کلاه قرمز به آموزش نوشتن در مورد فناوری کمک می کند

در برنو در چک، دفتر محلی بزرگ Red Hat به دانشگاه Masaryk شهر کمک می کند تا به نویسندگان فنی آینده آموزش دهد. با این حال، هر زمان که کسی سعی می کند تدریس کند، آنها نیز یاد می گیرند. در اجلاس متن باز در پراگ، یکی از اعضای ارشد تیم مستندسازی Red Hat در برنو سخنرانی با عنوان نمودارها و اژدها: آموزش نوشتن فنی به دانشجویان دانشگاه به روش منبع باز ارائه کرد. کلاه قرمزی یک سایت بزرگ در برنو دارد که دومین شهر بزرگ چک است و همچنین خانه دانشگاه محترم ماساریک است.

دفتر ردهت برنو دارای یک تیم مستندسازی قابل توجه است - این کرکس برای مدتی بخشی از آن بود. در چهار سال گذشته، Red Hat با دانشکده انفورماتیک دانشگاه برای آموزش یک واحد درسی در زمینه نگارش فنی همکاری داشته است. Jiří Herrman در مورد آنچه معلمان دوره از دانش آموزان آموخته بودند صحبت کرد. برای FI MUNI، دوره PV177 Technical Writing. کلاه قرمزی صفحه ای با برخی از مطالب دارد.

او گفت: "RH مدتی است که به دنبال پرورش نویسندگان فنی در برنو بوده است." این شرکت به‌ویژه می‌خواهد روی چیزی کار کند که او به عنوان «بخش دشوار نوشتن فنی که در آن باید با انسان‌های دیگر تعامل داشته باشید» کار کند. برخی از چیزهایی که بیش از همه این نویسنده سابق اسناد فناوری را تحت تأثیر قرار داده است، در صفحات 7 و 9 از صفحه اسلاید کوتاه Herrman [PDF] پوشش داده شده است، که در مورد مواردی که کار نمی کند صحبت می کند.

اگرچه هدف این دوره دانش‌آموزانی بود که دانش فنی داشتند، اما آنها دریافتند که تنظیم کار کلاسی با ابزارهای مبتنی بر پوسته جواب نمی‌دهد: برخی از دانش‌آموزان هرگز از خط فرمان استفاده نکرده بودند، برخی با لپ‌تاپ‌های قرضی بدون دسترسی در سطح مدیریت و برخی فقط با تلفن همراه بودند و نه لپ‌تاپ. برخی از آنها کمتر تعجب برانگیز بود. واداشتن دانش‌آموزان به نمره‌دهی به کار یکدیگر، همان‌طور که نویسندگان حرفه‌ای فناوری، مشارکت‌های یکدیگر را بررسی می‌کنند، به خوبی کار نمی‌کند - تا حدی به دلیل سرعت مورد نیاز.

در پایان، سازش این بود که به دانش‌آموزان دوره‌ای داده شود تا کار یکدیگر را «بدون عصبانی کردن» درجه‌بندی کنند. این ما را شوکه نکرد، اما گمان می‌کنیم ممکن است برخی از فروشندگان آموزشی را غافلگیر کند، که تعامل با معلمان از راه دور که به صورت آنلاین ارائه می‌کردند خوب کار نمی‌کرد - به‌ویژه وقتی چندین معلم وجود داشت که با هر کلاس تغییر می‌کردند. استفاده از LLM ممکن است قبلا بزرگ‌ترین «گوچا» را برای دوره‌ای که برای اولین بار در سال 2023 برگزار شد پیش‌بینی کرده باشید. طبیعتا این استفاده از LLM است.

به دانش آموزان گفته شد که در طول دوره مجاز به استفاده از LLM نیستند، اما طبیعتا به هر حال این کار را انجام دادند. از جمله مشکلاتی که هرمن گزارش کرد این بود که ستایش از کار خوب که شامل استفاده از LLM می‌شد، باعث تقلب بیشتر می‌شد. با این حال، نادیده گرفتن دانش‌آموزان برای آن، آنها را دلسرد می‌کرد و این باعث تقلب می‌شود. بنابراین تیم مجبور شد برای مدیریت این تاکتیک‌هایی ارائه دهد که شامل آموزش به دانش‌آموزان می‌شد که چگونه از LLM استفاده کنند. با این حال، آنها چیزهایی را پیدا کردند که به خوبی کار می کردند.

اعطای امتیاز، حتی به صورت نیمه خودسرانه، با جوایز مخفی گاه به گاه، و همچنین بازخورد دادن از طریق الگوهای رفتاری اینترنتی. آخرین تمرین، نقش آفرینی یک سناریو به سبک «دنجون و اژدها» بود. تلاش این بود که "من می خواهم یک نویسنده فناوری باشم، اما چگونه به آنجا برسم؟". این شامل هدایت یک تیم متقابل، ایجاد چیزهایی مانند یادداشت‌های انتشار، یادداشت‌های فنی و برخی اسناد واقعی برای این فرآیند بود. و از آنجایی که مطالب دوره منبع باز هستند، فارغ التحصیلان به یک رکورد دائمی FOSS رسیدند که می توانند به کارفرمایان احتمالی نشان دهند.

یک پروژه Github وجود دارد، و می‌توانید برخی از کارهای درسی بایگانی شده دانش‌آموز را برای سال‌های 2025 و 2026 ببینید. مسائل مربوط به استفاده از LLM در نوشتن فناوری موضوع اصلی جلسه «پرنده‌های پر» بود که هرمن قبلا آن را مدیریت کرد: نوشتن فنی در عصر هوش مصنوعی. او با این سؤال شروع کرد که چه تعداد از مخاطبان از هوش مصنوعی در تلاش‌های خود برای نوشتن فناوری استفاده می‌کردند و به گفته او «اکثریت قاطع» که قبلا در هیئت مدیره بودند، به دست آورد. چیزی که به نظر ما جالب بود این است که مردم گفتند برای چه از آن استفاده نکرده‌اند. آنها متوجه می شوند که حتی بهترین مدل ها خودشان در نوشتن مستندات ضعیف هستند.

آنها همچنین در ترسیم نمودارها و خواندن آنها برای اهداف بازبینی ضعیف هستند. آنها در بررسی اسناد ضعیف هستند ("هوش مصنوعی بیش از حد نامفهوم است و بنابراین بررسی ها بیش از حد مثبت هستند" و "بازخورد خوبی در مورد تمرکز کاربر یا ساختار ارائه نمی دهد.") با این حال، اکثر شرکت کنندگان از آن استفاده های مشابهی پیدا کردند. مثال‌ها شامل «مدیریت تغییر» و «به‌روزرسانی به کد جدید» بود - به عبارت دیگر، شناسایی بخش‌هایی از محصولات بزرگ تغییر کرده‌اند و بنابراین نیاز به مستندات جدید دارند.

برخی دیگر گفتند که از آن برای «مستند کردن تصمیم‌ها از یادداشت‌های جلسه» و به روش‌های دیگر «جمع‌آوری منابع اطلاعاتی برای نوشتن» و به طرز نگران‌کننده‌ای برای «خلاصه‌سازی یادداشت‌ها (از کنفرانس‌ها، جلسات و غیره) و خوشه‌بندی بر اساس مضامین استفاده می‌کنند. کاربرد دیگر "کد مهندسی معکوس برای کشف قصد" یا "یافتن اسناد موجود برای جلوگیری از اختراع مجدد یا تکراری" بود. نویسندگی فنی شغلی سخت و طاقت فرسا است و تقریبا برای همیشه از منابع کافی برخوردار نیست. ما نمی‌توانیم و نمی‌توانیم کسی را به خاطر گرفتن چیزی که ممکن است کمک کند سرزنش کنیم.

با این حال، برای ما، آنچه در این جلسه برجسته شد، توافق تقریبا متفق القول میان مخاطبان نویسندگان فناوری بود که LLM ها در انجام کاری که خود نویسندگان فناوری انجام می دادند ضعیف بودند. بررسی اسناد یکدیگر بخش اصلی کار است: نویسندگان فناوری به این کار عادت کرده‌اند، و وقتی تلاش‌های ربات‌ها را بررسی می‌کنند، متوجه می‌شوند که دستگاه فاقد آن است. این با برداشت های ما نیز مطابقت دارد.

چیزی که ما نگران‌کننده بودیم این است که، اگرچه آنها ربات‌ها را در انجام کارهایی که نویسندگان بهتر می‌دانند ضعیف می‌دانند، با این حال، آنها به ربات‌ها اعتماد داشتند که در سایر عملکردها توانمند هستند، چیزهایی که نویسندگان آنقدر دقیق به آن‌ها نگاه نمی‌کنند - برای مثال، پیدا کردن و انتخاب مکان‌هایی که اسناد نیاز به به‌روزرسانی دارند. استفاده از خلاصه سازی به ویژه هشدار دهنده است: این چیزی است که مطالعات نشان داده است که LLM ها در آن بد هستند. آنها کوتاه می کنند، نه خلاصه، و این جایگزینی نیست. ما این موضوع را نگران‌کننده می‌دانیم، اما مرتبا گزارش‌هایی از فشار شرکت‌ها به کارکنان برای استفاده بیشتر از هوش مصنوعی می‌شنویم.

این یک پاسخ کاملا انسانی است: «نمی‌تواند کار من را انجام دهد، اما اگر مجبور باشم از آن استفاده کنم، پس این چیزها در صلاحیت من نیست، و اگر خراب شود، می‌توانم شخص دیگری را سرزنش کنم.» ما فقط نگران هستیم که این پول در نهایت پشت میز چه کسی متوقف شود. ®