سازنده برنامه درسی با تکرار فاصلهدار: هر ماده مطالعاتی را به یک برنامه مرور ساختاریافته تبدیل کنید
چرا این پرامپت اهمیت دارد
Most self-study fails not from lack of material but from lack of a retrieval schedule. Learners re-read notes — which is recognition, not recall — and per the Ebbinghaus forgetting curve lose roughly 70% of new material within a week without active review. That pattern typically ends in a cram week before the deadline, which produces recall that feels solid in the moment but collapses within days of the exam, effectively wasting the weeks of study time that came before it.
ما از آن برای چه استفاده میکنیم
You have 6 weeks before the AWS Solutions Architect Associate exam, a 40-page official study guide, and 5 hours a week to study around a full-time job. You've read the guide once already but you're not confident it stuck, and you don't know how to turn a static document into a day-by-day plan that actually uses spaced repetition instead of a second read-through.
پرامپت
Act as an expert learning scientist who designs spaced-repetition study systems based on cognitive science research (the forgetting curve, active recall, interleaving). Context: I need to learn [SUBJECT OR MATERIAL] before [DEADLINE OR EXAM DATE]. I have [AVAILABLE STUDY TIME PER WEEK] to dedicate to this. My current familiarity with the material is [BEGINNER / INTERMEDIATE / ADVANCED]. Here is the source material or topic outline: [PASTE YOUR STUDY MATERIAL, SYLLABUS, OR TOPIC LIST HERE]. Task: 1. Break the material into discrete, testable concept units — not chapter titles, but atomic facts and skills a person can actually be quizzed on. 2. Rank each unit by difficulty and dependency (what must be learned before what). 3. Build a spaced-repetition review schedule using expanding intervals (day 1, day 3, day 7, day 14, day 30) mapped onto my stated weekly study time and deadline. 4. For each concept unit, write 2-3 active-recall questions that force me to produce an answer rather than recognize one. 5. Flag which units are highest-risk for my goal and need extra review passes. Constraints: - Do not just summarize the material — decompose it into atomic, individually testable units. - Recall prompts must require producing an answer, not selecting one from choices. - The schedule must fit within my stated weekly time budget. If it genuinely doesn't fit, say so explicitly and tell me what to cut or how much to extend the deadline. - Interleave topics once initial learning is done — do not schedule all units from one topic back-to-back in later review sessions. Output Format: - Section 1: Concept Unit List (numbered, with dependency notes) - Section 2: Review Calendar (table: Date | Units to Review | Est. Minutes) - Section 3: Active Recall Question Bank (grouped by concept unit) - Section 4: Risk Flags (which units need extra passes, and why)
نتیجه
**Section 1: Concept Unit List (excerpt)** 1. IAM roles vs. IAM users vs. resource policies (no dependency — foundational) 2. Cross-account access via IAM role assumption (depends on Unit 1) 3. S3 storage classes and lifecycle transitions (no dependency — foundational) 4. S3 cross-region replication requirements (depends on Unit 3) 5. VPC subnets: public vs. private, and route table behavior (no dependency — foundational) 6. NAT Gateway vs. NAT Instance failover characteristics (depends on Unit 5) 7. Auto Scaling Group health checks: EC2 vs. ELB (depends on Unit 5) ... [34 more units covering compute, database, and networking domains]
**Section 2: Review Calendar (excerpt)** | Date | Units to Review | Est. Minutes | |---|---|---| | Mon Wk1 | New: Units 1-7 (IAM, S3 basics) | 60 | | Wed Wk1 | Review: Units 1-7 (Day 3 pass) | 25 | | Fri Wk1 | New: Units 8-14 (VPC, compute) | 60 | | Sun Wk1 | Review: Units 1-14 (mixed, Day 3+7 passes) | 45 | | Mon Wk2 | New: Units 15-21 (databases) | 60 | ... [continues through Week 6, exam-week schedule front-loads Risk Flag units]
**Section 3: Active Recall Question Bank (sample — Unit 2)** - Q: A company needs its Lambda function in Account A to write to an S3 bucket in Account B. Walk through the two IAM elements required and which account each one lives in. - Q: What's the maximum session duration for an assumed role by default, and how would you extend it? - Q: Why does resource-based policy alone sometimes fail for cross-account S3 access even when the bucket policy looks correct?
**Section 4: Risk Flags** - Units 4, 9, 22 (S3 replication, VPC peering limits, RDS Multi-AZ failover mechanics): historically the most-missed exam topics per official guide weighting — scheduled for an extra Day-21 review pass not in the standard interval sequence. - Your 5 hrs/week budget covers 34 of the 41 units at the standard cadence; the plan compresses Units 35-41 (advanced networking) into paired sessions in Week 5 — flagging this as tight. Consider either 6.5 hrs/week from Week 4 onward, or accept lighter review depth on those units.
بیشتر Promptهایی که افراد برای هوش مصنوعی مینویسند به «خلاصه کردن این» یا «آزمون گرفتن از من درباره این» محدود میشود و هر دوی اینها از چیزی که در واقع به ماندگاری اطلاعات در حافظه منجر میشود، کوتاه میمانند. خلاصهسازی یادداشتهایی تولید میکند که حس آشنایی با مطلب ایجاد میکنند و به نظر میرسد یادگیری رخ داده، اما در برابر یک امتحان واقعی دوام نمیآورند. پرسش تصادفی بدون برنامه، بهترین یافته مستندشده در علم یادگیری را نادیده میگیرد: مرور فاصلهدار از مرور فشرده بهتر است و این فاصله باید به مرور زمان افزایش یابد تا با نحوه نابودی حافظه مطابقت کند.
چرا ساختار اهمیت دارد
این Prompt سه کار را اجباری میکند که یک درخواست ساده خلاصهنویسی هرگز انجام نمیدهد. اول، مطالب را به واحدهای اتمی تجزیه میکند، نه بخشهای فصلی — «نقشهای IAM در مقابل کاربران IAM در مقابل سیاستهای منابع» چیزی است که میتوان آن را آزمود، برخلاف «فصل ۳: مدیریت هویت و دسترسی». دوم، این واحدها را روی یک تقویم واقعی با بازههای فزاینده (۱، ۳، ۷، ۱۴، ۳۰ روز) نگاشت میکند؛ این الگوی بازهای است که پژوهشهای تکرار فاصلهدار به طور مداوم نشان میدهند که از مرور فشرده و مرور با فاصله یکنواخت بهتر عمل میکند. سوم، بهجای کارتهای حافظه، پرسشهای بازیابی فعال تولید میکند، زیرا پاسخ تولیدشده از حافظه مسیر بازیابی قویتری میسازد تا تشخیص گزینه صحیح در میان گزینههای مختلف.
محدودیتی که کار اصلی را انجام میدهد
دستوری که از برنامه میخواهد در بودجه زمانی هفتگی اعلامشده جای بگیرد — و وقتی جا نمیگیرد به صراحت بگوید — کلیدیترین محدودیت در این Prompt است. برنامههای مطالعاتی که محدودیتهای زمانی واقعی را نادیده میگیرند، ظرف یک هفته رها میشوند. واداشتن مدل به این که برنامه غیرقابلاجرا را علامت بزند، به جای اینکه بیصدا یک برنامه غیرواقعی تولید کند، تقویم مطالعه را به چیزی تبدیل میکند که انسان واقعاً بتواند از آن پیروی کند و اطلاعاتی به او میدهد تا بین ساعات هفتگی بیشتر یا مدتزمان طولانیتر یک انتخاب واقعی انجام دهد.
سازگار کردن آن
این Prompt برای آمادگی آزمون کار میکند، اما همین ساختار برای آشنا کردن یک کارمند جدید با یک پایگاه کد ناآشنا، ارتقای سطح در یک حوزه فنی جدید پیش از تغییر نقش، یا آمادگی برای یک چرخه مصاحبه فنی نیز کاربرد دارد. ورودی کلیدی که باید درست تنظیم شود، فیلد «ماده منبع» است؛ هرچه محتوای جایگذاریشده ساختارمندتر باشد (یک سرفصل واقعی یا رئوس مطالب بهتر از یک نام موضوع مبهم است)، مدل با دقت بیشتری میتواند واحدهای واقعاً اتمی و آزمونپذیر بسازد، به جای اینکه درباره محدوده آن حدس بزند.