Speaker
Description
A investigação teve como objetivo principal analisar os prompts criados em relação à especificidade e detalhamento, associando a eficiência das respostas com características demográficas dos participantes: idade, contato com IA, nível de escolaridade, área de formação e gênero.
A pesquisa foi realizada por meio de formulário online, com tarefas de criação de prompts para gerar imagens e modificação de tabelas, além de perguntas sobre o conceito de "especificidade" na criação de prompts. A eficiência de cada prompt foi avaliada com base na presença de elementos-chave pré-definidos, atribuindo pesos iguais de 20%. A análise de correlação foi utilizada para comparar a eficiência dos prompts com os dados demográficos dos participantes.
O estudou contou com 200 voluntários. A maioria dos participantes do estudo foi composta por homens (94,5%), com idade entre 30 e 34 anos (86,7%), pós-graduação em Humanas (64,2%) e pouco contato com IA (76,9%). As pontuações de eficiência foram predominantemente baixas nas tarefas de geração de imagem, manipulação de tabelas e definição de especificidade. A análise estatística mostrou que o contato com IA e o nível de escolaridade tiveram associações estatisticamente significativas com a eficiência das respostas nas tarefas de geração de imagem e manipulação de tabelas. Já para a tarefa de definição de especificidade, apenas o contato com IA se mostrou estatisticamente significativo.
Os resultados indicam que, apesar da maioria dos participantes ter alto nível de escolaridade, o contato prévio e frequente com IA é fator crucial para a elaboração de prompts eficientes e detalhados. A pesquisa aponta para a necessidade de educação e treinamento para que os usuários possam otimizar suas interações com a IA, competência essencial no cenário atual e futuro, reforçando a relevância do estudo para a Educação Superior.
| Palavras-chave | Geração de prompts; Inteligência Artificial; Interação humano-IA; Eficiência; Educação. |
|---|
