倫理、プライバシー、専門家の監視、および実践の制限 — 特殊教育における人工知能

利益:

特殊教育における人工知能使用の倫理原則（善意、非悪意、正義、偏見の回避）を具体的なルールに変換する能力
KVKK の枠組み内で学生と家族のデータのプライバシー、データの保存と共有の制限を管理する機能
モジュール全体の学習をエンドツーエンドの安全なワークフローに結び付け、人工知能の終了点と専門家の責任の開始点を定義する機能

このモジュール全体を通じて、私たちは AI をアシスタントとして使用する方法を学びました。つまり、IEP 目標の草案を作成し、教材を調整し、AAC と行動計画を確立し、進捗状況を監視し、家族とのコミュニケーションを強化しました。この最後の単元では、倫理、プライバシー、専門家の監視など、すべてをまとめるフレームワークについて検討します。特殊教育で扱う「データ」はテーブルではなく、子であるためです。あなたが作成する「成果物」は文書ではなく、子供の教育を受ける権利に影響を与える決定です。人工知能はこの分野に大きな利便性をもたらします。しかし、使い方を誤ると、最も被害を受ける可能性のある人々が最も弱い立場に置かれることになります。私たちが最初に確立した原則を最後に繰り返しましょう。人工知能はアシスタントです。子供の将来に影響を与える診断、配置、目的、決定は、有能な専門家、IEP チーム、および家族に属します。

4 つの倫理原則とその具体的な原則

特殊教育における人工知能の使用は、次の 4 つの基本的な倫理原則に起因すると考えられます。

利益: AI は子供の教育に真に貢献するために使用されるべきです。そうすることで教師は自分の時間を確保し、子供により多くの注意を払うことができるはずです。使用すること自体が目的ではありません。
非悪意: 検証されていない、子供にとって不適切な、または非難を招くような出力は、危害を引き起こす可能性があります。すべての出力は「これは子供に害を及ぼすかどうか」というフィルターを通過します。
正義: すべての子どもは資源と質の高い教育に平等にアクセスできるべきです。 AI は一部の子供たちに特権を与え、他の子供たちを無視すべきではありません。誰もが個別に注意を払う必要があります。
バイアスの回避: AI はトレーニングの対象となるデータに固定観念を反映させることができます。特定の種類の障害は、性別、文化、社会経済的地位に関する差別的な結果を生み出す可能性があります。専門家はこれらの結果を認識して修正し、各子供を個別に評価する必要があります。

バイアスは潜行的なものであるため、特に重要です。 AIは「こういう子は通常○○ができない」といった文章を流暢に生成することができます。しかし、これは間違っており、子供の成長を妨げる固定観念です。専門家の仕事は、これらのパターンを観察し、子供の可能性を評価することです。

注意: AI が生成した一般化 (「X 障害を持つ子供は Y できる/できる」) を、子供の目的を制限するために使用することはできません。期待の低さは、最も一般的で最も目に見えない差別の形態の 1 つです。

プライバシー: データの保存と共有の制限

学生データ（身元、診断、RAMレポート、行動記録、家族情報）は、KVKKの範囲内の特別な個人データです。この単元のルールを明確にしましょう。

匿名化: AI ツールに入る前に、名前、ID、プロトコル、学校、住所、家族の詳細が削除されます。
最小限のデータ: タスクに必要な情報のみを共有します。「念のため」ファイル全体を渡さないでください。
安全なツール: 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が望ましいです。機密データは個人アカウントからアップロードされません。
保存と削除: AI で作成された草稿に学生データが含まれている場合、それらは教育機関の規則に従って保存され、必要に応じて削除されます。ランダムな場所に放置されることはありません。
共有: 情報は権限のある人 (IEP チーム、家族、関連する専門家) とのみ、必要な範囲でのみ共有されます。

以下の表は、モジュール全体で学習した制限を 1 か所にまとめたものです。

エリア

AIはできる

AIは人間に属さない/人間に属さない

評価

匿名データを要約します

診断/変更

BEP

目標の草案を書きます

意思確認・確認

素材

適応し、差別化する

カリキュラム/著作権の決定を行う

AAC

カード/ストーリー概要

方法を選択し、子供に適応させます

行動

ABCが要約し、アドバイスを与える

機能を決定し、計画を承認します

進歩

データの要約と解釈

続行するかどうかの最終決定

家族

テキストの下書き

テキストを検証し、関係を強制します

この表の右の列は専門家の責任の限界であり、いかなる状況でも AI に委任することはできません。

エンドツーエンドの安全なワークフロー

モジュールを 1 つのフローに結合しましょう。 AI を活用した安全な個別指導ワークフローは次のとおりです。(1) データを匿名化します。 (2) 明確な役割と境界を持ったプロンプトを作成します。 (3) AI からドラフトを取得します。 (4) 出力を 3 つのステップで検証します。ソースへのリンク、子の実際のプロファイルとの比較、エキスパートフィルターです。 (5) 倫理と偏見の監査を実施する。 (6) チーム/家族とともに適応し、検証する。 (7) データを適用して監視する。 (8) 機関の規則に従って下書きを保存/削除します。このサイクルはタスクごとに繰り返され、AI がどこで終わり、専門家の責任が始まるのかが明確になります。

ミニケース3個

ケース 1 — キャッチバイアス。教師はAIに目標の概要を尋ねました。アウトプットの中に「このタイプの生徒は抽象的な思考ができないので、目標は低くしておいてください。」というような一文がありました。教師はこれが固定観念であると認識しました。彼自身の生徒は抽象的な関係を確立することができました。彼はその文を抽出し、子供の本当の可能性に基づいて目標を書きました。倫理的な監督により、子どもの妨げとなる低い期待が防止されました。

ケース 2 — プライバシー規律。ある教育機関は、AIを使用する前にすべての教師が「匿名化チェック」を行うことを規則にしました。教師は、RAM レポートを要約する前に、名前、プロトコル、家族情報を削除しました。数か月後のデータ監査により、組織が機密データを外部ツールに提供していないことが判明しました。単純な習慣が組織を深刻なリスクから守りました。

ケース 3 — 責任の委任における誤り。教師は時間的プレッシャーから、AI が作成した行動計画を読まずに実行しました。その計画は子供の機能に適合せず、行動はエスカレートしました。問題はAIの「ミス」ではなく、責任の委任だった。検証されていない出力は、署名されていない専門家の判断のようなものです。責任は常に専門家にあります。間違い: 責任を都合のよいものに置き換えてしまう。

弱いプロンプト / 強いプロンプト

弱いプロンプト:

この生徒についてすべてを分析して、何をすべきかを教えてください。

このリクエストは、「すべて」と言うことで必要以上に多くのデータ (おそらくアイデンティティを含む) を共有するよう促し、決定を AI に転送します。また、2 つの基本原則にも違反します。

強力なプロンプト:

あなたの役割: 特殊教育専門家のアシスタント。次の匿名のタスク固有の情報のみを使用してください: [最低限必要]。タスク: [単一の明確なタスク] の草案を作成します。ルール: 診断/意思決定。一般化や固定観念を持たないでください。よくわからないと述べてください。これは専門家によって検証され、チーム/家族にも確認されると想定します。

この主張には、最小限のデータ、明確なタスク、バイアス、および意思決定の限界が含まれています。モジュールのすべての原則が 1 つのテンプレートにまとめられています。

よくある間違い

責任を委任する。 AIに判断を委ねる。出力を読み取らずに実行します。
偏見を見ないこと。典型的な期待を下げる一般化に気づいていない。
過剰なデータを共有する。「すべてを分析してください」と言って、不要な機密データをツールに与える。
匿名化をバイパスします。身元、診断名、家族情報を明らかにせずに働く。
下書きを安全に保管しない。生徒のデータを含むプリントアウトをランダムな場所に放置する。
倫理監査を形式的なものとみなしている。「害はないか、公平か、偏見はないか」などの質問は省略します。

要約すれば

特殊教育において、AI は強力なアシスタントですが、最も弱い立場にある人々と協力するため、倫理とプライバシーは交渉の余地がありません。善意、非悪意、正義、偏見の回避という 4 つの原則が私たちを導きます。学生データは匿名化され、最小限の安全な手段で共有され、安全に保管されます。エンドツーエンドの安全なワークフロー。このサイクルは、匿名化、ドラフトの取得、3 つのステップでの検証、倫理レビュー、チーム/家族による承認、データによる追跡です。 AI がこのサイクルのどこで終了しても、専門家の責任が始まります。未検証の出力は、署名されていない専門家の判断のようなものです。署名は常にあなたのものです。

アプリケーションタスク

モジュール全体で作成したアウトライン (IEP の目標、内容、行動計画、ファミリーテキスト) の 1 つを選択し、この単元の「エンドツーエンドの安全なワークフロー」ステップをすべて実行します。特に、倫理/偏見をチェックしてください。出力に、一般性を低下させる表現、非難するような発言、またはプライバシーの漏洩はありませんか?見つかった問題を修正し、フローのどのステップでその問題が発生したかをメモします。

チェックリスト

[ ] データを匿名化しました。必要最低限のみ共有させていただきました。
[ ] 3 つのステップ (ソース/プロファイル/エキスパート) で出力を検証しました。
[ ] 私は偏見と期待を下げる一般論を解消しました。
[ ] 私は非難的な言葉を排除しました。私は 4 つの倫理原則を遵守しました。
[ ] 下書きは安全に保管し、必要に応じて削除しました。
[ ] 私は専門家/チーム/家族として最終的な決断と責任を負いました。

モジュール試験

1. 特殊教育の教師は、生徒の名前と年齢を伝えるだけで人工知能に「この子の診断は何ですか」と質問し、その答えを IEP ファイルに書き込みます。このアプローチの根本的な間違いは何でしょうか?

A) 診断を行う権限がRAMおよび認定された専門家にあることを無視する。未検証の出力も公式記録に移動します ✔
B) 人工知能に年齢情報を与える必要がない
C) BEP ファイルをデジタル環境に保管することは禁止されています
D) 人工知能は常に診断を実際よりも重く感じさせます

説明: 人工知能は診断できませんし、すべきではありません。診断と評価は RAM と認定専門家の仕事です。さらに、モデルにデータを与えないと、目的の出力が捏造 (幻覚) となり、生徒の ID を共有することはプライバシーの侵害となります。

2. 短期（測定可能な）BEP 目標に必要な主な特徴は次のうちどれですか?

A) 生徒がその科目を全体的に好きになることを目指す
B) 教師の観察のみに基づいており、数値基準は含まれていません。
C) できるだけ長く、できるだけ多くの結果を 1 つの文にまとめます。
D) 観察可能な行動、状態、測定可能な成功基準が含まれています ✔

説明: 短期目標には、観察可能な行動、状態、基準 (試行回数、割合、独立性レベル) が含まれます。「理解した」「学んだ」「認識した」など計り知れない表現が目的の書き方ミスを引き起こします。

3. 教師は、生徒のフルネーム、TR ID 番号、診断名を含む RAM レポートを公開されている人工知能ツールにアップロードし、「要約」と言います。正しいアプローチは何でしょうか?

A) 概要にはすべての情報が必要であるため、レポートを変更せずにアップロードします。
B) TR ID 番号を削除し、名前と診断名を残すだけです
C) ID 情報の削除、データの匿名化、安全な/組織的なツールの選択 ✔
D) 個人アカウントから電子メールでレポートを共有し、それに応じて要約する

説明: 生徒データは、KVKK の範囲内の特別な個人データです。身元情報は削除され、データは匿名化されるべきであり (「10 歳の男子生徒」)、可能であれば、教育現場でデータを使用しない制度的な安全なツールが優先されるべきです。

4. 代替拡張コミュニケーション (AAC) のために人工知能を使用して社会的なストーリーを作成するときの最良の態度は何ですか?

A) 草案を子供向けに特別に修正し、専門家の承認を得ます ✔
B) 作成したストーリーをまったく変更せずにすべての生徒に正確に使用する
C) できるだけ長く抽象的な言葉でストーリーを書く
D) 視覚的なサポートを追加せずに長いテキストのみを提供する

説明: 人工知能がドラフトを生成します。ただし、社会歴とコミュニケーションのサポートは、子どもの個々の特性に適応し、言語聴覚士/専門家によって承認される必要があります。一般的な概要をそのまま適用することはできません。

5. ポジティブな行動支援計画で人工知能の支援を受けるときの基本原則は次のうちどれですか?

A) 行動を迅速に抑制するために最も厳しい罰を推奨するよう依頼します。
B) 行動の機能を理解し、代替的なポジティブな行動と予防戦略の草案を作成する ✔
C) 生徒のことを知らずに、行動の名前だけを見て計画を完成させる
D) 家族や専門家をプロセスに関与させずに計画を実行する

説明: 前向きな行動のサポートは罰を目的としたものではありません。行動の機能 (機能評価) と予防的規制を理解し、望ましくない行動の代わりに教えられる代替行動を提供することを目的としています。専門家の監督が不可欠です。

6. 進捗状況の追跡における「データ主導の意思決定」とは何を意味しますか?

A) 年末に 1 つの観察のみに基づいて意思決定を行う
B) データを見ずに、教師の全体的な印象に基づいて進捗レポートを作成する
C) 決定を完全に人工知能の解釈に委ねる
D) 定期的な測定データを見て、目標を維持、適応、または変更する意思決定を行う ✔

説明: データに基づく意思決定とは、定期的な達成度に基づく測定値 (パーセンテージ、試行回数、独立性のレベル) を見て、目標を維持、適応、または変更するかどうかを決定することです。人工知能はデータを要約し、解釈を提案します。専門家が決定を下します。

7. ユニバーサルデザイン (UDL) 原則によれば、マテリアルをアクセシブルにする最善の方法は何ですか?

A) 資料を 1 つの形式のみで、小さな活字と高密度のテキストで提示する
B) コンテンツを複数の方法で提示し、平易な言語と代替テキストを提供する ✔
C) すべての適応を削除し、全員に同じ標準マテリアルを提供する
D) アクセシビリティは色を変更することによってのみ達成されると仮定する

説明: UDL は、複数の方法 (テキスト、ビジュアル、オーディオ)、平易な言語、代替テキスト、および柔軟な形式でコンテンツを提示することを想定しています。目的は、1 人の「平均的な」生徒だけでなく、さまざまなニーズに合わせてデザインすることです。最終検査は専門家と実際のユーザーによるテストに依存します。

8. 教師は、人工知能が作成した家族情報テキストを確認せずに家族に送信しました。そのテキストには、誤った予約日と誇張された「回復」の約束が含まれていました。ここでの根本的な間違いは何でしょうか？

A) 内容を確認せずにテキストを送信することにより、虚偽の情報や非現実的な期待を生み出す ✔
B) 家族に手紙を送ること自体が間違っている。
C) テキストが短すぎます
D) 人工知能による家族文書の作成は固く禁じられています

説明: 家族と共有するすべてのテキストは、正確性、機密性、専門家の承認を得て作成する必要があります。人工知能は流暢ですが、誤った情報 (幻覚) を生成する可能性があります。検証なしで送信されたテキストは、信頼とプロセスを損ないます。

9. 包含/統合クラスで微分を行う場合、正しいアプローチは次のうちどれですか?

A) 生徒を教室から完全に切り離し、それぞれの活動を一人でやらせる
B) レベルに応じて調整したりラベルを付けたりすることなく、共有の責任を持って同じ成果をサポートする ✔
C) 同じ内容を例外なくクラス全員に与え、一切の改変を加えない
D) 特殊教育の教師のみに適応を任せ、クラスの教師をプロセスから除外する

説明: 差別化とは、同じ学習結果をさまざまなレベルに適応させ、生徒にラベルを付けることなくサポートすることを意味します。適応は教室の教師と特殊教育の教師の共同責任です。学生を他の学生から引き離し、非難するような解決策は避けられます。

10. 特殊教育の文脈において、AI 言語モデルが「幻覚」を引き起こすことが特に危険なのはなぜですか?

A) モデルの動作が常に遅いため
B) モデルはトルコ語を知らないので
C) 幻覚は視覚的な生産においてのみ発生するため
D) でっち上げられた情報は子供の教育的決定に影響を与える可能性があり、流暢な言語では真実であるとみなされる可能性があるため ✔

説明: 幻覚とは、モデルが存在しない情報をあたかも真実であるかのように滑らかに捏造することです。捏造された法律、誤った発達規範、特殊教育における架空の方法は、子どもの教育と発達の権利に直接影響を与える可能性があります。したがって、すべての出力を検証する必要があります。

11. 特殊教育における人工知能の使用に関する倫理原則における「偏見の回避」とは何を意味しますか?

A) モデルによって生成された固定観念的または差別的な出力を認識して修正し、各子供を個別に評価する ✔
B) すぐに出力するためだけに長いプロンプトを書かない。
C) 1 種類の障害物のみに人工知能を使用する
D) すべての生徒に同じ偏ったテンプレートを適用する

説明: 人工知能は、トレーニングに使用されたデータにバイアスを反映している可能性があります。特定の種類の障害、性別、社会経済的地位、または文化に関する固定的な出力を生成する可能性があります。専門家はこの点で結果を監視し、各子供を個別に評価する必要があります。

12. 人工知能を使用して RAM レポートを要約し、学生プロフィールを作成するときに、「長所」セクションを含めることが重要なのはなぜですか?

A) レポートを長く表示するには
B) 法的に要求されているわけではありませんが、強度は形式上のみ使用されます。
C) 生徒を欠点だけで定義するのではなく、長所に基づいて計画を立てます ✔
D) ニーズを完全に無視し、肯定的なことだけを書くこと

説明: 特殊教育における計画は強みに基づいています。欠陥やニーズを重視したプロフィールだけが、生徒の欠点を定義します。強みは目標とモチベーションの基礎であり、前向きで成長志向の見通しを提供します。

13. 翻案素材の制作における「著作権と独創性」の観点から見ると、正しい態度は何ですか?

A) 著作権で保護された文字やコンテンツをチェックせずに出力すること
B) カリキュラムへの準拠、正確性、著作権の観点から教材をチェックし、オリジナル化する ✔
C) ソースに関係なく、すべての画像を商業的に配布する
D) 著作権問題はデジタル素材にはまったく当てはまらないと仮定する

説明: 人工知能の出力は他のソースから供給された可能性があります。著作権で保護されたコンテンツ、ブランドキャラクター、または未確認の情報が含まれる場合があります。専門家は、カリキュラムへの準拠、正確性、著作権について資料をチェックし、必要に応じて出典を引用し、オリジナル化する必要があります。

14. このモジュール全体で強調されている重要な原則は、特殊教育における人工知能の役割をどのように説明していますか?

A) 人工知能が専門家に代わって自動的に意思決定を行う
B) 人工知能はメモをとるためにのみ使用でき、それ以外には使用できません。
C) 人工知能を使用すると、専門家の監督は不要になります
D) 人工知能はアシスタントでありドラフト生成者です。最終的な決定と責任は専門家、チーム、家族にあります ✔

説明: 人工知能はアシスタントおよびスケッチジェネレーターです。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は、有能な専門家、IEP チーム、および家族に属します。未検証の出力は、署名のない専門家の評決のようなものです。