گردش کار پایان به انتها: از مشاهده تا گزارش، اندازه‌گیری و بهبود مستمر

سود:

• توانایی ترکیب مشاهدات، پشتیبانی غربالگری، برنامه ریزی، مواد و راهنمایی خانواده در یک گردش کار یکپارچه با استفاده از هوش مصنوعی
• امکان اندازه گیری زمان و کیفیت به دست آمده با استفاده از هوش مصنوعی و ایجاد یک چرخه بهبود مستمر با بازخورد
• امکان اطمینان از نظارت متخصص، تأیید، محرمانه بودن و رعایت اخلاق در کل جریان با چک لیست

در سراسر این ماژول، بخش‌های کار رشد کودک را یکی یکی پوشش دادیم: مشاهده، حمایت غربالگری، حوزه‌های رشد، یادداشت مشاهده، طرح فعالیت، طرح حمایت، راهنمایی خانواده، مواد، غربالگری شواهد، و محرمانه بودن. در این بخش پایانی، ما این قطعات را در یک جریان کاری واقع گرایانه از پایان به انتها در رد پای یک کودک ترکیب می کنیم. هدف این است که به طور مشخص ببینیم که چگونه هوش مصنوعی در هر مرحله در زمان صرفه جویی می کند و چگونه نظارت متخصص، تأیید، محرمانه بودن و اخلاقیات در هر مرحله محافظت می شود. در نهایت، ما این جریان را اندازه گیری کرده و به طور مداوم بهبود خواهیم داد و کل فرآیند را با یک چک لیست واحد ایمن می کنیم.

بیایید چارچوب اصلی را به خاطر بسپاریم: هوش مصنوعی یک دستیار، پیش آماده کننده و تولید کننده پیش نویس است. مشاهده، ارزیابی، تفسیر و تصمیمات راهنمایی متعلق به کارشناس است. تشخیص متعلق به پزشک و تیم بالینی است. در یک جریان انتها به انتها، این اصل به طور مکرر در هر گره آزمایش می شود. سرعت فقط زمانی ارزشمند است که تأیید حفظ شود.

جریان پایان به انتها: یک مثال گام به گام

بیایید یک مثال ناشناس را مرور کنیم: "پسری 3 سال و 4 ماهه؛ خانواده اظهار می کنند که او کمتر از همسالان خود صحبت می کند."

1. مشاهده (واحد 4). متخصص کودک را در یک محیط طبیعی و ساختار یافته تماشا می کند و یادداشت های خام را نگه می دارد. هوش مصنوعی این یادداشت ها را به یک رکورد عینی و بدون علامت در قالب ABC تبدیل می کند. کارشناس ضبط را با منبع مقایسه می کند و تأیید می کند که جزئیات اضافه شده ای وجود ندارد.
2. پشتیبانی از اسکن (واحد 2). کارشناس ابزار مناسب را با پروتکل خود اعمال می کند و امتیاز می دهد. هوش مصنوعی نتیجه را به یک خلاصه ساده و محتاطانه ترجمه می کند. یادداشت "اسکن تشخیص نیست" اضافه شده است. بررسی های تخصصی اصلاح سن برای مشکلاتی مانند دوزبانگی.
3. تحلیل میدانی (واحد 3). هوش مصنوعی مشاهده و اسکن داده ها را در یک نمایه مبتنی بر منطقه سازماندهی می کند. متخصص الگو را تفسیر می کند و از برچسب زدن بیش از حد اجتناب می کند. یک تصویر مرزی در حوزه زبان همراه با نشانه های قوی ارتباط اجتماعی ارزیابی می شود.
4. طرح پشتیبانی (واحد 6). هوش مصنوعی یک اسکلت برنامه و خطوط کلی هدف را تولید می کند. متخصص اهداف را به SMART تبدیل می کند، واقع گرایی را بررسی می کند و آنها را با خانواده تطبیق می دهد.
5. فعالیت و مواد (واحد 5، 8). هوش مصنوعی فعالیت‌ها و مواد هدف‌محور (کارت، داستان اجتماعی) را پیش‌نویس می‌کند. متخصص آن را از طریق امنیت، سن، دسترسی و حق چاپ فیلتر می کند.
6. راهنمایی خانواده (واحد 7). هوش مصنوعی یک برنامه و اطلاعات خانگی ساده و بدون سرزنش می نویسد. کارشناس لحن، فرهنگ و اخلاق را حسابرسی می کند.
7. گزارش (واحد 2، 9، 10). هوش مصنوعی یک گزارش از کل فرآیند تهیه می کند. با انضباط "فقط از داده هایی که به شما می دهم بنویس". متخصص تأیید می کند که هیچ یافته ساختگی (توهم) وجود ندارد، مطمئن می شود که زبان تشخیصی وجود ندارد و آن را امضا می کند. داده ها در سرتاسر ناشناس هستند.

مرحله

سهم هوش مصنوعی

تایید تخصصی

مشاهده

تبدیل درجه خام به ABC

بدون اتصالات، بدون مهر

پشتیبانی از اسکن

طرح خلاصه ساده

اصلاح سن، مشکلات، نه تشخیص

تحلیل میدانی

ویرایش نمایه

کنترل بیش از حد برچسب زدن

طرح حمایت

طرح کلی هدف

هوشمند، واقع گرایی، خانواده

مواد

طرح داستان/کارت

امنیت، سن، حق امتیاز

محتوای خانوادگی

متن ساده

لحن، فرهنگ، اخلاق

گزارش دهید

پیش نویس گزارش

بدون توهم، امضا

اندازه گیری و بهبود مستمر

اندازه گیری کنید تا بدانید آیا هوش مصنوعی واقعاً ارزش افزوده دارد یا خیر. دو بعد ساده: زمان (مدت زمانی که یک کار به صورت دستی طول می کشد، چقدر طول می کشد با هوش مصنوعی) و کیفیت (تعداد اصلاحات، بازخورد خانواده، میزان دستیابی به اهداف). به عنوان مثال، یک متخصص ممکن است اندازه گیری کند که نوشتن یک متن اطلاعات خانوادگی با دست در 30 دقیقه آن را با پیش نویس AI + تصحیح به 8 دقیقه کاهش می دهد. اما او همچنین باید توجه داشته باشد که چه تعداد اصلاحات اخلاقی/لحنی در پیش نویس انجام داده است. در صورت کاهش کیفیت، صرفه جویی در زمان گمراه کننده است.

چرخه بهبود مستمر: از → اندازه گیری → بررسی → جریان سریع و صحیح استفاده کنید. اشکالی را که مرتباً رفع می‌کنید اضافه کنید (مثلاً هوش مصنوعی دائماً به زبان تشخیصی می‌رود) به عنوان یک قانون سخت در اعلان. بنابراین دفعه بعد خطا کاهش می یابد.

نکته: یک "کتابخانه سریع" نگه دارید: درخواست های خود را که کار می کنند، از جمله قوانین اعتبار سنجی ذخیره کنید. دستورات موجود در هر واحد هسته اصلی این کتابخانه هستند. با گذشت زمان مطابق با زمینه حرفه ای شما بالغ می شود.

احتیاط: افزایش سرعت هرگز نمی تواند به خطر انداختن تأیید، حریم خصوصی و اخلاقیات را توجیه کند. در بالاترین مرحله ریسک (نظر، ارجاع، امضای گزارش)، نقش هوش مصنوعی کوچکترین و تایید انسانی بزرگترین است.

چهار فرمان قابل کپی

1) اعلان خلاصه جریان سرتاسر:

نقش شما: دستیار پیش نویس. برای مورد ناشناس زیر، مراحل از مشاهده تا گزارش (مشاهده، خلاصه غربالگری، نمایه میدانی، طرح پشتیبانی، مواد، زمینه خانوادگی، گزارش) را به عنوان طرح کلی گردش کار مشخص کنید. در هر مرحله نقطه ای را که کارشناس باید تایید کند با [تأیید کارشناس] علامت بزنید. تشخیص. مورد: [ناشناس]

2) گزارش پیش نویس (بدون توهم) سریع:

یک پیش‌نویس گزارش ارزیابی از داده‌های ناشناس زیر بنویسید. فقط از داده‌هایی که ارائه می‌دهم بنویسید. فیلد گمشده را علامت گذاری کنید [بدون داده]، هیچ یافته ای FITTED نیست. انجام تشخیص؛ یادداشت "اسکن تشخیص نیست" را اضافه کنید. در نهایت قسمت [کارشناس] را برای امضا/تایید ترک کنید. داده ها: [ناشناس، گام به گام]

3) الگوی اندازه گیری زمان/کیفیت:

یک جدول اندازه گیری ساده برای یک کار مبتنی بر هوش مصنوعی ایجاد کنید: نام کار، زمان دستی، زمان هوش مصنوعی، تعداد اصلاحات انجام شده، نوع تصحیح (ایمنی/اخلاق/لحن/دقت)، بازخورد والدین/کارشناس. آن را ساده نگه دارید.

4) اعلان ممیزی کیفیت و حریم خصوصی یکپارچه:

خروجی گردش کار زیر را با موارد زیر بررسی کنید: (1) آیا اعتبارسنجی در هر مرحله انجام شده است؟ (2) آیا بیانی دال بر تشخیص وجود دارد؟ (3) آیا داده ها ناشناس هستند؟ (4) آیا یافته ها/منابع ساختگی وجود دارد؟ (5) آیا خطر امنیتی / اخلاقی / حق چاپ وجود دارد؟ نواقص را فهرست کنید. خروجی: [متن]

سه کیف کوچک

مورد 1 - اندازه گیری افزایش زمان. یک متخصص سازمان مشاهده، پیش نویس طرح، متن خانواده و پیش نویس گزارش را برای کل پرونده کودک با هوش مصنوعی آماده می کند. چیزی که به صورت دستی حدود 3 ساعت طول می کشد با تأیید AI + به 70 دقیقه کاهش می یابد. اما این کارشناس همچنین خاطرنشان می کند که او در مجموع 11 اصلاح (3 امنیت، 4 اخلاق / لحن، 2 دقت، 2 SMART) در پیش نویس ها انجام داده است. نتیجه: صرفه جویی قابل توجه در زمان، حفظ کیفیت. اندازه گیری باعث می شود که سود قابل مشاهده باشد.

مورد 2 - حلقه ضعیف در زنجیره. یک متخصص جریان را تسریع می‌کند اما در مرحله گزارش از تأیید صحت می‌گذرد. بیانیه ای که توسط هوش مصنوعی ساخته شده است "اصلاً در بازی با همسالان شرکت نمی کند" در گزارش گنجانده شده است - در حالی که در یادداشت مشاهده ای کودک در بازی با همسالان شرکت می کرد. وقتی خانواده این را می خوانند، اعتماد متزلزل می شود. بازرسی با اخطار 4 می تواند این را کشف کند. درس: حتی سریعترین جریان نمی تواند آخرین گره تأیید را دور بزند.

مورد 3 - بهبود مستمر. یک متخصص متوجه می شود که هوش مصنوعی به طور مکرر به زبان تشخیصی می رود. قاعده «تشخیص نکنید، تمایز ارزیابی-تشخیص را حفظ کنید» را در ابتدای همه درخواست‌های موجود در کتابخانه سریع رفع می‌کند. در ماه بعد، تعداد تصحیحات زبان تشخیصی به طور قابل توجهی کاهش می یابد. حلقه عمل می کند: خطا را اندازه گیری کنید، جریان را اصلاح کنید، تکرار را کاهش دهید.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

سریع یک گزارش از کل پرونده این کودک تهیه کنید، یک تشخیص اضافه کنید.

مشکل: بدون تأیید، تشخیص درخواست شده، خطر توهم مشاهده نشده است، محرمانگی/ناشناس بودن زیر سؤال نمی رود.

اعلان قدرتمند:

یک گزارش پیش نویس از داده های ناشناس، گام به گام در زیر بنویسید. فقط داده هایی را که به شما می دهم بنویسید. علامت گمشده [بدون داده]؛ جعل یافته ها؛ شهادت دادن؛ یادداشت "اسکن تشخیصی نیست" و فیلد [تأیید کارشناس] را اضافه کنید. در نهایت، چاپ خود را برای توهم و زبان تشخیصی بررسی کنید. داده ها: [ناشناس]

اشتباهات رایج

• رد شدن از تأیید نهایی: حتی سریعترین جریان نیز نیاز به بررسی پیش امضا دارد.
• جشن گرفتن سرعت بدون اندازه‌گیری کیفیت: تعداد اصلاحات و بازخوردها را نیز پیگیری کنید.
• تکرار همان اشتباه: اشتباهی که اغلب تصحیح می شود را به عنوان یک قانون در اعلان تبدیل کنید.
• تغییر به زبان تشخیصی: تمایز ارزیابی-تشخیص را در تمام مراحل حفظ کنید.
• شکستن ناشناس بودن در یک مرحله: داده ها باید در هر پیوند در زنجیره ناشناس باقی بمانند.

به طور خلاصه

گردش کار انتها به انتها همه بخش‌های ماژول را در یک مسیر تک فرزندی ترکیب می‌کند: مشاهده، پشتیبانی غربالگری، تجزیه و تحلیل میدانی، طرح پشتیبانی، مطالب، راهنمایی خانواده و گزارش. هوش مصنوعی در هر مرحله پیش نویس تولید می کند و در زمان صرفه جویی می کند. کارشناس در هر مرحله تأیید می کند، از محرمانگی و اخلاق محافظت می کند و علامت می دهد. اندازه گیری زمان و کیفیت؛ به عنوان یک قاعده، خطاهای ثابت شده را به دستور اضافه کنید و آنها را دائماً بهبود بخشید. سرعت ارزشمند است، اما تنها زمانی که تأیید، محرمانه بودن و اخلاقیات حفظ شود. تصمیم همیشه با خود شخص است.

وظیفه کاربردی

یک مورد ناشناس انتخاب کنید و جریان پایان به انتها را اجرا کنید: جریان را با اعلان اول پیش نویس کنید، هر مرحله را با دستورات واحدهای مربوطه تهیه کنید، یک گزارش بدون توهم با اخطار دوم تهیه کنید. 3. زمان و کیفیت را با اعلان اندازه گیری کنید (دستی در مقابل هوش مصنوعی، تعداد اصلاحات). در نهایت، کل جریان را از نظر کیفیت و حریم خصوصی با اعلان چهارم بررسی کنید. به صرفه‌جویی در زمانی که اندازه‌گیری کرده‌اید و تعداد کل اصلاحاتی که انجام داده‌اید (به تفکیک نوع) توجه کنید.

چک لیست

• [ ] من در هر مرحله تأیید تخصصی انجام دادم. گزارش نهایی قبل از امضا بررسی شد.
• [ ] گزارش فقط از روی داده های واقعی نوشته شده است. هیچ یافته/منبع ساختگی وجود ندارد.
• [ ] من تمایز ارزیابی-تشخیص را در طول جریان حفظ کردم.
• [ ] داده ها در تمام مراحل ناشناس باقی ماندند. محرمانه بودن به خطر نیفتاد.
• [ ] من بررسی های امنیتی، اخلاقی، کپی رایت و لحن انجام دادم.
• [ ] زمان و کیفیت را اندازه گرفتم. اصلاحات را به انواع تقسیم کردم.
• [ ] من خطاهای رایج را به عنوان قوانین به کتابخانه سریع خود اضافه کردم.

امتحان ماژول

1. یک متخصص رشد کودک تفسیر اسکن تولید شده توسط هوش مصنوعی را بدون بررسی به خانواده و پرونده منتقل می کند. اشتباه اساسی در این رویکرد چیست؟

• الف) خروجی هوش مصنوعی بدون تأیید قابل استفاده نیست. پیش نویس باید با ابزار و مشاهدات معتبر بررسی و تایید شود ✔
• ب) هوش مصنوعی همیشه تفسیر منفی از اسکن می دهد
• ج) فقط نمرات خام به جای کامنت با خانواده به اشتراک گذاشته شود.
• د) گزارش به جای ایمیل به صورت چاپی در اختیار خانواده قرار می گرفت.

توضیح: در حالی که هوش مصنوعی می تواند تفسیر درستی ایجاد کند، می تواند تصحیح سن، زمینه فرهنگی یا امتیاز برش نادرست را نیز فرض کند و با همان اطمینان تفسیر نادرستی تولید کند. رشد کودک یک منطقه حساس است. هر خروجی باید توسط یک متخصص تایید شود و تصمیم ارزیابی و راهنمایی و تایید نهایی باید متعلق به انسان باشد. همچنین غربالگری تشخیص نیست.

2. کدام یک از موارد زیر هدف اصلی ابزارهای غربالگری توسعه ای است (مانند Denver II، AGTE، GEÇDA)؟

• الف) تشخیص قطعی رشدی برای کودک
• ب) شناسایی کودکان در معرض خطر رشد و ارجاع آنها به ارزیابی بیشتر ✔
• ج) طبقه بندی کودکان بر اساس سطح هوش آنها
• د) توصیه درمان دارویی به خانواده

توضیح: ابزارهای غربالگری تکاملی تشخیص نمی دهند. به شناسایی کودکان در معرض خطر رشد، ارزیابی بیشتر و ارجاع آنها به متخصص مربوطه کمک می کند. تشخیص قطعی کار ارزیابی دقیق بالینی و پزشک/تیم متخصص مربوطه است. هوش مصنوعی این محدودیت را نیز تغییر نمی دهد.

3. وقتی هوش مصنوعی به طور روان یک اثر یا منبع ناموجود را واقعی می سازد چه نام دارد؟

• الف) کالیبراسیون
• ب) ناشناس سازی
• ج) توهم ✔
• د) عادی سازی

توضیح: توهم زمانی است که مدل زبان اطلاعات، منبع یا اثری را تولید می کند که در واقع وجود ندارد، گویی درست است. بنابراین، در بررسی شواهد، هر ادعا و منبع باید به طور مستقل در برابر ادبیات بررسی شده و دستورالعمل های رسمی تأیید شود.

4. چرا آپلود یک گزارش توسعه با نام کامل کودک، شماره TR ID و اطلاعات مدرسه در ابزار هوش مصنوعی در دسترس عموم مشکل دارد؟

• الف) زیرا بارگیری بسیار کند خواهد بود
• ب) چون قالب گزارش خراب خواهد شد
• ج) چون هوش مصنوعی نمی تواند گزارش های ترکی را بخواند
• د) انتقال داده های ویژه کودک به خارج از موسسه بدون مجوز، نقض KVKK و محرمانه بودن است ✔

توضیحات: داده های کودک داده های شخصی ویژه است و در محدوده KVKK محافظت می شود. آپلود اطلاعات هویتی در یک ابزار خارجی نقض حریم خصوصی است. راه درست این است که داده ها را ناشناس کنید و فقط از اطلاعات ضروری و شناسایی نشده در یک ابزار امن و در صورت امکان با رضایت والدین استفاده کنید.

5. به جای این که در یک یادداشت مشاهده ای بگویند «علی کودک امروزی بسیار پرخاشگر و پریشان بود» کدام رویکرد صحیح است؟

• الف) همان عبارت باید با اضافه شدن تاریخ نوشته شود.
• ب) رفتار باید به طور عینی توصیف شود: پیشین، رفتار مشاهده شده و نتیجه باید جداگانه نوشته شود ✔
• ج) یادداشت را اصلا نباید نوشت، باید در نظر داشت
• د) به جای نام کودک فقط «دانشجوی مشکل دار» نوشته شود

توضیح: یادداشت های مشاهده خوب رفتار را توصیف می کنند، نه برچسب زدن به آن. این اظهارنظرها و ننگ "توهین آمیز" و "مشکل ساز" است. رویکرد صحیح توصیف عینی است، مانند پیشین-رفتار-نتیجه (ABC): در کدام موقعیت، چه کرد، چه اتفاقی افتاد. تفسیر و علت احتمالی نیز در ارزیابی کارشناسی در نظر گرفته شده است.

6. اولین کاری که متخصص باید انجام دهد زمانی که هوش مصنوعی یک برنامه فعالیت را پیشنهاد می کند چیست؟

• الف) فوراً طرح را همانطور که هست اجرا کنید
• ب) از هوش مصنوعی بخواهید طرح را دوباره بنویسد تا طولانی تر شود
• ج) بایگانی طرح بدون تایید خانواده
• د) غربالگری طرح برای ایمنی، سن/تناسب رشد، دسترسی به مواد و پایبندی به هدف ✔

توضیحات: پیشنهاد هوش مصنوعی یک پیش نویس است. کارشناس ابتدا ایمنی (خطر خفگی/ آسیب، تجهیزات مناسب)، سن و تناسب رشد، تناسب فرهنگی و پایبندی به هدف را بررسی می کند. تنها پس از این فیلتر می توان طرح را اجرا کرد.

7. نوشتن اهداف در طرح حمایت فردی با توجه به معیار SMART به چه معناست؟

• الف) اهداف مشخص، قابل اندازه گیری، قابل دستیابی، مرتبط و به موقع هستند ✔
• ب) تا حد امکان عمومی و انعطاف پذیر نگه داشتن اهداف
• ج) اهداف را فقط خانواده می نویسند
• د) تغییر کامل اهداف هر هفته

توضیحات: هدف هوشمند. باید مشخص، قابل اندازه گیری، قابل دستیابی، مرتبط و محدود به زمان باشد. "بگذارید گفتار او بهبود یابد" مبهم است. "در عرض هشت هفته درخواست های پنج کلمه ای ساده را به صورت شفاهی بیان کنید" قابل اندازه گیری و زمان بندی است. پیش نویس هوش مصنوعی طبق این معیارها به طرز ماهرانه ای اصلاح می شود.

8. کدام یک از موارد زیر از نظر اخلاقی در محتوای آموزنده برای خانواده اشتباه است؟

• الف) پیشنهاد فعالیتهای مشخص در خانه که خانواده می تواند آن را اجرا کند
• ب) برای انتقال یافته های مشاهده و اسکن به زبان ساده
• ج) استفاده از عباراتی که حاکی از تشخیص قطعی، ترساندن افراد یا حاوی وعده های غیرواقعی است.
• د) در صورت لزوم یادداشت ارجاعی به متخصص/پزشک مربوطه اضافه کنید

توضیح: استفاده متخصص رشد کودک از جملاتی که متضمن تشخیص قطعی مانند «فرزند شما مبتلا به اوتیسم» برای خانواده است، بیش از حد مجاز و اخلاق است. غربالگری و ارزیابی تکاملی تشخیص نیستند. زبان صحیح زبانی است که سرزنش نکند، واقع بینانه باشد، راهنمایی کند و در مواقع لزوم به متخصص/پزشک مربوطه مراجعه کند.

9. قبل از استفاده از مجموعه کارت مفهومی تولید شده با هوش مصنوعی چه بررسی هایی باید انجام شود؟

• الف) تغییر رنگ کارت ها به رنگ مورد علاقه کودک
• ب) صحت، تناسب سن، دسترسی و کپی رایت تصویر و متن بررسی شود ✔
• ج) افزایش تعداد کارت ها تا حد امکان
• د) کارت ها را فقط خانواده بررسی کنند

توضیح: هوش مصنوعی ممکن است تصاویری نادرست، از نظر فرهنگی نامناسب یا بیش از حد محرک برای سن تولید کند. ممکن است اشتباهات املایی/مفهومی در متن وجود داشته باشد. کارشناس نباید بدون بررسی صحت، تناسب سنی، دسترسی (سادگی، کنتراست) و حق چاپ از مطالب استفاده کند.

10. یک متخصص با این ادعا روبرو می شود که "این روش فعلی به سرعت تمام تاخیرهای رشد را اصلاح می کند" پیشنهاد شده توسط هوش مصنوعی. نگرش صحیح چیست؟

• الف) نپذیرفتن ادعا بدون تایید آن با سطح شواهد و منابع معتبر و زیر سوال بردن آن با هشدار مد ✔
• ب) درخواست را فوراً به خانواده توصیه کنید
• ج) درست بودن آن را بپذیرید زیرا هوش مصنوعی آن را می گوید
• د) از هوش مصنوعی دیگری بخواهید که این ادعا را رد کند و به آن بسنده کنید

توضیح: قول قطعی و اغراق آمیز شفا نشانه شواهد ضعیف یا روشی مرسوم است. کارشناس نباید ادعا را بدون تأیید آن با ادبیات بررسی شده، سطح شواهد و دستورالعمل های رسمی قبول کند. باید پایه شواهد هر رویکرد را زیر سوال برد. خروجی هوش مصنوعی یک نقطه شروع است، نه یک منبع.

11. کدام یک از موارد زیر در تفسیر حوزه های رشدی (حرکتی، زبانی، شناختی، اجتماعی- عاطفی، مراقبت از خود) اصل صحیحی است؟

• الف) اگر در یک مشاهده تاخیر در یک ناحیه مشاهده شد، کودک باید فوراً برچسب زده شود
• ب) فیلدها باید کاملاً مستقل از یکدیگر ارزیابی شوند
• ج) کافی است به ناحیه زبان نگاه کنید
• د) دامنه وسیع رشد طبیعی و تفاوت های فردی باید در نظر گرفته شود. ارزشیابی باید کل نگر و تکراری باشد ✔

توضیحات: طیف وسیعی از رشد طبیعی وجود دارد و تنوع فردی در بین کودکان طبیعی است. برچسب زدن زودهنگام به کودک با یک مشاهده یا تاخیر در یک منطقه اشتباه است. زمینه ها به هم مرتبط هستند. ارزیابی باید جامع، چند منبعی و در طول زمان تکرار شونده باشد.

12. ابتدایی ترین مرحله حفظ حریم خصوصی که باید قبل از وارد کردن داده های کودک به هوش مصنوعی انجام شود چیست؟

• الف) ناشناس کردن داده ها: حذف اطلاعات شناسایی و تنها استفاده از اطلاعات غیر شناسایی ضروری ✔
• ب) نوشتن داده ها با حروف بزرگ
• ج) ترجمه داده ها به انگلیسی
• د) دوبار چسباندن داده ها

توضیحات: ابتدایی ترین مرحله ناشناس سازی است: حذف اطلاعات شناسایی مانند نام، نام خانوادگی، شناسه TR، مدرسه، پروتکل و تنها استفاده از اطلاعات ضروری و غیرقابل شناسایی. علاوه بر این، انتخاب یک وسیله نقلیه ایمن/سازمانی و کسب رضایت خانواده در صورت لزوم ضروری است.

13. در چه مورد خاص باید اصلاح سن (سن اصلاح شده) در ارزیابی رشد مورد توجه قرار گیرد؟

• الف) فقط در کودکان در سن مدرسه
• ب) در ارزیابی رشد نوزادان نارس با توجه به سن اصلاح شده ✔
• ج) فقط در دوقلوها
• د) به هیچ وجه لازم نیست

توضیح: در نوزادانی که نارس به دنیا می آیند، رشد بر اساس سن اصلاح شده ارزیابی می شود، نه سن تقویمی. در غیر این صورت ممکن است یک نوزاد عادی به طور تصادفی پشت سر ظاهر شود. یک متخصص باید حتما آن را بررسی کند زیرا هوش مصنوعی ممکن است این اصلاح را نادیده بگیرد.

14. قوی ترین راه برای ایمن سازی نظارت متخصص بر یک گردش کاری انتها به انتها با هوش مصنوعی چیست؟

• الف) اعتماد کامل به هوش مصنوعی و افزایش سرعت کنترل ها
• ب) فقط یک چک در پایان انجام دهید
• ج) در هر مرحله چک لیستی را اعمال کنید که شامل تأیید، محرمانه بودن و اخلاقیات باشد ✔
• د) انتقال کنترل به خانواده

توضیحات: استفاده از چک لیستی که شامل تأیید، محرمانه بودن، و بررسی های اخلاقی در هر مرحله (مشاهده، پشتیبانی غربالگری، طرح، مواد، زمینه خانوادگی، گزارش) است، نظارت متخصص را نظام مند می کند. بنابراین، افزایش سرعت بدون به خطر انداختن امنیت و اخلاق به دست می آید.