Guadagni:
- Comprendere che i dati degli studenti sono dati personali e spesso privati e le regole di anonimizzazione e archiviazione nell'ambito della KVKK e della riservatezza professionale
- Capacità di praticare la deidentificazione e di scegliere uno strumento sicuro/istituzionale quando si inseriscono dati in strumenti di intelligenza artificiale disponibili al pubblico
- Comprendere che il consenso alla condivisione dei dati, la minimizzazione dei dati e il rispetto della politica scolastica sono responsabilità dell'insegnante.
Un insegnante ha accesso a informazioni molto sensibili nel corso del suo lavoro: voti, dati comportamentali, condizioni di salute, informazioni familiari, conversazioni di orientamento, dati socioeconomici. Queste informazioni appartengono all'area più privata dello studente e, quando cadono nelle mani sbagliate, possono causare danni permanenti. La maggior parte degli strumenti di intelligenza artificiale sono basati su cloud, il che significa che il testo digitato viene elaborato su server aziendali remoti, non sul tuo computer, e in alcuni strumenti può essere utilizzato per sviluppare il modello. Quindi scrivere le informazioni di uno studente in un'intelligenza artificiale pubblica significa toglierle dal tuo controllo. Questa unità stabilisce il livello di sicurezza più critico nell’uso dell’intelligenza artificiale nell’insegnamento. La regola è chiara: anonimizzare prima i dati degli studenti, utilizzare se possibile strumenti sicuri/istituzionali; La responsabilità è dell'insegnante.
Quali dati sono protetti? Quadro del KVKK
I dati personali sono tutte le informazioni che rendono una persona specifica o identificabile: nome-cognome, numero di scuola, carta d'identità, fotografia o anche descrizioni indirette come "lo studente più alto della 3-A" in un contesto. Sono tutelati in maniera più forte i dati personali particolari (sensibili): salute, etnia, religione, condanne penali, dati biometrici, appartenenza ad associazioni/sindacati. Il rapporto sanitario dello studente, la diagnosi di difficoltà di apprendimento o il trauma familiare rientrano in questa categoria.
La KVKK (Legge sulla protezione dei dati personali) richiede che i dati personali siano trattati in modo lecito, per uno scopo specifico, in modo misurato e sicuro. Implicazioni pratiche per l'insegnante: utilizzare i dati solo se necessario (minimizzazione dei dati), non abusare dei dati, mantenerli al sicuro, non condividerli con terzi (inclusa l'IA pubblica) senza autorizzazione. Vige inoltre l'obbligo del segreto professionale: il docente non può divulgare le informazioni che apprende sullo studente e sulla sua famiglia.
Attenzione: supporre che "l'azienda non lo sta leggendo comunque" non è sicuro. Alcuni strumenti di intelligenza artificiale gratuiti possono memorizzare/utilizzare input durante la formazione. Una volta che i dati sono fuori uso, non possono essere recuperati. La cosa più sicura è non estrarre mai i dati.
Anonimizzazione: renderla un riflesso
Anonimizzare significa eliminare dai dati tutti gli elementi che identificano una persona e generalizzarli in modo irreversibile. In pratica:
- Nome-cognome → "Studente A", "uno studente"
- Numero di scuola, ID TR, ramo di classe → rimuovere completamente
- Nome, telefono, indirizzo del genitore → rimuovi
- Dettagli rari/descrittivi → generalizzare (frasi come "uno studente che usa una sedia a rotelle" tradiscono la persona; dicono "uno studente")
- Nome della scuola/istituzione → esci o dì "la nostra scuola"
Prima di consegnare un testo all'IA, supponiamo che lo legga un estraneo: si può capire da questo testo di che bambino si tratta? Se è chiaro generalizza ulteriormente.
Selezione sicura del veicolo
Non tutti gli strumenti di intelligenza artificiale sono uguali. I più sicuri sono gli strumenti aziendali forniti dalla tua scuola/istituzione, che hanno un accordo sul trattamento dei dati (DPA) e non utilizzano input nell'istruzione. Con strumenti gratuiti e disponibili al pubblico, l’ipotesi dovrebbe essere lo scenario peggiore. Quando scegli uno strumento, chiedi: i miei input vengono salvati? Viene utilizzato nell'istruzione? Dove vengono trattati i dati? La politica scolastica approva questo strumento? Se non sei sicuro, non utilizzare i dati senza renderli anonimi.
Passo dopo passo: flusso di lavoro sicuro e privato
- Cerca dati personali. Nome, numero, istituzione, situazione delicata.
- Anonimizza. Sostituire con espressioni generali; eliminare i dettagli identificativi.
- Applicare la minimizzazione dei dati. Non aggiungere informazioni non richieste dall'attività.
- Seleziona veicolo. Istituzionale se possibile; In caso contrario, ipotizza lo scenario peggiore.
- Usalo. Funziona solo con testo anonimo.
- Controlla anche l'output. L'intelligenza artificiale può riflettere le informazioni fornite; Non dovrebbero esserci perdite di identità nell'output.
tre mini custodie
Caso 1: acquisizione dell'ultimo minuto. Un consulente di orientamento ha scritto ad AI per chiedere consulenza sul problema familiare di uno studente; Il testo includeva nome, grado e "sua madre è in ospedale". Se n'è accorto senza inviarlo, ha generalizzato il tutto come "studente di 13 anni, un problema di salute in famiglia". I suggerimenti di approccio generale che ha ricevuto hanno funzionato; Nessun dato personale è trapelato.
Caso 2 — Identificazione indiretta. Un insegnante ha scritto ad AI che si trattava di "materiale per l'unico studente non vedente della classe". Non c'era il nome, ma la frase descriveva sicuramente quel ragazzo a scuola. Quando se ne accorse, lo cambiò in "per uno studente che necessita di supporto per la vista". L’anonimizzazione non consiste solo nel cancellare i nomi, ma anche nel nascondere i dettagli identificativi.
Caso 3 — Scelta del veicolo. Una scuola ha vietato agli insegnanti di utilizzare strumenti gratuiti con i dati degli studenti e ha fornito uno strumento aziendale con sicurezza dei dati. Un insegnante incollerebbe l'analisi delle note nello strumento gratuito per abitudine; Grazie al promemoria della policy, è passato allo strumento aziendale e ha comunque reso anonimi i dati. Due strati di protezione combinati.
Modelli copiabili
1) Scansione di pre-anonimizzazione:
Supponiamo che un estraneo legga il seguente testo. Da questo testo si può capire direttamente o indirettamente di quale studente si tratta? Elenca tutte le espressioni che rivelano l'identità (nome, numero, istituzione, caratteristica rara) e suggerisci un'alternativa generale per ciascuna. Testo: [incolla]
2) Autovalutazione del veicolo sicuro:
Scrivi una lista di controllo di 6 domande per valutare uno strumento di intelligenza artificiale che sto valutando di utilizzare: archiviazione degli input, utilizzo nell'istruzione, localizzazione dei dati, approvazione istituzionale, diritto all'eliminazione, conformità dei dati sensibili. Aggiungi "cosa fare se sì / cosa fare se no" a ciascuna domanda.
3) Controllo di minimizzazione dei dati:
Semplifica il testo che darò all'IA per il seguente compito: rimuovi tutti i dettagli personali/contestuali che il compito NON RICHIEDE, lasciando solo ciò che è necessario per svolgere il lavoro. Compito: [descrivere]. Testo: [incolla]
4) Progetto di politica scolastica (per gli insegnanti):
Redigere un breve e chiaro elenco di regole in 8 punti per gli insegnanti di una scuola per utilizzare gli strumenti di intelligenza artificiale per proteggere i dati degli studenti: anonimizzazione, strumento approvato, dati sensibili, conservazione, consenso, notifica di violazione. Lasciamo che ci siano articoli turchi applicabili. Lo sottoporrò all'approvazione della direzione/esperto.
Prompt debole / Prompt forte
Suggerimento debole:
Ahmet Yılmaz, 7-B numero 214, è molto debole in matematica e suo padre è indifferente; Cosa devo fare per questo studente?
Nome, numero, classe, giurisdizione familiare: una grave violazione della riservatezza; I dati sono fuori dal tuo controllo.
Suggerimento potente:
Suggerire 3 strategie di supporto che possono essere implementate a scuola per uno studente di 7a elementare che ha difficoltà con le operazioni di base in matematica, presupponendo che vi sia un supporto limitato a casa. (Studente anonimo; non condivido alcuna informazione personale.)
Tipo di dati
esempio
Viene dato all'intelligenza artificiale?
Come
identificazione diretta
Nome, numero, TR
no
Rimuovere completamente
identificazione indiretta
"Studente unico disabile"
no
generalizzare
Dati sensibili
Salute, diagnosi, famiglia
molto attento
Strumento anonimo + aziendale
Situazione pedagogica generale
"Uno studente in difficoltà"
Sì
in modo anonimo
Errori comuni
- Basta cancellare il nome. Se rimane il numero, la classe o la definizione indiretta, l'identità è ancora chiara.
- Trascurando la definizione indiretta. Espressioni come "Sei l'unico nella tua classe..." tradiscono la persona.
- Prendere alla leggera i dati sensibili. Le informazioni sanitarie/familiari sono dati speciali e richiedono una protezione maggiore.
- Presupponendo la sicurezza del veicolo. È rischioso presumere che lo strumento gratuito non memorizzi dati; Supponiamo il peggio.
- Non controllare l'output. L'IA potrebbe ripetere le credenziali fornite nella risposta; pulire anche l'output.
Suggerimento: “Regola dei due minuti”: prima di incollare qualsiasi testo relativo allo studente nell'IA, prenditi due minuti per cancellare il nome, il numero, l'istituto e i dettagli identificativi. Questa piccola abitudine impedisce le violazioni più grandi.
In sintesi
I dati degli studenti sono dati personali, spesso privati e sono protetti dalla KVKK e dalla riservatezza professionale. Gli strumenti pubblici di intelligenza artificiale sono basati su cloud; Fornire i dati così come sono lascia tutto fuori controllo. Il modo giusto: rendere anonime le informazioni personali e di identificazione indiretta, condividere solo ciò che è necessario (minimizzazione dei dati), utilizzare strumenti aziendali e approvati se possibile e verificare l'output. La responsabilità è dell'insegnante.
Compito dell'applicazione
Prendi un testo su uno studente che hai scritto (o stai pensando di scrivere) ad AI nell'ultima settimana. Rileva e generalizza tutti gli identificatori diretti e indiretti con il modello di “screening pre-anonimato”. Quindi valuta lo strumento di intelligenza artificiale che stai utilizzando rispetto all'elenco "Autovalutazione dello strumento sicuro" e decidi quale tipo di dati puoi utilizzare con questo strumento.
lista di controllo
- [ ] Ho rimosso gli identificatori diretti come nome, numero, TR ID, istituzione?
- [ ] Ho generalizzato descrittori indiretti come "L'unico nella tua classe..."?
- [ ] Ho trattato i dati sensibili (sanitari/familiari) con una protezione extra?
- [ ] Ho controllato la politica sui dati e l'approvazione della scuola del veicolo che utilizzo?
- [ ] Ho controllato anche la presenza di perdite di identità nell'output?