Gains :
- Comprendre que les données des étudiants sont des données personnelles et souvent privées, et les règles d'anonymisation et de conservation dans le cadre du KVKK et du secret professionnel
- Capacité à pratiquer la désidentification et à choisir un outil sécurisé/institutionnel lors de la saisie de données dans des outils d'intelligence artificielle accessibles au public
- Comprendre que le consentement au partage des données, la minimisation des données et le respect de la politique de l'école relèvent de la responsabilité de l'enseignant.
Un enseignant a accès à des informations très sensibles dans le cadre de son travail : notes, dossiers comportementaux, état de santé, informations familiales, conversations d'orientation, données socio-économiques. Ces informations appartiennent au domaine le plus privé de l'étudiant et lorsqu'elles tombent entre de mauvaises mains, elles peuvent lui causer des dommages à vie. La plupart des outils d'IA sont basés sur le cloud, ce qui signifie que le texte que vous saisissez est traité sur les serveurs distants de l'entreprise, et non sur votre ordinateur, et que dans certains outils, il peut être utilisé pour développer le modèle. Ainsi, écrire les informations d’un élève dans une IA publique signifie les retirer de votre contrôle. Cette unité établit la couche de sécurité la plus critique dans l’utilisation de l’IA dans l’enseignement. La règle est claire : anonymisez d’abord les données des étudiants, utilisez si possible des outils sécurisés/institutionnels ; La responsabilité incombe à l'enseignant.
Quelles données sont protégées ? Cadre du KVKK
Les données personnelles sont toute information qui rend une personne spécifique ou identifiable : nom-prénom, numéro d'école, carte d'identité, photographie ou même des descriptions indirectes telles que "l'élève le plus grand de 3-A" dans un contexte. Les données personnelles spéciales (sensibles) sont plus fortement protégées : santé, origine ethnique, religion, condamnation pénale, données biométriques, appartenance à une association/syndicat. Le bilan de santé de l'élève, le diagnostic de troubles d'apprentissage ou le traumatisme familial entrent dans cette catégorie.
KVKK (loi sur la protection des données personnelles) exige que les données personnelles soient traitées licitement, dans un but précis, de manière mesurée et sécurisée. Implications pratiques pour l'enseignant : utiliser les données uniquement dans la mesure nécessaire (minimisation des données), ne pas abuser des données, les conserver en sécurité, ne pas les partager avec des tiers (y compris l'IA publique) sans autorisation. Il existe également une obligation de secret professionnel : l'enseignant ne peut divulguer les informations dont il a connaissance sur l'élève et sa famille.
Attention : supposer que « l'entreprise ne lit pas ceci de toute façon » n'est pas sûr. Certains outils d'IA gratuits peuvent stocker/utiliser des entrées dans la formation. Une fois les données sorties, elles ne peuvent plus être récupérées. Le plus sûr est de ne jamais supprimer les données.
Anonymisation : en faire un réflexe
L’anonymisation consiste à supprimer tous les éléments permettant d’identifier une personne dans les données et à les généraliser de manière irréversible. En pratique :
- Nom-prénom → « Étudiant A », « un étudiant »
- Numéro d'école, TR ID, branche de classe → supprimer complètement
- Nom, téléphone, adresse du parent → supprimer
- Détails rares/descriptifs → généraliser (des expressions comme « un élève qui utilise un fauteuil roulant » trahissent la personne ; dites « un élève »)
- Nom de l'école/institution → quitter ou dire « notre école »
Avant de donner un texte à l’IA, supposons qu’un inconnu le lise : peut-on comprendre à partir de ce texte de quel enfant il s’agit ? Si c'est clair, généralisez davantage.
Sélection de véhicule en toute sécurité
Tous les outils d’IA ne sont pas identiques. Les plus sûrs sont les outils d'entreprise fournis par votre école/institution, qui disposent d'un accord de traitement des données (DPA) et qui n'utilisent pas d'intrants dans l'éducation. Avec des outils gratuits et accessibles au public, l’hypothèse devrait être le pire des cas. Lorsque vous choisissez un outil, demandez : Mes entrées sont-elles enregistrées ? Est-il utilisé dans l'éducation ? Où les données sont-elles traitées ? La politique scolaire approuve-t-elle cet outil ? En cas de doute, n'utilisez pas les données sans les anonymiser.
Étape par étape : flux de travail privé et sécurisé
- Recherchez les données personnelles. Nom, numéro, institution, situation sensible.
- Anonymiser. Remplacer par des expressions générales ; supprimer les détails d’identification.
- Appliquez la minimisation des données. N'ajoutez aucune information qui n'est pas requise par la tâche.
- Sélectionnez le véhicule. Institutionnel si possible ; Sinon, supposons le pire des cas.
- Utilisez-le. Travaillez uniquement avec du texte anonyme.
- Vérifiez également la sortie. L'IA peut refléter les informations que vous lui donnez ; Il ne devrait y avoir aucune fuite d’identité dans la sortie.
trois mini-cases
Cas 1 — Capture de dernière minute. Un conseiller d'orientation a écrit à AI pour lui demander conseil au sujet d'un problème familial avec un élève ; Le texte comprenait le nom, le grade et « sa mère est à l'hôpital ». Il s'en est aperçu sans l'envoyer, généralisant le tout comme "un étudiant de 13 ans, un problème de santé dans sa famille". Les suggestions d’approche générale qu’il a reçues ont fonctionné ; Aucune donnée personnelle n'a été divulguée.
Cas 2 — Identification indirecte. Un enseignant a écrit à AI qu'il s'agissait d'un « matériel destiné au seul élève malvoyant de la classe ». Il n’y avait pas de nom, mais l’expression décrivait définitivement ce garçon à l’école. Lorsqu'il l'a remarqué, il l'a remplacé par « pour un élève qui a besoin d'un soutien visuel ». L’anonymisation ne consiste pas seulement à supprimer des noms, mais également à masquer des informations d’identification.
Cas 3 — Sélection du véhicule. Une école a interdit aux enseignants d’utiliser des outils gratuits avec les données des élèves et a fourni un outil d’entreprise assurant la sécurité des données. Par habitude, un enseignant collait l’analyse des notes dans l’outil gratuit ; Grâce au rappel de la politique, il est passé à l'outil d'entreprise tout en anonymisant les données. Deux couches de protection combinées.
Modèles copiables
1) Analyse pré-anonymisation :
Supposons qu’un étranger lise le texte suivant. Peut-on comprendre directement OU indirectement à partir de ce texte quel élève il est ? Répertoriez toutes les expressions qui révèlent l'identité (nom, numéro, institution, particularité rare) et proposez une alternative générale pour chacune. Texte : [coller]
2) Auto-évaluation sécuritaire du véhicule :
Rédigez une liste de contrôle de 6 questions pour évaluer un outil d'IA que j'envisage d'utiliser : stockage des entrées, utilisation dans l'éducation, localisation des données, approbation institutionnelle, droit de suppression, conformité des données sensibles. Ajoutez « que faire si oui / que faire si non » à chaque question.
3) Contrôle de minimisation des données :
Simplifiez le texte que je donnerai à l'IA pour la tâche suivante : supprimez tous les détails personnels/contextuels que la tâche NE NÉCESSITE PAS, ne laissant que ce qui est nécessaire pour faire le travail. Tâche : [décrire]. Texte : [coller]
4) Projet de politique scolaire (pour les enseignants) :
Rédigez une liste courte et claire en 8 points de règles permettant aux enseignants d'une école d'utiliser des outils d'IA pour sécuriser les données des élèves : anonymisation, outil approuvé, données sensibles, conservation, consentement, notification de violation. Qu'il y ait des articles turcs applicables. Je soumettrai cela à l’approbation de la direction/d’un expert.
Invite faible/Invite forte
Invite faible :
Ahmet Yılmaz, 7-B numéro 214, est très faible en mathématiques et son père est indifférent ; Que dois-je faire pour cet élève ?
Nom, numéro, classe sociale, juridiction familiale — une violation flagrante de la confidentialité ; Les données sont hors de votre contrôle.
Invite puissante :
Proposer 3 stratégies de soutien qui peuvent être mises en œuvre à l'école pour un élève de 7e qui éprouve des difficultés avec les opérations de base en mathématiques, en supposant que le soutien à la maison soit limité. (Étudiant anonyme ; je ne partage aucune information personnelle.)
Type de données
exemple
Est-ce donné à l’IA ?
Comment
identification directe
Nom, numéro, TR
non
Supprimer complètement
identification indirecte
"Étudiant célibataire handicapé"
non
généraliser
Données sensibles
Santé, diagnostic, famille
très prudent
Anonyme + outil d'entreprise
Situation pédagogique générale
"Un étudiant en difficulté"
Oui
anonymement
Erreurs courantes
- Supprimez simplement le nom. Si le nombre, la classe ou la définition indirecte demeure, l'identité est toujours claire.
- Sans tenir compte de la définition indirecte. Des expressions comme « Tu es le seul dans ta classe… » trahissent la personne.
- Prendre les données sensibles à la légère. Les informations sur la santé/famille sont des données spéciales et nécessitent une protection plus élevée.
- En supposant la sécurité du véhicule. Il est risqué de supposer que l'outil gratuit ne stocke pas de données ; Supposons le pire.
- Ne pas contrôler la sortie. L'IA peut répéter les informations d'identification que vous fournissez dans la réponse ; nettoyez également la sortie.
Astuce : « Règle des deux minutes » : avant de coller un texte relatif à un étudiant dans l'IA, prenez deux minutes pour effacer le nom, le numéro, l'établissement et les détails d'identification. Cette petite habitude évite les plus grosses violations.
En résumé
Les données des étudiants sont des données personnelles, souvent privées et sont protégées par le KVKK et le secret professionnel. Les outils publics d’IA sont basés sur le cloud ; Donner les données telles quelles les laisse hors de contrôle. La bonne méthode : anonymiser les informations personnelles et d'identification indirecte, partager uniquement ce qui est nécessaire (minimisation des données), utiliser si possible des outils d'entreprise et approuvés et auditer les résultats. La responsabilité incombe à l'enseignant.
Tâche de candidature
Prenez un texte sur un étudiant que vous avez écrit (ou envisagez d’écrire) à AI au cours de la semaine dernière. Détectez et généralisez tous les identifiants directs et indirects avec le modèle « filtrage pré-anonymisation ». Évaluez ensuite l'outil d'IA que vous utilisez par rapport à la liste « Auto-évaluation de l'outil sécurisé » et décidez quel type de données vous pouvez utiliser avec cet outil.
liste de contrôle
- [ ] Ai-je supprimé les identifiants directs tels que le nom, le numéro, l'ID TR, l'institution ?
- [ ] Ai-je généralisé des descripteurs indirects tels que « Le seul de ta classe… » ?
- [ ] Ai-je traité mes données sensibles (santé/famille) avec une protection supplémentaire ?
- [ ] Ai-je vérifié la politique de données et l'approbation scolaire du véhicule que j'utilise ?
- [ ] Ai-je également vérifié les fuites d'identité dans la sortie ?