مقدمه ای بر هوش مصنوعی در آموزش ویژه: نقش ها، مرزها، احراز هویت و حریم خصوصی

سود:

• توانایی تشخیص اینکه کجا هوش مصنوعی در زمان واقعی در جریان کار آموزش ویژه صرفه جویی می کند (پیش نویس، تولید مواد، خلاصه سازی) و جایی که تصمیماتی مانند تشخیص، قرار دادن و تعیین هدف به متخصص و تیم IEP واگذار می شود، با توجه به سطح خطر کار.
• امکان اعمال رشته ای که هر خروجی هوش مصنوعی را با اتصال آن به منبع، مقایسه آن با مشخصات واقعی کودک و گذراندن آن از فیلتر متخصص تایید می کند.
• ناشناس کردن اطلاعات دانش آموز و خانواده در محدوده KVKK/حریم خصوصی و به دست آوردن عادت انتخاب وسیله نقلیه ایمن

روز معلم آموزش استثنایی به آرامی زیر انبوهی از کاغذها می گذرد. برنامه آموزش فردی (IEP) یک دانش آموز تجدید می شود، یک کاربرگ اقتباس شده برای دیگری تهیه می شود، سوابق رفتار دانش آموز سوم نمودار می شود و گزارش پیشرفت برای خانواده چهارم نوشته می شود. همه اینها مستلزم شناخت کودک، تفکر خلاق و تخصص است. اما برخی از آنها نیز تکراری، رسمی و زمان بر هستند. هوش مصنوعی (AI یا به اختصار AI - سیستم‌های رایانه‌ای که می‌توانند متن تولید کنند، الگوها را تشخیص دهند، خلاصه کنند و مانند انسان پیش‌نویس کنند) کمکی قدرتمند در تسریع دقیقاً این گروه دوم است. این یک هدف IEP را مشخص می کند، یک متن را ساده می کند و یک یادداشت مشاهده را در چند دقیقه خلاصه می کند. اما در صورت استفاده نادرست، همان ابزار می‌تواند خروجی ظاهراً ایمن اما نادرست را در تصمیم‌گیری تحصیلی کودک داشته باشد.

واحد اول این ماژول یک معرفی برنامه نیست. هدف آن این است که مشخص کند هوش مصنوعی را در کجای تجارت خود قرار دهید و اصلاً در کجا قرار ندهید. از آنجایی که آموزش ویژه رشته‌ای است که هم «بار کاری فشرده» و هم مستقیماً «حق کودک-انتقادی» است: هدفی که شما می‌نویسید چیزی است که کودک در طول یک سال یاد می‌گیرد. تصمیم انطباق شما تعیین می کند که آیا آن را در کلاس درس درک کنید. بیایید از ابتدا اصل اساسی را بیان کنیم: هوش مصنوعی یک دستیار است نه یک متخصص. مسئولیت و تایید نهایی برای تشخیص، قرار دادن، تعیین هدف و تصمیمات موثر بر آینده کودک به متخصص ذیصلاح، تیم IEP و خانواده تعلق دارد.

لایه های کسب و کار آموزش ویژه و جایگاه هوش مصنوعی

تقسیم کار متخصص آموزش استثنایی به سه لایه مفید است. لایه ارزشیابی فرآیند شناخت کودک است: مشاهده، تاریخچه رشد، خواندن گزارش رم (گزارش ارزشیابی آموزشی تهیه شده توسط مرکز تحقیقات راهنمایی). لایه برنامه ریزی برای تولید اهداف IEP، مواد و برنامه رفتاری بر اساس آن است. لایه پیاده سازی و نظارت، آموزش روزانه، جمع آوری داده ها و ارزیابی پیشرفت است. هوش مصنوعی می تواند هر سه لایه را لمس کند. اما با اقتدار متفاوت در هر کدام. در لایه ارزیابی، هوش مصنوعی تنها به صورت ناشناس خلاصه و ویرایش می کند، نه تشخیص. یک مولد طرح کلی قدرتمند در لایه برنامه ریزی است. در لایه نظارت، داده ها را خلاصه می کند و تفسیر را پیشنهاد می کند، اما تصمیم نمی گیرد.

بیایید از ابتدا چند اصطلاح اساسی را تعریف کنیم. IEP (برنامه آموزش فردی) یک برنامه مکتوب است که با توجه به نیازهای دانش آموز تهیه می شود و حاوی اهداف و اقدامات است. نتیجه، نتیجه یادگیری قابل اندازه گیری است که انتظار می رود دانش آموز به آن دست یابد. اسکان، تسهیل ارائه بدون تغییر محتوا؛ اصلاح، ساده سازی خود محتوا است. AAC (ارتباط جایگزین و تکمیلی) رویکردی است که به فردی با مشکلات گفتاری اجازه می‌دهد با نمادها، کارت‌ها یا وسایل ارتباط برقرار کند. این مفاهیم را یکی یکی در واحدهای زیر توضیح خواهیم داد. در حال حاضر، این را بدانید: هوش مصنوعی برای همه این مفاهیم به شما خطوط کلی و ایده می‌دهد، اما تصمیم‌گیری نمی‌کند.

جدول زیر نقش و سطح خطر هوش مصنوعی را بر اساس ماموریت خلاصه می کند:

تلاش

نقش هوش مصنوعی

سطح ریسک

کی تایید میکنه

پیش نویس مواد/کاربرگ

مولد طرح

پایین

معلم آموزش استثنایی

ساده سازی متن، خلاصه

ویرایشگر

پایین

معلم

نوشتن طرح کلی هدف IEP

مولد طرح، سفارشی سازی مورد نیاز است

متوسط

تیم BEP + خانواده

ایده طرح رفتار

مولد توصیه

بالا

کارشناس + راهنمایی

بررسی پیشرفت

خلاصه کننده داده ها

متوسط

معلم + کارشناس

تشخیص/تصمیم قرار دادن

در دسترس نیست

بسیار بالا

رم + کارشناس مجاز

یک خط در این نمودار را به خاطر داشته باشید: با افزایش ریسک، نقش هوش مصنوعی کاهش می‌یابد و رضایت انسان افزایش می‌یابد. هوش مصنوعی جایی در ردیف بالا ندارد. تشخیص و قرار دادن متعلق به موسسات قانونی و اخلاقی مجاز است.

چرا "تأیید" قلب این تجارت است

به نظر می رسد مدل های زبان هوش مصنوعی در پاسخ خود مطمئن هستند، اما ممکن است مطمئن نباشند. در زبان فنی، این توهم نامیده می‌شود: این ساخت مدل از اطلاعات غیر موجود در یک جمله روان است، درست مثل اینکه درست باشد. این یک دام جدی در آموزش استثنایی است. این مدل ممکن است به شما یک "هنجار رشدی" خیالی بدهد ("هر کودک 5 ساله 200 کلمه می داند"). می تواند یک قانون غیرموجود اختراع کند (یک جمله دقیق اما نادرست مانند "BEP ها باید هر 6 ماه یکبار تمدید شوند")؛ یا ممکن است «روشی» را پیشنهاد کند که مبنای علمی ندارد. از آنجایی که او همه آنها را با یک تسلط می گوید، تنها چیزی که درست را از نادرست جدا می کند تخصص و عادت شما به تأیید است.

رشته تأیید شامل سه مرحله است:

1. پیوند به منبع: نه به حافظه هوش مصنوعی برای قوانین، هنجارهای توسعه، روش ها و معیارها. به منابع رسمی (مقررات خدمات آموزش ویژه MEB، گزارش RAM، رویه های سازمانی) و ادبیات میدانی تکیه کنید. از هوش مصنوعی برای ترسیم این اطلاعات استفاده کنید، نه برای به خاطر سپردن آن.
2. مقایسه با مشخصات واقعی کودک: هر هدف، مطلب یا پیشنهادی را که هوش مصنوعی تولید می کند با سطح عملکرد کودک واقعی که می شناسید مقایسه کنید. آیا برای او سنگین، سبک یا مناسب است؟
3. فیلتر متخصص: با یک چشم متخصص تست کنید که آیا خروجی از نظر آموزشی، اخلاقی و قانونی درست است یا خیر. عباراتی را که انگ، مجازات محور یا غیر واقعی هستند پاک کنید.

احتیاط: قرار دادن یک هدف یا برنامه رفتاری IEP تولید شده توسط هوش مصنوعی در فایل بدون تأیید آن مانند تصمیم گیری کارشناسی بدون امضا است. فقط به این دلیل که خروجی روان است درست نیست. برای کودکان هم مناسب نیست.

حریم خصوصی: داده های دانش آموز داده های خصوصی هستند

داده های دانش آموز (نام، شماره شناسه TR، تشخیص، گزارش RAM، اطلاعات خانواده، سوابق رفتاری) تحت KVKK (قانون حفاظت از داده های شخصی) در ترکیه و GDPR در اروپا محافظت می شوند. اطلاعات مربوط به سلامت و ناتوانی داده های با کیفیت ویژه است. چسباندن نام، شماره شناسایی، تشخیص یا سابقه خانوادگی دانش آموز به کلمه در ابزار هوش مصنوعی عمومی یک تخلف جدی است. قانون ساده است: داده ها را ناشناس کنید و غیر ضروری را به اشتراک نگذارید. به جای "احمت یلدیز، 9 ساله، با تشخیص اوتیسم، پروتکل 2024-3312"، بنویسید "دانش آموز پسر 9 ساله با ارتباط کلامی محدود". در صورت امکان، ابزارهای شرکتی را انتخاب کنید که دارای قرارداد پردازش داده هستند و از داده های شما در آموزش مدل استفاده نمی کنند. فایل های حساس را از حساب های شخصی آپلود نکنید.

نکته: عادت به «بررسی ناشناس‌سازی» کنید: قبل از دادن متن به هوش مصنوعی، نام‌ها، شماره شناسه/پروتکل، آدرس و نام مدرسه را با عبارات عمومی مانند «دانش‌آموز»، «خانواده»، «مدرسه» جایگزین کنید. این 30 ثانیه از شما در برابر یک خطر بزرگ محافظت می کند.

سه کیف کوچک

مورد 1 - استفاده ایمن. یک معلم آموزش استثنایی 4 ساعت در هفته را صرف ایجاد یک کاربرگ ریاضی برای هشت دانش آموز کرد. او سطح پیشرفت و دانش آموز را به صورت ناشناس (بدون نام) به هوش مصنوعی داد و پیش نویس هایی را در سه سطح دشواری درخواست کرد. AI پیش نویس ها را در 8 دقیقه تولید کرد. معلم هر یک را با سطح واقعی بچه ها مقایسه کرد، دو سؤال را ساده کرد و یک تصویر را تغییر داد. مدت زمان: 50 دقیقه به جای 4 ساعت. هوش مصنوعی پیش نویس را داد، تخصص نزد معلم باقی ماند.

مورد 2 - تله اطلاعات تایید نشده. معلمی از هوش مصنوعی پرسید: "کودکان دارای عقب ماندگی ذهنی خفیف حداکثر چند رقم می توانند اضافه کنند؟" هوش مصنوعی یک پاسخ مطمئن "حداکثر 3 رقمی" داد. معلم این را به عنوان یک مرز در IEP نوشت. با این حال، چنین "قاعده ای" وجود ندارد; هر کودک فردی است و دانش آموز واقعی توانسته است فرآیند 4 مرحله ای را انجام دهد. اشتباه: تکیه بر یک "هنجار" کلی ساخته شده توسط هوش مصنوعی به جای عملکرد واقعی کودک.

مورد 3 - نقض حریم خصوصی. او گفت که یکی از کارمندان فهرستی از نام‌ها، تشخیص‌ها و شماره تلفن خانواده همه دانش‌آموزان کلاس خود را در یک ابزار عمومی آپلود کرد و "گزارش کلاسی از آن‌ها ایجاد کرد." داده ها به یک سرور خارجی رفت و یک شکایت KVKK مطرح شد. راه صحیح حذف نام، تشخیص و اطلاعات تماس و کار با اطلاعات سطح ناشناس ("سه دانش آموز در سطح پیش خواندن") بود.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

یک هدف IEP برای این دانش آموز بنویسید.

این ادعا اشتباه است: هوش مصنوعی کودک را نمی شناسد، سطح عملکرد مشخص نیست، هیچ زمینه و معیاری وجود ندارد. نتیجه یک جمله کلی در هوا است که مناسب کودک نیست.

اعلان قدرتمند:

نقش شما: کمکی به معلم آموزش استثنایی. دانش آموز (ناشناس): 8 ساله، در سطح پیش از خواندن، تا حدی روابط حرف و صدا برقرار می کند. حوزه: خواندن وظیفه: یک پیش نویس از 1 هدف بلند مدت و 3 هدف کوتاه مدت (قابل اندازه گیری) بنویسید. شرط + رفتار قابل مشاهده + معیار (درصد / آزمایش) را در هر هدف کوتاه لحاظ کنید. ادعاهای هنجاری که در مورد آن مطمئن نیستید مطرح نکنید. فرض کنید این یک پیش نویس است و توسط تیم BEP اقتباس می شود.

در این اعلان، نقش، نمایه ناشناس، دامنه، فرمت خروجی و انتظارات «پیش‌نویس» مشخص است. شما همچنان خروجی را با سطح واقعی کودک مقایسه و تطبیق می دهید.

اشتباهات رایج

• در انتظار تشخیص یا تصمیم گیری از سوی هوش مصنوعی. این مرجع متعلق به رم و کارشناسان مجاز است. در این زمینه نمی توان از هوش مصنوعی استفاده کرد.
• به اشتراک گذاشتن هویت کودک نام، شناسه، پروتکل و اطلاعات خانواده را نمی توان بدون ناشناس در هر خودرویی وارد کرد.
• تکیه بر «هنجارهای» ساخته شده. جایگزینی تعمیم هایی مانند "هر X کودک Y انجام می دهد" برای نمایه واقعی.
• استفاده از پیش نویس همانطور که هست. حمل خروجی تأیید نشده کلمه به کلمه در IEP، متن خانواده یا طرح رفتار.
• عدم توجه به زبان انگ زنی. هوش مصنوعی گاهی اوقات می تواند برچسب های منفی مانند "ناکافی"، "شکست" تولید کند. اینها باید از فیلتر تخصصی عبور کنند.

به طور خلاصه

هوش مصنوعی دستیار قدرتمندی در آموزش ویژه است: پیش‌نویس، ساده‌سازی، خلاصه‌سازی، باز کردن ایده‌ها و صرفه‌جویی در وقت شما را انجام می‌دهد. اما نه تشخیص می دهد، نه قرار می دهد، نه هدف را مشخص می کند. هر خروجی از طریق سه مرحله تأیید می‌شود: پیوند به منبع، مقایسه با نمایه واقعی فرزند، فیلتر متخصص. داده های دانش آموز داده های با کیفیت خاص هستند. بدون ناشناس شدن به اشتراک گذاشته نمی شود. با افزایش خطر، نقش هوش مصنوعی کوچکتر می شود و مسئولیت انسان افزایش می یابد. این اصول ستون فقرات بقیه ماژول هستند.

وظیفه کاربردی

یکی از دانش‌آموزان خود را انتخاب کنید و پروفایل او را ناشناس کنید (بدون نام، شناسه، نام مدرسه؛ فقط سن، موضوع و سطح عملکرد) و آن را به یک متن تبدیل کنید. سپس با استفاده از الگوی «اعلام قدرتمند» در بالا از هوش مصنوعی بخواهید یک طرح کلی از هدف را ارائه کند. خروجی را با سه مرحله تأیید (منبع، مشخصات واقعی، فیلتر متخصص) بررسی کنید و حداقل دو نقطه را اصلاح کنید. در یک جمله بنویسید که چه چیزی را تغییر دادید و چرا.

چک لیست

• [ ] شناسه دانشجویی (نام، شناسه، پروتکل، مدرسه) را از متن حذف کردم.
• [ ] نقش، نمایه ناشناس و فرمت خروجی در درخواستی که به هوش مصنوعی دادم مشخص است.
• [ ] من خروجی را با سطح عملکرد واقعی کودک مقایسه کردم.
• [ ] من برای هرگونه «هنجار» یا ادعای قانونی ساختگی بررسی کردم.
• [ ] من تشخیص/تصمیم گیری را به هوش مصنوعی واگذار نکردم.
• [ ] اشاره کردم که تایید نهایی متعلق به متخصص و تیم BEP است.