收益：
- 在报告规模和库存结果时能够使用人工智能作为语言和编辑助手，以改进演示而不是结果
- 能够编写提示，将匿名的数字结果翻译成可理解的语言并产生一般性解释。
- 了解量表解释、诊断和临床意义不能转移到人工智能，并且有效性-信度和规范信息属于专家。
PDR 专家经常使用量表和清单来了解学生。量表是一种结构化工具，可以用数字来衡量特征（焦虑、自尊、测试态度等）；库存是一种创建多维档案的工具，例如兴趣、价值观和职业倾向。这些工具具有科学基础：有效性（工具是否实际测量其预期测量的内容）、可靠性（提供一致的结果）和规范（显示结果对相关年龄/群体意味着什么的比较图表）。正确解释量表结果；它需要同时考虑这三个概念、工具手册和学生的背景。这是真正的专家工作。
这个单元最重要的信息是一条禁令线：量表解释、临床意义和诊断不能委托给人工智能。 AI不知道范数表，不认识工具的有效性限制，看不到学生的背景；如果你给他原始分数，他可能会做出自信但毫无根据的“评论”。人工智能在这一领域的唯一合法角色是作为编辑助理，改进专家自己评论的语言和表达方式。
为什么人工智能无法解释比例？
具体原因有以下三个。首先，常模信息：焦虑量表上的34分是“高”还是“中”，由为该年龄段准备的该工具的常模表确定。 AI不知道这张表；他说的是一般性的猜测，但他是错误的。二、有效性限制：每个工具对于一定的目的、年龄和文化是有效的；从科学角度来说，对工具进行超出其预期用途的解释是错误的，而人工智能不承认这一限制。第三，背景：相同的分数对于考试周的学生和普通周的学生来说具有不同的含义；只有了解学生的专家才能建立这种背景。
此外，这里产生幻觉的风险尤其危险：询问AI“这个盘点结果意味着什么？”当你问的时候，他会根据听起来正确的文字来回答，而不是实际的规范。如果这个答案与学生或家长分享，就会出现看似科学但毫无根据的“诊断”。
注意：请勿将原始分数、项目回答或学生的库存概况提供给人工智能工具进行“解释”。这既违反了保密规定，又为科学上无效的解释打开了大门。你发表评论；让AI只编辑你写的评论。
人工智能的合法作用：改善交付
专家根据车辆说明书和规范自行做出解释。然后有必要以易于理解的方式向家长或学生提出此评论；这就是人工智能可以发挥作用的地方。人工智能可以将专家撰写的技术评论翻译成更简单的语言，为家长起草易于理解的解释，或编辑最终报告的格式。关键点：进入AI的不是数字或简介，而是专家自己写的匿名评论文本。人工智能改善的是表现，而不是结果。
一个类比有助于具体化这种区别：医生阅读测试结果并做出诊断并以可理解的语言向患者解释该诊断是两项不同的工作。阅读分析并做出诊断需要专业知识和责任感；简化表达是语言的问题。在 PDR 中，人工智能只参与第二项任务，即软化专家已经做出的“诊断”的语言。他自己无法做出“诊断”。因此，当用人工智能准备规模报告时，顺序很明确：首先专家做出评论，然后人工智能简化该评论的语言。如果顺序颠倒——也就是说，如果人工智能被告知首先“解释”——就会出现没有科学有效性的文本，并用专家语言进行修饰，这是所有错误中最危险的：让虚假的内容显得可信。
一步一步：从规模结果到清晰的报告
- 发表专家评论。根据车辆手册和规范自行解释结果。
- 匿名评论。删除姓名和身份信息；说“学生”。
- 简化为人工智能。只要让他编辑一下语言和流程即可；条件他/她不要添加新评论。
- 比较。验证输出不会改变您的解释，而只会改进您的演示。
- 添加上下文和建议。您写下学生的背景和下一步。
- 使用您的 ID 将其保存到您的系统中。将经过验证的报告传递到您自己的安全系统。
可复制模板
1）简化专家点评：
您的角色：PDR 写作助理。添加新的评论、诊断或建议。 任务：将下面的匿名专家撰写的评论简化为家长可以轻松理解的平静、非侮辱性的语言。如果您使用技术术语，请在括号中简要解释。改变含义。专家评论：[粘贴自己的匿名评论]
2）最终面试准备问题：
您的角色：PDR 助理。我正在准备与一名学生会面，我将在会上分享清单结果（我不分享结果，我有它们）。建议 8 个开放式问题，让面试保持以学生为中心、以发现为导向。
3）报告格式编辑：
将匿名评估文本放在以下标题下：目的、总体评估（由我撰写）、优势、发展领域、建议。不要更改内容，只需编辑和简化即可。文字：[匿名文字]
4) 术语描述生成器（针对家长）：
用一句话向家长解释以下 PDR 术语，不要侮辱它们：[写下术语]。添加诊断或针对学生的评论。
弱提示/强提示
弱：
这位同学的焦虑量表得分为38，这意味着什么，评论一下。
它将原始分数解释给人工智能；没有规范，没有上下文，存在侵犯隐私的风险和无效的解释。
强：
您的角色：PDR 写作助理，添加新评论。以下是我根据我的手册写的匿名评论。将其简化为可理解的、冷静的、非侮辱性的语言。保留意义。评估：“据评估，一名中学生在考试期间经历了可控程度的焦虑；他的日常功能得以保留。人们认为加强应对技能的支持将是有用的。”
专家点评；人工智能只是简化了语言。
三个迷你箱子
案例 1——虚构的标准。为了测试它，一位专家给了人工智能一个量表的原始分数，并说“评论”。人工智能为该工具弥补了一个不存在的“阈值”，并宣布得分“临床上很高”。当专家查看车辆的实际标准表时，他发现分数处于平均范围内。如果按照人工智能的解释采取行动，学生和家人就会不必要地担心。教训：解释是由工具的规范完成的，而不是由人工智能完成的。
案例 2 — 简化增益。一名指导顾问很难向家长解释技术评估文本。他让人工智能简化了他写的匿名评论；他将“日常功能”和“应对技巧”等术语翻译成母语。家长会气氛平静多了。人工智能改进了演示，而不是结果；意义被保留下来了。
案例 3——上下文差异。学生的考试态度清单显示动机较低。专家没有让人工智能解释这一点，而是与该学生交谈，了解到该学生的低调是由于当时暂时的家庭情况所致。 AI永远不会看到这个上下文；专家筛选揭示了该数字背后的故事，并据此撰写了报告。
常见错误
- 由人工智能解读原始分数。没有规范和上下文的解释无效。解决方案：专家点评。
- 将配置文件输入到工具中。侵犯隐私和产生幻觉的风险。解决办法：只输入匿名评论文字。
- 检索AI添加的新评论。没有注意到简化过程中泄漏的新声明。解决办法：“添加新评论”限制和比较。
- 省略上下文。阅读这个数字与学生的故事无关。解决方案：通过对话建立上下文。
- 转向诊断语言。未经授权使用“临床”、“紊乱”等表述。解决方案：尊重授权和语言限制。
表：谁做什么？
商业
专家
人工智能
规范/有效性评估
是的
不
解释原始分数
是的
不
建立背景
是的
不
简化评论的语言
批准
是的
编辑报告格式
批准
是的
给家长的术语解释
批准
是（一般）
综上所述
规模和库存解释；这是一个专业知识问题，需要有效性、可靠性、规范和背景，无法转移到人工智能。人工智能的合法作用是改进专家自己的匿名评论的语言和表达方式。切勿给车辆提供原始分数或概况；只需匿名简化您自己的评论文本，保留含义，自己添加上下文和建议即可。
应用任务
写一个虚构的音阶解释（专业的、技术的）。匿名。他让人工智能使用“简化专家解释”模板将其翻译成母语。然后将两个文本并排放置：AI是否改变了含义或添加了新的解释/诊断？标记更改并创建保留含义的最终版本。
清单
- [ ] 我自己根据车辆说明书和标准做出的评论。
- [ ] 我只给该工具提供了匿名评论文本，而不是原始分数/个人资料。
- [ ] 我在提示中写了“添加新的解释/诊断”限制。
- [ ] 我通过对比验证，输出的含义没有改变。
- [ ] 我自己添加了上下文和建议；我最终批准了。