva, componha, proponha.
Exemplo: "Crie um slogan de marketing para um novo carro elétrico."

Como usar a Taxonomia de Bloom na prática:

• Defina seu objetivo: Antes de escrever o prompt, determine qual nível cognitivo você deseja que o modelo utilize. Quer que ele simplesmente lembre informações ou crie algo novo?

• Escolha as palavras-chave certas: Utilize as palavras-chave associadas ao nível cognitivo desejado para direcionar a resposta do modelo.

• Seja específico: Quanto mais específico for o seu prompt, melhor o modelo poderá entender suas expectativas.

• Itere e refine: Experimente diferentes prompts e níveis da taxonomia para obter os melhores resultados.

Exemplo prático:

Vcê quer que o modelo escreva sobre a Revolução Francesa.

Lembrar: "Liste os eventos principais da Revolução Francesa."

Compreender: "Explique as causas da Revolução Francesa."

Aplicar: "Como os ideais da Revolução Francesa influenciaram outros movimentos revolucionários?"

Analisar: "Compare e contraste o papel da monarquia e do povo na Revolução Francesa."

Avaliar: "A Revolução Francesa foi um sucesso? Justifique sua resposta."

Criar: "Escreva uma peça de teatro curta sobre um evento fictício que poderia ter acontecido durante a Revolução Francesa."

Utilizar a Taxonomia de Bloom na criação de prompts permite um controle mais preciso sobre a complexidade e o tipo de resposta gerada pelo modelo, levando a resultados mais relevantes e significativos. A prática e a experimentação são essenciais para dominar essa técnica.

Conclusao (humana)

Grosso modo, a Taxonomia de Bloom orienta sobre quais verbos usar na estruturacao do prompt - dessa forma ele vai compreender melhor qual o objetivo desejado e eventualmente pode ajudar a evitar alucinacoes (spoiler: nao ajuda tanto assim, mas eh melhor que a montagem nao estruturada que estamos acostumados a usar).

Algumas referencias sobre:

https://www.researchgate.net/publication/379485762_Erros_Comuns_de_Docentes_sem_Letramento_em_Inteligencia_Artificial_uma_Revisao_Integrativa_para_o_Ensino_Superior

https://www.researchgate.net/publication/375000428_ROTINA_AUDI-GPTedu_RECICLANDO_CONTEUDO_DE_SLIDES_COM_AUDITORIA_DE_OBJETIVOS_DE_APRENDIZAGEM_USANDO_O_CHAT-GPT_E_TAXONOMIA_DE_BLOOM

"Rsultados da aplicação de um prompt estruturado e vinculado à
taxonomia de Bloom no Fine Tuning do ChatGPT para uso em contextos do processo
ensino-aprendizagem"
https://www.inovatec.tv.br/anais2023/t2.pdf

Tem algum tempo, escrevi um artigo aqui no TABNEWS sobre IA - se tiver tempo da uma olhada e comente sobre (mesmo que seja negativa ou puxao de orelha - eh interesante para identificar pontos que podem ser melhor trabalhados).

Tenho treinado para desenvolver artigos que tragam ao publico leigo (mesmo que seja um DEV, geralmente nao tem familiaridade com as particularidades dos LLMs) informacoes sobre como ela funciona.

https://www.tabnews.com.br/Oletros/como-funciona-a-ia-bibliotecaria-e-cartomante