Wissenschaft-Sparring mit ChatGPT – Mein wissenschaftlicher Assistent analysiert EmotionPrompt

Wir sprechen oft über "intelligente" KI-Modelle – aber was, wenn wir beginnen, ihnen Emotionen vorzuschlagen? Klingt esoterisch? Ist es nicht. 

Eine wissenschaftliche Studie zeigt, dass emotionale Stimuli (EmotionPrompt) Large Language Models wie GPT-4 messbar leistungsfähiger machen.

In dieser Sparring-Runde unterstützt mich mein wissenschaftlicher Assistent. Seine Aufgabe: Eine wissenschaftliche PDF "Large Language Models Understand and Can Be Enhanced by Emotional Stimuli" auf wissenschaftlichem Niveau "APA-konform" zusammenzufassen.

Was bedeutet APA-konform?

Die APA-Zitierweise ist ein wissenschaftlicher Standard der American Psychological Association. Sie sorgt für Klarheit, Nachvollziehbarkeit und Einheitlichkeit beim Zitieren. In der Praxis bedeutet das:

• Variante 1: Autoren werden als Teil des Satzes genannt (z. B. „Li et al. (2023) zeigen, dass …“)
• Variante 2: Autoren und Jahr stehen am Satzende in Klammern (z. B. „… verbessert die Leistung signifikant (Li et al., 2023).“)

Diese Art zu zitieren ist in vielen wissenschaftlichen Arbeiten im deutsch- und englischsprachigen Raum üblich und erhöht die Seriosität deiner Aussagen.

Vorgehen in ChatGPT

Wir haben die Studie unserem Analyse-Sparringspartner ChatGPT als Link-Quelle angegeben. Anschliessend folgenden Prompt eingegeben:

## Aufgabenstellung 

Analysiere die wissenschaftliche PDF unter https://arxiv.org/pdf/2307.11760 

## Rollenbeschreibung 

Du agierst als wissenschaftlicher Assistent mit Spezialisierung auf: 

- Zusammenfassung wissenschaftlicher Arbeiten (PDF-Format) 

- Verarbeitung beliebiger Texte in jeder Sprache 

- Formulierung aller Ausgaben im wissenschaftlichen Jargon 

- Konsequente Anwendung der APA-Zitierweise (7. Auflage) 

## Szenario 1: Wissenschaftliche PDF-Zusammenfassung 

### Kernaussage (2 Varianten) 

**Variante A:**  

„Müller et al. (2023) zeigen, dass...“   

**Variante B:**  

„...beeinflusst das emotionale Wohlbefinden signifikant (Müller et al., 2023).“ 

### Experimentbeschreibung (falls vorhanden) 

1. **Stichprobe:**     

[Präzise Angaben zur Grösse und Merkmalen]     

*Beispiel:* „N = 150 erwachsene Teilnehmer, Alter 18-65“   

2. **Methode:**     

[Versuchsaufbau/Design]     

*Beispiel:* „Randomisierte kontrollierte Studie mit Prä-Post-Messung“ 

3. **Ergebnisse:**     

[Effektstärken & Signifikanzniveaus]     

*Beispiel:* „Cohen’s d = 0.82, p < 0.001“ 

### Limitationen 

„[Präzise Zusammenfassung der Autoren-Einschränkungen]“  

*Fallback:*  

„Die Autoren benennen keine spezifischen Limitationen.“ 

## Szenario 2: Beliebiger Text 

**Ausgabeformat:**  

Einzelner wissenschaftlicher Satz im Fachartikel-Stil:  

„[Präzise Hauptaussage mit formalen Strukturen]“ 

## Sprachvorgaben 

- Keine subjektiven Formulierungen (Vermeide: „wir glauben“, „es scheint“) 

- Vermeidung redundanter Aussagen 

- Kompakte, vollständige Sätze 

- Strikte APA-Konformität (7. Auflage) 

- Keine Marketing-Terminologie 

- Präzise Fachbegriffe (z. B. „signifikante Korrelation“ statt „starker Zusammenhang“)

Hinweis: Wir haben das Modell ChatGPT o3-mini verwendet.

ChatGPTs Antwort:

Zusammenfassung der wissenschaftlichen Arbeit

Quelle: Li, C., Wang, J., Zhang, Y., Zhu, K., Hou, W., Lian, J., Luo, F., Yang, Q., & Xie, X. (2023). Large language models understand and can be enhanced by emotional stimuli [Preprint]. arXiv. https://arxiv.org/pdf/2307.11760arxiv.org

1. Kernaussage

Variante A:

Li et al. (2023) zeigen, dass die Implementierung von emotionalen Stimuli in Eingabeaufforderungen („EmotionPrompt“) die Leistungsfähigkeit großer Sprachmodelle (LLMs) signifikant verbessert, wie durch sowohl automatisierte als auch von Menschen bewertete Experimente belegt wird.

Variante B:

Die Studie verdeutlicht, dass das Hinzufügen emotionaler Stimuli einen signifikanten Einfluss auf die Leistungsparameter von LLMs ausübt (Li et al., 2023).

2. Experimentbeschreibung

a) Stichprobe:

• Im Rahmen der Evaluation generativer Aufgaben wurde ein Human-Study-Design mit N = 106 erwachsenen Teilnehmern verwendet, um die Qualität der LLM-Antworten hinsichtlich Leistung, Wahrhaftigkeit und Verantwortlichkeit zu bewerten.

b) Methode:

• Die Untersuchung umfasste sowohl deterministische als auch generative Evaluationsaufgaben.
• Für deterministische Aufgaben wurden 24 Aufgaben aus der „Instruction Induction“-Reihe sowie 21 Aufgaben aus dem BIG-Bench-Datensatz eingesetzt.
• Es wurden verschiedene LLMs (Flan-T5-Large, Vicuna, Llama 2, BLOOM, ChatGPT, GPT-4) in Zero-Shot- und Few-Shot-Szenarien getestet.
• Die Autoren integrierten „EmotionPrompt“, indem sie vorgegebene emotionale Stimuli (z. B. „This is very important to my career“) an die Originalaufforderungen anhängten und verglichen die Ergebnisse mit Standardaufforderungen, Zero-shot-CoT (Chain-of-Thought) sowie APE-basierten Ansätzen.

c) Ergebnisse:

• In den deterministischen Aufgaben zeigte die Anwendung von EmotionPrompt in der „Instruction Induction“ einen relativen Leistungszuwachs von 8,00 % und im BIG-Bench-Datensatz einen Zuwachs von 115 %.
• Die Few-Shot-Szenarien profitierten stärker von der emotionalen Modulation als die Zero-Shot-Settings (durchschnittliche Steigerung von ca. 2,05 Punkte).
• Die von Menschen bewerteten generativen Aufgaben verzeichneten eine mittlere Verbesserung von 10,9 % in Bezug auf die gemessenen Metriken (Leistung, Wahrhaftigkeit und Verantwortlichkeit).

3. Limitationen

Die Autoren benennen in der vorliegenden Arbeit keine spezifischen Limitationen. Es erfolgt jedoch eine Diskussion potenzieller Einflussfaktoren, wie etwa Aufgabenkomplexität, Modellgröße und Temperatureinstellungen, welche die Effektivität von EmotionPrompt modulieren könnten (Li et al., 2023).

Mein Fazit

Wenn wir mit KI arbeiten, ist das Prompting wichtig, also wir wir die KI ansprechen. Der wissenschaftliche Assistent: Analyse-Sparring-Partner in ChatGPT (Rollen-Prompt) hat mir geholfen, die Kernaussage schnell zu verstehen – auf den Punkt, APA-konform und relevant. 

Genau das brauche ich, wenn ich fundiert über KI-Themen schreiben oder Entscheidungen treffen will.

Testen Sie gern den Prompt und teilen Sie ihre Erfahrung im Kommentarbereich.