छात्र डेटा गोपनीयता और केवीकेके: गुमनामीकरण और सुरक्षित उपयोग

लाभ:

• यह समझना कि छात्र डेटा व्यक्तिगत और अक्सर निजी डेटा है, और केवीकेके और पेशेवर गोपनीयता के दायरे में गुमनामी और भंडारण नियम
• सार्वजनिक रूप से उपलब्ध कृत्रिम बुद्धिमत्ता उपकरणों में डेटा दर्ज करते समय पहचान-मुक्ति का अभ्यास करने और एक सुरक्षित/संस्थागत उपकरण चुनने की क्षमता
• यह समझना कि डेटा साझा करने की सहमति, डेटा न्यूनतमकरण और स्कूल नीति का अनुपालन शिक्षक की जिम्मेदारी है।

एक शिक्षक के पास अपनी नौकरी के दौरान बहुत संवेदनशील जानकारी तक पहुंच होती है: ग्रेड, व्यवहार संबंधी रिकॉर्ड, स्वास्थ्य की स्थिति, पारिवारिक जानकारी, मार्गदर्शन वार्तालाप, सामाजिक आर्थिक डेटा। यह जानकारी छात्र के सबसे निजी क्षेत्र की होती है और जब यह गलत हाथों में पड़ जाती है, तो यह जीवन भर नुकसान पहुंचा सकती है। अधिकांश AI उपकरण क्लाउड-आधारित होते हैं - जिसका अर्थ है कि आपके द्वारा टाइप किया गया पाठ दूरस्थ कंपनी सर्वर पर संसाधित होता है, आपके कंप्यूटर पर नहीं, और कुछ टूल में इसका उपयोग मॉडल विकसित करने के लिए किया जा सकता है। इसलिए किसी छात्र की जानकारी को सार्वजनिक एआई में लिखने का मतलब है इसे अपने नियंत्रण से बाहर करना। यह इकाई शिक्षण में एआई के उपयोग में सुरक्षा की सबसे महत्वपूर्ण परत स्थापित करती है। नियम स्पष्ट है: पहले छात्र डेटा को अज्ञात करें, यदि संभव हो तो सुरक्षित/संस्थागत टूल का उपयोग करें; उत्तरदायित्व शिक्षक पर है।

कौन सा डेटा सुरक्षित है? केवीकेके की रूपरेखा

व्यक्तिगत डेटा कोई भी जानकारी है जो किसी व्यक्ति को विशिष्ट या पहचान योग्य बनाती है: नाम-उपनाम, स्कूल नंबर, आईडी कार्ड, फोटोग्राफ, या यहां तक ​​कि अप्रत्यक्ष विवरण जैसे कि एक संदर्भ में "3-ए का सबसे लंबा छात्र"। विशेष (संवेदनशील) व्यक्तिगत डेटा को अधिक मजबूती से संरक्षित किया जाता है: स्वास्थ्य, जातीयता, धर्म, आपराधिक सजा, बायोमेट्रिक डेटा, एसोसिएशन/संघ सदस्यता। छात्र की स्वास्थ्य रिपोर्ट, सीखने की अक्षमता का निदान, या पारिवारिक आघात इस श्रेणी में हैं।

KVKK (व्यक्तिगत डेटा संरक्षण कानून) के लिए व्यक्तिगत डेटा को एक विशिष्ट उद्देश्य के लिए, मापा और सुरक्षित तरीके से कानूनी रूप से संसाधित करने की आवश्यकता होती है। शिक्षक के लिए व्यावहारिक निहितार्थ: डेटा का उपयोग केवल आवश्यकतानुसार करें (डेटा न्यूनतमकरण), डेटा का दुरुपयोग न करें, इसे सुरक्षित रखें, इसे बिना अनुमति के तीसरे पक्ष (सार्वजनिक एआई सहित) के साथ साझा न करें। पेशेवर गोपनीयता का भी दायित्व है: शिक्षक छात्र और उसके परिवार के बारे में सीखी गई जानकारी का खुलासा नहीं कर सकता है।

सावधानी: यह मान लेना कि "कंपनी इसे वैसे भी नहीं पढ़ रही है" सुरक्षित नहीं है। कुछ निःशुल्क AI उपकरण प्रशिक्षण में इनपुट संग्रहीत/उपयोग कर सकते हैं। एक बार डेटा ख़त्म हो जाने के बाद, इसे पुनः प्राप्त नहीं किया जा सकता है। सबसे सुरक्षित बात यह है कि डेटा को कभी बाहर न निकालें।

गुमनामीकरण: इसे प्रतिबिम्बित बनाना

गुमनामीकरण का अर्थ है डेटा से किसी व्यक्ति की पहचान करने वाले सभी तत्वों को हटाना और इसे अपरिवर्तनीय रूप से सामान्यीकृत करना। व्यवहार में:

• नाम-उपनाम → "छात्र ए", "एक छात्र"
• स्कूल नंबर, टीआर आईडी, कक्षा-शाखा → पूरी तरह से हटा दें
• माता-पिता का नाम, फ़ोन, पता → हटाएँ
• दुर्लभ/वर्णनात्मक विवरण → सामान्यीकरण करें ("एक छात्र जो व्हीलचेयर का उपयोग करता है" जैसे वाक्यांश व्यक्ति को दूर कर देते हैं; कहें "एक छात्र")
• स्कूल/संस्था का नाम → बाहर निकलें या कहें "हमारा स्कूल"

एआई को कोई टेक्स्ट देने से पहले यह मान लें कि कोई अजनबी इसे पढ़ेगा: क्या इस टेक्स्ट से यह समझा जा सकता है कि यह कौन सा बच्चा है? यदि यह स्पष्ट है, तो आगे सामान्यीकरण करें।

सुरक्षित वाहन चयन

सभी AI उपकरण एक जैसे नहीं होते हैं। सबसे सुरक्षित कॉर्पोरेट उपकरण हैं जो आपका स्कूल/संस्थान प्रदान करता है, डेटा प्रोसेसिंग समझौता (डीपीए) रखता है, और शिक्षा में इनपुट का उपयोग नहीं करता है। मुफ़्त, सार्वजनिक रूप से उपलब्ध टूल के साथ, यह धारणा सबसे खराब स्थिति होनी चाहिए। टूल चुनते समय, पूछें: क्या मेरे इनपुट सहेजे गए हैं? क्या इसका उपयोग शिक्षा में किया जाता है? डेटा कहाँ संसाधित किया जाता है? क्या स्कूल नीति इस उपकरण को मंजूरी देती है? यदि आप अनिश्चित हैं, तो बिना पहचान बताए डेटा का उपयोग न करें।

चरण दर चरण: निजी-सुरक्षित वर्कफ़्लो

1. व्यक्तिगत डेटा के लिए स्कैन करें. नाम, संख्या, संस्था, संवेदनशील स्थिति.
2. गुमनाम करें. सामान्य अभिव्यक्तियों से बदलें; पहचान संबंधी विवरण हटाएं.
3. डेटा न्यूनीकरण लागू करें. ऐसी कोई भी जानकारी न जोड़ें जो कार्य के लिए आवश्यक न हो।
4. वाहन का चयन करें. यदि संभव हो तो संस्थागत; यदि नहीं, तो सबसे खराब स्थिति मान लें।
5. इसका इस्तेमाल करें। केवल अनाम पाठ के साथ कार्य करें.
6. आउटपुट भी जांचें. एआई आपके द्वारा दी गई जानकारी को वापस प्रतिबिंबित कर सकता है; आउटपुट में कोई पहचान रिसाव नहीं होना चाहिए।

तीन मिनी मामले

केस 1 - आखिरी मिनट में कब्जा। एक मार्गदर्शन परामर्शदाता ने एक छात्र की पारिवारिक समस्या के बारे में परामर्श करने के लिए एआई को लिखा; पाठ में नाम, ग्रेड और "उसकी माँ अस्पताल में है" शामिल था। उन्होंने बिना भेजे ही इस पर ध्यान दिया और इसे "13 वर्षीय छात्र, अपने परिवार में एक स्वास्थ्य चुनौती" के रूप में सामान्यीकृत किया। उन्हें जो सामान्य दृष्टिकोण सुझाव प्राप्त हुए, उन्होंने काम किया; कोई निजी डेटा लीक नहीं हुआ.

केस 2 - अप्रत्यक्ष पहचान। एक शिक्षक ने एआई को लिखा कि यह "कक्षा में एकमात्र दृष्टिबाधित छात्र के लिए सामग्री है।" कोई नाम नहीं था, लेकिन वाक्यांश ने निश्चित रूप से स्कूल में उस लड़के का वर्णन किया था। जब उन्होंने ध्यान दिया, तो उन्होंने इसे "उस छात्र के लिए जिसे दृष्टि समर्थन की आवश्यकता है" में बदल दिया। गुमनामीकरण का अर्थ केवल नाम हटाना नहीं है, बल्कि पहचान संबंधी विवरण छिपाना भी है।

केस 3 - वाहन चयन। एक स्कूल ने शिक्षकों को छात्र डेटा के साथ मुफ़्त टूल का उपयोग करने से प्रतिबंधित कर दिया और डेटा सुरक्षा के साथ एक एंटरप्राइज़ टूल प्रदान किया। एक शिक्षक आदत के कारण नोट विश्लेषण को मुफ़्त टूल में चिपका देता था; नीति अनुस्मारक के लिए धन्यवाद, उन्होंने कॉर्पोरेट टूल पर स्विच किया और फिर भी डेटा को अज्ञात रखा। सुरक्षा की दो परतें संयुक्त।

कॉपी करने योग्य टेम्पलेट

1) पूर्व-अनामीकरण स्कैनिंग:

मान लें कि कोई अजनबी निम्नलिखित पाठ पढ़ेगा। क्या इस पाठ से प्रत्यक्ष या अप्रत्यक्ष रूप से यह समझा जा सकता है कि वह कौन सा छात्र है? उन सभी अभिव्यक्तियों की सूची बनाएं जो पहचान बताती हैं (नाम, संख्या, संस्था, दुर्लभ विशेषता) और प्रत्येक के लिए एक सामान्य विकल्प सुझाएं। पाठ: [चिपकाएँ]

2) सुरक्षित वाहन स्व-मूल्यांकन:

मैं जिस एआई टूल का उपयोग करने पर विचार कर रहा हूं उसका मूल्यांकन करने के लिए 6 प्रश्नों की एक चेकलिस्ट लिखें: इनपुट भंडारण, शिक्षा में उपयोग, डेटा स्थान, संस्थागत अनुमोदन, हटाने का अधिकार, संवेदनशील डेटा अनुपालन। प्रत्येक प्रश्न में "यदि हां है तो क्या करें / यदि नहीं है तो क्या करें" जोड़ें।

3) डेटा न्यूनतमकरण नियंत्रण:

पाठ को सरल बनाएं, मैं निम्नलिखित कार्य के लिए एआई दूंगा: किसी भी व्यक्तिगत/प्रासंगिक विवरण को हटा दें जिसकी कार्य को आवश्यकता नहीं है, केवल वही छोड़ दें जो कार्य करने के लिए आवश्यक है। कार्य: [वर्णन करें]। पाठ: [चिपकाएँ]

4) स्कूल नीति का मसौदा (शिक्षकों के लिए):

छात्र डेटा को सुरक्षित करने के लिए एआई टूल का उपयोग करने के लिए स्कूल में शिक्षकों के लिए नियमों की एक छोटी, स्पष्ट 8-बिंदु सूची का मसौदा तैयार करें: गुमनामीकरण, स्वीकृत टूल, संवेदनशील डेटा, प्रतिधारण, सहमति, उल्लंघन अधिसूचना। तुर्की, लागू लेख होने दें। मैं इसे प्रबंधन/विशेषज्ञ अनुमोदन के लिए प्रस्तुत करूंगा।

कमजोर संकेत/मजबूत संकेत

कमजोर संकेत:

अहमत यिलमाज़, 7-बी संख्या 214, गणित में बहुत कमजोर है और उसके पिता उदासीन हैं; मुझे इस छात्र के लिए क्या करना चाहिए?

नाम, संख्या, वर्ग, पारिवारिक क्षेत्राधिकार - गोपनीयता का घोर उल्लंघन; डेटा आपके नियंत्रण से बाहर है.

शक्तिशाली संकेत:

3 सहायता रणनीतियों का सुझाव दें जिन्हें 7वीं कक्षा के उस छात्र के लिए स्कूल में लागू किया जा सकता है जिसे गणित में बुनियादी संचालन में कठिनाई होती है, यह मानते हुए कि घर पर समर्थन सीमित है। (छात्र अनाम; मैं कोई व्यक्तिगत जानकारी साझा नहीं करता।)

डेटा प्रकार

उदाहरण

क्या यह एआई को दिया गया है?

कैसे

प्रत्यक्ष पहचान

नाम, संख्या, टीआर

नहीं

पूरी तरह से हटा दें

अप्रत्यक्ष पहचान

"एकल विकलांग छात्र"

नहीं

सामान्यीकरण

संवेदनशील डेटा

स्वास्थ्य, निदान, परिवार

बहुत सावधान

अनाम + एंटरप्राइज टूल

सामान्य शैक्षणिक स्थिति

"एक संघर्षशील छात्र"

हाँ

गुमनाम रूप से

सामान्य गलतियाँ

• बस नाम हटा दो. यदि संख्या, वर्ग या अप्रत्यक्ष परिभाषा बनी रहे तो पहचान अभी भी स्पष्ट है।
• अप्रत्यक्ष परिभाषा की अनदेखी. "आप अपनी कक्षा में अकेले हैं..." जैसी अभिव्यक्तियाँ व्यक्ति को विचलित कर देती हैं।
• संवेदनशील डेटा को हल्के में लेना. स्वास्थ्य/परिवार संबंधी जानकारी विशेष डेटा है और इसके लिए उच्च सुरक्षा की आवश्यकता होती है।
• वाहन सुरक्षा मानते हुए. यह मान लेना जोखिम भरा है कि मुफ़्त टूल डेटा संग्रहीत नहीं करता है; सबसे बुरा मान लो.
• आउटपुट को नियंत्रित नहीं करना. एआई आपके द्वारा प्रतिक्रिया में प्रदान किए गए क्रेडेंशियल को दोहरा सकता है; आउटपुट को भी साफ़ करें.

युक्ति: "दो मिनट का नियम": किसी भी छात्र-संबंधित पाठ को एआई में चिपकाने से पहले, नाम, संख्या, संस्थान और पहचान संबंधी विवरण साफ़ करने के लिए दो मिनट का समय लें। यह छोटी सी आदत बड़े से बड़े उल्लंघन को रोकती है।

सारांश

छात्र डेटा व्यक्तिगत, अक्सर निजी डेटा होता है और केवीकेके और पेशेवर गोपनीयता के तहत संरक्षित होता है। सार्वजनिक एआई उपकरण क्लाउड-आधारित हैं; डेटा को ज्यों का त्यों देने से यह नियंत्रण से बाहर हो जाता है। सही तरीका: व्यक्तिगत और अप्रत्यक्ष रूप से पहचान करने वाली जानकारी को गुमनाम करना, केवल वही साझा करना जो आवश्यक है (डेटा न्यूनतमकरण), यदि संभव हो तो कॉर्पोरेट और अनुमोदित टूल का उपयोग करें और आउटपुट का ऑडिट करें। उत्तरदायित्व शिक्षक पर है।

आवेदन कार्य

पिछले सप्ताह जिस छात्र के बारे में आपने एआई को लिखा है (या लिखने पर विचार कर रहे हैं) उसके बारे में एक पाठ लें। "पूर्व-अनामीकरण स्क्रीनिंग" टेम्पलेट के साथ सभी प्रत्यक्ष और अप्रत्यक्ष पहचानकर्ताओं का पता लगाएं और सामान्यीकरण करें। फिर "सिक्योर टूल सेल्फ-असेसमेंट" सूची के विरुद्ध आपके द्वारा उपयोग किए जा रहे एआई टूल का मूल्यांकन करें और तय करें कि आप इस टूल के साथ किस प्रकार का डेटा उपयोग कर सकते हैं।

चेकलिस्ट

• [ ] क्या मैंने नाम, संख्या, टीआर आईडी, संस्थान जैसे प्रत्यक्ष पहचानकर्ता हटा दिए हैं?
• [ ] क्या मैंने अप्रत्यक्ष विवरणकों को सामान्यीकृत किया है जैसे "आपकी कक्षा में एकमात्र..."?
• [ ] क्या मैंने संवेदनशील (स्वास्थ्य/परिवार) डेटा को अतिरिक्त सुरक्षा प्रदान की है?
• [ ] क्या मैंने अपने द्वारा उपयोग किए जाने वाले वाहन की डेटा नीति और स्कूल अनुमोदन की जांच की है?
• [ ] क्या मैंने आउटपुट में भी पहचान लीक की जाँच की है?