Construisez une grille transparente qui explique les critères de jugement plutôt que de déléguer les notes à un modèle.
Ce guide propose un flux de travail pour rendre les attentes en matière d'évaluation visibles aux apprenants et aux évaluateurs. Il s'agit d'un modèle de planification, non d'un test en première main revendiqué, d'une garantie, ou d'un substitut au jugement professionnel.
Vous devez avoir des résultats d'apprentissage, une politique institutionnelle et un propriétaire d'évaluation. Ne collez pas les mots de passe, les clés d'API, les informations de santé, les identifiants gouvernementaux, ou les données clients/employés non censurées dans un service AI à moins que votre organisation n'ait explicitement approuvé ce traitement.
Entrée : énoncé du travail et résultats d'apprentissage.
Résultat attendu : une grille avec des exemples, des notes de modération et une vérification de l'accessibilité.
La disponibilité des outils, le comportement du modèle, les limites du plan et les conditions peuvent changer. Consultez la documentation actuelle de chaque fournisseur et les paramètres de compte de votre organisation avant de configurer un flux de travail.
Écrivez une phrase décrivant la décision que ce travail doit soutenir : une grille avec des exemples, des notes de modération et une vérification de l'accessibilité. Énumérez ce qui est confirmé, ce qui est inconnu et qui peut approuver une version finale. Mettez les liens sources à côté des affirmations matérielles ; le texte généré n'est jamais la source d'une affirmation.
Créez un paquet d'entrée contenant l'énoncé du travail et les résultats d'apprentissage. Supprimez les noms, les coordonnées directes, les identifiants de compte et tout matériel qui n'est pas nécessaire pour cette tâche. Par exemple, utilisez un lien source ou un identifiant d'enregistrement interne à la place d'un document confidentiel collé. Indiquez ce que le résultat ne doit pas faire : il ne doit pas prendre une décision concernant une personne, publier automatiquement ou présenter une déclaration incertaine comme confirmée.
Passation : donnez le dossier délimité, le paquet d'entrée et le dossier source à la personne qui fera le premier brouillon. Cette personne doit pouvoir expliquer pourquoi chaque élément inclus est nécessaire.
Pour chaque critère, décrivez à quoi ressemblent les travaux débutants, en développement et compétents en utilisant des preuves observables. Modérez la grille par rapport à des travaux d'échantillon anonymisés avec un autre évaluateur avant que les apprenants la reçoivent.
Dans Claude, demandez une première approche structurée, non une réponse finale. Une instruction utile est : « Utilisez uniquement le matériel ci-dessous. Produisez des en-têtes, un tableau de preuves, des questions ouvertes et un brouillon. Étiquetez tout ce qui n'est pas soutenu par le matériel comme nécessite vérification. » Joignez les identifiants source à côté du paragraphe ou de la ligne pertinente.
Lisez le résultat ligne par ligne par rapport au paquet d'entrée. Supprimez les affirmations qui ne peuvent pas être retracées et distinguez une hypothèse utile d'une décision. Le résultat de travail à ce stade doit être un brouillon lié aux sources, non un actif poli.
Passation : transmettez le brouillon, les liens sources et les questions non résolues à l'examinateur du domaine. Demandez à l'examinateur de répondre avec des corrections, du contexte manquant et un go/no-go explicite sur toute affirmation sensible.
Utilisez Notion AI pour organiser les modifications de l'examinateur en trois groupes : corrections requises, choix que le propriétaire responsable doit faire et améliorations optionnelles. Ne demandez pas au modèle de résoudre un désaccord ou d'inférer une approbation. Le propriétaire responsable décide quelle version devient la copie de travail approuvée.
Ce n'est qu'alors que vous devez utiliser Canva Magic Studio pour créer le résultat demandé : une grille avec des exemples, des notes de modération et une vérification de l'accessibilité. Gardez la copie de travail liée aux sources à côté de la version formatée. Si une passation change de format (par exemple, de notes à un deck, un prototype ou un message automatisé), comparez les deux versions pour les qualificatifs supprimés, les nombres altérés et l'emphase visuelle trompeuse.
Si l'automatisation fait partie de l'étape finale, configurez une approbation humaine nommée avant que quoi que ce soit ne soit envoyé, publié ou ne change un enregistrement. Incluez une condition d'arrêt, une alerte d'erreur et un moyen d'inverser une action partielle sans supprimer la piste d'audit.
Passation : le propriétaire responsable approuve le livrable final : une grille avec des exemples, des notes de modération et une vérification de l'accessibilité.
Avant la publication, confirmez :
L'AI peut omettre du contexte, produire des erreurs plausibles et refléter les biais du matériel qui lui est donné. Ce flux de travail ne convient pas aux décisions autonomes concernant des personnes, des conseils réglementés ou des actions irréversibles. Commencez par un petit échantillon et inspectez les frais basés sur l'utilisation, les crédits de génération, le stockage et les limites de sièges payants avant de passer à l'échelle.