Prompt engineering jako novy zdroj a požadavek pro pracovní praxi
Autor(ka) práce:
Bedraev, Aznaur
Typ práce:
Diplomová práce
Vedoucí práce:
Hron, Michal
Oponenti práce:
Špaček, Miroslav
Jazyk práce:
Česky
Abstrakt:
Tato diplomová práce se zabývá vlivem velkých jazykových modelů (LLM) na rozvoj dovedností a kompetencí znalostních pracovníků. Studie využívá kvalitativního výzkumu, přičemž hlavní metodou sběru dat jsou polostrukturované rozhovory s juniorními konzultanty. Cílem rozhovorů je identifikovat klíčové pracovní činnosti a zodpovědnosti zkoumaných konzultantů, jakož i způsoby využití LLM při plnění těchto činností. Na základě výsledků rozhovorů a pomocí teoretického modelu získávání dovedností je analyzován způsob, jakým LLM umožňuje dosahovat vyšších úrovní expertízy. To je vysvětleno tím, že dosažení vyšší úrovně expertízy vyžaduje rozsáhlé zkušenosti s reálnými situacemi, ve kterých LLM může pomáhat tím, že poskytuje personalizované a relevantní informace. Práce přináší užitek znalostním pracovníkům, vzdělávacím institucím a manažerům lidských zdrojů tím, že nabízí praktické způsoby využití LLM v praxi a teoretické východisko pro pochopení vlivu LLM na proces získávání dovedností.
The impact of Large Language Models on knowledge contextualization and competency development among knowledge workers
Autor(ka) práce:
Bedraev, Aznaur
Typ práce:
Diploma thesis
Vedoucí práce:
Hron, Michal
Oponenti práce:
Špaček, Miroslav
Jazyk práce:
Česky
Abstrakt:
This thesis explores the impact of large language models (LLMs) on the development of skills and competencies among knowledge workers. The study employs qualitative research, with semi-structured interviews with junior consultants serving as the primary data collection method. The goal of the interviews is to identify key work activities and responsibilities of the consultants studied, as well as the ways in which LLMs are utilized in carrying out these activities. Based on the results of the interviews and using a theoretical skill acquisition model, the manner in which LLMs enable higher levels of expertise is analyzed. This is explained by the fact that achieving higher levels of expertise requires extensive experience with real-world situations, in which LLMs can assist by providing personalized and relevant information. The work benefits knowledge workers, educational institutions, and human resources managers by offering practical ways to use LLMs in practice and a theoretical basis for understanding the impact of LLMs on the skill acquisition process.
Klíčová slova:
Large Language Models (LLM); artificial intelligence; skill acquisition; knowledge contextualization; knowledge workers