說幾個(ge) 典型情況
1,如果主文書(shu) 內(nei) 容足夠具體(ti) 和出色,目的隻是潤色語言,交給gpt足夠——這是它最擅長的。gpt改什麽(me) ,取決(jue) 於(yu) 主人指令,即輸入prompt內(nei) 容。
同理,如果學生用不了gpt或者不懂發問,而學生的中介能用且會(hui) ,那麽(me) 中介可以用這個(ge) 硬件差距躺賺,連顧問/文書(shu) 老師都不需要聘請
2,如果學生英文水準比較有限——可看成高中死磕托福三年依然是105封頂——寫(xie) 篇優(you) 秀的主文書(shu) 還是太難。gpt給的修改和語言,可能無法匹配托福100學生的申請profile. 對申請這會(hui) 是個(ge) 問題,但也不是不可抗拒力——需要後續一些人工操作
3,如果學生是對小文書(shu) (why school, why major, community contribution, diversty statement, etc)有問題,除了對著成品改語言,gpt基本沒用 相比主文書(shu) ,小文書(shu) 能更燒腦筋。
畢竟主文書(shu) 不需要申請者搞additional research, 隻用搞清楚想呈現的形象和會(hui) 用英文敘事,寫(xie) 出來後交給牛人或gpt點評就行。
小文書(shu) 不同:每個(ge) 學校如何與(yu) 申請者的需求雙向匹配,申請者為(wei) 何青睞特定專(zhuan) 業(ye) 和校園——這些都需要學生在寫(xie) 之前惡補知識,深入了解學校提供的具體(ti) 資源 此任務不僅(jin) large language models無法包辦,更不是無能顧問口中的 "brainstorm" 能解決(jue) 的 對小文書(shu) ,最具誤導性的指令莫過於(yu) 讓學生brainstorm——因為(wei) 幹想再久也沒用,必須動手瀏覽網頁和標記重點,再結合個(ge) 人經曆合成有效內(nei) 容 去年前年都寫(xie) 過文書(shu) 修改方麵的文章,今年不想再寫(xie) 同類推文了。
評論已經被關(guan) 閉。