利益:
- KVKK および特別な個人データの概念の枠組み内で学生データを分類および匿名化し、安全な車両の選択を適用する機能
- PDR の職業倫理原則 (機密保持、善意、非悪意、自律性) を人工知能の使用に適応させる能力
- 人工知能の出力における偏見、文化的無感覚、幻覚を認識し、倫理的使用ポリシーを作成する能力
信頼は PDR の専門職の中心です。学生が自分の最も親密な感情、家族、不安を専門家に話すことができるのは、その情報が保護されると信じているからにほかなりません。人工知能ツールは、この信頼に対して重大な新たな試練を課します。最も機密性の高いデータは、文の中で制御不能になる可能性があります。この単元では、プライバシー、KVKK、PDR の職業倫理、およびそれらが人工知能の使用にどのように適用されるかについて体系的に説明します。これらの原則は、前の単元で少しずつ適用してきました。ここで全体として結合して恒久的な政策にしていきます。
KVKK とデータ型: より保護されるもの
KVKK (個人データ保護法) は、人々のデータの合法的な処理を規制する法律です。 2 つの概念が特に重要です。個人データとは、名前、姓、学校番号、クラス、住所、写真など、個人を特定または特定する情報です。特別な個人データは、健康、精神状態、診断、性生活、宗教、民族、犯罪歴など、より高度な保護が必要な機密データの一種です。 PDR レコードの大部分は、この 2 番目の機密性の高いカテゴリに分類されます。なぜなら、精神状態、家族問題、支援歴は直接的な個人データだからです。これは、PDR データを生の形式で公開ツールに入力してはいけないことを意味します。
実際には、これは次の 3 つのルールに変換されます。 (1) データの最小化 — ジョブの実行に必要な最小限のデータで作業します。 (2) 匿名化 — 個人を特定できる情報を削除することで、データを個人に関連付けることができなくなります。 (3) 手段と目的の境界を保護する — 可能な場合はデータで保護されたエンタープライズ ツールを使用し、データが収集された目的のみにデータを処理します。
注意: 「何らかの方法で匿名化しました」と言うだけでは十分ではありません。たとえ本文から名前が省略されていたとしても、状況を独自に説明すること（小規模学校の 1 人の生徒における非常に特殊な状況）により、その人物を特定できるようになります。匿名化では、名前だけでなく、その人を示す詳細も一般化します。
匿名化の実践: 制御手順
テキストをツールにエクスポートする前に、次の手順に従います。 (a) 名前、姓、番号、クラスの支部、親の名前、住所、電話番号、学校名などの直接の識別子を削除します。 (b) 「12-B の唯一の視覚障害のある生徒」ではなく「中学生」という間接的な記述を一般化します。 (c) 必要に応じて、日付とイベントの詳細をぼかします。 (d) 読後: 「この文章を読んでいる人は、誰が言及されているかを知ることができますか?」答えがあいまいな場合は、さらに一般化してください。認証された記録は、機関の閉鎖された安全なシステムにのみ書き込まれます。 AIツールはこのシステムの外部にあります。
PDR の職業倫理と AI
PDR の職業倫理は 4 つの基本原則に基づいており、それぞれが AI の使用に直接適用されます。
- 機密性（秘密の保持）：学生の情報は保護されます。 AI に生データを入力せず、匿名化し、安全なツールを選択することが、この原則の要件です。
- 善意: 行うことはすべて生徒の幸福に役立つものでなければなりません。 AI は利便性のために使用されており、学生の利益を損なうような形で使用されるものではありません。
- 非悪意: 優先事項は危害を加えないことです。未検証の出力、不正確な統計、ラベル付け、危機における AI の使用は危害をもたらすリスクです。したがって、検証と危機境界は倫理的に不可欠です。
- 自主性: 生徒が自分で決定する権利は保護されます。 AI は生徒をラベルに貶めたり、生徒に代わって決定を下したりすべきではありません。
これに説明責任が追加されます。使用されるすべての出力に対する責任は専門家にあります。 「AIが作り出した」というのは弁護にはなりません。
偏見、文化的配慮、透明性
AI は社会的パターンをトレーニング データに反映できます。 PDR では、これは公平性の問題です。性別、文化、社会経済的地位に応じて学生を固定化するような結果は、機会の平等を損なうものです。専門家は、作成されたコンテンツに文化的配慮や偏見がないかチェックします。また、透明性: 必要に応じて、資料または草案の作成に AI が使用されたことを社内で明確にする必要があります。秘密の「魔法」として使用すべきではありません。学生との関係においては機密保持が不可欠です。学生が説明した内容は車両には伝わりません。
ステップバイステップ: AI 使用ポリシーの確立
- データを分類します。あなたが持っているすべての情報を「個人/プライベート/パブリック」に分けてください。
- 車両を選択してください。機密データ用の唯一の安全なエンタープライズ ツール。概要については匿名で作業します。
- 匿名化手順に従います。各エントリの前にチェック ルーチンを実行します。
- 検証とバイアスのチェック。各出力の事実と公平性を検査します。
- 危機限界を維持する。危機や相談関係を車外に持ち込まないでください。
- 責任を持ち、透明性を保ちます。最終的な承認は専門家に属します。組織内での使用はオープンです。
コピー可能なテンプレート
1) 匿名化制御:
あなたの役割: プライバシー監査アシスタント。以下の本文中の、直接的または間接的に個人を特定できる可能性のある各記述 (名前、番号、クラス、学校、固有の状況の説明) をリストし、それぞれについてより一般的な代替案を提案します。コメント内容。テキスト: [テキストを貼り付け]
2) 偏見と文化的配慮の監査:
次の PDR 資料で偏見や文化的配慮を確認してください。ジェンダー、文化、社会経済的地位、家族構成に関する固定観念が含まれていますか?誰が除外できるのでしょうか？危険な発言にフラグを立て、包括的な代替案を提案します。素材: [ペースト素材]
3) 企業の AI 利用ポリシーの草案:
あなたの役割: PDR ライティングアシスタント。ガイダンス サービスについては、人工知能ツールの使用に関する短い内部ポリシーの草案を作成します。見出し: 使用されるジョブ、使用されないジョブ (危機、診断、相談)、データ匿名化ルール、検証義務、責任は専門家にあります。短くて応用可能。
弱いプロンプト / 強いプロンプト
弱い：
アフメット・ユルマズ 8-C の状況を要約すると、彼は自宅で暴力を受けていました。
最も機密性の高いデータ (名前、クラス、特別なステータス) をそのままの形式で車両に入力します。これは KVKK および倫理に対する重大な違反です。さらに、これは通知状況である可能性があります (ユニット 9)。
強い：
あなたの役割: プライバシー管理アシスタント。注: ツールに送信する前に、以下のテキストを匿名化しました。ただし、もう一度確認してください。個人を特定できる詳細が残っているか?テキスト: 「ある中学生は、家で緊張感を感じているとほのめかしました。」
ミニケース3個
ケース 1 — 間接的な開示。専門家が名前を省略したテキストをツールに入力しようとしていました。しかし彼は、「学校で車椅子を使用する唯一の生徒」というフレーズがその人を直接指していることに気づきました。彼はこれを「学生」に一般化しました。知名度を上げるだけでは十分ではありませんでした。独特の状況の説明も共感を呼びました。
ケース 2 — バイアス補正。職業資料を監査した専門家は、AIがエンジニアリングの例では常に男性の名前を使用し、介護専門職では女性の名前を使用していることを発見しました。サンプルのバランスを取り、型を壊しました。この一見些細な修正により、学生に送信されるメッセージの公平性が保たれました。
ケース 3 — ポリシーの確立。ガイダンス サービスでは、AI の使用方法が人によって異なるという事実から生じる混乱を解消するために、共通の内部ポリシー テキストを作成しました。つまり、AI が危機や診断ではなくどのタスクで使用され、データは匿名化され、出力は検証され、責任は専門家にあります。 AI が草案を提出しました。チームは独自の価値観でコンテンツを完成させました。不確実性が明確な枠組みに取って代わられました。
よくある間違い
- 生データを入力します。名前/ステータスを車両に書き込みます。解決策: 匿名化手順、安全なツール。
- 名前を削除するだけです。間接的な識別子を忘れます。解決策: 固有の詳細も一般化します。
- 偏見を無視する。ステレオタイプの出力を採用。解決策: 偏見と文化の監査。
- 車に責任を負わせる。 「AIが生み出した」という意味です。解決策: 説明責任は専門家にあります。
- 悪用。ある目的で収集されたデータを別の目的で処理する。解決策: 目的の制限を尊重します。
表: データ型と AI ルール
データ型
例
AIルール
公共の
一般的な職業紹介
無料で利用可能
個人データ
名前、番号、クラス
匿名化しないと入力できません
特別な品質のデータ
精神状態、家族、診断名
そのままの形で入力することはできません。
危機データ
リスク、虐待、自殺
車両内には絶対に入らないでください（9号機）
要約すると
PDR では、機密保持はこの職業に対する信頼の基礎であり、AI 時代において最も試される原則です。 KVKK はデータを個人データとプライベートデータに分離します。ほとんどの PDR データは機密性が高く、生の形式ではツールに入力されません。データの最小化、匿名化（直接および間接的な識別子を使用）、安全なツールの選択が基本的なルールです。 AI の使用には、職業倫理の 4 つの原則 (機密保持、善意、非悪意、自律性) が拘束されます。偏見は管理され、責任は専門家にあり、組織内での使用は透明です。
アプリケーションタスク
自社の案内サービス向けに簡単な「AI利用ポリシー」を起草します。 「エンタープライズ AI 使用ポリシー草案」テンプレートを使用して有利なスタートを切りましょう。次に、自分の教育機関の現実に応じて調整します。また、(架空の) テキストを「匿名化チェック」テンプレートに渡し、少なくとも 1 つの間接識別子をキャプチャして一般化します。
チェックリスト
- [ ] 私は所有するデータを個人/プライベート/パブリックに分類しました。
- [ ] 匿名化における直接識別子と間接識別子を一般化しました。
- [ ] 機密データにはセキュア/エンタープライズ ツールを使用しました。
- [ ] 偏見や文化的配慮について出力をチェックしました。
- [ ] 私は責任を負い、使用方法の透明性を保ちました。