برنامهریزی توسعه خیریه با هوش مصنوعی
قبل از بردن یک برنامه موفق به شهر یا مرکز تازه، بررسی کنید کدام بخش روش باید حفظ شود و تیم محلی برای اجرای آن به چه چیزی نیاز دارد.
برنامهریزی توسعه خیریه با هوش مصنوعی زمانی به کارتان میآید که یک برنامه در محل اول نتیجه داده و حالا گروه دیگری میخواهد آن را اجرا کند. اسکیل nonprofit-program-scaling از روی شواهد موجود کمک میکند ایجنتتون سوالهای درست را پیش از تصمیم پیدا کند. آیا روش کار مکتوب شده؟ اگر مدیر فعلی آنجا نباشد، تیم تازه میتواند همان کیفیت را حفظ کند؟ هزینه شروع تا رسیدن به ظرفیت معمول را چه کسی میپردازد؟
مثلا در یک برنامه مطالعه گروهی شاید حضور مربی آموزشدیده بخش ضروری کار باشد، اما ساعت برگزاری را بشود با مدرسه تازه هماهنگ کرد. اگر همه چیز را عینا کپی کنید ممکن است برنامه با شرایط محل جور درنیاید. اگر هیچ بخش ثابتی هم نداشته باشد، سنجیدن اینکه روش اصلی هنوز همان نتیجه را میدهد دشوار میشود.
کاربردها
- پیش از گسترش برنامه خیریه، شواهد نتیجه، تقاضای محل تازه و توان تیم فعلی برای همراهی را کنار هم ببینید.
- هزینه راهاندازی شعبه جدید را با همکاری یک گروه محلی مقایسه کنید و برای هر مدل مشخص کنید چه کسی کیفیت اجرا را پیگیری میکند.
- برای آموزش تیم محلی، فهرست راهنماها، نمونه کار و بازخوردی را بنویسید که یک مجری تازه برای شروع لازم دارد.
- در سنجش آمادگی توسعه، وابستگی به یک مربی یا مدیر باتجربه را بررسی کنید تا جابهجایی یک نفر همه برنامه را متوقف نکند.
- برای اجرای آزمایشی مشخص کنید کدام تغییر محلی قابل قبول است و کدام بخش باید از همان روز اول با روش اصلی هماهنگ بماند.
نصب و استفاده
- اطلاعات برنامه فعلی، شواهد نتیجه، هزینه هر مرکز و آنچه از محل یا شریک تازه میدانید آماده کنید. برای بررسی اولیه حساب خارجی لازم نیست.
- مثلاً بگویید «برای اجرای همین برنامه در یک شهر دیگر، دو مدل پیشنهاد بده و هزینه شروع، آموزش و کنترل کیفیت هر کدام را جدا بنویس.»
- جاهای نامعلوم را با مجری محلی بررسی کنید و پیش از تعهد مالی، معیار تصمیم برای ادامه یا توقف را روشن کنید.
سوالات متداول
منبع
ساخته Nonprofit Skills (Sector Skills). نام اصلی: nonprofit-program-scaling، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub