Kasu:
- Võimalus konfigureerida tehisintellektiga vajaduste analüüsi raamistikku, programmiloogikat ja rahastamistaotluse kavandit
- Teades, et programm sünnib valdkonnast ja osates rakendada distsipliini, et panna iga statistika ja summa reaalsete andmetega ja tähistada väljamõeldud kujundiga [ANDMED VAJAVAD].
- Näidake oskust pidada lubadusi realistlikult ja jätkusuutlikult ning kasutada keelt, mis ei häbimärgista ja annab sihtrühma jõudu.
Sotsiaaltöö ei ole ainult üks-ühele juhtumiuuring; See hõlmab ka programmide ja projektide kavandamist, elluviimist ja ressursside leidmist, mis vastavad kogukondade vajadustele. Naabruskonna naiste tööhõivet toetav programm, ebasoodsas olukorras olevate laste hariduse toetusprojekt, eakate sotsialiseerimiskeskus, teavituskampaania sõltuvusega võitlemiseks. Need tööd; See nõuab vajaduste analüüsi, eesmärkide seadmist, tegevuskava, eelarvet, monitooringut-hindamist ja sageli ka fonditaotlust (projekti eest ressursse taotlev taotlus). Selles üksuses saate teada, kuidas kasutada tehisintellekti mõtlemis- ja kirjutamispartnerina programmiidee etapist kuni rakenduse mustandini, millised andmed peaksid olema reaalsed, ja eetilisi piire.
Algusest peale põhimõte: programm tuleb väljast välja; mitte laualt. Programmi teeb tõeliselt väärtuslikuks see, et see põhineb tõelise kogukonna tegelikel vajadustel. AI suudab toota ladusat “vajaduste analüüsi” teksti, kuid ta ei tunne valdkonda; Kasutades selle pakutavat statistikat, vajadusi ja põhjendusi ilma seda tegelike andmetega kontrollimata ja teie valdkonnateadmised loovad programmi, mis on paberil hea, kuid reaalsusele võõras. AI täiustab struktuuri ja keelt; Te tagate sisu autentsuse.
Kus programmitsüklis on tehisintellekt kasulik?
1. Vajaduste analüüsi raamistik. See määratleb, milliseid andmeid, milliseid sidusrühmi ja milliseid küsimusi on vaja vajaduse süstemaatiliseks uurimiseks. Aga sa paned numbrid ja leiud päris allikatest.
2. Programmiloogika (muutusteooria). See aitab luua ahela (sekkumisloogika) "See tegevus annab selle väljundi, selle tulemuse, selle efekti"; See muudab lüngad ja nõrgad oletused nähtavaks.
3. Tegevus- ja ajaplaan. See loob raamistiku, mis ulatub eesmärkidest tegevusteni, tegevustest kalendrini.
4. Rahastamistaotluse projekt. Tugev kirjutamispartner taotlusvormi jaotiste (kokkuvõte, põhjendus, eesmärgid, tegevused, eelarve põhjendus, seire-hindamine, jätkusuutlikkus) täitmiseks – kontrollite andmeid ja tegelikkust.
5. Seire-hindamisnäitajad. See soovitab programmi edukuse mõõtmiseks mõõdetavaid näitajaid.
Näpunäide. Kui teil on tehisintellektil rakenduse mustand, öelge sellele "tehke statistika või allikad; asendage numbrid numbriga [ANDMED VAJALIK]". Fonditaotlustes väljamõeldud statistika lükkab taotluse tagasi ja kahjustab teie asutuse usaldusväärsust. Täidate tühiku tegelike andmetega.
Programmi jätkusuutlikkus on üks mõõtmetest, mida sageli eiratakse, kuid mida rahastajad kõige rohkem vaatavad. Mis kasu on projekti lõppemisest, kuidas teenus jätkub, kuidas kogukond oma suutlikkust kasvatab – kõik need on osa heast disainist. Tehisintellekt võib olla läbinägelik jätkusuutlikkuse stsenaariumide koostamisel ("kui rahastus lõppeb, võtab see sidusrühm üle", "on loodud vabatahtlike võimekus", "kohaliku omavalitsusega sõlmitakse protokoll"); Kuid ainult teie, oma valdkonnateadmistega, saate hinnata, kas need stsenaariumid on tõesti võimalikud ja milline sidusrühm tõesti lubas. Kui tehisintellekti antud "hea kõlav" jätkusuutlikkuse lubadus, kui selle taga pole tegelikku pühendumust, paneb organisatsiooni lubaduse, mida ta ei suuda tulevikus täita.
Tähelepanu: iga rahastamistaotluses võetud kohustus on leping. AI võib soovitada liialdatud eesmärke, saavutamatut arvu kasusaajaid või ebareaalseid tulemusi, et suurendada eduvõimalusi. Isegi kui selline taotlus rahuldatakse, hävitab eesmärkide saavutamata jätmine aruandeperioodil asutuse usaldusväärsuse ja edaspidise rahastamise võimalused. Alati on parem lubada vähem ja teha rohkem, kui lubada liiga palju ja mitte täita.
Samm-sammult: ideest rakenduseni
- Koguge põllult kokku, mida vajate. Alusta tegelikest andmetest (enda juhtumiandmed, ametlik statistika, huvirühmade arvamused); Mitte AI-ga.
- Ehitage raamistik AI abil. Küsige tehisintellekti nõuete analüüsi ja programmiloogika skeletti; asetage oma tegelikud andmed sellesse skeletti.
- Koostage tegevuse ja eelarve põhjendus. Tehisintellekt suudab visandada tegevus-väljund-tulemusahela ja eelarvepunktide loogika; Teie määrate summad.
- Tugevdage rakenduskeelt. Kasutage tehisintellekti selgeks ja veenvaks koopiaks, mis vastab rahastaja keelele ja prioriteetidele; Kuid vältige liialdusi ja valesid lubadusi.
- Autentsuse ja eetikaaudit. Kas iga numbri jaoks on allikas? Kas lubadused on realistlikud? Kas programm kujutab endast rühma kahjustamise või häbimärgistamise ohtu? Te teostate selle kontrolli.
kolm minikarpi
Juhtum 1 – raamistik säästis aega. Ühing valmistas ette taotlust ebasoodsas olukorras oleva linnaosa lastetoetuse projekti jaoks. Vajaduste analüüsi raamistik, mida nad tehisintellektilt taotlesid, tuletas mulle meelde kahte sidusrühma, kellest meeskond puudust tundus (koolinõustajad ja direktor). Meeskond kogus nendelt sidusrühmadelt tegelikke andmeid; Taotluse aluseks oli palju tugevam põhjendus. Ligikaudu 2 päeva konfiguratsioonitööd vähendati poolele päevale.
Juhtum 2 – tabatud võltsstatistika. YZ lisas avalduse mustandisse silmatorkava lause: "70% selle piirkonna lastest jätab koolist välja." Meeskond küsis selle näitaja allika kohta; YZ ei osanud allikale viidata, see arv oli väljamõeldud. Kui tegelikke andmeid uuriti, oli suhe väga erinev. Kui see saadetakse väljamõeldud statistikaga, lükataks taotlus tagasi ja kaotaks usaldusväärsuse.
Juhtum 3 – tuvastatud eetiline risk. Ühe programmi tehisintellekti kavandis kirjeldati sihtrühma kui "raskustes peresid" ja kujutati neid passiivsete "abiobjektidena". Meeskond mõistis seda: keel oli häbimärgistav ja vastuolus programmi mõjuvõimu suurendamise põhimõttega. Tekst tõlgiti keelde, mis tegi kogukonnast subjekti ja partneri. See parandas nii eetikat kui ka rakenduste kvaliteeti.
Neli kopeeritavat malli
1) Vajaduste analüüsi raamistik:
Sinu roll: sotsiaalprogrammide disaini konsultant. Valmistage ette vajaduste analüüsi raamistik [naabruses elavate ebasoodsas olukorras olevate laste haridustoetus]: milliseid andmeid peaksin koguma, milliseid sidusrühmi peaksin küsitlema, milliseid küsimusi peaksin esitama? Statistika või leiud FAKE; Kui numbreid on vaja, kirjutage [ANDMED VAJAVAD].
2) Programmi loogika (muutusteooria):
Looge järgmise programmiidee jaoks sekkumisloogika ahel: Tegevused → Väljundid → Tulemused → Mõju. Kirjutage iga sammu alla oletused ja märkige nõrgad/riskantsed eeldused. Idee:[kirjuta programmiidee]. Ärge lubage ebareaalseid tulemusi.
3) Fonditaotluse kavand:
Teie roll: viitetoimetaja. Kirjutage mustandid järgmistesse osadesse: kokkuvõte, põhjendus, eesmärgid (SMART), tegevused, seire-hindamisnäitajad, jätkusuutlikkus. Statistika ja summa PAIGALDAMINE;Kasutage kohahoidjaid [NÕUTAVAD ANDMED] / [VAJATUD SUMMA]. Ärge liialdage; Kirjutage realistlikult ja selgelt. Programmi teave: [andke teavet]
4) Eetika ja keelekontroll:
Uurige allolevat programmi teksti: kas see häbimärgistab sihtrühma, kujutab neid passiivsete "abiobjektidena", kas on keelekasutust, mis rikub võimestamise ja osalemise põhimõtet? Märkige probleemsed avaldused ja soovitage lugupidavaid alternatiive, mis kogukonda kaasavad.Tekst: [kleebi tekst]
Nõrk viip / Tugev viip
Nõrk viip:
Kirjutage projektitaotlus ebasoodsas olukorras olevatele lastele ja lisage oma põhjendusesse muljetavaldav statistika.
Öeldes "pange muljetavaldav statistika" kutsutakse tehisintellektile numbreid välja mõtlema. Tulemuseks on rabav, kuid allikata tekst, mis lükkab taotluse tagasi ja õõnestab usaldust.
Võimas viip:
Teie roll: viitetoimetaja. Kirjutage allpool minu PÄRIS andmete ja valdkonnateadmiste põhjal projektitaotluse kavand. Lisastatistika PAIGALDAMINE; Kirjutage [ANDMED VAJAVAD], kus on nõutav number, mida ma ei andnud. Hoidke eesmärgid NUTIKAS ja lubadused realistlikud. Määratlege kogukond osalussubjektina, mitte passiivse subjektina. Minu andmed: [kleebi tegelikud andmed]
Erinevus: "kasuta minu antud andmeid, märkige ülejäänud" asemel "pane statistika", muudab rakenduse nii ausaks kui ka võimsaks.
AI ja inimene programmitsüklis
Lava
AI panus
mehe töö
Vajab analüüsi
raamistik, küsimused
Tegelikud andmed, väli
Programmi loogika
ahel + oletus
Realismi hinnang
Tegevuskava
kalendri mustand
Kohaldatavus
Eelarve
pliiatsi loogika
Tegelikud summad
Taotluse kirjutamine
keel, struktuur
tõepärasus, ausus
Järelevalve-hindamine
Indikaatori soovitus
Tähendus, mõõtmine
Eetika
Keele juhtimine
Kahju/stigma otsus
Levinud vead
- AI statistikat usaldades. Ta teeb numbrid välja; sisestage kõik andmed pärisallikast.
- Programmi kujundamine tabelist. Programm kerkib välja põllult; AI ei tunne seda valdkonda.
- Liialdatud lubadus. Tulemused, mida ei realiseeru, hävitavad rakenduse ja usalduse; Ole realistlik.
- Stigmatiseeriv keel. Määratlege sihtrühm osaleva subjektina, mitte passiivse "objektina".
- Jälgimine-hindamine vahele. Programmi, mida ei saa mõõta, ei saa hallata; pane näitajad algusest peale.
Kokkuvõttes
Programmide ja projektide kavandamine on sotsiaaltöö tugevus kogukonna tasandil; Siin säästab tehisintellekt reaalajas vajaduste analüüsi raamistiku, programmiloogika, tegevuskava, rahastamistaotluse eelnõu ja indikaatori ettepanekuga. Programm sünnib aga valdkonnast: paned statistika, vajadused ja summad kokku reaalsete andmetega, hoiad lubadusi realistlikuna ja muudad keele ilma häbimärgistamiseta kooskõlla jõustamise põhimõttega. AI täiustab struktuuri ja keelt; Te tagate autentsuse ja eetika.
Rakenduse ülesanne
Valige programmiidee, reaalne või väljamõeldud, kuid realistlik. Väljavõte, milliseid andmeid ja sidusrühmi peate koguma, kasutades malli „vajaduste analüüsi raamistik”. Seejärel võtke mustand koos malliga "rahastamisrakenduse mustand" ja kontrollige, kas tehisintellekt koostab statistikat, kasutades kohatäiteid [ANDMED VAJATUD] õigesti. Lõpuks rakendage eetika- ja keelekontrolli malli.
kontrollnimekiri
- [ ] Lähtusin vajadusest reaalsetest andmetest ja valdkonnateadmistest.
- [ ] Olen kontrollinud/märkinud iga statistika, mille tehisintellekt tegelikust allikast toodab.
- [ ] Pidasin lubadusi ja eesmärke realistlike ja mõõdetavatena.
- [ ] Kasutasin keelt, mis ei häbimärgista sihtrühma, vaid annab neile jõudu.
- [ ] Seire-hindamisnäitajad planeerisin algusest peale.