利益:
- 学生データは個人データであり、多くの場合プライベートデータであること、および KVKK および職業上の機密保持の範囲内での匿名化と保管のルールを理解すること
- 公的に利用可能な人工知能ツールにデータを入力する際に、匿名化を実践し、安全な/組織的なツールを選択する能力
- データ共有への同意、データの最小化、学校方針の遵守は教師の責任であることを理解してください。
教師は職務上、成績、行動記録、健康状態、家族情報、指導上の会話、社会経済データなどの非常に機密情報にアクセスできます。この情報は学生の最もプライベートな領域に属し、悪者の手に渡った場合、生涯にわたる損害を引き起こす可能性があります。ほとんどの AI ツールはクラウドベースです。つまり、入力したテキストはユーザーのコンピューターではなく、リモートの企業サーバーで処理され、一部のツールではモデルの開発に使用できます。したがって、生徒の情報を公開 AI に書き込むということは、それを制御不能にすることを意味します。この単元は、教育で AI を使用する際の最も重要なセキュリティ層を確立します。ルールは明確です。まず学生データを匿名化し、可能であれば安全な/組織的なツールを使用します。責任は教師にあります。
どのようなデータが保護されますか? KVKKの枠組み
個人データとは、個人を特定または識別可能にするあらゆる情報です。名前、姓、学校番号、ID カード、写真、またはある文脈では「3-A の一番背の高い生徒」などの間接的な説明も含まれます。健康、民族、宗教、有罪判決、生体認証データ、協会/組合のメンバーシップなど、特別な (機密性の高い) 個人データはより強力に保護されます。学生の健康報告書、学習障害の診断、家族のトラウマなどがこのカテゴリに含まれます。
KVKK (個人データ保護法) は、個人データが特定の目的のために、慎重かつ安全な方法で合法的に処理されることを要求しています。教師にとっての実際的な意味: データは必要な場合にのみ使用し (データの最小化)、データを悪用せず、安全に保管し、許可なく第三者 (パブリック AI を含む) と共有しない。職業上の守秘義務もあります。教師は生徒とその家族について知った情報を公開することはできません。
注意: 「どうせ会社はこれを読んでいない」と考えるのは安全ではありません。一部の無料 AI ツールは、トレーニングで入力を保存/使用できます。データは一度流出すると取り出すことができません。最も安全なのは、データを決して持ち出さないことです。
匿名化: 反射的に行う
匿名化とは、データから個人を特定する要素をすべて削除し、不可逆的に一般化することを意味します。実際には:
- 姓名→「生徒A」、「生徒」
- 学校番号、TR ID、クラス枝 → 完全に削除
- 保護者の名前、電話番号、住所 → 削除
- 稀な/説明的な詳細 → 一般化する (「車椅子を使用する生徒が 1 人」のようなフレーズはその人物を区別します。「生徒が 1 人」と言います)
- 学校/機関名 → 終了するか、「うちの学校」と言ってください
AI にテキストを渡す前に、見知らぬ人がそれを読むと仮定します。このテキストから、それがどの子供であるかを理解できますか?それが明らかな場合は、さらに一般化します。
安全な車両選び
すべての AI ツールが同じというわけではありません。最も安全なのは、学校/機関が提供し、データ処理契約 (DPA) を締結しており、教育で入力を使用しない企業ツールです。無料で公開されているツールでは、最悪のシナリオを想定する必要があります。ツールを選択するときは、次のことを確認してください: 私の入力は保存されますか?教育で使われているのでしょうか？データはどこで処理されますか?学校の方針はこのツールを承認していますか?確信が持てない場合は、データを匿名化せずに使用しないでください。
ステップバイステップ: プライベートセキュアなワークフロー
- 個人データをスキャンします。名前、番号、機関、デリケートな状況。
- 匿名化します。一般的な表現に置き換えます。識別情報を削除します。
- データの最小化を適用します。タスクに必要のない情報は追加しないでください。
- 車両を選択してください。可能であれば制度的。そうでない場合は、最悪のシナリオを想定してください。
- 使ってください。匿名テキストのみを操作します。
- 出力も確認してください。 AIはあなたが与えた情報を反映することができます。出力に ID の漏洩があってはなりません。
ミニケース3個
ケース 1 — 直前のキャプチャ。進路指導カウンセラーは、生徒の家族の問題について相談するために AI に手紙を書きました。本文には名前、学年、「母親が入院中」などが書かれていた。彼はそれを送らずに気づき、それをすべて「13歳の学生、家族の健康上の問題」として一般化しました。彼が受け取った一般的なアプローチの提案はうまくいきました。個人情報の漏洩はありませんでした。
ケース 2 — 間接的な識別。教師はAIに「クラスで唯一の視覚障害のある生徒のための教材」だと書いた。名前はありませんでしたが、そのフレーズは間違いなく学校にいたその少年を表していました。気づいたら「視覚支援が必要な生徒向け」に変更していました。匿名化は名前を削除するだけでなく、個人を特定できる詳細を隠すことも意味します。
ケース 3 — 車両の選択。ある学校では、教師が生徒データを扱う無料ツールを使用することを禁止し、データセキュリティを備えたエンタープライズツールを提供しました。ある教師は、習慣でノート分析を無料ツールに貼り付けていました。ポリシーのリマインダーのおかげで、彼は企業ツールに切り替え、それでもデータを匿名化しました。 2層の保護を組み合わせました。
コピー可能なテンプレート
1) 匿名化前のスキャン:
見知らぬ人が次のテキストを読むと仮定します。この文章から直接的または間接的に彼がどの生徒であるかを理解できますか?身元を明らかにするすべての表現 (名前、番号、機関、珍しい特徴) をリストし、それぞれに対する一般的な代替案を提案します。テキスト: [貼り付け]
2) 安全な車両の自己評価:
使用を検討している AI ツールを評価するための 6 つの質問のチェックリストを作成します: 入力ストレージ、教育での使用、データの場所、機関の承認、削除の権利、機密データのコンプライアンス。各質問に「はいの場合はどうするか、いいえの場合はどうすればよいか」を追加します。
3) データ最小化制御:
次のタスクのために AI に与えるテキストを簡略化します。タスクに必要のない個人的/文脈的な詳細を削除し、ジョブの実行に必要なものだけを残します。タスク: [説明]。テキスト: [貼り付け]
4) 学校方針の草案 (教師向け):
学校の教師が AI ツールを使用して生徒データを保護するための、匿名化、承認されたツール、機密データ、保持、同意、違反通知といった 8 項目のルールの短く明確なリストの草案を作成します。トルコ語の該当する記事があるようにしましょう。これを経営陣/専門家の承認を得るため提出します。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
アフメット・ユルマズ（7-B 番号 214）は数学が非常に苦手で、父親は無関心です。この生徒のために何をすべきでしょうか？
名前、番号、階級、家族管轄権 - 重大な守秘義務違反。データはあなたのコントロールの外にあります。
強力なプロンプト:
家庭でのサポートが限られていると仮定して、数学の基本的な演算が難しい 7 年生に対して学校で実施できる 3 つのサポート戦略を提案します。 （学生は匿名です。個人情報は共有しません。）
データ型
例
AIに与えられるのか？
どうやって
直接識別
名前、番号、TR
いいえ
完全に取り除きます
間接的な識別
「障害のある独身学生」
いいえ
一般化する
機密データ
健康、診断、家族
非常に慎重な
匿名 + エンタープライズ ツール
一般的な教育状況
「苦悩する学生」
はい
匿名で
よくある間違い
- 名前を削除するだけです。番号、クラス、または間接的な定義が残っている場合でも、アイデンティティは明らかです。
- 間接的な定義を見落としています。 「クラスで君だけだよ…」のような表現は、その人を嫌悪感を与えます。
- 機密データを軽く扱うこと。健康/家族情報は特別なデータであり、より高度な保護が必要です。
- 車両の安全を前提としています。無料のツールにはデータが保存されないと考えるのは危険です。最悪の事態を想定してください。
- 出力を制御していない。 AI は、応答で提供された認証情報を繰り返す場合があります。出力もクリーンアップします。
ヒント: 「2 分間ルール」: 学生関連のテキストを AI に貼り付ける前に、2 分間かけて名前、番号、教育機関、および識別情報の詳細をクリアします。この小さな習慣が最大の違反を防ぎます。
要約すれば
学生データは個人データであり、多くの場合プライベート データであり、KVKK および職業上の機密保持の下で保護されます。公開されている AI ツールはクラウドベースです。データをそのまま与えると制御不能になります。正しい方法: 個人情報と間接的に個人を特定する情報を匿名化し、必要なものだけを共有し (データの最小化)、可能であれば企業ツールや承認済みのツールを使用し、出力を監査します。責任は教師にあります。
アプリケーションタスク
過去 1 週間に AI に書いた（または書くことを検討している）学生に関するテキストを受け取ります。 「匿名化前スクリーニング」テンプレートを使用して、すべての直接的および間接的な識別子を検出して一般化します。次に、使用している AI ツールを「安全なツールの自己評価」リストに照らして評価し、このツールで使用できるデータの種類を決定します。
チェックリスト
- [ ] 名前、番号、TR ID、機関などの直接的な識別子を削除しましたか?
- [ ] 「クラスで唯一の...」などの間接的な記述を一般化しましたか?
- [ ] 機密データ (健康/家族) を特別な保護をもって扱っていますか?
- [ ] 使用する車両のデータ ポリシーと学校の承認を確認しましたか?
- [ ] 出力内の ID リークもチェックしましたか?