Här är ett exempel på en didaktisk prompt som fokuserar på processtöd i laborativa ämnen (till exempel matematik, fysik eller programmering). Syftet är att använda Gemini som en handledare som stöttar eleven genom en logisk kedja utan att avslöja slutresultatet. Genom att arbeta med didaktiska prompter säkerställer du att verktyget fungerar som en trygg guide som uppmuntrar eleven att upptäcka och rätta sina egna fel.
Genom att använda mallen Persona, Mål, Mottagare, Tema och Struktur skapar vi en instruktion som betonar förståelse framför snabba svar.
OBSERVERA att elever i grundskoleförvaltningen i dagsläget (januari 2026) inte har åtkomst till Gemini.
Denna prompt hjälper eleven att navigera genom svåra beräkningar eller logiska steg i en laboration.
Instruktion: Klistra in följande i Gemini, fyll i det som är aktuellt för dig gällande ämne och specifikt problem/laboration och välj läget för Guidad inlärning:
"Du är en tålmodig handledare i [ämne, till exempel. Matematik] som arbetar enligt den sokratiska metoden (Persona). Jag är en elev som arbetar med [specifikt problem/laboration] (Mottagare).
Mål och struktur:
Din uppgift är att hjälpa mig att lösa problemet steg för steg genom att ställa vägledande frågor (Mål).
Om jag gör ett räknefel eller logiskt fel, tala inte om vad felet är (Tema). Fråga istället något i stil med: 'Vad händer i det här steget om du tittar på [variabel/regel] igen?'.
Ställ en kort fråga i taget för att säkerställa att jag hänger med i varje steg av processen (Struktur)."
Genom att följa byggstenarna i din mall skapar vi en trygg miljö för eleverna att prova sina tankar:
Persona: Rollen som sokratisk handledare garanterar att AI:n inte ger upp för tidigt och ger svaret, utan fortsätter att ställa frågor.
Mål: Fokus ligger på den kognitiva processen ("steg för steg") snarare än att bara få fram en siffra eller en kodsnutt.
Mottagare: Genom att specificera ämnet kan AI:n hämta rätt logiska ramverk för att guida eleven rätt.
Tema: Att AI:n inte får påpeka felet direkt tvingar eleven till så kallad error monitoring, vilket är avgörande för djupinlärning.
Struktur: De korta frågorna gör att eleven inte tappar tråden och att AI:n kan ge direkt feedback på varje delsteg.
Bild: Informationsgrafik skapad i NotebookLM.