Guadagni:
- Capacità di configurare il quadro di analisi dei bisogni, la logica del programma e la bozza della domanda di finanziamento con l'intelligenza artificiale
- Sapere che il programma nasce dal campo e poter applicare la disciplina di mettere ogni statistica e importo con dati reali e contrassegnarlo con una cifra inventata [DATI RICHIESTI].
- Dimostrare la capacità di mantenere promesse realistiche e sostenibili e di utilizzare un linguaggio che non stigmatizzi e dia potere al gruppo target.
Il servizio sociale non è solo un caso di studio individuale; Si tratta anche di progettare, eseguire e trovare risorse per programmi e progetti che rispondano ai bisogni delle comunità. Un programma a sostegno dell'occupazione femminile in un quartiere, un progetto di sostegno all'educazione dei bambini svantaggiati, un centro di socializzazione per anziani, una campagna di sensibilizzazione contro le dipendenze. Questi lavori; Richiede l'analisi dei bisogni, la definizione degli obiettivi, il piano delle attività, il budget, il monitoraggio-valutazione e spesso una richiesta di fondi (domanda che richiede risorse in cambio del progetto). In questa unità imparerai come utilizzare l'intelligenza artificiale come partner di pensiero e scrittura dalla fase di idea del programma alla bozza della domanda, quali dati dovrebbero essere reali e i confini etici.
Un principio fin dall'inizio: il programma emerge dal campo; non dal tavolo. Ciò che rende un programma veramente prezioso è che si basa sulle reali necessità di una comunità reale. L’intelligenza artificiale può produrre un testo fluente di “analisi dei bisogni”, ma non conosce il campo; Utilizzando le statistiche, i bisogni e le giustificazioni che fornisce senza verificarli con dati reali e la tua conoscenza del campo produce un programma buono sulla carta ma estraneo alla realtà. L’intelligenza artificiale migliora la struttura e il linguaggio; Garantisci l'autenticità del contenuto.
In quale parte del ciclo del programma l’intelligenza artificiale torna utile?
1. Quadro di analisi dei bisogni. Inquadra quali dati, quali parti interessate e quali domande sono necessarie per esaminare sistematicamente un bisogno. Ma metti i numeri e i risultati da fonti reali.
2. Logica del programma (teoria del cambiamento). Aiuta a stabilire la catena (logica di intervento) del “Questa attività produce questo output, questo risultato, questo effetto”; Rende visibili le lacune e le ipotesi deboli.
3. Attività e piano temporale. Produce un quadro che va dagli obiettivi alle attività, dalle attività al calendario.
4. Bozza della domanda di finanziamento. Un forte partner di scrittura per compilare le sezioni di un modulo di domanda (sintesi, motivazione, obiettivi, attività, motivazione del budget, monitoraggio-valutazione, sostenibilità): verifichi i dati e la realtà.
5. Indicatori di monitoraggio-valutazione. Suggerisce indicatori misurabili per misurare il successo del programma.
Suggerimento: quando l'intelligenza artificiale elabora un'applicazione, digli di "creare statistiche o fonti; sostituire i numeri con [DATI RICHIESTI]". Una statistica inventata nelle richieste di fondi rifiuterà la richiesta e danneggerà la credibilità del tuo istituto. Riempi lo spazio vuoto con dati reali.
La sostenibilità del programma è una delle dimensioni spesso trascurate, ma è quella a cui guardano maggiormente i finanziatori. Quali saranno i benefici una volta terminato un progetto, come continuerà il servizio, come la comunità svilupperà le proprie capacità: tutto questo fa parte di una buona progettazione. L’intelligenza artificiale può essere utile nel generare scenari di sostenibilità (“quando i finanziamenti finiscono, questo stakeholder prende il sopravvento”, “viene stabilita la capacità di volontariato”, “viene stipulato un protocollo con il governo locale”); Ma solo tu, con la tua conoscenza del settore, puoi valutare se questi scenari sono davvero possibili e quale stakeholder ha davvero fatto la promessa. Una promessa di sostenibilità “buona” prodotta dall’intelligenza artificiale, se non c’è un impegno reale dietro di essa, sottopone un’organizzazione a una promessa che non potrà mantenere in futuro.
Attenzione: ogni impegno che prendi nella richiesta di finanziamento è un contratto. L’intelligenza artificiale può suggerire obiettivi esagerati, numeri irraggiungibili di beneficiari o risultati non realistici “per aumentare le possibilità di successo”. Anche se tale richiesta venisse accettata, il mancato raggiungimento degli obiettivi durante il periodo di riferimento distruggerebbe la credibilità dell'istituzione e le possibilità di finanziamenti futuri. È sempre meglio promettere meno e fare di più che promettere troppo e non mantenere.
Passo dopo passo: dall'idea all'applicazione
- Raccogli ciò che ti serve dal campo. Iniziare con dati reali (dati del proprio caso, statistiche ufficiali, opinioni delle parti interessate); Non con l'intelligenza artificiale.
- Costruisci il framework con l'intelligenza artificiale. Chiedere all'IA l'analisi dei requisiti e lo scheletro della logica del programma; inserisci i tuoi dati reali in questo scheletro.
- Redigere l'attività e la motivazione del budget. L’intelligenza artificiale può delineare la catena attività-output-risultato e la logica delle voci di bilancio; Sei tu a determinare gli importi.
- Rafforzare il linguaggio dell'applicazione. Utilizzare l'intelligenza artificiale per testi chiari e persuasivi che corrispondano al linguaggio e alle priorità del finanziatore; Ma evita esagerazioni e false promesse.
- Controllo di autenticità ed etica. C'è una fonte per ogni numero? Le promesse sono realistiche? Il programma comporta il rischio di danneggiare o stigmatizzare un gruppo? Esegui questo controllo.
tre mini custodie
Caso 1: il quadro normativo ha consentito di risparmiare tempo. Un'associazione stava preparando una domanda per un progetto di sostegno all'infanzia in un quartiere svantaggiato. Il quadro di analisi dei bisogni richiesto ad AI mi ha ricordato le due parti interessate che mancavano al team (consulenti scolastici e preside). Il team ha raccolto dati reali da queste parti interessate; La domanda si basava su una giustificazione molto più forte. I circa 2 giorni di lavoro di configurazione sono stati ridotti a mezza giornata.
Caso 2: rilevate statistiche false. YZ ha incluso una frase sorprendente nella bozza della domanda: "Il 70% dei bambini in questo quartiere abbandona la scuola". Il team ha chiesto quale fosse la fonte di questa cifra; YZ non ha potuto citare una fonte, la cifra è inventata. Quando sono stati analizzati i dati reali, il rapporto era molto diverso. Se venisse inviata con statistiche fittizie, la domanda verrebbe respinta e perderebbe credibilità.
Caso 3 — Rischio etico riconosciuto. La bozza di un programma dell'AI descriveva il gruppo target come "famiglie in difficoltà" e li descriveva come "oggetti di assistenza" passivi. Il team se ne è reso conto: il linguaggio era stigmatizzante e contrario al principio di empowerment del programma. Il testo è stato tradotto in un linguaggio che ha fatto della comunità un soggetto e un partner. Ciò ha migliorato sia l’etica che la qualità delle applicazioni.
Quattro modelli copiabili
1) Quadro di analisi dei bisogni:
Il tuo ruolo: consulente per la progettazione di programmi sociali. Preparare il quadro per un'analisi dei bisogni su [sostegno educativo per i bambini svantaggiati del quartiere]: quali dati dovrei raccogliere, quali parti interessate dovrei intervistare, quali domande dovrei porre? Statistiche o risultati FALSI; Scrivi [DATI RICHIESTI] dove sono richiesti i numeri.
2) Logica del programma (teoria del cambiamento):
Stabilire una catena logica di intervento per la seguente idea di programma: Attività → Risultati → Risultati → Impatto. Annotare le ipotesi sotto ogni passaggio e contrassegnare le ipotesi deboli/rischiose. Idea:[scrivere l'idea del programma]. Non promettere risultati irrealistici.
3) Bozza di domanda di finanziamento:
Il tuo ruolo: redattore di riferimento. Scrivere bozze per le seguenti sezioni: sintesi, motivazione, obiettivi (SMART), attività, indicatori di monitoraggio-valutazione, sostenibilità. Statistiche e importo FITTING;Utilizzare i segnaposto [DATI RICHIESTI] / [IMPORTO RICHIESTO]. Non esagerare; Scrivi in modo realistico e chiaro. Informazioni sul programma: [fornire informazioni]
4) Etica e controllo del linguaggio:
Esamina il testo del programma qui sotto: stigmatizza il gruppo target, li ritrae come "oggetti di assistenza" passivi, esiste un linguaggio che viola il principio di empowerment e partecipazione? Segnala le affermazioni problematiche e suggerisci alternative rispettose che coinvolgano la comunità.Testo: [incolla testo]
Prompt debole / Prompt forte
Suggerimento debole:
Scrivi una domanda di progetto per i bambini svantaggiati e includi statistiche impressionanti nella tua giustificazione.
Dire "inserisci statistiche impressionanti" è un invito per l'IA a fare numeri. Il risultato è un testo sorprendente ma privo di fonti che farà sì che la domanda venga respinta e minerà la fiducia.
Suggerimento potente:
Il tuo ruolo: redattore di riferimento. Scrivi una bozza di domanda di progetto basata sui miei dati REALI e sulle mie conoscenze sul campo di seguito. Statistiche aggiuntive FITTING; Scrivi [DATI RICHIESTI] dove è obbligatorio il numero che non ho fornito. Mantieni gli obiettivi SMART e le promesse realistiche. Definire la comunità come soggetto partecipativo e non passivo. I miei dati: [incolla i dati attuali]
La differenza: dire "usa i dati che ti ho dato, segna il resto" invece di "inserisci statistiche" rende l'applicazione onesta e potente.
IA e uomo nel ciclo del programma
Palcoscenico
Contributo dell'intelligenza artificiale
lavoro dell'uomo
Necessita di analisi
quadro, domande
Dati reali, campo
Logica del programma
catena + presupposto
Giudizio di realismo
Piano di attività
bozza di calendario
Applicabilità
Bilancio
logica della penna
Importi effettivi
Scrittura della domanda
lingua, struttura
veridicità, onestà
Monitoraggio-valutazione
Raccomandazione sull'indicatore
Significato, misurazione
Etica
Controllo della lingua
Decisione sul danno/stigma
Errori comuni
- Fidarsi delle statistiche dell'IA. Compone i numeri; inserire tutti i dati da una fonte reale.
- Progettare un programma dalla tabella. Il programma esce dal campo; L'intelligenza artificiale non conosce il campo.
- Promessa esagerata. I risultati che non verranno realizzati distruggono la domanda e la fiducia; Sii realistico.
- Linguaggio stigmatizzante. Definire il gruppo target come soggetto partecipante, non come "oggetto" passivo.
- Saltare la valutazione-monitoraggio. Un programma che non può essere misurato non può essere gestito; inserire gli indicatori dall'inizio.
In sintesi
L'elaborazione di programmi e progetti è la forza del lavoro sociale a livello comunitario; Qui, l’intelligenza artificiale fa risparmiare tempo reale con il quadro di analisi dei bisogni, la logica del programma, il piano di attività, la bozza della domanda di finanziamento e la proposta di indicatori. Ma il programma nasce dal campo: si mettono statistiche, bisogni e importi con dati reali, si mantengono le promesse realistiche e si rende il linguaggio coerente con il principio di empowerment senza stigmatizzazioni. L’intelligenza artificiale migliora la struttura e il linguaggio; Garantisci autenticità ed etica.
Compito dell'applicazione
Scegli un'idea di programma, reale o immaginaria, ma realistica. Estrai i dati e le parti interessate che devi raccogliere con il modello "quadro di analisi dei bisogni". Quindi prendi una bozza con il modello “bozza domanda di finanziamento” e controlla se l’IA sta elaborando statistiche, utilizzando correttamente i segnaposto [DATI RICHIESTI]. Infine, applica il modello “controllo etico e linguistico”.
lista di controllo
- [ ] Ho basato la necessità su dati reali e conoscenze sul campo.
- [ ] Ho verificato/contrassegnato ogni statistica prodotta dall'intelligenza artificiale dalla fonte reale.
- [ ] Ho mantenuto promesse e obiettivi realistici e misurabili.
- [ ] Ho usato un linguaggio che non stigmatizza il gruppo target, ma lo responsabilizza.
- [ ] Ho pianificato fin dall'inizio gli indicatori di monitoraggio-valutazione.