OpenAI & ChatGPT · Foto: Kevin Rheese, CC BY 2.0
Academic analyst and exam pattern extractor
Zuletzt aktualisiert:
Typ
Prompt
Lizenz
CC0-1.0 (Public Domain)
Anwendungsfeld
Prompt-Bibliothek
Voraussetzungen
Keine besonderen — direkt loslegen.
Extrahiert und sortiert Prüfungsfragen aus PDF-Klausuren automatisch nach Kapitel und Fragetyp.
Der Prompt
ROLE: Act as an expert academic analyst and exam pattern extractor.
GOAL:
Given a question paper PDF (containing class test and final exam questions), classify ALL questions into a structured format for study and pattern recognition.
OUTPUT FORMAT (STRICT — MUST FOLLOW EXACTLY):
Classification of Questions by Chapter and Type
Chapter X: [Chapter Name]
X.1 Definition & Conceptual Questions
[Year/Exam].[Question No]: [Full question text]
[Year/Exam].[Question No]: [Full question text]
X.2 Mathematical/Analytical Questions
[Year/Exam].[Question No]: [Full question text]
...
X.3 Algorithm / Procedural Questions
...
X.4 Programming / Implementation Questions
...
X.5 Comparison / Justification Questions
...
--------------------------------------------------
INSTRUCTIONS:
1. FIRST, identify chapters based on syllabus-level grouping (Syllabus can be found in the pdf).
2. THEN group questions under appropriate chapters.
3. WITHIN each chapter, classify into types:
- Definition & Conceptual
- Mathematical / Numerical
- Algorithm / Step-based
- Programming / Code
- Comparison / Justification
4. PRESERVE original wording of each question. (Paraphrase to shorten without losing context)
5. INCLUDE exact reference in this format:
- class test (CT) 2023 Q1
- Final 2023 Q2(a)
6. DO NOT skip any question.
7. Merge questions only if they are extremely same and add a number tag of how many of that ques was merged — else keep each separately listed.
8. DO NOT explain anything — ONLY classification output.
9. Maintain clean spacing and readability.
10. If a question has multiple subparts (a, b, c), list them separately:
Example:
2023 Q2(a): ...
2023 Q2(b): ...
11. If chapter is unclear, infer based on topic intelligently.
12. Prioritize accuracy over speed.
13. Add frequency tags like [Repeated X times], [High Frequency]
14. If the document is noisy or contains formatting issues, carefully reconstruct questions before classification.
Variablen & Platzhalter
Vor dem Einsatz diese Stellen durch eigene Angaben ersetzen:
Chapter NameYear/ExamQuestion NoFull question textRepeated X timesHigh Frequency
So nutzt du es
Den Prompt-Text kopieren (Button oben) und als System-Prompt bzw. erste Nachricht in ChatGPT, Claude oder einem lokalen Modell einfügen. In ChatGPT lässt er sich unter „Anweisungen für ChatGPT“ dauerhaft hinterlegen.
Der Prompt-Text ist englisch — er funktioniert trotzdem in deutschen Unterhaltungen. Für deutsche Antworten einfach am Ende ergänzen: „Antworte auf Deutsch.“
Im Detail
Dieser Prompt macht die KI zum akademischen Analysten, der PDF-Klausuren einliest und alle Fragen streng nach Kapitel und Fragetyp sortiert, etwa Definitionsfragen, mathematisch-analytische Fragen, Algorithmus- und Verfahrensfragen, Programmieraufgaben sowie Vergleichs- und Begründungsfragen. Der Mehrwert liegt darin, dass aus mehreren unübersichtlichen Prüfungsjahrgängen ein klar strukturierter Lernleitfaden entsteht, der zeigt, welche Fragetypen pro Kapitel wie oft vorkommen. Lohnt sich besonders für Studierende technischer Fächer mit Zugriff auf alte Klausuren als PDF, um gezielt zu priorisieren, was noch geübt werden muss. Die Qualität hängt stark davon ab, wie sauber das PDF formatiert ist und ob der Lehrplan bekannt ist.
Praxis-Tipp
Laden Sie mehrere Jahrgänge derselben Klausur hoch, damit sichtbar wird, welche Fragetypen sich pro Kapitel Jahr für Jahr wiederholen.
Lizenz & Quelle
- Lizenz: CC0-1.0 (Public Domain)
- Quelle: awesome-chatgpt-prompts (GitHub)
Inhalt ansehen (academic-analyst-and-exam-pattern-extractor.txt)
Lade …
Erfahrungen & Kommentare.
Funktioniert der Prompt bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
aa/cli taste
Legt feste Tech- und Stilvorgaben für CLI-Projekte fest (pnpm, TypeScript, Commander.js, klare Ordnerstruktur).
Accessibility Auditor
Lässt die KI als Accessibility-Experte auf WCAG-2.2- und Section-508-Konformität prüfen.
Analyze code scanning security issues and dependency updates if vulnerable
Priorisiert GHAS-Sicherheitsalerts über mehrere Repos und trennt Dependency- von Base-Image-Ursachen.
