નફો:
- આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે જરૂરિયાતો વિશ્લેષણ ફ્રેમવર્ક, પ્રોગ્રામ લોજિક અને ફંડિંગ એપ્લિકેશન ડ્રાફ્ટને ગોઠવવાની ક્ષમતા
- એ જાણીને કે પ્રોગ્રામનો જન્મ ફિલ્ડમાંથી થયો છે અને દરેક આંકડા અને રકમને વાસ્તવિક ડેટા સાથે મૂકવાની અને તેને બનાવેલ આકૃતિ [ડેટા જરૂરી] સાથે ચિહ્નિત કરવાની શિસ્ત લાગુ કરવામાં સક્ષમ છે.
- વચનોને વાસ્તવિક અને ટકાઉ રાખવાની ક્ષમતા દર્શાવો અને લક્ષ્ય જૂથને કલંકિત અને સશક્તિકરણ ન કરે તેવી ભાષાનો ઉપયોગ કરો.
સામાજિક કાર્ય માત્ર એક-એક કેસ અભ્યાસ નથી; તે સમુદાયોની જરૂરિયાતોને સંબોધતા પ્રોગ્રામ્સ અને પ્રોજેક્ટ્સ માટે સંસાધનો ડિઝાઇન કરવા, ચલાવવા અને શોધવા વિશે પણ છે. પડોશમાં મહિલાઓની રોજગારીને ટેકો આપતો કાર્યક્રમ, વંચિત બાળકો માટે શિક્ષણ સહાયક પ્રોજેક્ટ, વૃદ્ધો માટે સામાજિકકરણ કેન્દ્ર, વ્યસન સામે લડવા માટે જાગૃતિ અભિયાન. આ કામો; તેના માટે જરૂરિયાતોનું વિશ્લેષણ, ધ્યેય નિર્ધારણ, પ્રવૃત્તિ યોજના, બજેટ, મોનિટરિંગ-મૂલ્યાંકન અને ઘણીવાર ફંડ એપ્લિકેશન (પ્રોજેક્ટના બદલામાં સંસાધનોની વિનંતી કરતી અરજી)ની જરૂર પડે છે. આ એકમમાં, તમે શીખી શકશો કે પ્રોગ્રામ આઈડિયા સ્ટેજથી લઈને એપ્લિકેશન ડ્રાફ્ટ સુધી વિચાર અને લેખન ભાગીદાર તરીકે AI નો ઉપયોગ કેવી રીતે કરવો, કયો ડેટા વાસ્તવિક હોવો જોઈએ અને નૈતિક સીમાઓ.
શરૂઆતથી એક સિદ્ધાંત: કાર્યક્રમ ક્ષેત્રમાંથી ઉદ્ભવે છે; ટેબલ પરથી નહીં. પ્રોગ્રામને ખરેખર મૂલ્યવાન બનાવે છે તે એ છે કે તે વાસ્તવિક સમુદાયની વાસ્તવિક જરૂરિયાત પર આધારિત છે. AI અસ્ખલિત "વિશ્લેષણની જરૂર છે" ટેક્સ્ટનું નિર્માણ કરી શકે છે, પરંતુ તે ક્ષેત્રને જાણતું નથી; વાસ્તવિક ડેટા અને તમારા ક્ષેત્રના જ્ઞાનની ચકાસણી કર્યા વિના તે પ્રદાન કરે છે તે આંકડાઓ, જરૂરિયાતો અને વાજબીતાઓનો ઉપયોગ કરીને એક પ્રોગ્રામ બનાવે છે જે કાગળ પર સારો છે પરંતુ વાસ્તવિકતાથી અજાણ છે. AI બંધારણ અને ભાષાને વધારે છે; તમે સામગ્રીની અધિકૃતતાની ખાતરી કરો છો.
પ્રોગ્રામ ચક્રમાં AI ક્યાં કામમાં આવે છે?
1. વિશ્લેષણ ફ્રેમવર્કની જરૂર છે. તે વ્યવસ્થિત રીતે જરૂરિયાતની તપાસ કરવા માટે કયા ડેટા, કયા હિતધારકો અને કયા પ્રશ્નોની જરૂર છે તે ફ્રેમ કરે છે. પરંતુ તમે વાસ્તવિક સ્ત્રોતોમાંથી સંખ્યાઓ અને તારણો મૂકો છો.
2. પ્રોગ્રામ તર્ક (પરિવર્તનનો સિદ્ધાંત). તે "આ પ્રવૃત્તિ આ આઉટપુટ, આ પરિણામ, આ અસર" ની સાંકળ (હસ્તક્ષેપ તર્ક) સ્થાપિત કરવામાં મદદ કરે છે; તે અવકાશ અને નબળા ધારણાઓને દૃશ્યમાન બનાવે છે.
3. પ્રવૃત્તિ અને સમય યોજના. તે એક માળખું બનાવે છે જે લક્ષ્યોથી પ્રવૃત્તિઓ તરફ જાય છે, પ્રવૃત્તિઓથી કૅલેન્ડર સુધી જાય છે.
4. ડ્રાફ્ટ ફંડિંગ એપ્લિકેશન. અરજી ફોર્મના વિભાગો (સારાંશ, તર્ક, ઉદ્દેશ્યો, પ્રવૃત્તિઓ, બજેટ તર્ક, દેખરેખ-મૂલ્યાંકન, ટકાઉપણું) ભરવા માટે એક મજબૂત લેખન ભાગીદાર — તમે ડેટા અને વાસ્તવિકતાની ચકાસણી કરો છો.
5. નિરીક્ષણ-મૂલ્યાંકન સૂચકાંકો. તે પ્રોગ્રામની સફળતાને માપવા માટે માપી શકાય તેવા સંકેતો સૂચવે છે.
ટીપ: જ્યારે તમારી પાસે AI ડ્રાફ્ટ એપ્લિકેશન હોય, ત્યારે તેને કહો કે "આંકડા અથવા સ્ત્રોત બનાવો; નંબરોને [DATA REQUIRED] વડે બદલો." ફંડ એપ્લિકેશન્સમાં બનાવટી આંકડા અરજીને નકારી કાઢશે અને તમારી સંસ્થાની વિશ્વસનીયતાને નુકસાન પહોંચાડશે. તમે વાસ્તવિક ડેટા સાથે ખાલી જગ્યા ભરો.
પ્રોગ્રામની ટકાઉપણું એ એક પરિમાણ છે જેની ઘણીવાર અવગણના કરવામાં આવે છે પરંતુ તે એક છે જેને ભંડોળ આપનારાઓ સૌથી વધુ જુએ છે. જ્યારે કોઈ પ્રોજેક્ટ પૂરો થાય ત્યારે શું ફાયદા થશે, સેવા કેવી રીતે ચાલુ રહેશે, સમુદાય પોતાની ક્ષમતા કેવી રીતે બનાવશે - આ બધું સારી ડિઝાઇનનો ભાગ છે. AI ટકાઉપણું દૃશ્યો ઉત્પન્ન કરવામાં સમજદાર હોઈ શકે છે ("જ્યારે ભંડોળ સમાપ્ત થાય છે, ત્યારે આ હિસ્સેદારી સંભાળે છે", "સ્વયંસેવક ક્ષમતા સ્થાપિત થાય છે", "સ્થાનિક સરકાર સાથે પ્રોટોકોલ બનાવવામાં આવે છે"); પરંતુ માત્ર તમે જ, તમારા ક્ષેત્રના જ્ઞાનથી, આ દૃશ્યો ખરેખર શક્ય છે કે કેમ અને કયા હિતધારકે ખરેખર વચન આપ્યું છે તેનું મૂલ્યાંકન કરી શકો છો. AI દ્વારા ઉત્પાદિત "સારા ધ્વનિ" ટકાઉપણું વચન, જો તેની પાછળ કોઈ વાસ્તવિક પ્રતિબદ્ધતા ન હોય, તો તે સંસ્થાને એવા વચન હેઠળ મૂકે છે જે તે ભવિષ્યમાં પરિપૂર્ણ કરી શકશે નહીં.
ધ્યાન આપો: તમે ભંડોળની અરજીમાં કરો છો તે દરેક પ્રતિબદ્ધતા એ એક કરાર છે. AI અતિશયોક્તિપૂર્ણ ધ્યેયો, લાભાર્થીઓની અગમ્ય સંખ્યા અથવા અવાસ્તવિક પરિણામો "સફળતાની તકો વધારવા" સૂચવી શકે છે. જો આવી અરજી સ્વીકારવામાં આવે તો પણ, રિપોર્ટિંગ સમયગાળા દરમિયાન લક્ષ્યાંક હાંસલ કરવામાં નિષ્ફળતા સંસ્થાની વિશ્વસનીયતા અને ભાવિ ભંડોળ માટેની તકોને નષ્ટ કરે છે. વધુ પડતું વચન આપવા અને પૂરી પાડવામાં નિષ્ફળ જવા કરતાં ઓછું વચન આપવું અને વધુ કરવું હંમેશાં સારું છે.
પગલું દ્વારા પગલું: વિચારથી એપ્લિકેશન સુધી
- તમને જે જોઈએ તે ક્ષેત્રમાંથી એકત્રિત કરો. વાસ્તવિક ડેટાથી પ્રારંભ કરો (તમારો પોતાનો કેસ ડેટા, સત્તાવાર આંકડા, હિસ્સેદારોના અભિપ્રાયો); AI સાથે નહીં.
- AI સાથે ફ્રેમવર્ક બનાવો. જરૂરિયાતો વિશ્લેષણ અને પ્રોગ્રામ તર્કના હાડપિંજર માટે AI ને પૂછો; તમારા વાસ્તવિક ડેટાને આ હાડપિંજરમાં મૂકો.
- પ્રવૃત્તિ અને બજેટનું તર્ક તૈયાર કરો. AI પ્રવૃત્તિ-આઉટપુટ-પરિણામ સાંકળ અને બજેટ વસ્તુઓના તર્કની રૂપરેખા આપી શકે છે; તમે રકમ નક્કી કરો.
- એપ્લિકેશન ભાષાને મજબૂત બનાવો. સ્પષ્ટ અને પ્રેરક નકલ માટે AI નો ઉપયોગ કરો જે ભંડોળ આપનારની ભાષા અને પ્રાથમિકતાઓ સાથે મેળ ખાતી હોય; પરંતુ અતિશયોક્તિ અને ખોટા વચનો ટાળો.
- અધિકૃતતા અને નીતિશાસ્ત્ર ઓડિટ. શું દરેક નંબર માટે કોઈ સ્ત્રોત છે? શું વચનો વાસ્તવિક છે? શું પ્રોગ્રામ કોઈ જૂથને નુકસાન પહોંચાડવાનું અથવા કલંકિત કરવાનું જોખમ ઊભું કરે છે? તમે આ નિયંત્રણ કરો.
ત્રણ નાના કેસો
કેસ 1 - ફ્રેમવર્ક સમય બચાવે છે. એક સંગઠન વંચિત પડોશમાં ચાઇલ્ડ સપોર્ટ પ્રોજેક્ટ માટે અરજી તૈયાર કરી રહ્યું હતું. તેઓએ AI પાસેથી વિનંતી કરેલ જરૂરિયાતોના વિશ્લેષણના માળખાએ મને ટીમે ચૂકી ગયેલા બે હિતધારકો (શાળાના સલાહકારો અને હેડમેન)ની યાદ અપાવી. ટીમે આ હિસ્સેદારો પાસેથી વાસ્તવિક ડેટા એકત્રિત કર્યો; અરજી વધુ મજબૂત સમર્થન પર આધારિત હતી. અંદાજે 2 દિવસનું રૂપરેખાંકન કાર્ય અડધા દિવસ સુધી ઘટાડીને કરવામાં આવ્યું હતું.
કેસ 2 - નકલી આંકડા પકડાયા. YZ એ એપ્લિકેશન ડ્રાફ્ટમાં એક આકર્ષક વાક્યનો સમાવેશ કર્યો હતો: "આ પડોશના 70% બાળકો શાળા છોડી દે છે." ટીમે આ આંકડાના સ્ત્રોત વિશે પૂછ્યું; YZ સ્ત્રોત ટાંકી શક્યું નથી, આકૃતિ બનાવવામાં આવી હતી. જ્યારે વાસ્તવિક ડેટાની તપાસ કરવામાં આવી ત્યારે ગુણોત્તર ખૂબ જ અલગ હતો. જો તે બનાવટી આંકડાઓ સાથે મોકલવામાં આવશે, તો અરજી નકારી કાઢવામાં આવશે અને વિશ્વસનીયતા ગુમાવશે.
કેસ 3 - નૈતિક જોખમ ઓળખાય છે. એક પ્રોગ્રામના AI ડ્રાફ્ટમાં લક્ષ્ય જૂથને "મુશ્કેલ પરિવારો" તરીકે વર્ણવવામાં આવ્યું હતું અને તેમને નિષ્ક્રિય "સહાયના પદાર્થો" તરીકે દર્શાવવામાં આવ્યા હતા. ટીમને આ સમજાયું: ભાષા કલંકિત હતી અને સશક્તિકરણના પ્રોગ્રામના સિદ્ધાંતની વિરુદ્ધ હતી. ટેક્સ્ટનો ભાષામાં અનુવાદ કરવામાં આવ્યો હતો જેણે સમુદાયને એક વિષય અને ભાગીદાર બનાવ્યો હતો. આનાથી નૈતિકતા અને એપ્લિકેશન ગુણવત્તા બંનેમાં સુધારો થયો.
ચાર નકલ કરી શકાય તેવા નમૂનાઓ
1) વિશ્લેષણ ફ્રેમવર્કની જરૂર છે:
તમારી ભૂમિકા: સામાજિક કાર્યક્રમ ડિઝાઇન સલાહકાર. [પડોશમાં વંચિત બાળકો માટે શૈક્ષણિક સહાય] પર જરૂરિયાતોના વિશ્લેષણ માટે માળખું તૈયાર કરો: મારે કયો ડેટા એકત્રિત કરવો જોઈએ, મારે કયા હિતધારકોનો ઇન્ટરવ્યુ લેવો જોઈએ, મારે કયા પ્રશ્નો પૂછવા જોઈએ? આંકડા અથવા તારણો નકલી; જ્યાં નંબરો જરૂરી હોય ત્યાં [ડેટા જરૂરી] લખો.
2) પ્રોગ્રામ તર્ક (પરિવર્તનનો સિદ્ધાંત):
નીચેના પ્રોગ્રામ વિચાર માટે હસ્તક્ષેપ તર્ક સાંકળ સ્થાપિત કરો: પ્રવૃત્તિઓ → આઉટપુટ → પરિણામો → અસર. દરેક પગલા હેઠળ ધારણાઓ લખો અને નબળા/જોખમી ધારણાઓને ચિહ્નિત કરો. આઈડિયા: [પ્રોગ્રામ આઈડિયા લખો]. અવાસ્તવિક પરિણામોનું વચન ન આપો.
3) ફંડ એપ્લિકેશન ડ્રાફ્ટ:
તમારી ભૂમિકા: સંદર્ભ સંપાદક. નીચેના વિભાગો માટે ડ્રાફ્ટ્સ લખો: સારાંશ, તર્ક, ઉદ્દેશ્યો (SMART), પ્રવૃત્તિઓ, નિરીક્ષણ-મૂલ્યાંકન સૂચકાંકો, ટકાઉપણું. આંકડા અને રકમ ફિટિંગ;ઉપયોગ [ડેટા જરૂરી] / [એકમોન્ટ જરૂરી] પ્લેસહોલ્ડર્સ. અતિશયોક્તિ કરશો નહીં; વાસ્તવિક અને સ્પષ્ટ રીતે લખો. પ્રોગ્રામ માહિતી: [માહિતી પ્રદાન કરો]
4) નૈતિકતા અને ભાષા નિયંત્રણ:
નીચેના પ્રોગ્રામ ટેક્સ્ટનું પરીક્ષણ કરો: શું તે લક્ષ્ય જૂથને કલંકિત કરે છે, શું તે તેમને નિષ્ક્રિય "સહાયના પદાર્થો" તરીકે ચિત્રિત કરે છે, શું એવી કોઈ ભાષા છે જે સશક્તિકરણ અને સહભાગિતાના સિદ્ધાંતનું ઉલ્લંઘન કરે છે? સમસ્યારૂપ નિવેદનોને ફ્લેગ કરો અને સમુદાયને જોડતા આદરપૂર્ણ વિકલ્પો સૂચવો. ટેક્સ્ટ: [ટેક્સ્ટ પેસ્ટ કરો]
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા પ્રોમ્પ્ટ:
વંચિત બાળકો માટે પ્રોજેક્ટ એપ્લિકેશન લખો અને તમારા સમર્થનમાં પ્રભાવશાળી આંકડાઓ શામેલ કરો.
"પ્રભાવશાળી આંકડામાં મૂકો" એમ કહેવું એ એઆઈ માટે સંખ્યાઓ બનાવવાનું આમંત્રણ છે. પરિણામ એક આકર્ષક પરંતુ અનસોર્સ્ડ ટેક્સ્ટ છે જે એપ્લિકેશનને નકારી કાઢશે અને વિશ્વાસને નુકસાન પહોંચાડશે.
શક્તિશાળી પ્રોમ્પ્ટ:
તમારી ભૂમિકા: સંદર્ભ સંપાદક. નીચે મારા વાસ્તવિક ડેટા અને ફીલ્ડ જ્ઞાનના આધારે ડ્રાફ્ટ પ્રોજેક્ટ એપ્લિકેશન લખો. વધારાના આંકડા ફિટિંગ; જ્યાં મેં ન આપેલો નંબર જરૂરી હોય ત્યાં [DATA REQUIRED] લખો. ધ્યેયો સ્માર્ટ અને વચનોને વાસ્તવિક રાખો. સમુદાયને સહભાગી વિષય તરીકે વ્યાખ્યાયિત કરો, નિષ્ક્રિય વિષય તરીકે નહીં. મારો ડેટા: [વાસ્તવિક ડેટા પેસ્ટ કરો]
તફાવત: "આંકડા મૂકો" ને બદલે "મેં આપેલા ડેટાનો ઉપયોગ કરો, બાકીનાને ચિહ્નિત કરો" કહેવાથી એપ્લિકેશન પ્રામાણિક અને શક્તિશાળી બંને બને છે.
પ્રોગ્રામ ચક્રમાં AI અને માનવ
સ્ટેજ
AIનું યોગદાન
માણસનું કામ
વિશ્લેષણની જરૂર છે
માળખું, પ્રશ્નો
વાસ્તવિક ડેટા, ક્ષેત્ર
પ્રોગ્રામ તર્ક
સાંકળ + ધારણા
વાસ્તવિકતાનો ચુકાદો
પ્રવૃત્તિ યોજના
ડ્રાફ્ટ કેલેન્ડર
પ્રયોજ્યતા
બજેટ
પેન તર્ક
વાસ્તવિક રકમો
અરજી લેખન
ભાષા, માળખું
સત્યતા, પ્રામાણિકતા
મોનીટરીંગ-મૂલ્યાંકન
સૂચક ભલામણ
મહત્વ, માપ
નીતિશાસ્ત્ર
ભાષા નિયંત્રણ
નુકસાન/કલંકનો નિર્ણય
સામાન્ય ભૂલો
- AI ના આંકડા પર વિશ્વાસ કરો. તે સંખ્યાઓ બનાવે છે; વાસ્તવિક સ્ત્રોતમાંથી દરેક ડેટા મૂકો.
- ટેબલમાંથી પ્રોગ્રામ ડિઝાઇન કરવો. કાર્યક્રમ મેદાનમાંથી નીકળે છે; AI ક્ષેત્રને જાણતું નથી.
- અતિશયોક્તિપૂર્ણ વચન. પરિણામો કે જે અનુભૂતિ થશે નહીં તે એપ્લિકેશન અને વિશ્વાસનો નાશ કરે છે; વાસ્તવિક બનો.
- કલંકિત ભાષા. લક્ષ્ય જૂથને સહભાગી વિષય તરીકે વ્યાખ્યાયિત કરો, નિષ્ક્રિય "ઑબ્જેક્ટ" તરીકે નહીં.
- મોનિટરિંગ-મૂલ્યાંકન છોડવું. એક પ્રોગ્રામ જે માપી શકાતો નથી તેનું સંચાલન કરી શકાતું નથી; શરૂઆતથી સૂચકાંકો મૂકો.
સારાંશમાં
પ્રોગ્રામ અને પ્રોજેક્ટ ડિઝાઇન સમુદાય સ્તરે સામાજિક કાર્યની તાકાત છે; અહીં, AI જરૂરિયાતો વિશ્લેષણ ફ્રેમવર્ક, પ્રોગ્રામ લોજિક, પ્રવૃત્તિ યોજના, ભંડોળ એપ્લિકેશન ડ્રાફ્ટ અને સૂચક દરખાસ્ત સાથે વાસ્તવિક સમય બચાવે છે. પરંતુ પ્રોગ્રામનો જન્મ ક્ષેત્રમાંથી થયો છે: તમે વાસ્તવિક ડેટા સાથે આંકડા, જરૂરિયાતો અને રકમો મૂકો, વચનોને વાસ્તવિક રાખો અને ભાષાને કલંક વિના સશક્તિકરણના સિદ્ધાંત સાથે સુસંગત બનાવો. AI બંધારણ અને ભાષાને વધારે છે; તમે અધિકૃતતા અને નીતિશાસ્ત્રની ખાતરી કરો છો.
એપ્લિકેશન કાર્ય
પ્રોગ્રામ વિચાર પસંદ કરો, વાસ્તવિક અથવા કાલ્પનિક, પરંતુ વાસ્તવિક. તમારે "નીડ એનાલિસિસ ફ્રેમવર્ક" ટેમ્પ્લેટ વડે કયો ડેટા અને હિતધારકો એકત્રિત કરવાની જરૂર છે તે કાઢો. પછી “ફંડિંગ એપ્લીકેશન ડ્રાફ્ટ” ટેમ્પ્લેટ સાથેનો ડ્રાફ્ટ લો અને તપાસો કે શું AI કોઈ આંકડા બનાવી રહ્યું છે, [ડેટા જરૂરી] પ્લેસહોલ્ડર્સનો યોગ્ય રીતે ઉપયોગ કરીને. છેલ્લે, “નૈતિકતા અને ભાષા તપાસ” ટેમ્પલેટ લાગુ કરો.
ચેકલિસ્ટ
- [ ] મેં વાસ્તવિક ડેટા અને ક્ષેત્રના જ્ઞાનની જરૂરિયાત પર આધારિત છે.
- [ ] મેં વાસ્તવિક સ્ત્રોતમાંથી AI દ્વારા ઉત્પાદિત દરેક આંકડાઓને ચકાસ્યા/ચિહ્નિત કર્યા છે.
- [] મેં વચનો અને ધ્યેયોને વાસ્તવિક અને માપી શકાય તેવા રાખ્યા.
- [ ] મેં એવી ભાષાનો ઉપયોગ કર્યો છે જે લક્ષ્ય જૂથને કલંકિત કરતી નથી, પરંતુ તેમને સશક્ત બનાવે છે.
- [ ] મેં શરૂઆતથી જ મોનિટરિંગ-મૂલ્યાંકન સૂચકાંકોનું આયોજન કર્યું હતું.