లాభాలు:
- అవసరాల విశ్లేషణ ఫ్రేమ్వర్క్, ప్రోగ్రామ్ లాజిక్ మరియు ఫండింగ్ అప్లికేషన్ డ్రాఫ్ట్ను కృత్రిమ మేధస్సుతో కాన్ఫిగర్ చేయగల సామర్థ్యం
- ప్రోగ్రామ్ ఫీల్డ్ నుండి పుట్టిందని తెలుసుకోవడం మరియు ప్రతి గణాంకం మరియు మొత్తాన్ని నిజమైన డేటాతో ఉంచడం మరియు దానిని రూపొందించిన బొమ్మతో గుర్తించడం [డేటా అవసరం] అనే క్రమశిక్షణను వర్తింపజేయడం.
- వాగ్దానాలను వాస్తవికంగా మరియు స్థిరంగా ఉంచే సామర్థ్యాన్ని ప్రదర్శించండి మరియు లక్ష్య సమూహానికి కళంకం కలిగించని మరియు అధికారం ఇచ్చే భాషను ఉపయోగించగల సామర్థ్యాన్ని ప్రదర్శించండి.
సామాజిక పని అనేది ఒకరిపై ఒకరు కేస్ స్టడీ మాత్రమే కాదు; ఇది కమ్యూనిటీల అవసరాలను తీర్చే ప్రోగ్రామ్లు మరియు ప్రాజెక్ట్ల కోసం వనరులను రూపొందించడం, అమలు చేయడం మరియు కనుగొనడం కూడా. పొరుగు ప్రాంతంలో మహిళల ఉపాధికి మద్దతిచ్చే కార్యక్రమం, వెనుకబడిన పిల్లల కోసం విద్యా మద్దతు ప్రాజెక్ట్, వృద్ధుల కోసం సాంఘికీకరణ కేంద్రం, వ్యసనాన్ని ఎదుర్కోవడానికి ఒక అవగాహన ప్రచారం. ఈ పనులు; దీనికి విశ్లేషణ, లక్ష్య సెట్టింగ్, కార్యాచరణ ప్రణాళిక, బడ్జెట్, పర్యవేక్షణ-మూల్యాంకనం మరియు తరచుగా ఫండ్ అప్లికేషన్ (ప్రాజెక్ట్కు బదులుగా వనరులను అభ్యర్థించే అప్లికేషన్) అవసరం. ఈ యూనిట్లో, ప్రోగ్రామ్ ఆలోచన దశ నుండి అప్లికేషన్ డ్రాఫ్ట్ వరకు AIని ఆలోచన మరియు రచన భాగస్వామిగా ఎలా ఉపయోగించాలో, ఏ డేటా నిజమైనదిగా ఉండాలి మరియు నైతిక సరిహద్దుల వరకు నేర్చుకుంటారు.
ప్రారంభం నుండి ఒక సూత్రం: ప్రోగ్రామ్ ఫీల్డ్ నుండి ఉద్భవించింది; టేబుల్ నుండి కాదు. ఒక ప్రోగ్రామ్ను నిజంగా విలువైనదిగా చేస్తుంది, అది నిజమైన సంఘం యొక్క నిజమైన అవసరంపై ఆధారపడి ఉంటుంది. AI అనర్గళంగా “విశ్లేషణ అవసరం” వచనాన్ని ఉత్పత్తి చేయగలదు, కానీ దానికి ఫీల్డ్ తెలియదు; వాస్తవ డేటాతో ధృవీకరించకుండానే అది అందించే గణాంకాలు, అవసరాలు మరియు సమర్థనలను ఉపయోగించి మరియు మీ ఫీల్డ్ నాలెడ్జ్ కాగితంపై మంచిగా ఉండే ప్రోగ్రామ్ను ఉత్పత్తి చేస్తుంది కానీ వాస్తవికతకు భిన్నంగా ఉంటుంది. AI నిర్మాణం మరియు భాషను మెరుగుపరుస్తుంది; మీరు కంటెంట్ యొక్క ప్రామాణికతను నిర్ధారించండి.
ప్రోగ్రామ్ సైకిల్లో AI ఎక్కడ ఉపయోగపడుతుంది?
1. విశ్లేషణ ఫ్రేమ్వర్క్ అవసరం. ఇది అవసరాన్ని క్రమపద్ధతిలో పరిశీలించడానికి ఏ డేటా, ఏ వాటాదారులు మరియు ఏ ప్రశ్నలు అవసరమో ఫ్రేమ్ చేస్తుంది. కానీ మీరు వాస్తవ మూలాల నుండి సంఖ్యలు మరియు కనుగొన్న వాటిని ఉంచారు.
2. ప్రోగ్రామ్ లాజిక్ (మార్పు సిద్ధాంతం). ఇది "ఈ కార్యాచరణ ఈ అవుట్పుట్, ఈ ఫలితం, ఈ ప్రభావాన్ని ఉత్పత్తి చేస్తుంది" యొక్క గొలుసు (జోక్యం తర్కం)ని స్థాపించడంలో సహాయపడుతుంది; ఇది ఖాళీలు మరియు బలహీనమైన ఊహలను కనిపించేలా చేస్తుంది.
3. కార్యాచరణ మరియు సమయ ప్రణాళిక. ఇది లక్ష్యాల నుండి కార్యకలాపాలకు, కార్యకలాపాల నుండి క్యాలెండర్కు వెళ్ళే ఫ్రేమ్వర్క్ను ఉత్పత్తి చేస్తుంది.
4. డ్రాఫ్ట్ ఫండింగ్ అప్లికేషన్. అప్లికేషన్ ఫారమ్ (సారాంశం, హేతుబద్ధత, లక్ష్యాలు, కార్యకలాపాలు, బడ్జెట్ హేతుబద్ధత, పర్యవేక్షణ-మూల్యాంకనం, స్థిరత్వం) విభాగాలను పూరించడానికి బలమైన వ్రాత భాగస్వామి — మీరు డేటా మరియు వాస్తవికతను ధృవీకరిస్తారు.
5. పర్యవేక్షణ-మూల్యాంకన సూచికలు. ఇది ప్రోగ్రామ్ యొక్క విజయాన్ని కొలవడానికి కొలవగల సూచికలను సూచిస్తుంది.
చిట్కా: మీరు AI డ్రాఫ్ట్ అప్లికేషన్ను కలిగి ఉన్నప్పుడు, "గణాంకాలు లేదా మూలాలను రూపొందించండి; సంఖ్యలను [డేటా అవసరం]తో భర్తీ చేయండి" అని చెప్పండి. ఫండ్ అప్లికేషన్లలో కల్పిత గణాంకాలు అప్లికేషన్ను తిరస్కరిస్తాయి మరియు మీ సంస్థ యొక్క విశ్వసనీయతను దెబ్బతీస్తాయి. మీరు నిజమైన డేటాతో ఖాళీని పూరించండి.
ప్రోగ్రామ్ యొక్క సుస్థిరత అనేది తరచుగా విస్మరించబడే పరిమాణాలలో ఒకటి, కానీ నిధులు ఇచ్చేవారు ఎక్కువగా చూసేది. ప్రాజెక్ట్ పూర్తయినప్పుడు ప్రయోజనాలు ఏమిటి, సేవ ఎలా కొనసాగుతుంది, సంఘం తన స్వంత సామర్థ్యాన్ని ఎలా పెంచుకుంటుంది - ఇవన్నీ మంచి డిజైన్లో భాగం. స్థిరత్వ దృశ్యాలను రూపొందించడంలో AI అంతర్దృష్టిని కలిగి ఉంటుంది ("నిధులు అయిపోయినప్పుడు, ఈ వాటాదారు స్వాధీనం చేసుకుంటాడు", "స్వచ్ఛంద సామర్థ్యం ఏర్పాటు చేయబడింది", "స్థానిక ప్రభుత్వంతో ప్రోటోకాల్ రూపొందించబడింది"); కానీ మీరు మాత్రమే, మీ ఫీల్డ్ పరిజ్ఞానంతో, ఈ దృశ్యాలు నిజంగా సాధ్యమేనా మరియు ఏ వాటాదారు నిజంగా వాగ్దానం చేశారో అంచనా వేయగలరు. AI ద్వారా రూపొందించబడిన "మంచి ధ్వని" స్థిరత్వ వాగ్దానం, దాని వెనుక నిజమైన నిబద్ధత లేకుంటే, భవిష్యత్తులో అది నెరవేర్చలేని వాగ్దానానికి సంస్థను ఉంచుతుంది.
శ్రద్ధ: నిధుల దరఖాస్తులో మీరు చేసే ప్రతి నిబద్ధత ఒక ఒప్పందం. "విజయ అవకాశాలను పెంచడానికి" అతిశయోక్తి లక్ష్యాలు, సాధించలేని లబ్ధిదారుల సంఖ్య లేదా అవాస్తవ ఫలితాలను AI సూచించవచ్చు. అటువంటి దరఖాస్తు ఆమోదించబడినప్పటికీ, రిపోర్టింగ్ వ్యవధిలో లక్ష్యాలను సాధించడంలో వైఫల్యం సంస్థ యొక్క విశ్వసనీయతను మరియు భవిష్యత్తులో నిధుల కోసం అవకాశాలను నాశనం చేస్తుంది. చాలా ఎక్కువ వాగ్దానం చేయడం మరియు అందించడంలో విఫలం కావడం కంటే తక్కువ వాగ్దానం చేయడం మరియు ఎక్కువ చేయడం ఎల్లప్పుడూ మంచిది.
దశల వారీగా: ఆలోచన నుండి అప్లికేషన్ వరకు
- ఫీల్డ్ నుండి మీకు కావలసిన వాటిని సేకరించండి. నిజమైన డేటాతో ప్రారంభించండి (మీ స్వంత కేసు డేటా, అధికారిక గణాంకాలు, వాటాదారుల అభిప్రాయాలు); AIతో కాదు.
- AIతో ఫ్రేమ్వర్క్ను రూపొందించండి. ప్రోగ్రామ్ లాజిక్ యొక్క అవసరాల విశ్లేషణ మరియు అస్థిపంజరం కోసం AIని అడగండి; ఈ అస్థిపంజరంలో మీ నిజమైన డేటాను ఉంచండి.
- కార్యాచరణ మరియు బడ్జెట్ హేతుబద్ధతను రూపొందించండి. AI కార్యాచరణ-అవుట్పుట్-ఫలితాల గొలుసు మరియు బడ్జెట్ అంశాల లాజిక్ను వివరించగలదు; మీరు మొత్తాలను నిర్ణయిస్తారు.
- అప్లికేషన్ భాషని బలోపేతం చేయండి. నిధుల భాష మరియు ప్రాధాన్యతలకు సరిపోయే స్పష్టమైన మరియు ఒప్పించే కాపీ కోసం AIని ఉపయోగించండి; కానీ అతిశయోక్తి మరియు తప్పుడు వాగ్దానాలకు దూరంగా ఉండండి.
- ప్రామాణికత మరియు నీతి ఆడిట్. ప్రతి సంఖ్యకు మూలం ఉందా? వాగ్దానాలు వాస్తవమా? ప్రోగ్రామ్ ఒక సమూహానికి హాని కలిగించే లేదా కళంకం కలిగించే ప్రమాదాన్ని కలిగిస్తుందా? మీరు ఈ నియంత్రణను నిర్వహించండి.
మూడు చిన్న కేసులు
కేసు 1 - ఫ్రేమ్వర్క్ సమయాన్ని ఆదా చేసింది. ఒక సంఘం వెనుకబడిన పరిసరాల్లో చైల్డ్ సపోర్ట్ ప్రాజెక్ట్ కోసం దరఖాస్తును సిద్ధం చేస్తోంది. AI నుండి వారు కోరిన అవసరాల విశ్లేషణ ఫ్రేమ్వర్క్, జట్టు తప్పిపోయిన ఇద్దరు వాటాదారులను (పాఠశాల సలహాదారులు మరియు హెడ్మాన్) నాకు గుర్తు చేసింది. బృందం ఈ వాటాదారుల నుండి నిజమైన డేటాను సేకరించింది; అప్లికేషన్ మరింత బలమైన సమర్థనపై ఆధారపడింది. దాదాపు 2 రోజుల కాన్ఫిగరేషన్ పని సగం రోజుకు తగ్గించబడింది.
కేసు 2 - నకిలీ గణాంకాలు పట్టుబడ్డాయి. YZ అప్లికేషన్ డ్రాఫ్ట్లో అద్భుతమైన వాక్యాన్ని చేర్చింది: "ఈ పరిసరాల్లోని 70% మంది పిల్లలు పాఠశాల నుండి తప్పుకున్నారు." ఈ సంఖ్య యొక్క మూలం గురించి బృందం అడిగారు; YZ ఒక మూలాన్ని ఉదహరించలేకపోయింది, ఫిగర్ రూపొందించబడింది. వాస్తవ డేటాను పరిశోధించినప్పుడు, నిష్పత్తి చాలా భిన్నంగా ఉంది. కల్పిత గణాంకాలతో పంపినట్లయితే, దరఖాస్తు తిరస్కరించబడుతుంది మరియు విశ్వసనీయతను కోల్పోతుంది.
కేసు 3 - నైతిక ప్రమాదం గుర్తించబడింది. ఒక ప్రోగ్రామ్ యొక్క AI డ్రాఫ్ట్ లక్ష్య సమూహాన్ని "సమస్యాత్మక కుటుంబాలు"గా అభివర్ణించింది మరియు వాటిని నిష్క్రియాత్మక "సహాయ వస్తువులు"గా చిత్రీకరించింది. బృందం దీనిని గ్రహించింది: భాష కళంకం కలిగించేది మరియు ప్రోగ్రామ్ యొక్క సాధికారత సూత్రానికి విరుద్ధంగా ఉంది. కమ్యూనిటీని సబ్జెక్ట్గా మరియు భాగస్వామిగా చేసే భాషలోకి టెక్స్ట్ అనువదించబడింది. ఇది నైతికత మరియు అప్లికేషన్ నాణ్యత రెండింటినీ మెరుగుపరిచింది.
నాలుగు కాపీ చేయగల టెంప్లేట్లు
1) విశ్లేషణ ఫ్రేమ్వర్క్ అవసరం:
మీ పాత్ర: సోషల్ ప్రోగ్రామ్ డిజైన్ కన్సల్టెంట్. అవసరాల విశ్లేషణ కోసం ఫ్రేమ్వర్క్ను సిద్ధం చేయండి [పొరుగున ఉన్న వెనుకబడిన పిల్లలకు విద్యా మద్దతు]: నేను ఏ డేటాను సేకరించాలి, ఏ వాటాదారులను ఇంటర్వ్యూ చేయాలి, నేను ఏ ప్రశ్నలు అడగాలి? గణాంకాలు లేదా ఫలితాలు నకిలీ; సంఖ్యలు అవసరమైన చోట [DATA అవసరం] వ్రాయండి.
2) ప్రోగ్రామ్ లాజిక్ (మార్పు సిద్ధాంతం):
కింది ప్రోగ్రామ్ ఆలోచన కోసం ఇంటర్వెన్షన్ లాజిక్ చైన్ను ఏర్పాటు చేయండి: కార్యకలాపాలు → అవుట్పుట్లు → ఫలితాలు → ప్రభావం. ప్రతి అడుగు కింద ఉన్న ఊహలను వ్రాసి బలహీనమైన/ప్రమాదకర అంచనాలను గుర్తించండి. ఆలోచన:[ప్రోగ్రామ్ ఆలోచనను వ్రాయండి]. అవాస్తవ ఫలితాలను వాగ్దానం చేయవద్దు.
3) ఫండ్ అప్లికేషన్ డ్రాఫ్ట్:
మీ పాత్ర: రిఫరెన్స్ ఎడిటర్. కింది విభాగాల కోసం డ్రాఫ్ట్లను వ్రాయండి: సారాంశం, హేతుబద్ధత, లక్ష్యాలు (SMART), కార్యకలాపాలు, పర్యవేక్షణ-మూల్యాంకన సూచికలు, స్థిరత్వం. గణాంకాలు మరియు అమౌంట్ ఫిట్టింగ్; [డేటా అవసరం] / [మొత్తం అవసరం] ప్లేస్హోల్డర్లను ఉపయోగించండి. అతిశయోక్తి చేయవద్దు; వాస్తవికంగా మరియు స్పష్టంగా వ్రాయండి. ప్రోగ్రామ్ సమాచారం: [సమాచారం అందించండి]
4) నీతి మరియు భాష నియంత్రణ:
దిగువ ప్రోగ్రామ్ వచనాన్ని పరిశీలించండి: ఇది లక్ష్య సమూహానికి కళంకం కలిగిస్తుందా, వాటిని నిష్క్రియాత్మక "సహాయ వస్తువులు"గా చిత్రీకరిస్తుందా, సాధికారత మరియు భాగస్వామ్య సూత్రాన్ని ఉల్లంఘించే భాష ఉందా? సమస్యాత్మక ప్రకటనలను ఫ్లాగ్ చేయండి మరియు సంఘాన్ని నిమగ్నం చేసే గౌరవప్రదమైన ప్రత్యామ్నాయాలను సూచించండి. వచనం: [వచనాన్ని అతికించండి]
బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్
బలహీనమైన ప్రాంప్ట్:
వెనుకబడిన పిల్లల కోసం ప్రాజెక్ట్ అప్లికేషన్ను వ్రాయండి మరియు మీ సమర్థనలో ఆకట్టుకునే గణాంకాలను చేర్చండి.
"ఆకట్టుకునే గణాంకాలలో ఉంచండి" అని చెప్పడం AIకి సంఖ్యలను రూపొందించడానికి ఆహ్వానం. ఫలితంగా అద్భుతమైన కానీ మూలం లేని వచనం అప్లికేషన్ను తిరస్కరించేలా చేస్తుంది మరియు నమ్మకాన్ని దెబ్బతీస్తుంది.
శక్తివంతమైన ప్రాంప్ట్:
మీ పాత్ర: రిఫరెన్స్ ఎడిటర్. దిగువన ఉన్న నా నిజమైన డేటా మరియు ఫీల్డ్ పరిజ్ఞానం ఆధారంగా డ్రాఫ్ట్ ప్రాజెక్ట్ అప్లికేషన్ను వ్రాయండి. అదనపు గణాంకాలు ఫిట్టింగ్; నేను ఇవ్వని నంబర్ ఎక్కడ కావాలో [DATA అవసరం] వ్రాయండి. లక్ష్యాలను స్మార్ట్ మరియు వాగ్దానాలను వాస్తవికంగా ఉంచండి. సంఘాన్ని నిష్క్రియాత్మక అంశంగా కాకుండా పార్టిసిపేటరీ సబ్జెక్ట్గా నిర్వచించండి. నా డేటా: [అసలు డేటాను అతికించండి]
వ్యత్యాసం: "గణాంకాలు ఉంచండి"కి బదులుగా "నేను మీకు ఇచ్చిన డేటాను ఉపయోగించండి, మిగిలిన వాటిని గుర్తించండి" అని చెప్పడం అప్లికేషన్ నిజాయితీగా మరియు శక్తివంతంగా ఉంటుంది.
ప్రోగ్రామ్ సైకిల్లో AI మరియు హ్యూమన్
వేదిక
AI యొక్క సహకారం
మనిషి పని
విశ్లేషణ అవసరం
ఫ్రేమ్వర్క్, ప్రశ్నలు
రియల్ డేటా, ఫీల్డ్
ప్రోగ్రామ్ లాజిక్
గొలుసు + ఊహ
వాస్తవికత యొక్క తీర్పు
కార్యాచరణ ప్రణాళిక
డ్రాఫ్ట్ క్యాలెండర్
అన్వయం
బడ్జెట్
కలం తర్కం
వాస్తవ మొత్తాలు
అప్లికేషన్ రైటింగ్
భాష, నిర్మాణం
నిజాయితీ, నిజాయితీ
పర్యవేక్షణ-మూల్యాంకనం
సూచిక సిఫార్సు
ప్రాముఖ్యత, కొలత
నీతిశాస్త్రం
భాషా నియంత్రణ
నష్టం/కళంకం నిర్ణయం
సాధారణ తప్పులు
- AI గణాంకాలను విశ్వసించడం. అతను సంఖ్యలను తయారు చేస్తాడు; నిజమైన మూలం నుండి ప్రతి డేటాను ఉంచండి.
- పట్టిక నుండి ప్రోగ్రామ్ రూపకల్పన. ప్రోగ్రామ్ ఫీల్డ్ నుండి ఉద్భవించింది; AIకి ఫీల్డ్ తెలియదు.
- అతిశయోక్తి వాగ్దానం. గ్రహించబడని ఫలితాలు అప్లికేషన్ మరియు నమ్మకాన్ని నాశనం చేస్తాయి; వాస్తవికంగా ఉండండి.
- కళంకం కలిగించే భాష. లక్ష్య సమూహాన్ని పాల్గొనే అంశంగా నిర్వచించండి, నిష్క్రియ "వస్తువు" కాదు.
- పర్యవేక్షణ-మూల్యాంకనాన్ని దాటవేయడం. కొలవలేని ప్రోగ్రామ్ నిర్వహించబడదు; మొదటి నుండి సూచికలను ఉంచండి.
సారాంశంలో
కార్యక్రమం మరియు ప్రాజెక్ట్ రూపకల్పన అనేది సంఘం స్థాయిలో సామాజిక పని యొక్క బలం; ఇక్కడ, అవసరాల విశ్లేషణ ఫ్రేమ్వర్క్, ప్రోగ్రామ్ లాజిక్, యాక్టివిటీ ప్లాన్, ఫండింగ్ అప్లికేషన్ డ్రాఫ్ట్ మరియు ఇండికేటర్ ప్రతిపాదనతో AI నిజ సమయాన్ని ఆదా చేస్తుంది. కానీ ప్రోగ్రామ్ ఫీల్డ్ నుండి పుట్టింది: మీరు గణాంకాలు, అవసరాలు మరియు మొత్తాలను వాస్తవ డేటాతో ఉంచారు, వాగ్దానాలను వాస్తవికంగా ఉంచండి మరియు కళంకం లేకుండా సాధికారత సూత్రానికి అనుగుణంగా భాషను తయారు చేయండి. AI నిర్మాణం మరియు భాషను మెరుగుపరుస్తుంది; మీరు ప్రామాణికత మరియు నైతికతను నిర్ధారిస్తారు.
అప్లికేషన్ టాస్క్
నిజమైన లేదా కల్పిత, కానీ వాస్తవికమైన ప్రోగ్రామ్ ఆలోచనను ఎంచుకోండి. "అవసరాల విశ్లేషణ ఫ్రేమ్వర్క్" టెంప్లేట్తో మీరు సేకరించాల్సిన డేటా మరియు వాటాదారులను సంగ్రహించండి. ఆ తర్వాత "ఫండింగ్ అప్లికేషన్ డ్రాఫ్ట్" టెంప్లేట్తో డ్రాఫ్ట్ తీసుకోండి మరియు [DATA అవసరం] ప్లేస్హోల్డర్లను సరిగ్గా ఉపయోగించి AI ఏదైనా గణాంకాలను రూపొందిస్తోందో లేదో తనిఖీ చేయండి. చివరగా, "నైతికత మరియు భాష తనిఖీ" టెంప్లేట్ను వర్తింపజేయండి.
చెక్లిస్ట్
- [ ] నేను నిజమైన డేటా మరియు ఫీల్డ్ నాలెడ్జ్ ఆధారంగా అవసరం.
- [ ] నేను వాస్తవ మూలం నుండి AI ఉత్పత్తి చేసే ప్రతి గణాంకాలను ధృవీకరించాను/గుర్తు చేసాను.
- [ ] నేను వాగ్దానాలు మరియు లక్ష్యాలను వాస్తవికంగా మరియు కొలవగలిగేలా ఉంచాను.
- [ ] నేను లక్ష్య సమూహానికి కళంకం కలిగించని భాషను ఉపయోగించాను, కానీ వారికి అధికారం ఇస్తుంది.
- [ ] నేను మొదటి నుండి పర్యవేక్షణ-మూల్యాంకన సూచికలను ప్లాన్ చేసాను.