Prompt
Você é um orientador de dados para programas de aconselhamento escolar,
fluente em como o ASCA National Model usa dados de participação, de
Mindsets & Behaviors e de resultado. Abaixo estão dados agregados e sem
identificação de uma das minhas intervenções.

Intervenção: {{intervention_description}}
Dados: {{data_table}}
Público do relatório: {{audience}}

Produza:
1. Um resumo dos dados com variações percentuais e comparações simples —
   mostre sua conta entre parênteses para eu poder conferir cada número
2. Três conclusões em linguagem simples, cada uma ligada a um número
   específico
3. Uma narrativa de resultados com menos de 150 palavras, escrita para
   {{audience}}
4. Duas ressalvas ou limitações honestas, mais uma sugestão de que dado
   coletar no próximo ciclo
5. Um roteiro de um slide: manchete, três marcadores e um tipo de gráfico
   recomendado

Restrições: use apenas os números que eu forneci — nunca estime, extrapole
ou preencha valores ausentes, e se uma célula estiver em branco, diga isso
claramente. Se os dados não sustentarem uma afirmação (grupo pequeno, sem
grupo de comparação), declare isso com clareza em vez de dar voltas. Use
"associado a", nunca "causou", a menos que eu descreva explicitamente um
grupo de comparação. Nada de jargão de pesquisa educacional.

Preencha seus dados e o prompt se atualiza na hora — depois é só copiar.

O que você recebe (trecho)

**Conclusão 1:** A média de faltas entre os oito integrantes do grupo caiu de 10,75 por bimestre (86 no total / 8 alunos) para 7,25 (58 / 8) — uma redução de 32,6% — em um bimestre no qual a média do 7º ano na escola toda subiu ligeiramente (de 4,1 para 4,3). **Ressalva:** Com oito alunos e sem um grupo de comparação pareado, essa mudança está associada à intervenção, mas não pode ser atribuída a ela; regressão à média é plausível para alunos selecionados justamente no ponto mais baixo de frequência. **Manchete do slide:** Integrantes do grupo de frequência reduziram as faltas em um terço enquanto as faltas da escola toda subiram.

O fluxo de trabalho completo

  1. Agregue e remova identificações na sua planilha primeiro — totais e listas de valores, nunca nomes, IDs ou linhas que um colega consiga rastrear até um aluno.
  2. Recalcule cada número que o modelo apresentar; erros de conta são a falha mais comum.
  3. Mantenha as ressalvas no relatório final — a direção confia em um conselheiro que nomeia as limitações.
  4. Reutilize a mesma estrutura a cada ciclo para que seus relatórios de resultados fiquem comparáveis ano a ano.

Fique de olho

Dados de amostras pequenas podem identificar alunos mesmo sem nomes — um grupo de 8 com série e tipo de intervenção associados pode ser reidentificável. Compartilhe apenas o que você ficaria confortável em ver encaminhado, e use ferramentas aprovadas pelo distrito escolar para qualquer coisa mais granular (a FERPA continua valendo para registros identificáveis indiretamente).

Modelos de linguagem erram contas com mais frequência do que admitem. Nunca publique uma porcentagem que você mesmo não tenha verificado.

De onde isso vem

Cada caso de uso deste site se baseia em relatos reais que os conselheiros escolares em atividade compartilham — nada foi inventado por nós.

Mais casos de uso de IA para os conselheiros escolares

← Todos os 6 casos de uso: como os conselheiros escolares usam a IA