Единици
1. Вовед во вештачката интелигенција во педагогијата: улоги, граници, валидација и податоци за учениците 2. План за лекција и цели на учење: исход, Блумова таксономија и тек 3. Изработка на наставен материјал: презентација, работен лист и активност 4. Диференцирана инструкција: Ниво, подготвеност и инклузивност 5. Производство на прашања и квиз: пишување на ставки и квалитет на одвлекување на вниманието 6. Мерење-евалуација и дизајн на рубрики: критериуми, ниво и конзистентност 7. Генерирање повратни информации: Формативни, конструктивни и персонализирани повратни информации 8. Комуникација со родителите: порака, билтен, интервју и тешки ситуации 9. Приватност на податоците на студентите и KVKK: Анонимизација и безбедна употреба 10. Академски интегритет и верификација: Студентска употреба на вештачка интелигенција 11. Етика, пристрасност, работен тек од крај до крај и управување со вештачка интелигенција на наставниците
Единица 9 / 11

Приватност на податоците на студентите и KVKK: Анонимизација и безбедна употреба

Добивки:

  • Разбирање дека податоците за студентот се лични и често приватни податоци, а правилата за анонимизација и складирање се во опсегот на KVKK и професионалната доверливост
  • Способност за практикување деидентификација и избор на безбедна/институционална алатка при внесување податоци во јавно достапни алатки за вештачка интелигенција
  • Разбирањето дека согласноста за споделување податоци, минимизирање на податоците и усогласеноста со училишната политика се одговорност на наставникот.

Наставникот има пристап до многу чувствителни информации во текот на неговата работа: оценки, евиденција за однесувањето, здравствени состојби, информации за семејството, разговори за насоки, социо-економски податоци. Оваа информација припаѓа на најприватното подрачје на ученикот и кога ќе падне во погрешни раце, може да предизвика доживотна штета. Повеќето алатки за вештачка интелигенција се базирани на облак - што значи дека текстот што го пишувате се обработува на оддалечените сервери на компанијата, а не на вашиот компјутер, а во некои алатки може да се користи за развој на моделот. Значи, пишувањето на информациите на ученикот во јавна вештачка интелигенција значи да ги извадите од ваша контрола. Оваа единица го воспоставува најкритичниот слој на безбедност при користењето на вештачката интелигенција во наставата. Правилото е јасно: прво анонимизирајте ги податоците за студентите, користете безбедни/институционални алатки ако е можно; Одговорноста е на наставникот.

Кои податоци се заштитени? Рамка на КВКК

Лични податоци се секоја информација што го прави лицето специфично или препознатливо: име-презиме, број на училиште, лична карта, фотографија или дури и индиректни описи како „највисокиот ученик од 3-А“ во еден контекст. Посебните (чувствителни) лични податоци се посилно заштитени: здравје, етничка припадност, вероисповед, кривично убедување, биометриски податоци, членство во здружение/синдикати. Извештајот за здравјето на ученикот, дијагнозата на попреченост во учењето или семејната траума се во оваа категорија.

KVKK (Закон за заштита на лични податоци) бара личните податоци да се обработуваат законски, за одредена цел, на одмерен и безбеден начин. Практични импликации за наставникот: користете податоци само по потреба (минимизирање на податоците), не злоупотребувајте ги податоците, чувајте ги безбедни, не споделувајте ги со трети страни (вклучувајќи ја и јавната вештачка интелигенција) без дозвола. Исто така, постои обврска за професионална доверливост: наставникот не може да ги открие информациите што ги дознава за ученикот и неговото семејство.

Внимание: Да се ​​претпостави дека „компанијата и онака не го чита ова“ не е безбедно. Некои бесплатни алатки за вештачка интелигенција можат да складираат/користат влезови во обуката. Откако податоците ќе излезат, тие не може да се вратат. Најбезбедно е никогаш да не ги извадите податоците.

Анонимизација: правејќи го рефлекс

Анонимизација значи отстранување на сите елементи кои идентификуваат личност од податоците и нивно генерализирање неповратно. Во пракса:

  • Име-презиме → „Студент А“, „студент“
  • Училишен број, TR ID, одделение-огранок → отстранете целосно
  • Име на родител, телефон, адреса → отстрани
  • Ретки/описни детали → генерализирајте (фразите како „еден ученик кој користи инвалидска количка“ му даваат на лицето; кажете „еден ученик“)
  • Име на училиште/институција → излезете или кажете „нашето училиште“

Пред да му дадете текст на вештачката интелигенција, претпоставете дека некој непознат ќе го прочита: дали од овој текст може да се разбере за кое дете се работи? Ако е јасно, генерализирајте понатаму.

Безбеден избор на возило

Не се сите алатки за вештачка интелигенција исти. Најбезбедни се корпоративните алатки што ги обезбедува вашето училиште/институција, има договор за обработка на податоци (ДПА) и не користи инпути во образованието. Со бесплатни, јавно достапни алатки, претпоставката треба да биде најлошото сценарио. При изборот на алатка, прашајте: Дали моите влезови се зачувани? Дали се користи во образованието? Каде се обработуваат податоците? Дали училишната политика ја одобрува оваа алатка? Ако не сте сигурни, не користете ги податоците без да ги анонимизирате.

Чекор по чекор: приватно-безбеден работен тек

  1. Скенирајте за лични податоци. Име, број, институција, чувствителна ситуација.
  2. Анонимизирај. Замени со општи изрази; избришете ги деталите за идентификација.
  3. Примени минимизирање на податоците. Не додавајте никакви информации што не се потребни со задачата.
  4. Изберете возило. Институционално ако е можно; Ако не, претпоставете го најлошото сценарио.
  5. Користете го. Работете само со анонимен текст.
  6. Проверете го и излезот. ВИ може да ги рефлектира информациите што и ги давате; Не треба да има истекување на идентитетот на излезот.

три мини футроли

Случај 1 - Снимање во последен момент. Советник за насоки и пишал на АИ за да се консултира за семејниот проблем на ученикот; Текстот вклучуваше име, оценка и „мајка му е во болница“. Забележал без да испрати, сето тоа го генерализирал како „13-годишен ученик, здравствен предизвик во неговото семејство“. Општите предлози за пристап што ги доби работеа; Не протекоа лични податоци.

Случај 2 - Индиректна идентификација. Наставник и напишал на АИ дека тоа е „материјал за единствениот ученик со оштетен вид во одделението“. Немаше име, но фразата дефинитивно го опиша тоа момче на училиште. Кога забележал, го сменил во „за студент на кој му е потребна поддршка за видот“. Анонимизацијата не е само бришење имиња, туку и криење на деталите за идентификација.

Случај 3 - Избор на возило. Едно училиште им забрани на наставниците да користат бесплатни алатки со податоци за учениците и обезбеди алатка за претпријатие со безбедност на податоците. Еден наставник без навика би залепил анализа на белешки во бесплатната алатка; Благодарение на потсетникот за политиката, тој се префрли на корпоративната алатка и сепак ги анонимизира податоците. Два слоја на заштита комбинирани.

Шаблони за копирање

1) Скенирање пред анонимизација:

Претпоставете дека некој странец ќе го прочита следниот текст. Дали од овој текст може директно ИЛИ индиректно да се разбере за кој ученик станува збор? Наведете ги сите изрази што го даваат идентитетот (име, број, институција, ретка карактеристика) и предложете општа алтернатива за секој. Текст: [залепи]

2) Самопроценка на безбедно возило:

Напишете листа за проверка од 6 прашања за да ја оцените алатката за вештачка интелигенција што размислувам да ја користам: складирање на податоци, употреба во образованието, локација на податоци, институционално одобрение, право на бришење, усогласеност со чувствителни податоци. Додајте „што да правите ако да / што да направите ако не“ на секое прашање.

3) Контрола за минимизирање на податоците:

Поедноставете го текстот што ќе го дадам вештачката интелигенција за следната задача: отстранете ги сите лични/контекстуални детали што задачата НЕ ГИ ПОТРЕБНИ, оставајќи го само она што е неопходно за да се изврши работата. Задача: [опишете]. Текст: [залепи]

4) Нацрт училишна политика (за наставници):

Нацртај кратка, јасна листа на правила од 8 точки за наставниците во училиште да користат алатки за вештачка интелигенција за да ги обезбедат податоците на учениците: анонимизација, одобрена алатка, чувствителни податоци, задржување, согласност, известување за прекршување. Нека има турски, применливи статии. Ќе го поднесам ова до одобрение од менаџмент/експерт.

Слаб промпт / Силен промпт

Слаба навестување:

Ахмет Јилмаз, 7-Б број 214, е многу слаб по математика, а неговиот татко е рамнодушен; Што треба да направам за овој студент?

Име, број, класа, семејна јурисдикција - грубо кршење на доверливоста; Податоците се надвор од ваша контрола.

Моќен потсетник:

Предложете 3 стратегии за поддршка што може да се спроведат на училиште за ученик од 7-мо одделение кој има потешкотии со основните операции по математика, под претпоставка дека има ограничена поддршка дома. (Студент анонимен; не споделувам никакви лични податоци.)

Тип на податоци

пример

Дали е дадена на вештачката интелигенција?

Како

директна идентификација

Име, број, ТР

бр

Отстранете целосно

индиректна идентификација

„Самен студент со посебни потреби“

бр

генерализираат

Чувствителни податоци

Здравје, дијагноза, семејство

многу внимателен

Анонимна + алатка за претпријатие

Општа педагошка состојба

„Студент кој се бори“

Да

анонимно

Вообичаени грешки

  • Само избришете го името. Ако бројот, класата или индиректната дефиниција остане, идентитетот е сè уште јасен.
  • Со поглед на индиректната дефиниција. Изразите како „Ти си единствениот во твојот клас...“ ја даваат личноста.
  • Лесно земајќи ги чувствителните податоци. Информациите за здравјето/семејството се посебни податоци и бараат поголема заштита.
  • Претпоставувајќи безбедност на возилото. Ризично е да се претпостави дека бесплатната алатка не складира податоци; Претпоставете го најлошото.
  • Не контролирање на излезот. ВИ може да ги повтори ингеренциите што ги давате во одговорот; исчистете го и излезот.
Совет: „Правило за две минути“: пред да залепите текст поврзан со ученикот во вештачката интелигенција, одвојте две минути за да го избришете името, бројот, институцијата и деталите за идентификација. Оваа мала навика ги спречува најголемите прекршувања.

Сумирано

Податоците на студентите се лични, често приватни податоци и се заштитени со KVKK и професионалната доверливост. Јавните алатки за вештачка интелигенција се базираат на облак; Давањето на податоците такви какви што се ги остава надвор од контрола. Вистински начин: да се анонимизираат личните и индиректно идентификационите информации, да се сподели само она што е неопходно (минимизирање на податоците), да се користат корпоративни и одобрени алатки доколку е можно и да се ревидира излезот. Одговорноста е на наставникот.

Задача за апликација

Однесете текст за ученик што сте го напишале (или размислувате да напишете) на вештачката интелигенција во последната недела. Откријте и генерализирајте ги сите директни и индиректни идентификатори со шаблонот „проверка пред анонимизација“. Потоа проценете ја алатката за вештачка интелигенција што ја користите наспроти списокот „Самооценување на безбедна алатка“ и одлучете каков тип на податоци можете да ги користите со оваа алатка.

листа за проверка

  • [ ] Дали ги отстранив директните идентификатори како што се име, број, TR ID, институција?
  • [ ] Дали генерализирав индиректни дескриптори како „Единствениот во вашето одделение...“?
  • [ ] Дали ги третирав чувствителните (здравствени/семејни) податоци со дополнителна заштита?
  • [ ] Дали ја проверив политиката за податоци и одобрението од училиштето за возилото што го користам?
  • [ ] Дали проверив за протекување идентитет и на излезот?