학습 효과를 높이는 시험 문제용 ChatGPT 프롬프트 45가지

글쓰기 시험 질문은 느린 일이며, 느린 부분은 쓰기가 아닙니다. 각 질문을 시험하는 것은 적절한 수준에서 시험하는 것을 의미하지 않습니다. 낱말은 학생이 잘못 될 수 없습니다. 오른쪽 ChatGPT 시험 질문에 대한 프롬프트 모든 세 가지 도움, 당신은 모델을 알려줍니다 레벨, 학습 outcome 및 마크 할당.

평가 디자인, 목표 질문, 개방 응답, 연습 용지, 주제 별 세트 및 검토 패스를 포함 하 여 아래 45 있다. Chat Smith에서 그들을 실행, 무료 AI 챗봇 한 곳에서 여러 모델을 유지하거나 더 넓은 세트를 참조하십시오. ChatGPT 프롬프트 다른 일을 위해.

항상 사용 전에 리뷰. 정의 된 질문은 주변이 될 수 있습니다, 두 가지 취약한 답변을 가지고, 또는 단순히 잘못되는 대답 열쇠로 도착. Prompt 40은 정확히 존재한다 — 학생들을 도달하는 질문은 당신이 호소에 방어 할 것입니다.

모든 계산과 사실을 직접 검증합니다. 이 문제는 수학과 과학에서 가장 중요하며, 모델은 검사를 생존하지 않는 arithmetic을 생산합니다. 치료는 초안으로 솔루션을 일했습니다.

레벨, 결과 및 형식을 제공합니다. "광합성에 대한 질문"은 워크 시트를 반환합니다. 레벨을 남는, 학습 결과와 마크 할당은 당신이 종이에 넣어 수있는 무언가를 반환합니다.

각 distractor 대상을 잘못 인식하는 것을 물어보십시오. 단순히 잘못 테스트 아무것도. 실제 학생 오류에지도하는 것은 당신이 reteach하는 것을 알려줍니다.

1개의 실에서 일. 긴 context 모델과 같은 크기: GPT-5.6 Sol 한 번에 Blueprint, syllabus 및 초안 용지를 보유 할 수 있습니다. 리뷰가 한 번에 한 가지 질문보다 전체 용지를 통해 작동하도록합니다.

단일 질문을 작성하기 전에 실행하는 7 개의 프롬프트. 좋은 개별 질문에서 조립 된 종이는 여전히 무게를 다는 경우 나쁜 평가, 타이밍 또는인지 스프레드가 잘못 될 수 있습니다.

1. 시험 blueprint

[subject] [level]에 대한 시험 청사진을 작성하십시오. 주제와 가르침 무게 : [시간 또는 강조 표시]. 총 표 : [X]. 기간 : [X 분]. 표, 질문 유형 및인지 수준에 대한 테이블 매핑 주제를 생성하기 때문에 종이는 실제로 가르침이 무엇인지 일치합니다. 어떤 주제를 강조하거나 시간을 가르치는 데 반대 상대를 강조하십시오.

2. 학습 결과 mapper

다음은 내 학습 결과입니다: [paste them]. 각을 위해, 학생이 실제로 그를 평가 할 수있는 방법을 설명 할 필요가있는 것을 말해, 어떤 결과가 모든 서면 시험에서 평가 할 수 없습니다. 그런 다음 내가 작성한대로 평가되지 않는 방식으로 구워있는 어떤 결과를 플래그.

3. 인지 수준 스프레드

여기에 내 초안 질문 목록: [paste it]. 인지 수준에 의해 각 질문을 분류 - 기억, 이해, 응용 프로그램, 분석, 평가, 생성. 내 배포를 보여, 그것은 [목적]에 대한 시험에 적응 여부를 말해, 내가 주제를 변경하지 않고 레벨을 이동 할 수 있는지 확인.

4. 타이밍 체크

여기에 내 시험 종이: [문서와 질문]. 기간: [X 분]. 읽기 및 계획을 포함하여 [수준] 학생을 위한 질문 당 예상 현실적 완료 시간. 종이가 너무 길다가 전체 플래그, 어떤 질문은 그것의 표에 관계되는 시간, 그리고 내가 잘라야 하는 무슨.

5. 표시 계획 빌더

여기에서 시험 질문: [paste it]. 총 표: [X]. 표를 가진 표하기 계획을 씁니다 그들, 모형 대답 점, 수락가능한 대안 대답 및 일반적인 부분 신용 시나리오에 의하여 끊긴. 그런 다음 저에게 2개의 감적이 가장 가능성이 불행하다는 것을 말해, 그래서 나는 누군가가 그것을 앉기 전에 낱말을 바짝 죄어서 좋습니다.

6. 질문 유형 selector

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

7. 공정성 및 접근 검토

여기에 내 시험 종이: [paste it]. 주제와 관련된 장벽에 대한 검토: unnecessarily 복잡 한 문장 구조, 문화 참조 모든 학생 공유, 문맥 특정 생활 경험, 그리고 지침은 잘못에 열려. 각, 언어 이외의 주제에 어려움을 유지 하는 중립적인 재검토를 건의.

확대하기

distractors가 실제 작업을 수행하는 8 개의 프롬프트. 여러 초이스 질문은 잘못된 답변으로 만 - 한 번 당신이 드릴 것을 알고, AI 퀴즈 발전기 또는 AI 플래시 카드 발전기 학생 연습에 대한 볼륨을 처리합니다.

8. MCQ는 진짜 distractors로 놓았습니다

[number] [topic] [level]에 대한 다중 초이스 질문을 씁니다. 각 교정은 명백하게 잘못 된 옵션보다 실제 학생 misconceptions를 나타내는 세 가지 오류가 필요합니다. 각 질문에 대한, 각 distractor 대상을 잘못 인식하는 것을 말해줍니다. 위의 "모든"과 "위의 아무도"를 피하십시오.

9. distractor 개선자

여기 내 여러 초음 질문입니다: [그것을 파스]. Distractors를 검토하십시오: 콘텐츠를 알고 없이 제거하기에 충분한 불확실한, 그들은 arguably 또한 정확하고, 질문의 맞은편에 동일한 misconception을 반복하는 대답에 앉습니다. 약한 것을 보충하고 각 변화를 설명합니다.

10. 줄기 세탁기술자

여기 MCQ 줄기는 다음과 같습니다. [그것을 떨어뜨리십시오]. 시험 현명한 학생이 콘텐츠를 알지 않고 추측 할 수있는 결함을 각각 검사하십시오 : 한 가지 옵션을 일치하는 문법 cues, 정확한 대답은 더 이상 눈에 띄지 만, 시험보다는 부정적 인 phrasing, 다른 질문에 대한 한 가지 질문에서 clues. 그 수정으로 모든 문제를 나열하십시오.

11. 잘못된 맵퍼

[topic] 의 [level], 목록 8 가장 일반적인 학생 misconceptions and explain why students hold each one. 그런 다음 misconception 당 하나의 진단 다중 초이스 질문을 작성, 특정 distractor selecting it. 내 가르침에 대한 클래스 전체 패턴이 무엇인지 말해.

12. true/false 업그레이드

다음은 내 진정한 / 가짜 질문입니다 : [그들을 놀라게]. 이들은 50 %의 추측 속도를 수행합니다. 동일한 지식이 더 안정적으로 테스트하는 형식으로 각 변환 - 여러 선택, 매칭, 또는 짧은 대답 - 동일한 내용과 어려움을 유지하십시오. 그런 다음 진정한 / 가짜로 잘 작동하고 그대로 유지해야합니다.

13. 일치하고 sequencing 세트

[level]의 [topic]에 매칭 운동과 sequencing 질문을 작성하십시오. 매칭 세트의 경우, 마지막 쌍이 제거에 의해 해결 될 수 없기 때문에 더 많은 옵션을 포함하십시오. sequencing 질문을 위해 부분적으로 정확한 순서가 적립되어야하는지 설명하십시오. 이유를 가진 대답 열쇠를 제공하십시오.

14. 어려움 교정자

다음은 [number] 다중 초이스 질문입니다. [paste them]. [level] cohort에 대한 각각의 어려움을 예상하고 각 쉬운 또는 하드를 만드는 것을 설명합니다. 콘텐츠, 워드, 또는 distractor 품질. 그런 다음 잘못된 이유에 대한 질문이 어렵습니다. 진짜 도전보다 오히려 phrasing을 혼란.

15. 시나리오 기반 MCQ

[number] [level]에 대한 [topic]에 대한 시나리오 기반 다중 초이스 질문. 각각은 현실적인 짧은 상황을 제시하고 그것을 회신하는 것보다 지식 적용을 요구한다. 60 단어 미만의 시나리오를 유지. 왜 각 distractor의 설명에 대한 답변을 제공하지만 잘못.

확대하기

명령 단어와 마크 할당이 동의해야 하는 열 응답을 위한 7개의 프롬프트. 2 사이에서 불공정한 질문 추적에 대한 대부분의 불만.

16. 짧은 대답 세트

[number] [topic] [level]에 대한 [number] 단축문을 작성하면 두 개의 문장에서 4 개의 문장에 대한 각 응답이 가능합니다. 그들이 묻는 것을 배심하십시오 : 정의, 왜, 비교, 적용, 평가를 설명합니다. 모델의 답변과 마크를 적립하는 키 포인트를 포함하십시오. 그의 대답은 하나의 단어입니다.

17. 에세이 질문 빌더

[number] essay 질문을 [topic] [level]. 각 설명보다는 인수가 필요하며 [time available]에 응답 할 수 있으며, 학생이 사전 승인 된 대답을 제출할 수 없다는 것을 충분히 구체적이어야합니다. 각 명령 단어의 요구와 상위 밴드 답변이 중간 밴드에서 다르게 수행 될 것입니다.

18. 구조화 된 질문 빌더

[topic]에 구조화 된 멀티 파트 질문을 작성하십시오. [level], 총 [X] 표. 일부 (a)는 부품을 통해 일어나는 어려움과 거의 모든 학생에 접근해야합니다. 마크 할당을 표시하고, 부분 (a)을 잘못받을 학생이 나머지를 시도 할 수 있는지 확인합니다. 신뢰할 수있는 체인이 없습니다.

19. 소스 기반 질문

여기에 소스: [문서, 데이터 세트, 이미지 설명 또는 추출]. 쓰기 [숫자] 문제에서 이 자료와 함께 작동 하는 [level] 메모리에서 리콜 보다 오히려. 소스의 신뢰성을 평가 하기 위해 그들을 묻는 것을 포함 하 여. 표시된 답변을 제공 하 고 소스는 실제로 지원 하지 않습니다..

20. 명령 워드 캘리브레이터

다음은 내 질문입니다: [그것을 파스]. 각 명령 단어를 확인 — 설명, 설명, 분석, 평가, justify, 비교 — 무엇에 대한 질문에 대한 실제로 요구와 어떤 표는 건의. 플래그는 모든 오메가치와 같은 두 표 또는 "state"의 가치 8, 그리고 그 질문을 다시 작성.

21. 문제 해결 문제

[number] 문제 해결 [topic] [level]에 대한 질문. 각각은 보상 방법뿐만 아니라 최종 답변을 표시하는 여러 단계가 필요합니다. 전체 작업 솔루션 제공, 단계별 마크 고장, 그리고 가장 일반적인 오류 학생들은 각 단계에서합니다. 그것을 제시하기 전에 arithmetic을 검증하십시오.

22. 분석 문질러

여기에 공개 응답 질문: [paste it]. 쓰기 analytic rubric with [number] 표준과 4 개의 성능 밴드 각각. 어떤 작업의 측면에서 모든 밴드를 설명하는 것은 오히려 좋은 또는 우수한 같은 형용사보다. 그런 다음 두 개의 밴드가 가장 자주 혼란스럽고, 어떻게 연습에 구별하는지 말해.

양에 물자 생성을 위한 7개의 신속한: 가득 차있는 종이, 평행한 모양 및 은행은 당신이 1 년에서 끌 수 있습니다. 그들과 결합하십시오 PDF 요약 syllabus 문서 또는 textbook 챕터에서 질문을 생성 할 때.

23. 전체 연습 종이

[subject]에 대한 완전한 연습 시험을 작성 [level]. 기한 : [X]. 총 표 : [X]. 무게가있는 주제 : [list them]. 각 섹션 내에서 일어나는 문제 유형의 혼합 포함, 명확한 지침 및 표 할당, 그리고 별도의 대답 키. [name the exam or board]의 형식을 거울 - 그리고 추측보다 오히려 현재의 형식의 불확실한 경우 명시적으로 말해.

24. 평행한 모양

여기서는 기존의 시험 용지입니다. [paste it]. 다른 질문, 문맥 및 숫자를 사용하여 같은 어려움에서 동일한 결과를 테스트하는 병렬 버전을 만듭니다. 원래에 각 새로운 질문을지도로 바꾸고, 당신이 밀접하게 일치 할 수있는 곳을 플래그하십시오.

25. 질문 은행 빌더

[topic]에 대한 질문 은행을 구축 [level]: [number] 태그 subtopic, 인지 수준, 질문 유형 및 예상 난이도. 테이블으로 포맷 나는 스프레드 시트에 붙여 넣을 수 있습니다. 하위 주제에 걸쳐도 적용을 유지하고, 은행이 얇은 곳을 말해 나는 추가하는 것을 알고.

26. 적응 퀴즈

Quiz me on [topic] 한 번에 질문, 내 답변을 기반으로 어려움을 조정. 내가 한 잘못을 얻을 경우, 이동하기 전에 같은 아이디어에 더 쉬운 질문을. [number] 질문 후, 내 이해가 첫 번째를 부활시키기 위해 하위 주제에 대한 수준을 말해.

27. retrieval 연습 설정

이 자료를 재생 연습 세트로 켭니다. [매트 또는 syllabus 섹션]. 시험 시뮬레이션보다 우주 반복을 위해 설계 된 [number] 질문을 생성 - 짧은, 단일 소켓, 메모리에서 응답 할 수 있습니다. 쉽게 각이 잊어 버린 방법에 따라 가장 자주 반복해야하는 표시.

28. 과거의 종이 분석기

다음은 [subject]: [paste them]에 대한 몇 가지 과거 논문에서 질문입니다. 가장 자주 조사 된 주제, phrasing 패턴 조사, 그리고 최근에 등장하지 않은 것. 그런 다음 다음 다음 종이의 모양을 예측하고 실제로 가치가 얼마나 많은 신뢰에 대해 명시해야합니다.

29. 모의 시험 간결

나는 [subject]에 대한 모방 시험을 실행하고있다 [level] [timeframe]. 내 학생의 약한 영역 : [describe]. 모방을 설계 : 무엇을 포함, 그 약점을 부여하는 것, 그 아래 실행하는 조건, 그리고 피드백 구조 나중에. 그런 다음 모방이 읽기에 대해 나에게 말할 수 없다.

확대하기

8개의 프롬프트는 각 주제가 실제로 평가하는 것에 적응했습니다. 어떤 수치든지를 위해, 일하는 것을 검사하십시오 AI 수학 솔더 또는 학생에 도달하기 전에 손으로, 다른 사람을 찾아 AI 연구 도구 교실 물자를 위해.

30. 수학

[number] [topic] for [level], mix procedural fluency, reasoning and problem-solve in context. 확인된 메서드 마크와 풀 워크 솔루션 제공, 학생이 가장 일반적으로 잘못 이동하는 단계 플래그. 그것을 제시하기 전에 모든 계산을 확인 하 고 어떤 응답이 깨끗 하 게 되지 않는 경우 말해.

31. 과학과 실용적 업무

[number] [topic]에 대한 질문 [level] 과학, 적어도 두 실험 방법 - 변수, 제어, 오류의 소스, 또는 해석 결과에 근거를 둔. 답변을 제공, 그리고 실제 질문 상태 어떤 학생이 실제로 잘 응답 할 실험을 수행 할 필요가있다.

32. 언어 및 문학

[number] [level] 문학에 대한 [text 또는 화제] 질문 쓰기 : 특정 구절, 하나의 비교 질문 및 개인 구절 응답을 요구하는 한 가지. 합법적으로 다를 수 있기 때문에 하나의 올바른 대답보다 오히려 표시 내용을 제공합니다.

33. 역사와 사회 과학

[number] [level]: one source-evaluation question, one on causation, and one requiring a 판단에 대한 [topic]에 대한 역사 질문. 표시가 불가능한 대안 해석을 처벌하지 않도록 그의torians가 진정으로 동의하는 표시 답변을 제공합니다.

34. 사업과 경제

[number] [topic]에 대한 질문 [level] 비즈니스 또는 경제, 현실적인 짧은 데이터 세트를 사용하여 하나의 데이터 응답 질문을 포함 하 고 무역의 결정의 평가를 요구. 답변을 제공 하 고, 부품은 가정에 의존 하는 학생은 명시적으로 자극 해야 합니다.

35. 컴퓨팅 및 기술 과목

[number] [level] 컴퓨팅에 대한 [topic]에 대한 질문 [number]을 작성: 하나의 코드 읽기 질문, 오류를 식별하고 수정하는 학생, 하나의 올바른 대답을 가진 하나의 디자인 질문. 답변을 제공, 그리고 디자인 질문에 대한 하나의 모델 솔루션보다 허용 가능한 접근 범위를 설명합니다.

36. 직업 및 적용 대상

[number] 의 문제 [직업 대상] 에 [level] 의 평가 적용 능력 오히려 리콜 보다. 기초 각 현실적인 직장 시나리오 및 상태 무엇 안전 또는 전문적으로 정확한 답변을 포함 해야 합니다. 어떤 로컬 규제 또는 표준이 다르지, 정확한 답변은 지역별로 다릅니다.

37. 언어 학습

[number] [target language] 학습자의 평가 항목 [CEFR 레벨 또는 동등], 읽기 comprehension, 문맥의 문법, 그리고 하나의 생산적인 작업. 답변 키 제공, 생산적인 작업에 대 한 은밀 한 정확도 보다 오히려 통신을 평가.

확대하기

가장 중요 한 단계에 대 한 8 개의 프롬프트, 그리고 가장 자주 건너 뛰기. 특히 학생들의 앞에 질문의 각 세트에 실행 해야 합니다 — 그리고 AI homework 해결자 자주 답변을 원할 때 유용한 두 번째 의견입니다.

38. 질문 품질 리뷰

숙련 된 평가 디자이너로 이러한 시험 질문을 검토하십시오 : [그것을 맛]. 수준 : [X]. 각, 말의 명확성 확인, 명시 된 결과에 정렬, 어려움의 적합성, 마크 할당이 수요에 일치 여부. 모든 주변을 플래그, 다음 세 가지 약한 질문을 다시 작성.

39. 주변 사냥꾼

여기 시험 문제입니다: [해결]. 5 가지 다른 학생으로 읽을 것: 재료 잘 알고있는 사람, 부분적으로 알고있는 사람, 매우 말 그대로 읽는 사람, 하나의 그의 첫 번째 언어는 교육의 언어가 아니다, 그리고 누가 돌진. 어디 각 실수를 할 수 있습니까? 그런 다음 당신이 발견하는 모든 주변을 제거 .

40. 대답 열쇠 verifier

내 질문과 내 대답 키는 다음과 같습니다. [paste both]. 내 키에 그것을 비교하기 전에 각 응답을 독립적으로 수행. 당신이 다른 대답에 도달하는 곳을 플래그, 어느 옵션이 취약하다, 또는 단어로 질문은 내 키 주장에 응답하지 않습니다. 내 키가 올바른 가정하지 마십시오.

41. 차별 검사

다음은 내 종이입니다 : [해당]. 내 cohort : [능력 범위를 삭제]. 종이가 약한 것에서 강한 학생들을 구별하는지 여부를, 거의 모든 사람이 적절하거나 잘못 될 것이라고 의심 할 여지없이, 거의 모든 사람들이 매우 작은 정보를 수행하는 둘 다.

42. 독서 수요 체크

여기에 내 시험 종이: [paste it]. 내 학생의 수준에 대해 질문의 읽기 요구 사항을 충족합니다. 언어가 테스트되는 개념보다 더 열심히하는 어떤 질문을 식별하고 주제 내용을 쉽게 만들지 않고 일반 언어에서 다시 작성하십시오.

43. 피드백 작가

여기에 학생의 대답, 질문, 그리고 표시 계획: [모든 세]. 쓰기 피드백은 그들이 잘 무슨 말을, 특히 그들에게 마크를 비용, 그리고 그들의 다음 대답을 가장 개선 할 단일 변경. 학생보다 오히려 작업을 주소, 그리고 100 단어 아래 유지.

44. 일반적인 오류 요약

다음은 같은 질문에 대한 학생 답변의 집합입니다 : [그들을 포착하거나 패턴을 요약]. 반복 오류를 식별하고, 진짜 잘못으로부터의 무심한 미끄러짐을 구별하고, 단순히 플래그를 수행하는 방법을 가르쳐줍니다. 그런 다음 reteaching이 작동 여부를 확인 할 수있는 하나의 질문을 건의하십시오.

45. 포스트 exam 분석

여기에 내 시험의 결과는 다음과 같습니다 : [복구 성능 데이터]. 평가 항목으로 자주 수행되는 질문에 대한 식별 - 모든 권리, 모든 잘못, 또는 강한 학생들은 약한 것보다 더 자주 잘못 얻었다. 각, 문제에 대한 질문이나 가르침인지, 그리고 어떻게 차이를 말할 수 있는지 말해.

평가 작업은 제대로 저장할 가치가있는 다른 내용으로 모든 용어를 반복합니다. Chat Smith는 귀하의 청사진 프롬프트를 유지하고 MCQ 형식과 검토 체크리스트를 재사용 가능한 템플릿으로 유지하고, 주제 또는 년 그룹에 의해 그룹을 그룹화하고, 동료가 동일한 과정을 가르치는 세트를 공유하므로 질문은 일관된 집 스타일에 도착합니다.

그것은 또한 실행 몇몇 AI 모형 평가에 특정한 사용이 있는 측에 의하여 측: 동일한 질문을 보내고 2개의 모형에 열쇠를 자주적으로 대답하고 그들이 대답에 동의한다는 것을 보십시오. 그들이 동의하는 곳에, 당신은 학생의 앞에 주위 질문을 찾아냈습니다 — 그 후에 그것을 찾아내기 보다는 상당히 더 싼.

질문을 작성하기 전에 청사진을 시작, 그리고 아무것도 인쇄하기 전에 대답 키 verifier. 이러한 두 브래킷 전체 프로세스, 그리고 그들 사이 그들은 종이와 잘못 무슨 말을 잡아.