Rédigez un plan de cours basé sur des objectifs d'apprentissage, puis faites vérifier par un pédagogue le niveau, la sécurité et l'inclusion.
Ce guide propose un flux de travail pour concevoir une séance enseignable pour un groupe d'apprenants spécifié. Il s'agit d'un modèle de planification, non d'un test affirmé en première main, d'une garantie ou d'un substitut au jugement professionnel.
Vous avez besoin de réquisits curriculaires, du contexte des apprenants et d'un examen par un enseignant. Ne collez pas de mots de passe, clés API, informations de santé, identifiants gouvernementaux ou données clients/employés non expurgées dans un service AI à moins que votre organisation n'ait explicitement approuvé ce traitement.
Entrée : objectifs d'apprentissage, temps disponible et matériaux approuvés.
Résultat attendu : un plan de cours avec des vérifications formatives et des notes d'adaptation.
La disponibilité des outils, le comportement du modèle, les limites du plan et les conditions peuvent changer. Vérifiez la documentation actuelle de chaque fournisseur et les paramètres du compte de votre organisation avant de configurer un flux de travail.
Rédigez une phrase décrivant la décision que ce travail doit soutenir : un plan de cours avec des vérifications formatives et des notes d'adaptation. Énumérez ce qui est confirmé, ce qui est inconnu et qui peut approuver une version finale. Placez les liens sources à côté des affirmations de matériel ; le texte généré n'est jamais la source d'une affirmation.
Créez un paquet d'entrée contenant les objectifs d'apprentissage, le temps disponible et les matériaux approuvés. 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 ID d'enregistrement interne à la place d'un document confidentiel collé. Indiquez ce que la sortie ne doit pas faire : elle ne doit pas prendre une décision concernant une personne, ne pas publier automatiquement ou ne pas présenter une déclaration incertaine comme confirmée.
Transmission : remettez le mémoire limité, le paquet d'entrée et le dossier source à la personne qui fait le premier brouillon. Cette personne devrait être en mesure d'expliquer pourquoi chaque élément inclus est nécessaire.
Rédigez d'abord le résultat d'apprentissage observable, puis choisissez une courte activité et une vérification formative qui révèlent si elle a été atteinte. L'éducateur adapte la langue, les exemples et le timing pour la classe réelle plutôt que d'accepter une étiquette de niveau générique.
Dans ChatGPT, demandez une première approche structurée, pas 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 à vérifier. » Joignez les ID sources à côté du paragraphe ou de la ligne pertinent.
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. La sortie utile à ce stade devrait être un brouillon lié à la source, pas un actif poli.
Transmission : 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, le contexte manquant et un aller/non-aller explicite sur toute affirmation sensible.
Utilisez Canva Magic Studio 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.
Utilisez uniquement Notion AI pour créer la sortie demandée : un plan de cours avec des vérifications formatives et des notes d'adaptation. Conservez la copie de travail liée à la source à côté de la version formatée. Si une transmission change de format, par exemple de notes à un deck, un prototype ou un message automatisé, comparez les deux versions pour les qualificateurs abandonnés, les nombres altérés et l'emphase visuelle trompeuse.
Si l'automatisation fait partie de l'étape finale, configurez une approbation humaine nommée avant que tout soit envoyé, publié ou modifie 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.
Transmission : le propriétaire responsable approuve le plan de cours final avec des vérifications formatives et des notes d'adaptation.
Avant la publication, confirmez :
L'AI peut omettre le contexte, produire des erreurs plausibles et refléter les biais du matériel auquel il est exposé. Ce flux de travail ne convient pas aux décisions autonomes concernant les personnes, aux conseils réglementés ou aux 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 la mise à l'échelle.