Utilisez l'AI pour organiser un plan d'étude tout en conservant les données identifiantes des participants et les décisions de consentement auprès des chercheurs.
Ce guide propose un workflow pour préparer une petite étude de recherche avec des limites claires en matière de consentement et de données. Il s'agit d'un modèle de planification, non d'un test de première main revendiqué, d'une garantie ou d'un substitut au jugement professionnel.
Vous avez besoin d'un propriétaire de recherche, d'un processus de consentement et d'une politique de conservation des données. Ne collez pas de mots de passe, de clés d'API, d'informations de santé, d'identifiants gouvernementaux ou de données client/employé non caviardées dans un service d'AI, sauf si votre organisation a explicitement approuvé ce traitement.
Entrée : question de recherche, contraintes de recrutement et contexte non sensible.
Résultat attendu : plan d'étude, guide de discussion et liste de contrôle de confidentialité.
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 workflow.
Rédiger une phrase décrivant la décision que ce travail doit soutenir : plan d'étude, guide de discussion et liste de contrôle de confidentialité. Énumérez ce qui est confirmé, ce qui est inconnu et qui peut approuver une version finale. Mettez les liens source à côté des affirmations matérielles ; le texte généré n'est jamais la source d'une affirmation.
Créez un paquet d'entrée contenant la question de recherche, les contraintes de recrutement et le contexte non sensible. Supprimez les noms, les coordonnées directes, les identifiants de compte et tout matériel qui n'est pas nécessaire à cette tâche. Par exemple, utilisez un lien source ou un ID d'enregistrement interne à la place d'un document confidentiel collé. Énoncez ce que le résultat ne doit pas faire : il ne doit pas prendre de décision concernant une personne, ne pas publier automatiquement ou ne pas présenter une affirmation incertaine comme confirmée.
Transfert : donnez le dossier limité, le paquet d'entrée et le dossier source à la personne qui fera le premier brouillon. Cette personne doit être capable d'expliquer pourquoi chaque élément inclus est nécessaire.
Documentez les données minimales nécessaires pour la question de recherche, qui peut y accéder et quand elles seront supprimées. Le propriétaire de la recherche examine la formulation du consentement et les matériaux de recrutement avant de contacter un participant.
Dans Claude, demandez une première pass structurée, pas une réponse finale. Une instruction utile est : « Utilisez uniquement le matériel ci-dessous. Produisez des titres, un tableau de preuves, des questions ouvertes et un brouillon. Étiquetez tout ce qui n'est pas soutenu par le matériel comme nécessite vérification. » Attachez les ID 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 séparez une hypothèse utile d'une décision. Le résultat de travail à ce stade doit être un brouillon lié à la source, pas un actif poli.
Transfert : passez le brouillon, les liens source et les questions non résolues à l'examinateur du domaine. Demandez à l'examinateur de répondre avec des corrections, du contexte manquant et un avis explicite go/no-go 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 facultatives. Ne demandez pas au modèle de résoudre un désaccord ou de déduire une approbation. Le propriétaire responsable décide de la version qui devient la copie de travail approuvée.
Ce n'est qu'alors que vous utilisez ChatGPT pour créer le résultat demandé : plan d'étude, guide de discussion et liste de contrôle de confidentialité. Conservez la copie de travail liée à la source à côté de la version formatée. Si un transfert change le format, par exemple de notes à un jeu de diapositives, un prototype ou un message automatisé, comparez les deux versions pour les qualificatifs manquants, les nombres modifiés et l'accent visuel trompeur.
Si l'automatisation fait partie de l'étape finale, configurez une approbation humaine nommée avant d'envoyer, de publier ou de modifier un enregistrement. Incluez une condition d'arrêt, une alerte d'erreur et un moyen d'annuler une action partielle sans supprimer la piste d'audit.
Transfert : le propriétaire responsable signe le plan d'étude, le guide de discussion et la liste de contrôle de confidentialité finaux.
Avant la publication, confirmez :
L'AI peut omettre du contexte, produire des erreurs plausibles et refléter les biais du matériel qui lui est fourni. Ce workflow n'est pas approprié pour les décisions autonomes concernant les personnes, les conseils réglementés ou les actions irréversibles. Commencez par un petit échantillon et examinez les frais basés sur l'utilisation, les crédits de génération, le stockage et les limites de sièges payants avant de mettre à l'échelle.