Jedan od najučinkovitijih pristupa u tom kontekstu je korištenje JSON (engl. JavaScript Object Notation) formata za oblikovanje prompta. JSON je format za razmjenu podataka koji omogućuje jasno definiranu i strogo strukturiranu komunikaciju između korisnika i UI sustava. Upravo ta struktura omogućuje veću preciznost, kontekstualnu jasnoću i prilagodljivost različitim zadacima i situacijama.
Tehničke prednosti i kontekst primjene
Oblikovanje prompta pomoću JSON-a osobito je korisno u aplikacijama koje zahtijevaju točno definirane parametre, kao što su višekriterijska pitanja, evaluacije, programski zadaci ili generiranje strukturiranog teksta. Standardni tekstualni promptovi često podliježu dvosmislenostima ili se izgube u nejasnom kontekstu, dok JSON omogućuje eksplicitno navođenje svrhe (npr. „zadatak“), vrste sadržaja (npr. „vrsta“), te dodatnih ograničenja poput formata i broja riječi. Na taj način, korisnik može jasno deklarirati svoje namjere, dok LMM ima bolju osnovu za razumijevanje i obradu zahtjeva.
U akademskom kontekstu, strukturirani promptovi otvaraju vrata višoj razini kontrole i ponovljivosti. Primjerice, korisnik može testirati kako UI odgovara na određeni tip upita s različitim varijablama – kao što su stil pisanja, jezik, tehnički zahtjevi ili duljina. Korištenjem JSON-a, svi ti parametri mogu biti strogo definirani u promptu, čime se olakšava usporedba rezultata i održavanje konzistentnosti zadatka. Ovakav pristup omogućuje lakšu integraciju prompta u aplikacijske okvire i programske alate. Jedna od značajnih prednosti JSON oblikovanja je njegova strojna čitljivost i mogućnost programskog generiranja. Upotrebom JSON strukture, lako je mapirati ulazne podatke na specifične upute modelu, čime se omogućuje dinamičko oblikovanje interakcije u realnom vremenu. Na primjer, u chatbot sustavu, korisnikov unos može biti mapiran na „tema“ ili „stil“, dok sustav u pozadini formira konačni prompt.
Stoga i vještina pisanja promptova, osobito onih strukturiranih u JSON formatu, postaje važan aspekt suvremene digitalne pismenosti, koji bi trebalo sustavno razvijati već u osnovnoškolskom i srednjoškolskom obrazovanju. Učenici koji savladaju ovu vještinu zasigurno će bolje razumjeti način funkcioniranja alata temeljenih na umjetnoj inteligenciji te razviti sposobnosti planiranja, preciznog izražavanja i logičkog strukturiranja informacija. Oblikovanje prompta potaknut će ih na promišljanje o svrsi zadatka, vrsti sadržaja koji žele dobiti te ograničenjima koja moraju jasno definirati. Primjeri kao što su oblikovanje zahtjeva za esej, generiranje kvizova ili zadavanje programerskih zadataka putem JSON prompta mogu se lako integrirati u nastavne aktivnosti. Takve vježbe, osim što učenicima pružaju mogućnost stjecanja tehničkog znanja u radu s UI sustavima, istovremeno razvijaju i metakognitivne vještine važne za kritičko mišljenje, digitalnu etiku te sposobnost samostalnog i odgovornog učenja.
Primjeri obrazovne uporabe JSON promptova
Kako bi učenici razvili razumijevanje oblikovanja kvalitetnih promptova, potrebno je raditi s konkretnim primjerima koje mogu analizirati, modificirati i testirati u praksi.
Objašnjenje pojma (prirodoslovlje)
Učenici mogu oblikovati pitanja prema razini složenosti i uspoređivati odgovore modela za različite obrazovne razine (npr. osnovna ili srednja škola), kao i između različitih UI alata. Takva ih aktivnost potiče na prilagodbu jezika ciljanoj publici te razvija svijest o jasnoći, stilu i učinkovitosti komunikacije s umjetnom inteligencijom.
{
„zadatak“: „objašnjenje pojma“,
„pojam“: „fotosinteza“,
„razina“: „osnovna škola“,
„jezik“: „hrvatski“,
„forma“: „jednostavno i razumljivo“
}
Korištenjem ovog prompta u različitim alatima temeljenima na umjetnoj inteligenciji: ChatGPT-a, Perplexityja i Microsoft Copilota, moguće je dobiti sadržajno slične, ali stilski različite odgovore. Iako svi odgovori ispunjavaju osnovne zahtjeve jasnoće i prilagođenosti razini osnovne škole, razlikuju se u načinu izražavanja, rasporedu informacija i jezičnom tonu. U nekim prikazima dominira strukturirani, točkast oblik, dok drugi uključuju uvodna objašnjenja, dodatna pitanja ili razgovorniji pristup. Ova raznolikost učenicima pruža vrijednu priliku za analizu i usporedbu, ali i za razvijanje svijesti o tome kako formulacija prompta utječe na krajnji rezultat. Štoviše, identični ili čak kvalitetniji rezultati mogu se postići jednostavnom doradom prompta – primjerice dodavanjem smjernica poput „prikaži kao nabrajanje“, „uključi definiciju i važnost pojma“, „ton: prijateljski i obrazovan“ i slično. Učenici na taj način uče osmišljavati precizne upute koje vode do željenog oblika sadržaja. Slika1 Objašnjenje pojma pomoću UI alata
Programerski zadatak (informatika)
Učenici analiziraju kako formulacija utječe na dobiveni kod. Mogu eksperimentirati s uklanjanjem ili dodavanjem ograničenja i pratiti kako to mijenja rješenje.
{
„zadatak“: „programski zadatak“,
„jezik_programiranja“: „Python“,
„opis“: „napravi funkciju koja provjerava je li broj prost“,
„ograničenja“: {
„bez_ugrađenih_funkcija“: true
}
}
Kviz s višestrukim izborom (geografija)
Učenici analiziraju strukturu generiranih pitanja, kvalitetu ponuđenih odgovora i formulaciju distraktora. Mogu predložiti poboljšanja ili stvoriti vlastiti kviz.
{
„zadatak“: „kviz“,
„predmet“: „geografija“,
„razina“: „srednja škola“,
„broj_pitanja“: 5,
„format“: „pitanja s višestrukim izborom“,
„tema“: „klima i vremenski uvjeti“
}
Generiranje ilustracije za priču
Učenici generiraju ilustraciju koja prikazuje scenu iz znanstveno-fantastične priče s vizualnim i stilskim zahtjevima.
{
„zadatak“: „generiranje slike“,
„scena“: „djevojčica stoji na rubu svemirske stanice i gleda prema Zemlji kroz veliko prozorsko staklo“,
„stil“: „digitalna ilustracija“,
„boje“: „hladne nijanse (plava, ljubičasta, siva)“,
„atmosfera“: „tiha, kontemplativna, futuristička“,
„razina_detalja“: „visoka“,
„rasvjeta“: „meko svjetlo iz unutrašnjosti stanice, kontrast s tamnim svemirom“,
„format_slike“: „vodoravni“
„rezolucija“: „4K“,
„jezik“: „hrvatski“
}
Ovaj prompt moguće je koristiti u različitim alatima za generiranje slika temeljenih na umjetnoj inteligenciji, kao što su ChatGPT (s DALL·E), Bing Image Creator i Perplexity Image Creator. U isprobanoj praksi, rezultati generirani ovim promptom u tim alatima bili su vizualno vrlo slični, što učenicima omogućuje usporedbu preciznosti interpretacije prompta, ali i raspravu o razlikama u stilu, detaljima ili koloritu. Slika2: Izrada slika uz pomoć UI alata
Rad s ovakvim primjerima učenike vodi kroz proces kritičkog promišljanja o jeziku, svrsi i učinkovitosti komunikacije s tehnologijom. Kroz eksperimentiranje s različitim vrijednostima unutar JSON strukture (npr. razina znanja, broj pitanja, stil teksta/slike i sl.), učenici uče kako formulacija prompta izravno utječe na vrstu i kvalitetu rezultata čime razvijaju osjetljivost na nijanse u izražavanju, sposobnost testiranja hipoteza te iterativno poboljšavanje uputa. Učenje pisanja i analize promptova olakšava razumijevanje rada umjetne inteligencije te istodobno potiče razvoj svijesti o vlastitoj ulozi kao autora i komunikatora u digitalnom okruženju.
Oblikovanje prompta u JSON formatu predstavlja važan korak prema standardiziranoj i preciznoj komunikaciji s velikim jezičnim modelima. Omogućujući veću razinu kontrole, dosljednosti i prilagodljivosti, ovaj se pristup sve više nameće kao važna praksa u primjeni umjetne inteligencije u znanstvene, tehničke i profesionalne svrhe. Stoga je potrebno ovu vještinu uključiti i u obrazovni proces, kako bi učenici već tijekom školovanja stekli kompetencije potrebne za razumijevanje, korištenje i kritičku upotrebu suvremenih inteligentnih sustava.
