Gains :
- Capacité à configurer le cadre d'analyse des besoins, la logique du programme et le projet de demande de financement avec l'intelligence artificielle
- Sachant que le programme est né du terrain et être capable d'appliquer la discipline consistant à mettre chaque statistique et chaque montant avec des données réelles et à les marquer avec un chiffre inventé [DONNÉES REQUISES].
- Démontrer la capacité à tenir des promesses réalistes et durables et à utiliser un langage qui ne stigmatise pas et responsabilise le groupe cible.
Le travail social n’est pas seulement une étude de cas individuelle ; Il s'agit également de concevoir, d'exécuter et de trouver des ressources pour des programmes et des projets qui répondent aux besoins des communautés. Un programme de soutien à l'emploi des femmes dans un quartier, un projet de soutien à l'éducation d'enfants défavorisés, un centre de socialisation pour personnes âgées, une campagne de sensibilisation contre les addictions. Ces travaux ; Cela nécessite une analyse des besoins, la définition d'objectifs, un plan d'activités, un budget, un suivi-évaluation et souvent une demande de fonds (demande de ressources en échange du projet). Dans cette unité, vous apprendrez comment utiliser l'IA comme partenaire de réflexion et d'écriture depuis l'étape de l'idée du programme jusqu'à l'ébauche de la candidature, quelles données doivent être réelles et les limites éthiques.
Un principe dès le départ : Le programme sort du terrain ; pas de la table. Ce qui rend un programme vraiment précieux, c'est qu'il est basé sur les besoins réels d'une véritable communauté. L’IA peut produire un texte fluide d’« analyse des besoins », mais elle ne connaît pas le terrain ; Utiliser les statistiques, les besoins et les justifications qu'il fournit sans les vérifier avec des données réelles et votre connaissance du terrain produit un programme bon sur le papier mais étranger à la réalité. L'IA améliore la structure et le langage ; Vous garantissez l’authenticité du contenu.
À quel moment du cycle de programmation l’IA est-elle utile ?
1. Cadre d’analyse des besoins. Il définit quelles données, quelles parties prenantes et quelles questions sont nécessaires pour examiner systématiquement un besoin. Mais vous mettez les chiffres et les conclusions provenant de sources réelles.
2. Logique du programme (théorie du changement). Il permet d'établir la chaîne (logique d'intervention) de « Cette activité produit tel résultat, tel résultat, cet effet » ; Cela rend visibles les lacunes et les hypothèses faibles.
3. Plan d'activité et de temps. Il produit un cadre qui va des objectifs aux activités, des activités au calendrier.
4. Rédiger une demande de financement. Solide partenaire de rédaction pour remplir les rubriques d'un formulaire de candidature (résumé, justification, objectifs, activités, justification budgétaire, suivi-évaluation, durabilité) — vous vérifiez les données et la réalité.
5. Indicateurs de suivi-évaluation. Il propose des indicateurs mesurables pour mesurer le succès du programme.
Astuce : lorsque vous demandez à l'IA de rédiger une application, dites-lui de "créer des statistiques ou des sources ; remplacez les nombres par [DONNÉES REQUISES]". Une statistique fabriquée dans les demandes de financement rejettera la demande et nuira à la crédibilité de votre institution. Vous remplissez le vide avec des données réelles.
La durabilité du programme est l’une des dimensions souvent négligées, mais c’est celle que les bailleurs de fonds accordent le plus d’attention. Quels seront les avantages une fois le projet terminé, comment le service continuera, comment la communauté renforcera ses propres capacités : tout cela fait partie d'une bonne conception. L'IA peut être utile pour générer des scénarios de durabilité (« lorsque le financement est épuisé, cette partie prenante prend le relais », « une capacité de volontariat est établie », « un protocole est établi avec le gouvernement local ») ; Mais seul vous, grâce à votre connaissance du terrain, pouvez évaluer si ces scénarios sont réellement possibles et quelle partie prenante a réellement fait la promesse. Une promesse de durabilité « qui sonne bien » produite par l’IA, si elle n’est accompagnée d’aucun engagement réel, place une organisation sous une promesse qu’elle ne pourra pas tenir à l’avenir.
Attention : Chaque engagement que vous prenez dans une demande de financement constitue un contrat. L’IA peut suggérer des objectifs exagérés, un nombre de bénéficiaires irréalisable ou des résultats irréalistes « pour augmenter les chances de succès ». Même si une telle demande est acceptée, le fait de ne pas atteindre les objectifs au cours de la période considérée détruit la crédibilité de l'institution et ses chances de financement futur. Il est toujours préférable de promettre moins et de faire plus que de trop promettre et de ne pas tenir ses promesses.
Pas à pas : de l'idée à l'application
- Récupérez ce dont vous avez besoin sur le terrain. Commencez avec des données réelles (vos propres données de cas, statistiques officielles, opinions des parties prenantes) ; Pas avec l'IA.
- Construisez le cadre avec l’IA. Demandez à l'IA l'analyse des besoins et le squelette de la logique du programme ; placez vos données réelles dans ce squelette.
- Rédiger la justification de l’activité et du budget. L’IA peut décrire la chaîne activité-réalisation-résultat et la logique des postes budgétaires ; Vous déterminez les montants.
- Renforcer le langage de l'application. Utiliser l'IA pour obtenir une copie claire et convaincante qui correspond au langage et aux priorités du bailleur de fonds ; Mais évitez les exagérations et les fausses promesses.
- Audit d'authenticité et d'éthique. Existe-t-il une source pour chaque numéro ? Les promesses sont-elles réalistes ? Le programme présente-t-il un risque de nuire ou de stigmatiser un groupe ? Vous effectuez ce contrôle.
trois mini-cases
Cas 1 — Le framework a permis de gagner du temps. Une association préparait un dossier de candidature pour un projet de pension alimentaire pour enfants dans un quartier défavorisé. Le cadre d’analyse des besoins qu’ils ont demandé à AI m’a rappelé les deux parties prenantes qui manquaient à l’équipe (conseillers scolaires et directeur). L'équipe a collecté des données réelles auprès de ces parties prenantes ; La demande reposait sur une justification beaucoup plus solide. Environ 2 jours de travail de configuration ont été réduits à une demi-journée.
Cas 2 — Fausses statistiques détectées. YZ a inclus une phrase frappante dans un projet de candidature : « 70 % des enfants de ce quartier abandonnent l'école ». L'équipe a demandé quelle était la source de ce chiffre ; YZ n’a pas pu citer de source, le chiffre était inventé. Lorsque les données réelles ont été étudiées, le ratio était très différent. Si elle était envoyée avec des statistiques fabriquées, la candidature serait rejetée et perdrait sa crédibilité.
Cas 3 — Risque éthique reconnu. Le projet d'IA d'un programme décrivait le groupe cible comme des « familles en difficulté » et les présentait comme des « objets d'assistance » passifs. L'équipe s'en est rendu compte : le langage était stigmatisant et contraire au principe d'autonomisation du programme. Le texte a été traduit dans une langue qui fait de la communauté un sujet et un partenaire. Cela a amélioré à la fois l’éthique et la qualité des candidatures.
Quatre modèles copiables
1) Cadre d’analyse des besoins :
Votre rôle : consultant en conception de programmes sociaux. Préparer le cadre d'une analyse des besoins en matière de [soutien éducatif pour les enfants défavorisés du quartier] : quelles données dois-je collecter, quelles parties prenantes dois-je interroger, quelles questions dois-je poser ? Statistiques ou résultats FAUX ; Écrivez [DONNÉES REQUISES] là où les chiffres sont requis.
2) Logique du programme (théorie du changement) :
Établir une chaîne logique d'intervention pour l'idée de programme suivante : Activités → Produits → Résultats → Impact. Notez les hypothèses sous chaque étape et marquez les hypothèses faibles/risquées. Idée : [écrire une idée de programme]. Ne promettez pas des résultats irréalistes.
3) Projet de demande de financement :
Votre rôle : rédacteur de référence. Rédiger des ébauches pour les sections suivantes : synthèse, justification, objectifs (SMART), activités, indicateurs de suivi-évaluation, durabilité. Statistiques et montant AJUSTEMENT ; Utilisez les espaces réservés [DONNÉES REQUISES] / [MONTANT REQUIS]. N'exagérez pas ; Écrivez de manière réaliste et claire. Informations sur le programme : [fournir des informations]
4) Éthique et contrôle linguistique :
Examinez le texte du programme ci-dessous : stigmatise-t-il le groupe cible, le présente-t-il comme des « objets d'assistance » passifs ? Y a-t-il un langage qui viole le principe d'autonomisation et de participation ? Signalez les déclarations problématiques et suggérez des alternatives respectueuses qui engagent la communauté.Texte : [coller le texte]
Invite faible/Invite forte
Invite faible :
Rédigez une demande de projet pour les enfants défavorisés et incluez des statistiques impressionnantes dans votre justification.
Dire « mettre des statistiques impressionnantes » est une invitation pour l’IA à inventer des chiffres. Le résultat est un texte frappant mais sans source qui fera rejeter la candidature et sapera la confiance.
Invite puissante :
Votre rôle : rédacteur de référence. Rédigez un projet de demande de projet basé sur mes VRAIES données et mes connaissances du terrain ci-dessous. Statistiques supplémentaires AJUSTEMENT ; Écrivez [DONNÉES REQUISES] là où le numéro que je n'ai pas donné est requis. Gardez les objectifs SMART et les promesses réalistes. Définir la communauté comme un sujet participatif et non un sujet passif. Mes données : [coller les données réelles]
La différence : dire « utilisez les données que je vous ai données, notez le reste » au lieu de « mettre des statistiques » rend l'application à la fois honnête et puissante.
L’IA et l’humain dans le cycle du programme
Scène
Apport de l'IA
le travail de l'homme
Analyse des besoins
cadre, questions
Données réelles, champ
Logique du programme
chaîne + hypothèse
Jugement du réalisme
Plan d'activité
projet de calendrier
Applicabilité
Budget
logique du stylo
Montants réels
Rédaction de candidature
langage, structure
véracité, honnêteté
Suivi-évaluation
Recommandation d'indicateur
Importance, mesure
Éthique
Contrôle de la langue
Décision sur les dommages/stigmatisation
Erreurs courantes
- Faire confiance aux statistiques de l'IA. Il invente les chiffres ; mettre toutes les données à partir d'une source réelle.
- Concevoir un programme à partir de la table. Le programme sort du terrain ; L'IA ne connaît pas le terrain.
- Promesse exagérée. Les résultats qui ne seront pas obtenus détruisent l'application et la confiance ; Soyez réaliste.
- Un langage stigmatisant. Définissez le groupe cible comme un sujet participant et non comme un « objet » passif.
- Sauter le suivi-évaluation. Un programme qui ne peut pas être mesuré ne peut pas être géré ; mettre les indicateurs depuis le début.
En résumé
La conception de programmes et de projets constitue la force du travail social au niveau communautaire ; Ici, l’IA fait gagner du temps réel avec le cadre d’analyse des besoins, la logique du programme, le plan d’activité, le projet de demande de financement et la proposition d’indicateurs. Mais le programme est né du terrain : vous mettez les statistiques, les besoins et les montants avec des données réelles, vous tenez les promesses réalistes et vous rendez le langage cohérent avec le principe d'autonomisation sans stigmatisation. L'IA améliore la structure et le langage ; Vous garantissez l’authenticité et l’éthique.
Tâche de candidature
Choisissez une idée de programme, réelle ou fictive, mais réaliste. Extrayez les données et les parties prenantes que vous devez collecter avec le modèle « cadre d'analyse des besoins ». Ensuite, prenez un brouillon avec le modèle « projet de demande de financement » et vérifiez si l'IA établit des statistiques, en utilisant correctement les espaces réservés [DONNÉES REQUISES]. Enfin, appliquez le modèle « vérification éthique et linguistique ».
liste de contrôle
- [ ] J'ai basé le besoin sur des données réelles et une connaissance du terrain.
- [ ] J'ai vérifié/marqué chaque statistique produite par l'IA à partir de la source réelle.
- [ ] J'ai tenu mes promesses et mes objectifs réalistes et mesurables.
- [ ] J'ai utilisé un langage qui ne stigmatise pas le groupe cible, mais qui le responsabilise.
- [ ] J'ai planifié les indicateurs de suivi-évaluation dès le début.