提示工程－以 PEDro 量表為例
我詢問 ChatGPT & Claude AI 相關問題，結果如下： ChatGPT 如連結。 Claude 如下： Q：您是一位 prompting enginering 專家，請解釋 chain of thought，並以應用於 PEDro scale 應用於評論 RCT 論文為例說明之 我很樂意為您解釋 chain of thought（思維鏈）概念，並以應用於 PEDro scale 評論隨機對照試驗（RCT）論文為例說明。 chain of thought 是一種提示工程技術，旨在引導人工智能模型通過 一系列邏輯步驟來解決複雜問題 。這種方法 鼓勵模型逐步思考 ，類似於人類解決問題的方式，從而提高其推理能力和輸出質量。 現在，讓我們以使用 PEDro scale 評論 RCT 論文為例，說明如何應用 chain of thought： 1. 首先，我們可以這樣開始提示： "請使用 PEDro scale 評估以下 RCT 論文。 逐步思考每個評分標準，並解釋你的評分理由 。" 2. 然後，我們可以引導模型按照 PEDro scale 的 11 個標準逐一思考： "1. 請檢查論文是否明確說明了受試者的納入標準。解釋你的發現。 2. 現在，評估受試者是否被隨機分配到不同組別。描述你在論文中找到的相關信息。 3. 分配是否是隱蔽的？解釋論文如何描述這一過程。 4. 檢查基線時各組的主要預後指標是否相似。提供你的觀察結果。 5. 受試者是否被盲法處理？說明你的判斷依據。 6. 治療師是否被盲法處理？解釋論文中的相關描述。 7. 評估者是否被盲法處理？提供論文中的證據。 8. 是否至少有 85% 的受試者完成了關鍵結果測量？計算並解釋你的結論。 9. 所有受試者是否都接受了分配的治療或對照條件？如果沒有，是否進行了意向性分析？解釋你的發現。 10. 組間比較的統計結果是否被報告？描述你在論文中找到的相關數據。 11. 研究是否同時提供了點估計和變異性估計？舉例說明。" 3. 最後，我們可以要求模型總結其評估： "基於以上分析，請給出這篇 RCT 論文在 PEDro scale 上的總分，並簡要總結其優缺點。" 通過這種