收益：
- 能够在人工智能的支持下，将个人访谈后的零散笔记转化为结构化、公正且基于观察的记录
- 能够在专家的控制下编写会议总结、流程跟进和下一步计划的请求。
- 了解人工智能添加和标记评论的风险，并确保记录必须匿名和验证，将事实与解释分开
当个人访谈结束时，专家常常会留下一张凌乱的笔记：空白处潦草的句子、一些令人难忘的短语、对下一步该做什么的半想法。将这张笔记变成有条理的、客观的、可追溯的谈话记录需要时间，而且往往会延续到一天结束甚至第二天；与此同时，细节丢失了。访谈记录是一份专业文件，记录了与学生进行访谈的时间、目的、观察到的内容以及计划采取的步骤。保持良好记录；它确保连续性，为协作同事提供共同点，并在必要时实现问责制。
在本单元中，我们将学习使用人工智能作为编辑助手，将杂乱的采访后备忘录转化为结构化、公正且基于观察的记录。但让我们从头开始讲最关键的原则：AI 组织成绩；它不会解释、标记或诊断学生。构成记录主干的事实、观察和决策均来自专家。
剖析优秀录音：将事实与解释分开
记录保存最基本的专业原则是将事实与解释分开。现象;是观察到或所说的内容（“学生在整个面试过程中避免目光接触”，“他说他的成绩在上次考试中下降了”）。评论;是专家从这些事实中得出的专业含义（例如“观察到的焦虑迹象”）。将两者混淆会使记录既有偏见又具有误导性。例如，“懒学生”只是一个标签，而不是事实； “该学生声称他没有提交最后三份作业”是事实。
人工智能在这里是一种双向工具。好处：可以将杂乱的笔记组织成一个整洁的结构，将事实和评论标题分开。风险方面：倾向于自发添加评论和标签；他可能会在你不情愿的情况下说出“不快乐”、“内向”、“烦恼”之类的词。这就是为什么你应该始终将提示限制为“不要添加评论，只编辑我写的事实”。
注意：请勿记录人工智能产生的任何评论，除非您在专业上同意该评论。您对录音中的每句话负责； “AI是这样总结的”并不是一个道理。
匿名：注册的先决条件
通话记录包含敏感的个人数据。在将成绩交给AI之前一定要匿名：姓名为“学生A”，班级为“中学生”，家长为“家长”；删除学校名称、日期以外的标识符。您添加实际的凭据，同时将人工智能生成的常规文本保存到您自己的安全系统中。因此人工智能只是匿名进入该过程的“语言和形式”阶段；经过身份验证的记录永远不会进入公共工具。
一步一步：从杂乱的笔记到有条理的记录
- 收集原始笔记。面试一结束，写下你的想法；暂时不要寻求订单。
- 匿名。用一般短语替换凭据。
- 单独的事实/解释。在笔记中粗略地标记哪些是观察，哪些是推论。
- 让 AI 编辑。要求它适合结构化模板；禁止他发表评论。
- 检查并完成。读取输出；消除任何误解，添加缺失的事实，然后决定下一步。
- 保存到安全系统。在最后阶段，将凭据添加到您的封闭系统中。
可复制模板
1）配置杂乱笔记：
您的角色：学校辅导员的写作助理。规则：请勿添加评论、诊断或标签。只需编辑下面的注释即可。将匿名原始访谈记录放在以下标题下：1) 访谈目的，2) 观察到的事实（学生所说/观察到的内容），3) 专家说明（留空，我将填写），4) 计划的下一步（留空）。原始注释：[粘贴您的匿名注释]
2）采访总结（为了连续性）：
将下面的匿名对话录音压缩成中性的 3-4 句话摘要，以便我的同事可以在 30 秒内读完。使用标签和诊断；仅包含会议的目的、讨论的主题和计划的步骤。录音：[粘贴匿名录音]
3）进程跟踪表：
以下是对同一学生（匿名）的 3 次采访的摘要。将它们排列在一个表格中，其中包含日期、涵盖的主题、观察到的变化（在现象级别）和计划的步骤。添加评论。摘要：[粘贴匿名摘要]
4）开放式面试问题生成器：
您的角色：PDR 写作助理。我正在准备与一位 15 岁的学生就学术动机进行一次支持性对话。建议 8 个非评判性、开放式问题，让学生更容易表达自己的想法。避免封闭式或引导性问题。
弱提示/强提示
弱：
总结一下这次会议：阿里9-A，他的父亲失业了，很有攻击性，我认为他有愤怒的问题。
它包含识别信息，将事实与解释相结合（“非常有攻击性”、“有愤怒问题”是标签），并邀请人工智能做出诊断。
强的：
您的角色：PDR 写作助理，添加评论/诊断。匿名编辑原始注释。保留事实，将我的评论栏留空。原始注释：15 岁学生；会上有两次他提高了声音，他说自己在过去两周内已经3次收到班级警告，并暗示家里气氛紧张。会议目的：行为警告后提供支持。
匿名、注重事实、有限且出于监管目的。
三个迷你箱子
案例 1 — 捕获标签。一位专家通过人工智能编辑了一周紧张的 12 次采访的笔记。在打印输出中，AI 自发地为一名学生添加了“内向且容易抑郁”的短语；然而，专家的说明中只有“他在采访中很少说话”这一事实。专家删除了该标签并保留了该案例。这可以防止孩子的记录因毫无根据的诊断而受到损害。
情况 2 — 连续增益。一位辅导员很难记住她在三个月内与同一名学生进行的五次会面。他让人工智能将匿名摘要分类到流程表中；这种模式变得很明显：学生缺勤率下降，但考试期间焦虑增加。这种模式使专家能够将下一次会议的重点放在焦虑管理上。专家做出决定；人工智能只是让分散的信息变得可见。
案例 3 — 时间恢复。一位 PDR 专家平均每天花费 50 分钟编写记录。 Anonymous 通过让 AI 编辑原始笔记并亲自进行最终检查，将这一时间减少到每天约 20 分钟。他把节省下来的时间不是用来增加会议次数，而是用来在每次会议前更好地准备；录音质量并没有下降，因为事实和决定始终来自专家。
常见错误
- 使用凭证。粘贴带有名称的原始注释。解决方案：始终首先匿名。
- 采用人工智能的解释。录音在不知不觉中就加上了“内向”之类的标签。解决办法：填写注释行，检查AI的。
- 事实解释混乱。在录音上写上“懒惰”或“攻击性”等标签。解决方案：只写所观察到的和所说的。
- 下一步是让 AI 安装它。将计划留给车辆。解决方案：专家决定步骤。
- 极致细节。从保密性和实用性角度来看，记录对话的每句话都是错误的。解决方案：保留符合目的的必要事实。
表：事实还是解释？
表达
类型
适合录音吗？
“他在会议期间避免目光接触”
案例（观察）
是的
“一个内向的孩子”
评论/标签
否（原始形式）
“他说他最后三份作业都没有交。”
事实（陈述）
是的
“郁闷”
诊断（无管辖权）
不
“他说考试前睡不着”
事实（陈述）
是的
“他的家人很冷漠”
评论/标签
不
综上所述
采访录音是客观、可追溯的、区分事实与解读的专业文件。人工智能是对分散的原始笔记（匿名化后）进行结构化、总结和绘制流程图的有力帮手；但评论、标签和决定均来自专家。匿名将人工智能引入形式和语言；将识别出的记录保存在您自己的安全系统中。
应用任务
将您最近（或虚构）对话的笔记完全匿名。让AI用上面的“结构凌乱笔记”模板来整理它。检查输出：AI是否添加了不是你写的评论或标签？标记您的添加内容，删除它们，然后创建您自己的以事实为导向的最终版本。
清单
- [ ] 在将原始注释提供给工具之前，我对所有识别信息进行了匿名处理。
- [ ] 我在提示中写了“添加评论/诊断/标签”限制。
- [ ] 我在输出中去掉了AI添加的注释，只保留事实。
- [ ] 我自己做出了评论和下一步决定。
- [ ] 我仅将经过身份验证的记录写入我自己的安全系统。