利益:
- タスクのリスク レベルに応じて、特殊教育ワークフロー (草案作成、資料作成、要約) において人工知能がリアルタイムで時間を節約する部分と、診断、配置、目標設定などの決定が専門家や IEP チームに委ねられる部分を区別できるようになります。
- 人工知能の各出力をソースに接続し、子供の実際のプロフィールと比較し、専門家のフィルターに通すことで、その出力を検証する規律を適用する能力。
- KVKK/プライバシーの範囲内で学生と家族のデータを匿名化し、安全な車両を選択する習慣を身につける
特殊教育教師の一日は、書類の山の下で静かに過ぎていく。ある生徒の個別教育プログラム（IEP）が更新され、別の生徒のために適応されたワークシートが準備され、3人目の生徒の行動記録がグラフ化され、4人目の生徒の家族に進捗報告書が書かれます。これらすべてには、子どものことを知り、創造的思考を持ち、専門知識が必要です。しかし、それらの中には、繰り返しが多く、形式的で、時間がかかるものもあります。人工知能 (AI、略して AI、人間のようにテキストを生成し、パターンを認識し、要約し、下書きすることができるコンピューター システム) は、まさにこの 2 番目のグループを加速する強力な助っ人です。 IEP の目標を概説し、文章を簡素化し、観察メモを数分で要約します。しかし、同じツールを誤って使用すると、一見安全でも不正確な結果が子どもの教育上の決定に反映される可能性があります。
このモジュールの最初の単元はプログラムの紹介ではありません。その目的は、ビジネスのどこに AI を導入するか、どこにまったく導入しないかを明確にすることです。なぜなら、特殊教育は「負荷がかかる」と同時に「子どもの権利が非常に重要」な分野だからです。あなたが書く目標は、子どもが1年間に何を学ぶかということです。あなたが行う適応の決定によって、それが教室で理解されるかどうかが決まります。最初から基本原則を説明しましょう。人工知能はアシスタントであり、専門家ではありません。診断、配置、目標設定、および子供の将来に影響を与える決定に対する責任と最終承認は、有能な専門家、IEP チーム、および家族に属します。
特殊教育ビジネスの階層とAIの現場
特殊教育専門家の仕事を 3 つの層に分けると便利です。評価層は、観察、発達歴、RAMレポート（指導研究センター作成の教育評価レポート）の読解など、子どもを知るプロセスです。計画層は、これに基づいてIEPの目標、資料、行動計画を作成します。実装とモニタリングの層は、日々の指導、データ収集、進捗評価です。 AI は 3 つの層すべてに触れることができます。ただし、それぞれに異なる権限があります。評価層では、AI は匿名で要約と編集のみを行い、診断は行いません。計画層の強力なアウトライン ジェネレーターです。モニタリング層では、データを要約して解釈を提案しますが、決定は行いません。
最初からいくつかの基本的な用語を定義しましょう。 IEP (個別教育プログラム) は、生徒のニーズに応じて作成され、目標と対策を含む書面による計画です。成果とは、生徒が達成することが期待される測定可能な学習成果です。コンテンツを変更せずにプレゼンテーションを促進するための調整。変更はコンテンツ自体の簡略化です。 AAC (代替および補足コミュニケーション) は、言語障害のある人がシンボル、カード、またはデバイスを使ってコミュニケーションできるようにするアプローチです。次の単元でこれらの概念を 1 つずつ説明します。現時点では、次のことを知っておいてください。AI はこれらすべての概念の概要とアイデアを提供しますが、意思決定を行うわけではありません。
次の表は、AI の役割とリスク レベルをミッションごとにまとめたものです。
クエスト
AIの役割
リスクレベル
誰が承認するか
資料/ワークシートのドラフト
スケッチジェネレーター
低い
特別支援教育の先生
文章の簡略化、要約
編集者
低い
先生
IEP目標の概要を書く
ブループリント ジェネレーター、カスタマイズが必要
中程度
BEP チーム + 家族
行動計画のアイデア
レコメンデーションジェネレーター
高い
専門家 + 指導
進捗状況のレビュー
データサマライザ
中程度
教師+専門家
診断・配置決定
利用できません
非常に高い
RAM + 認定専門家
このグラフの 1 つの線に留意してください。リスクが高まるにつれて、AI の役割は縮小し、人間の同意は増大します。 AI は最上位に位置しません。診断と配置は、法的および倫理的に認可された機関に属します。
なぜ「検証」がこのビジネスの肝なのか
人工知能言語モデルは自分の答えに自信があるように見えますが、確信が持てない可能性があります。専門用語では、これは幻覚と呼ばれます。これは、モデルが、あたかも真実であるかのように、存在しない情報を流暢な文章で捏造することです。これは特殊教育における重大な罠です。このモデルは、架空の「発達規範」 (「5 歳児は全員 200 語を知っている」) を与えるかもしれません。存在しない法律をでっち上げることができる（「BEP は 6 か月ごとに更新しなければならない」など、正確ではあるが誤った文）。あるいは、科学的根拠のない「方法」を提案するかもしれません。彼はそれらすべてを同じ流暢さで言うので、善悪を分ける唯一のものはあなたの専門知識と検証の習慣です。
検証規律は 3 つのステップで構成されます。
- 出典へのリンク: AI の法律、開発規範、手法、基準の記憶ではありません。公式情報源 (MEB 特別教育サービス規則、RAM 報告書、教育機関の手続き) および現場の文献を信頼してください。 AI を使用して、この情報を記憶するのではなく、スケッチします。
- 子供の実際のプロフィールと比較する: AI が生成するすべての目標、教材、提案を、あなたが知っている実際の子供のパフォーマンス レベルと比較します。それは重いですか、軽いですか、それとも彼に適していますか？
- 専門家フィルター: 出力が教育的、倫理的、法的に健全であるかどうかを専門家の目でテストします。非難的な表現、懲罰志向の表現、または非現実的な表現を削除します。
注意: AI が生成した IEP の目標や行動計画を検証せずにファイルに入れることは、署名のない専門家の決定を下すようなものです。出力が流暢であるというだけでは真実ではありません。子供にも適していません。
プライバシー: 生徒のデータは個人データです
学生データ (名前、TR ID 番号、診断、RAM レポート、家族情報、行動記録) は、トゥルキエでは KVKK (個人データ保護法) およびヨーロッパでは GDPR に基づいて保護されています。健康と障害に関する情報は特別な品質のデータです。学生の名前、識別番号、診断名、家族歴をそのまま公開 AI ツールに貼り付けることは重大な違反です。ルールはシンプルです。データを匿名化し、不必要な共有をしないことです。 「アフメト・ユルドゥズ、9 歳、自閉症と診断、プロトコル 2024-3312」の代わりに、「言語コミュニケーションが制限された 9 歳の男子生徒」と書きます。可能であれば、データ処理契約があり、モデルのトレーニングにデータを使用しない企業ツールを選択してください。個人アカウントから機密ファイルをアップロードしないでください。
ヒント: 「匿名化チェック」の習慣をつけましょう。AI にテキストを渡す前に、名前、ID/プロトコル番号、住所、学校名を「学生」、「家族」、「学校」などの一般的な語句に置き換えます。この 30 秒が大きなリスクからあなたを守ります。
ミニケース3個
ケース 1 — 安全な使用。特別支援教育の教師は、週に 4 時間を費やして、8 人の生徒向けの数学ワークシートを作成しました。彼は成績と生徒のレベルを匿名（名前なし）でAIに与え、3つの難易度でドラフトを要求しました。 AI は 8 分で草案を作成しました。教師はそれぞれの質問を子どもたちの実際のレベルと比較し、2 つの質問を簡略化し、1 つのビジュアルを変更しました。期間: 4 時間ではなく 50 分。 AI が草案を与え、専門知識は教師に残りました。
ケース 2 — 未検証の情報トラップ。教師はAIに「軽度の精神薄弱児は最大何桁足すことができるか?」と尋ねた。 AIは自信を持って「3桁まで」と答えた。先生はこれをIEPの境界として書きました。しかし、そのような「ルール」はありません。どの子も個性があり、実際の生徒は4ステップのプロセスを行うことができました。間違い: 子どもの実際の成績ではなく、AI が作り上げた一般的な「基準」に依存してしまう。
ケース 3 — プライバシーの侵害。ある従業員は、クラスの生徒全員の名前、診断名、家族の電話番号のリストを公開ツールにアップロードし、「それらからクラスレポートを作成した」と述べた。データは外部サーバーに送信され、KVKK から苦情が提起されました。正しい方法は、名前、診断名、連絡先情報を省略し、匿名レベルの情報 (「読解前のレベルの 3 人の生徒」) のみを扱うことでした。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
この生徒のIEP目標を書いてください。
この主張は間違っています。AI は子どものことを知りません。パフォーマンスのレベルも明確でなく、フィールドも基準もありません。その結果、その子に合わない一般的な文章が出来上がってしまいます。
強力なプロンプト:
あなたの役割: 特別支援教育の教師を助けるアシスタント。学生（匿名）: 8 歳、初読レベルで、文字と音の関係が部分的に確立されています。分野：読書。タスク: 1 つの長期目標と 3 つの短期 (測定可能な) 目標の草案を作成します。それぞれの短い目標に、条件 + 観察可能な行動 + 基準 (パーセンテージ/トライアル) を含めます。よくわからない規範的な主張をしないでください。これは草案であり、BEP チームによって修正されると想定します。
このプロンプトでは、役割、匿名プロファイル、ドメイン、出力形式、および「ドラフト」の期待値が明確です。それでも、出力を比較して子供の実際のレベルに適応させます。
よくある間違い
- AI による診断または配置の決定を待っています。この権限はRAMおよび認定された専門家に属します。この分野ではAIは使えません。
- 子供のアイデンティティを共有する。名前、ID、プロトコル、家族情報は、匿名化せずに車両に入力することはできません。
- でっち上げられた「規範」に依存する。実際のプロフィールを「X 人の子供はすべて Y をする」などの一般化に置き換えます。
- ドラフトをそのまま使用します。未検証の出力をそのままIEP、家族文書、または行動計画に反映する。
- 非難する言葉に注意を払わない。 AI は、「不十分」「失敗」などの否定的なラベルを作成することがあります。これらは専門家のフィルタリングを通過する必要があります。
要約すれば
人工知能は特殊教育における強力なアシスタントです。人工知能は草案を作成し、簡略化し、要約し、アイデアを広げ、時間を節約します。しかし、それは診断を下すものではなく、診断を下すものでも、目的を確実にするものでもありません。各出力は、ソースへのリンク、子供の実際のプロファイルとの比較、専門家フィルターの 3 つのステップを通じて検証されます。学生データは特別な品質のデータです。匿名化されずに共有されることはありません。リスクが増大するにつれて、AI の役割は小さくなり、人間の責任は増大します。これらの原則は、モジュールの残りの部分のバックボーンです。
アプリケーションタスク
自分の生徒から 1 人を選択し、そのプロフィールを匿名化し (名前、ID、学校名は含まず、年齢、科目、成績レベルのみ)、それをテキストに変換します。次に、上記の「強力なプロンプト」テンプレートを使用して、AI に意図の概要を尋ねます。 3 つの検証ステップ (ソース、実際のプロファイル、エキスパート フィルター) で出力を検査し、少なくとも 2 つの点を修正します。変更した内容とその理由を一文で書きます。
チェックリスト
- [ ] 学生証（名前、ID、プロトコル、学校）を本文から削除しました。
- [ ] 役割、匿名プロファイル、出力形式は、AI に与えたプロンプトで明らかです。
- [ ] 出力を子供の実際のパフォーマンスレベルと比較しました。
- [ ] 私はでっちあげの「規範」や立法上の主張がないかチェックしました。
- [ ] 診断・配置の決定をAIに任せたわけではありません。
- [ ] 最終的な承認は専門家と BEP チームに属することに注意しました。