लाभ:
- विशेष शिक्षामा कृत्रिम बुद्धिमत्ता प्रयोगको नैतिक सिद्धान्तहरू (उपकार, गैर-दुर्भाव, न्याय, पूर्वाग्रहबाट बच्न) लाई ठोस नियमहरूमा रूपान्तरण गर्ने क्षमता।
- KVKK को ढाँचा भित्र विद्यार्थी र पारिवारिक डेटा, डाटा भण्डारण र साझेदारी सीमाहरूको गोपनीयता व्यवस्थापन गर्ने क्षमता
- मोड्युल भरि सिकाइलाई अन्त-देखि-अन्त सुरक्षित कार्यप्रवाहमा बाँध्ने र कृत्रिम बुद्धिमत्ता कहाँ समाप्त हुन्छ र विशेषज्ञ जिम्मेवारी सुरु हुन्छ भनेर परिभाषित गर्ने क्षमता।
यस मोड्युलमा, हामीले AI लाई सहायकको रूपमा प्रयोग गर्न सिक्यौं: एक IEP लक्ष्यको मस्यौदा तयार गर्यौं, सामग्रीहरू अनुकूलित गर्यौं, AAC र व्यवहार योजना स्थापना गर्यौं, प्रगतिको अनुगमन गर्यौं, र परिवारसँग सञ्चारलाई सुदृढ बनायौं। यो अन्तिम एकाईले यो सबैलाई एकै ठाउँमा राख्ने फ्रेमवर्कलाई हेर्छ: नैतिकता, गोपनीयता र विशेषज्ञ निरीक्षण। किनभने तपाईंले विशेष शिक्षामा काम गर्ने "डेटा" तालिका होइन, बच्चा हो; तपाईंले उत्पादन गर्नुभएको "आउटपुट" कागजात होइन, तर बालबालिकाको शिक्षाको अधिकारलाई असर गर्ने निर्णय हो। कृत्रिम बुद्धिमत्ताले यस क्षेत्रमा ठूलो सुविधा प्रदान गर्दछ; तर गलत तरिकाले प्रयोग गर्दा, सबैभन्दा बढी हानि पुऱ्याउन सक्ने मानिसहरू पनि सबैभन्दा कमजोर हुन्छन्। हामीले सुरुदेखि स्थापित गरेको सिद्धान्तलाई अन्तिम पटक दोहोर्यौं: कृत्रिम बुद्धि भनेको सहायक हो; निदान, नियुक्ति, उद्देश्य र बच्चाको भविष्यलाई असर गर्ने निर्णयहरू सक्षम विशेषज्ञ, IEP टोली र परिवारसँग सम्बन्धित छन्।
चार नैतिक सिद्धान्तहरू र तिनीहरूका ठोस समकक्षहरू
हामी विशेष शिक्षामा कृत्रिम बुद्धिमत्ताको प्रयोगलाई चार आधारभूत नैतिक सिद्धान्तहरूमा श्रेय दिन सक्छौं:
- लाभ: बच्चाको शिक्षामा साँच्चै योगदान दिन AI को प्रयोग गरिनु पर्छ; यसले शिक्षकलाई आफ्नो समय खाली गर्न र बच्चालाई थप ध्यान दिन मद्दत गर्नुपर्छ। प्रयोग आफैमा अन्त्य होइन।
- Nonmaleficence: अप्रमाणित, बाल-अनुपयुक्त, वा कलंकित आउटपुटले हानि निम्त्याउन सक्छ। प्रत्येक आउटपुट "यसले बच्चालाई हानि पुर्याउँछ?" को फिल्टर मार्फत जान्छ।
- न्याय: प्रत्येक बालबालिकाको स्रोत र गुणस्तरीय शिक्षामा समान पहुँच हुनुपर्छ। AI ले केही बच्चाहरूलाई विशेषाधिकार दिनु हुँदैन र अरूलाई बेवास्ता गर्नु हुँदैन; सबैलाई व्यक्तिगत ध्यान दिनुपर्छ।
- पूर्वाग्रहबाट जोगिँदै: AI ले यसलाई प्रशिक्षण दिइएको डेटामा स्टेरियोटाइपहरू प्रतिबिम्बित गर्न सक्छ; विशेष प्रकारको असक्षमताले लिंग, संस्कृति वा सामाजिक आर्थिक स्थितिको बारेमा भेदभावपूर्ण उत्पादन उत्पादन गर्न सक्छ। विशेषज्ञले यी नतिजाहरूलाई पहिचान र सच्याउनु पर्छ र प्रत्येक बच्चालाई व्यक्तिगत रूपमा मूल्याङ्कन गर्नुपर्छ।
पूर्वाग्रह विशेष गरी महत्त्वपूर्ण छ किनभने यो कपटी छ। AI ले धाराप्रवाह रूपमा वाक्य उत्पादन गर्न सक्छ जस्तै "त्यस्ता बच्चाहरूले सामान्यतया X गर्न सक्दैनन्"; यद्यपि, यो एक स्टिरियोटाइप हो जुन दुबै गलत छ र बच्चालाई बाधा पुर्याउँछ। विशेषज्ञको कार्य यी ढाँचाहरू हेर्न र बच्चालाई उसको क्षमताको साथ मूल्याङ्कन गर्नु हो।
सावधानी: बच्चाको उद्देश्य सीमित गर्न कुनै AI-उत्पन्न सामान्यीकरणहरू ("X असक्षमता भएका बच्चाहरूले Y गर्न सक्छन्/ गर्न सक्छन्") प्रयोग गर्न सकिँदैन। कम अपेक्षाहरू भेदभावको सबैभन्दा सामान्य र सबैभन्दा अदृश्य रूपहरू मध्ये एक हो।
गोपनीयता: डाटा भण्डारण र साझेदारी सीमा
विद्यार्थी डेटा (पहिचान, निदान, RAM रिपोर्ट, व्यवहार रेकर्ड, पारिवारिक जानकारी) KVKK को दायरा भित्र विशेष व्यक्तिगत डेटा हो। यस इकाईमा नियमहरू स्पष्ट गरौं:
- बेनाम: नाम, ID, प्रोटोकल, स्कूल, ठेगाना र परिवार विवरणहरू कुनै पनि AI उपकरण प्रविष्ट गर्नु अघि हटाइन्छ।
- न्यूनतम डेटा: कार्यको लागि आवश्यक जानकारी मात्र साझा गर्नुहोस्; "केसमा मात्र" सम्पूर्ण फाइल नदिनुहोस्।
- सुरक्षित उपकरण: यदि सम्भव छ भने, कर्पोरेट उपकरणहरू जुनसँग डेटा प्रशोधन सम्झौता छ र तपाइँको डेटा मोडेल प्रशिक्षणमा प्रयोग नगर्नेहरूलाई प्राथमिकता दिइन्छ; संवेदनशील डाटा व्यक्तिगत खाताहरूबाट अपलोड गरिएको छैन।
- भण्डारण र मेटाउने: यदि AI बाट उत्पादित ड्राफ्टहरूमा विद्यार्थी डेटा समावेश छ भने, तिनीहरू संस्थाको नियमहरू अनुसार भण्डारण गरिन्छ र आवश्यक पर्दा मेटाइन्छ; यो अनियमित ठाउँहरूमा छोडिएको छैन।
- साझेदारी: जानकारी केवल अधिकृत व्यक्तिहरू (IEP टोली, परिवार, सान्दर्भिक विशेषज्ञ) र आवश्यक रूपमा मात्र साझेदारी गरिन्छ।
तलको तालिकाले एकै ठाउँमा सम्पूर्ण मोड्युलमा सिकेका सीमाहरूलाई संक्षेप गर्दछ:
क्षेत्र
AI सक्छ
एआई हुन सक्दैन / मानिसको हो
मूल्याङ्कन
बेनामी डेटा संक्षेप
निदान/परिवर्तनहरू
BEP
उद्देश्यहरूको मस्यौदा लेख्छ
इरादा पुष्टि / पुष्टि गर्दछ
सामग्री
छाँटकाँट गर्छ, फरक पार्छ
पाठ्यक्रम/प्रतिलिपि अधिकार निर्णय गर्छ
AAC
कार्ड/कथा रूपरेखा
विधि छान्छ र बच्चालाई अनुकूल बनाउँछ
व्यवहार
ABC संक्षेप, सल्लाह दिन्छ
कार्यको निर्णय गर्दछ, योजना अनुमोदन गर्दछ
प्रगति
डेटा संक्षेप र व्याख्या गर्दछ
अगाडि बढ्ने अन्तिम निर्णय
परिवार
पाठ ड्राफ्टहरू
पाठ प्रमाणित गर्दछ, सम्बन्ध लागू गर्दछ
यस तालिकाको दायाँ स्तम्भ विशेषज्ञ जिम्मेवारीको सीमा हो र कुनै पनि परिस्थितिमा AI लाई प्रत्यायोजित गर्न सकिँदैन।
अन्त-देखि-अन्त सुरक्षित कार्यप्रवाह
मोड्युललाई एकल प्रवाहमा जोडौं। एक सुरक्षित AI-समर्थित ट्युटोरिङ कार्यप्रवाह निम्नानुसार छ: (1) डेटा अज्ञात; (२) स्पष्ट भूमिका र सीमाहरू सहितको प्रम्प्ट लेख्नुहोस्; (3) AI बाट ड्राफ्ट प्राप्त गर्नुहोस्; (4) तीन चरणहरूमा आउटपुट प्रमाणित गर्नुहोस् - स्रोतको लिङ्क, बच्चाको वास्तविक प्रोफाइलसँग तुलना गर्नुहोस्, विशेषज्ञ-फिल्टर; (५) नैतिकता र पूर्वाग्रह लेखापरीक्षण सञ्चालन गर्ने; (६) टोली/परिवारसँग अनुकूलन र प्रमाणीकरण; (7) डाटाको साथ लागू र निगरानी; (८) संस्थाको नियम अनुसार मस्यौदा राख्ने/मेटाउने । यो चक्र प्रत्येक कार्यको साथ दोहोरिन्छ, एआई कहाँ समाप्त हुन्छ र विशेषज्ञ जिम्मेवारी सुरु हुन्छ स्पष्ट राख्दै।
तीन मिनी केसहरू
केस 1 - पूर्वाग्रह पकड्दै। एक शिक्षकले एआईलाई लक्ष्य रूपरेखाको लागि सोधे; आउटपुटमा एउटा वाक्य थियो "यस्ता प्रकारका विद्यार्थीहरूले अमूर्त रूपमा सोच्न सक्दैनन्, लक्ष्य कम राख्नुहोस्।" शिक्षकले यसलाई स्टेरियोटाइपको रूपमा मान्यता दिए; उनको आफ्नै विद्यार्थी अमूर्त सम्बन्ध स्थापित गर्न सक्षम थियो। उनले वाक्य निकाले र बच्चाको वास्तविक क्षमतामा आधारित लक्ष्य लेखे। नैतिक पर्यवेक्षणले बच्चालाई बाधा पुर्याउने कम अपेक्षालाई रोक्छ।
केस २ - गोपनीयता अनुशासन। एउटा संस्थाले सबै शिक्षकहरूलाई AI प्रयोग गर्नु अघि "अनामकरण जाँच" गर्ने नियम बनायो। एक शिक्षकले RAM रिपोर्ट संक्षेप गर्नु अघि नाम, प्रोटोकल, र पारिवारिक जानकारी हटाए। महिना पछि, एक डाटा अडिटले देखायो कि संगठनले बाहिरी उपकरणलाई कुनै पनि संवेदनशील डाटा प्रदान गरेको छैन। एउटा साधारण बानीले संगठनलाई गम्भीर जोखिमबाट जोगाएको छ।
केस ३ - जिम्मेवारी प्रत्यायोजन गर्दा त्रुटि। एक शिक्षक, समयको दबाबमा, एक AI द्वारा उत्पादित व्यवहार योजना यसलाई नपढाई लागू गरे। योजना बच्चाको कार्यशैलीमा फिट भएन र व्यवहार बढ्यो। समस्या एआईको "गल्ती" होइन तर जिम्मेवारीको प्रतिनिधिमण्डल थियो। अप्रमाणित आउटपुट एक हस्ताक्षर नगरिएको विशेषज्ञ निर्णय जस्तै हो; जिम्मेवारी सधैं विज्ञ संग छ। गल्ती: जिम्मेवारीको लागि सुविधा प्रतिस्थापन।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर प्रम्प्ट:
यस विद्यार्थीको बारेमा सबै कुरा विश्लेषण गर्नुहोस् र मलाई के गर्ने भन्नुहोस्।
यो अनुरोधले हामीलाई "सबै कुरा" भन्दै आवश्यक भन्दा बढी डाटा (सायद पहिचान सहित) साझा गर्न धक्का दिन्छ र निर्णयलाई AI मा स्थानान्तरण गर्दछ। यसले दुई आधारभूत सिद्धान्तहरू पनि उल्लङ्घन गर्दछ।
शक्तिशाली प्रम्प्ट:
तपाईंको भूमिका: विशेष शिक्षा विशेषज्ञको सहायक।केवल निम्न बेनामी, कार्य-विशेष जानकारी प्रयोग गर्नुहोस्: [न्यूनतम आवश्यक]।कार्य: [एकल, स्पष्ट कार्य] को लागि मस्यौदा तयार गर्नुहोस्।नियम: निदान/निर्णय लिनुहोस्। सामान्यीकरण/स्टेरियोटाइप नगर्नुहोस्। तपाईं निश्चित हुनुहुन्न भनेर बताउनुहोस्। मान्नुहोस् कि यो पेशेवर द्वारा प्रमाणित हुनेछ र टोली/परिवार संग पुष्टि हुनेछ।
यो दावीमा न्यूनतम डेटा, स्पष्ट कार्य, पूर्वाग्रह, र निर्णय सीमाहरू सँगै समावेश छन्; यसले एकल टेम्प्लेटमा मोड्युलका सबै सिद्धान्तहरू सङ्कलन गर्दछ।
सामान्य गल्तीहरू
- जिम्मेवारी सुम्पने । AI मा निर्णय छोड्दै; आउटपुट पढे बिना कार्यान्वयन।
- पूर्वाग्रह देख्दैनन् । स्टिरियोटाइपिकल, अपेक्षा-कम सामान्यीकरणहरू याद गर्दैन।
- अत्यधिक डाटा साझेदारी गर्दै। "सबै कुराको विश्लेषण गर्नुहोस्" भनी उपकरणलाई अनावश्यक, संवेदनशील डेटा दिँदै।
- गुमनामकरण बाइपास गर्दै। पहिचान, निदान र पारिवारिक जानकारी खाली नगरी काम गर्दै।
- ड्राफ्टहरू असुरक्षित रूपमा भण्डारण गर्दै। विद्यार्थी डेटा समावेश प्रिन्टआउटहरू अनियमित ठाउँहरूमा छोड्दै।
- नैतिक लेखापरीक्षणलाई औपचारिक रूपमा हेर्दै। "यसले हानि पुर्याउँछ, के यो जायज छ, के यो पक्षपाती छ?" जस्ता प्रश्नहरू छोड्नुहोस्।
संक्षेपमा
विशेष शिक्षामा, AI एक शक्तिशाली सहायक हो, तर तपाईंले सबैभन्दा कमजोर व्यक्तिहरूसँग काम गरिरहनुभएको हुनाले, नैतिकता र गोपनीयता गैर-वार्तालाप योग्य छन्। चार सिद्धान्तहरूले हामीलाई मार्गदर्शन गर्दछ: कल्याण, गैर-दोष, न्याय, पूर्वाग्रहबाट बच्न। विद्यार्थी डेटा गुमनाम छ, न्यूनतम र सुरक्षित माध्यमहरूसँग साझेदारी गरिएको छ, र सुरक्षित रूपमा भण्डारण गरिएको छ। अन्त-देखि-अन्त सुरक्षित कार्यप्रवाह; चक्र गुमनाम छ, मस्यौदा प्राप्त गर्नुहोस्, तीन चरणहरूमा प्रमाणित गर्नुहोस्, नैतिक समीक्षा, टोली/परिवारसँग अनुमोदन गर्नुहोस्, डेटाको साथ ट्र्याक गर्नुहोस्। जहाँ AI यस चक्रमा समाप्त हुन्छ, विशेषज्ञ जिम्मेवारी सुरु हुन्छ। एक अप्रमाणित आउटपुट एक अहस्ताक्षरित विशेषज्ञ निर्णय जस्तै हो; हस्ताक्षर सधैं तपाईंको हो।
आवेदन कार्य
तपाईंले सम्पूर्ण मोड्युल (IEP लक्ष्य, सामग्री, व्यवहार योजना, वा पारिवारिक पाठ) मा उत्पादन गर्नुभएको रूपरेखाहरू मध्ये एउटा छनोट गर्नुहोस् र यसलाई यस एकाइमा "अन्त-देखि-अन्त सुरक्षित कार्यप्रवाह" चरणहरू मार्फत लिनुहोस्। विशेष गरी, नैतिकता/पूर्वाग्रहको लागि जाँच गर्नुहोस्: त्यहाँ कम सामान्यीकरण, एक कलंक कथन, वा आउटपुटमा गोपनीयता चुहावट छ? तपाईंले फेला पार्नुहुने कुनै पनि समस्याहरू समाधान गर्नुहोस् र प्रवाहको कुन चरणले त्यो समस्यालाई समात्यो नोट गर्नुहोस्।
चेकलिस्ट
- [] मैले डेटा गुमनाम गरें; मैले आवश्यक न्यूनतम मात्र साझा गरें।
- [] मैले तीन चरणहरू (स्रोत/प्रोफाइल/विशेषज्ञ) मार्फत आउटपुट प्रमाणित गरें।
- [ ] मैले पूर्वाग्रहहरू र अपेक्षाहरू कम गर्ने सामान्यीकरणहरू हटाएँ।
- [ ] मैले कलंकित भाषालाई हटाएँ; मैले चार नैतिक सिद्धान्तहरू अवलोकन गरें।
- [ ] मैले ड्राफ्टहरू सुरक्षित राखें/ आवश्यक पर्दा मेटाइदिएँ।
- [] मैले अन्तिम निर्णय र जिम्मेवारी विशेषज्ञ/टोली/परिवारको रूपमा लिएको छु।
मोड्युल परीक्षा
1. एक विशेष शिक्षा शिक्षकले विद्यार्थीको नाम र उमेर दिएर कृत्रिम बुद्धिमत्तालाई 'यो बच्चाको निदान के हो' भनेर सोध्छन् र जवाफ IEP फाइलमा लेख्छन्। यस दृष्टिकोणमा आधारभूत त्रुटि के हो?
- A) निदान गर्ने अधिकार RAM र अधिकृत विशेषज्ञहरूको हो भन्ने कुरालाई बेवास्ता गर्दै; आधिकारिक रेकर्डमा अप्रमाणित आउटपुट पनि सार्नुहोस् ✔
- ख) आर्टिफिसियल इन्टेलिजेन्सलाई उमेरको जानकारी दिनु अनावश्यक छैन
- C) BEP फाइललाई डिजिटल वातावरणमा राख्न निषेध गरिएको छ
- D) आर्टिफिसियल इन्टेलिजेन्सले जहिले पनि निदानलाई यो भन्दा भारी देखिन्छ
स्पष्टीकरण: कृत्रिम बुद्धिमत्ताले निदान गर्न सक्दैन र गर्नु हुँदैन; निदान र मूल्याङ्कन RAM र अधिकृत विशेषज्ञहरूको काम हो। थप रूपमा, मोडेललाई डाटा नदिई, इच्छित आउटपुट फेब्रिकेसन (भ्रम) बन्छ र विद्यार्थी पहिचान साझा गर्नु गोपनीयताको उल्लङ्घन हो।
2. छोटो अवधि (मापनयोग्य) BEP लक्ष्यमा निम्न मध्ये कुन मुख्य विशेषता हुनुपर्छ?
- क) विद्यार्थीलाई सामान्यतया विषय मन पराउने लक्ष्य राख्दै
- ख) यो केवल शिक्षकको अवलोकनमा आधारित छ र संख्यात्मक मापदण्ड समावेश गर्दैन
- ग) एक वाक्यमा सकेसम्म लामो र धेरै परिणामहरू जम्मा गर्नुहोस्।
- D) अवलोकनयोग्य व्यवहार, अवस्था र मापनयोग्य सफलताको मापदण्ड समावेश गर्दछ ✔
स्पष्टीकरण: छोटो अवधिको लक्ष्यले अवलोकनयोग्य व्यवहार, अवस्था, र मापदण्ड (कति परीक्षणहरू, कति प्रतिशत, स्वतन्त्रताको कुन स्तर) समावेश गर्दछ। 'बुझिन्छ', 'सिक्छ', 'सचेत हुन्छ' जस्ता अथाह अभिव्यक्तिहरूले उद्देश्य लेख्नमा त्रुटिहरू निम्त्याउँछ।
3. एक शिक्षकले सार्वजनिक रूपमा उपलब्ध कृत्रिम बुद्धिमत्ता उपकरणमा विद्यार्थीको पूरा नाम, TR ID नम्बर र निदान समावेश गर्ने RAM रिपोर्ट अपलोड गर्छ र 'संक्षेप' भन्छ। सही दृष्टिकोण के हुनेछ?
- A) कुनै पनि परिमार्जन बिना रिपोर्ट अपलोड गर्नुहोस्, किनकि सारांशमा सबै जानकारी आवश्यक छ
- B) केवल TR ID नम्बर मेटाउनुहोस् र नाम र निदान छोड्नुहोस्
- C) पहिचान जानकारी हटाउने, डाटा गुमाउने र सुरक्षित/संस्थागत उपकरण छनोट गर्ने ✔
- घ) आफ्नो व्यक्तिगत खाताबाट इमेल मार्फत रिपोर्ट साझा गर्दै र तदनुसार सारांश
स्पष्टीकरण: विद्यार्थी डेटा KVKK को दायरा भित्र विशेष व्यक्तिगत डेटा हो। पहिचान जानकारी हटाउनु पर्छ र डाटा गुमनाम ('10-वर्षीय पुरुष विद्यार्थी'), र यदि सम्भव छ भने, एक सुरक्षित उपकरण जुन संस्थागत हो र शिक्षामा डाटा प्रयोग नगर्ने प्राथमिकता दिइनुपर्छ।
4. वैकल्पिक र संवर्द्धन संचार (AAC) को लागि कृत्रिम बुद्धिमत्ता संग सामाजिक कथा सिर्जना गर्दा सबै भन्दा राम्रो मनोवृत्ति के हो?
- क) विशेष गरी बच्चाको लागि मस्यौदा मिलाउनुहोस् र यसलाई विशेषज्ञबाट अनुमोदन गराउनुहोस् ✔
- ख) उत्पादित कथालाई कुनै पनि परिवर्तन नगरी सबै विद्यार्थीहरूको लागि ठ्याक्कै प्रयोग गर्ने
- ग) सकेसम्म लामो र अमूर्त शब्दहरूको साथ कथा लेख्ने
- D) भिजुअल समर्थन थप नगरी लामो पाठ मात्र दिँदै
विवरण: कृत्रिम बुद्धिमत्ताले ड्राफ्टहरू उत्पन्न गर्दछ; यद्यपि, सामाजिक इतिहास र सञ्चार समर्थनलाई बच्चाको व्यक्तिगत विशेषताहरू अनुरूप र वाक्-भाषा रोगविज्ञानी/विशेषज्ञद्वारा अनुमोदन गरिनुपर्छ। एक सामान्य रूपरेखा प्रत्यक्ष रूपमा लागू गर्न सकिँदैन।
5. सकारात्मक व्यवहार समर्थन योजनामा आर्टिफिसियल इन्टेलिजेन्सबाट मद्दत प्राप्त गर्दा निम्न मध्ये कुन आधारभूत सिद्धान्त हो?
- क) उसलाई / उनको व्यवहारलाई छिट्टै दबाउन कडा भन्दा कडा सजायको सिफारिस गर्न सोध्नुहोस्।
- ख) व्यवहारको कार्य बुझ्नुहोस् र वैकल्पिक सकारात्मक व्यवहार र रोकथाम रणनीति ड्राफ्ट उत्पादन गर्नुहोस् ✔
- ग) विद्यार्थीलाई नचिनेर व्यवहारको नाम हेरेर योजनालाई अन्तिम रूप दिने
- घ) प्रक्रियामा परिवार र विशेषज्ञलाई संलग्न नगरी योजना कार्यान्वयन गर्ने
स्पष्टीकरण: सकारात्मक व्यवहार समर्थन सजाय उन्मुख छैन; यसले व्यवहारको कार्य (कार्यात्मक मूल्याङ्कन), निवारक नियमहरू बुझ्ने र अवांछनीय व्यवहारको सट्टा सिकाउने वैकल्पिक व्यवहार प्रदान गर्ने लक्ष्य राख्छ। विशेषज्ञ पर्यवेक्षण आवश्यक छ।
6. प्रगति ट्र्याक गर्न 'डेटा-संचालित निर्णय' को अर्थ के हो?
- क) वर्षको अन्त्यमा एकल अवलोकनको आधारमा निर्णय लिने
- ख) डाटा नहेरी शिक्षकको सामान्य धारणामा आधारित प्रगति प्रतिवेदन लेख्ने
- ग) कृत्रिम बुद्धिमत्ताको व्याख्यामा पूर्ण रूपमा निर्णय छोड्दै
- घ) नियमित मापन डाटा हेरेर लक्ष्यलाई कायम राख्न, अनुकूलन गर्ने वा परिवर्तन गर्ने निर्णय गर्ने ✔
स्पष्टीकरण: डाटामा आधारित निर्णय गर्ने भनेको नियमित उपलब्धिमा आधारित मापन (प्रतिशत, प्रयासको संख्या, स्वतन्त्रताको स्तर) हेरेर लक्ष्यलाई कायम राख्न, अनुकूलन गर्ने वा परिवर्तन गर्ने निर्णय हो। आर्टिफिसियल इन्टेलिजेन्सले डेटाको सारांश दिन्छ र व्याख्याको सुझाव दिन्छ; विज्ञले निर्णय गर्छ।
7. सार्वभौमिक डिजाइन (UDL) सिद्धान्त अनुसार, सामग्री पहुँचयोग्य बनाउन उत्तम तरिका के हो?
- क) सामग्रीलाई एउटा मात्र ढाँचामा, सानो प्रिन्ट र बाक्लो पाठमा प्रस्तुत गर्दै
- B) सादा भाषा र वैकल्पिक पाठ प्रदान गर्दै, धेरै तरिकामा सामग्री प्रस्तुत गर्दै ✔
- ग) सबै अनुकूलनहरू हटाउनुहोस् र सबैलाई समान मानक सामग्री दिनुहोस्
- घ) रङ परिवर्तन गरेर मात्र पहुँच प्राप्त हुन्छ भनी मान्दै
विवरण: UDL ले धेरै तरिकामा सामग्री प्रस्तुत गर्ने परिकल्पना गर्दछ (पाठ, भिजुअल, अडियो), सादा भाषा, वैकल्पिक पाठ र लचिलो ढाँचाहरू। उद्देश्य एक 'औसत' विद्यार्थी मात्र होइन, विभिन्न आवश्यकताहरू अनुरूप डिजाइन गर्नु हो। अन्तिम निरीक्षण विशेषज्ञ र वास्तविक प्रयोगकर्ता परीक्षण मा निर्भर गर्दछ।
8. एक शिक्षकले कृत्रिम बुद्धिमत्ताद्वारा उत्पादित पारिवारिक जानकारी पाठ परिवारलाई जाँच नगरी पठाउँछन्, र पाठमा गलत भेटघाट मिति र अतिरंजित 'रिकभरी' वाचा समावेश छ। यहाँ मौलिक गल्ती के हो?
- क) पुष्टि नगरी पाठ पठाएर गलत जानकारी र अवास्तविक अपेक्षाहरू सिर्जना गर्ने ✔
- ख) परिवारलाई लिखित पाठ पठाउनु आफैमा गलत हो।
- C) पाठ धेरै छोटो छ
- D) कृत्रिम बुद्धिमत्तालाई पारिवारिक पाठ उत्पादन गर्न कडा रूपमा निषेध गरिएको छ
विवरण: परिवारसँग साझा गरिएको प्रत्येक पाठ शुद्धता, गोपनीयता र विशेषज्ञ अनुमोदनको साथ उत्पादन गर्नुपर्छ। कृत्रिम बुद्धिमत्ता धाराप्रवाह छ तर गलत जानकारी (भ्रम) उत्पन्न गर्न सक्छ; प्रमाणीकरण बिना पठाइएको पाठले विश्वास र प्रक्रियालाई हानि पुर्याउँछ।
9. समावेशीकरण/एकीकरण वर्गमा भिन्नता बनाउँदा तलका मध्ये कुन सही दृष्टिकोण हो?
- क) विद्यार्थीलाई पूर्ण रूपमा कक्षाकोठाबाट अलग गर्ने र प्रत्येक गतिविधि एक्लै गर्न लगाउने
- ख) समान उपलब्धिलाई साझा जिम्मेवारीका साथ समर्थन गर्दै, स्तर अनुसार अनुकूलन र लेबल नगरी ✔
- ग) कुनै अपवाद बिना सम्पूर्ण कक्षालाई एउटै सामग्री दिनु र कुनै अनुकूलन नगरी
- घ) अनुकूलनलाई विशेष शिक्षा शिक्षकमा मात्र छोड्ने र कक्षाकोठा शिक्षकलाई प्रक्रियाबाट हटाउने
स्पष्टीकरण: भिन्नता भनेको एउटै सिकाइको नतिजालाई विभिन्न स्तरहरूमा अनुकूल बनाउनु र विद्यार्थीलाई लेबल नगरी समर्थन गर्नु हो। अनुकूलन कक्षाकोठा शिक्षक र विशेष शिक्षा शिक्षकको संयुक्त जिम्मेवारी हो; विद्यार्थीलाई आफ्ना साथीहरूबाट अलग गर्ने र कलंकित गर्ने समाधानहरू बेवास्ता गरिन्छ।
10. विशेष शिक्षाको सन्दर्भमा एआई भाषा मोडेलहरूले 'विभ्रम' उत्पादन गर्न किन विशेष जोखिमपूर्ण छ?
- A) किनभने मोडेल सधैं बिस्तारै चल्छ
- B) किनभने मोडेल टर्की थाहा छैन
- C) किनभने भ्रम केवल दृश्य उत्पादनमा हुन्छ
- D) किनभने बनाइएको जानकारीले बच्चाको शैक्षिक निर्णयलाई असर गर्न सक्छ र धाराप्रवाह भाषामा सत्य हो भनेर मान्न सकिन्छ ✔
स्पष्टीकरण: एक भ्रम तब हुन्छ जब मोडेलले अस्तित्वमा नभएको जानकारीलाई साँचो रूपमा बनाउँछ। विशेष शिक्षामा बनेको कानून, गलत विकास मापदण्ड वा काल्पनिक विधिले बालबालिकाको शिक्षा र विकासको अधिकारलाई प्रत्यक्ष असर पार्न सक्छ; त्यसैले प्रत्येक आउटपुट प्रमाणित हुनुपर्छ।
11. विशेष शिक्षामा कृत्रिम बुद्धिमत्ता प्रयोग गर्ने नैतिक सिद्धान्तहरूमा 'पूर्वाग्रहबाट बच्ने' को अर्थ के हो?
- A) मोडेल द्वारा उत्पादित स्टिरियोटिपिकल वा भेदभावपूर्ण आउटपुटहरू पहिचान गर्ने र सच्याउने र प्रत्येक बच्चालाई व्यक्तिगत रूपमा मूल्याङ्कन गर्ने ✔
- ख) द्रुत आउटपुट प्राप्त गर्न लामो प्रम्प्टहरू नलेख्नुहोस्।
- ग) केवल एक प्रकारको अवरोधमा कृत्रिम बुद्धिमत्ता प्रयोग गर्दै
- घ) सबै विद्यार्थीहरूलाई समान पक्षपाती टेम्प्लेट लागू गर्दै
स्पष्टीकरण: आर्टिफिसियल इन्टेलिजेन्सले डेटामा पूर्वाग्रहहरू प्रतिबिम्बित गर्न सक्छ जसमा यसलाई प्रशिक्षण दिइएको छ; विशेष प्रकारको असक्षमता, लिङ्ग, सामाजिक आर्थिक स्थिति, वा संस्कृतिको बारेमा स्टिरियोटाइपिकल आउटपुट उत्पादन गर्न सक्छ। विशेषज्ञले यस सम्बन्धमा नतिजाको निगरानी गर्नुपर्छ र प्रत्येक बच्चालाई व्यक्तिगत रूपमा मूल्याङ्कन गर्नुपर्छ।
12. आर्टिफिसियल इन्टेलिजेन्सको साथ RAM रिपोर्ट संक्षेपमा र विद्यार्थी प्रोफाइल सिर्जना गर्दा 'शक्ति' खण्ड समावेश गर्नु किन महत्त्वपूर्ण छ?
- क) प्रतिवेदन लामो देखाउनको लागि
- B) शक्तिहरू फारमको लागि मात्र प्रयोग गरिन्छ, यद्यपि तिनीहरू कानुनी रूपमा आवश्यक छैनन्।
- ग) क्षमतामा आधारित योजना बनाउने र विद्यार्थीलाई उसको कमजोरीबाट मात्र परिभाषित नगर्ने ✔
- घ) आवश्यकताहरूलाई पूर्ण रूपमा बेवास्ता गर्ने र सकारात्मक रूपमा मात्र लेख्ने
स्पष्टीकरण: विशेष शिक्षामा योजना शक्तिमा आधारित हुन्छ; केवल एक कमी/आवश्यक-उन्मुख प्रोफाइलले विद्यार्थीलाई उसको कमजोरीहरूको साथ परिभाषित गर्दछ। बलहरू लक्ष्य र प्रेरणाको आधार हुन् र सकारात्मक, वृद्धि-उन्मुख दृष्टिकोण प्रदान गर्छन्।
13. अनुकूलित सामग्रीको उत्पादनमा 'प्रतिलिपि अधिकार र मौलिकता' को सन्दर्भमा सही दृष्टिकोण के हो?
- A) प्रतिलिपि अधिकार भएका क्यारेक्टरहरू र सामग्री जाँच नगरी आउटपुट पुन: उत्पादन गर्दै
- ख) पाठ्यक्रम, शुद्धता र प्रतिलिपि अधिकारको अनुपालनको सन्दर्भमा सामग्री जाँच र मौलिकता ✔
- C) प्रत्येक छविलाई व्यावसायिक रूपमा वितरण गर्नुहोस्, स्रोतको पर्वाह नगरी
- D) प्रतिलिपि अधिकार मुद्दा डिजिटल सामग्रीमा लागू हुँदैन भनेर मान्दै
स्पष्टीकरण: आर्टिफिशियल इन्टेलिजेन्स आउटपुट अन्य स्रोतहरूबाट खुवाइएको हुन सक्छ; प्रतिलिपि अधिकार सामग्री, ब्रान्ड वर्ण वा अप्रमाणित जानकारी समावेश हुन सक्छ। विज्ञले पाठ्यक्रम, शुद्धता र प्रतिलिपि अधिकारको अनुपालनको लागि सामग्री जाँच गर्नुपर्छ, र स्रोत उद्धृत गरी आवश्यक पर्दा मौलिकता दिनुपर्छ।
14. सम्पूर्ण मोड्युलमा जोड दिइएको मुख्य सिद्धान्तले विशेष शिक्षामा कृत्रिम बुद्धिमत्ताको भूमिकालाई कसरी वर्णन गर्छ?
- क) आर्टिफिसियल इन्टेलिजेन्सले विशेषज्ञलाई प्रतिस्थापन गर्छ र स्वचालित रूपमा निर्णय गर्छ
- ख) आर्टिफिसियल इन्टेलिजेन्स नोट लिनेका लागि मात्र प्रयोग गर्न सकिन्छ अरू केही छैन
- C) जब कृत्रिम बुद्धिमत्ता प्रयोग गरिन्छ, विशेषज्ञ पर्यवेक्षण अब आवश्यक छैन
- घ) आर्टिफिसियल इन्टेलिजेन्स एक सहायक र ड्राफ्ट जनरेटर हो; अन्तिम निर्णय र जिम्मेवारी विशेषज्ञ, टोली र परिवारको हो ✔
विवरण: कृत्रिम बुद्धिमत्ता एक सहायक र स्केच जेनरेटर हो; निदान, नियुक्ति, लक्ष्य सेटिङ र बच्चाको भविष्यलाई असर गर्ने निर्णयहरू सक्षम विशेषज्ञ, IEP टोली र परिवारको हो। अप्रमाणित आउटपुट एक अहस्ताक्षरित विशेषज्ञ निर्णय जस्तै हो।