Winst:
- Begrijpen dat studentgegevens persoonlijke en vaak privégegevens zijn, en de anonimiserings- en opslagregels binnen de reikwijdte van KVKK en beroepsgeheim
- Vermogen om de-identificatie te oefenen en een veilig/institutioneel hulpmiddel te kiezen bij het invoeren van gegevens in openbaar beschikbare hulpmiddelen voor kunstmatige intelligentie
- Begrijpen dat toestemming voor het delen van gegevens, dataminimalisatie en naleving van het schoolbeleid de verantwoordelijkheid van de leraar zijn.
Een leraar heeft tijdens zijn werk toegang tot zeer gevoelige informatie: cijfers, gedragsgegevens, gezondheidstoestand, familie-informatie, begeleidingsgesprekken, sociaal-economische gegevens. Deze informatie behoort tot de meest persoonlijke ruimte van de leerling en als deze in verkeerde handen valt, kan dit levenslange schade veroorzaken. De meeste AI-tools zijn cloudgebaseerd, wat betekent dat de tekst die u typt wordt verwerkt op externe bedrijfsservers, niet op uw computer, en in sommige tools kan deze worden gebruikt om het model te ontwikkelen. Het schrijven van de informatie van een leerling in een openbare AI betekent dat u deze buiten uw controle neemt. Deze eenheid vormt de meest kritische beveiligingslaag bij het gebruik van AI in het onderwijs. De regel is duidelijk: anonimiseer eerst de gegevens van studenten, gebruik indien mogelijk veilige/institutionele tools; De verantwoordelijkheid ligt bij de leraar.
Welke gegevens worden beschermd? Kader van KVKK
Persoonsgegevens zijn alle gegevens die een persoon specifiek of identificeerbaar maken: naam-achternaam, schoolnummer, identiteitskaart, foto of zelfs indirecte beschrijvingen zoals ‘de langste leerling van 3-A’ in één context. Bijzondere (gevoelige) persoonsgegevens worden sterker beschermd: gezondheid, etniciteit, religie, strafrechtelijke veroordeling, biometrische gegevens, lidmaatschap van een vereniging/vakbond. Het gezondheidsrapport van de student, de diagnose van een leerstoornis of familietrauma vallen in deze categorie.
KVKK (Wet Bescherming Persoonsgegevens) vereist dat persoonsgegevens rechtmatig, voor een specifiek doel, op een afgemeten en veilige manier worden verwerkt. Praktische implicaties voor de docent: gebruik data alleen als dat nodig is (dataminimalisatie), misbruik data niet, bewaar ze veilig, deel ze niet zonder toestemming met derden (waaronder publieke AI). Er geldt ook een beroepsgeheim: de leraar mag de informatie die hij over de leerling en zijn gezin te weten komt, niet openbaar maken.
Let op: Ervan uitgaande dat "het bedrijf dit toch niet leest" is niet veilig. Sommige gratis AI-tools kunnen input tijdens trainingen opslaan/gebruiken. Als de gegevens eenmaal bekend zijn, kunnen deze niet meer worden opgehaald. Het veiligste is om de gegevens nooit te verwijderen.
Anonimisering: er een reflex van maken
Anonimisering betekent het verwijderen van alle elementen die een persoon identificeren uit de gegevens en het onomkeerbaar generaliseren ervan. In de praktijk:
- Voor-achternaam → "Student A", "een student"
- Schoolnummer, TR ID, klastak → volledig verwijderen
- Naam van ouder, telefoonnummer, adres → verwijderen
- Zeldzame/beschrijvende details → generaliseren (zinnen als ‘één leerling die een rolstoel gebruikt’ verraden de persoon; zeg ‘één leerling’)
- Naam van school/instelling → sluit af of zeg "onze school"
Voordat u een tekst aan de AI geeft, moet u ervan uitgaan dat een vreemde deze zal lezen: kan uit deze tekst worden opgemaakt welk kind het is? Als het duidelijk is, generaliseer dan verder.
Veilige voertuigselectie
Niet alle AI-tools zijn hetzelfde. Het veiligst zijn bedrijfstools die uw school/instelling ter beschikking stelt, een overeenkomst voor gegevensverwerking (DPA) heeft en geen input gebruikt in het onderwijs. Met gratis, openbaar beschikbare tools zou de aanname het worst case scenario moeten zijn. Wanneer u een hulpmiddel kiest, vraag dan: Worden mijn invoer opgeslagen? Wordt het gebruikt in het onderwijs? Waar worden de gegevens verwerkt? Keurt het schoolbeleid dit instrument goed? Als u het niet zeker weet, gebruik de gegevens dan niet zonder deze te anonimiseren.
Stap voor stap: privé-beveiligde workflow
- Scannen naar persoonlijke gegevens. Naam, nummer, instelling, gevoelige situatie.
- Anonimiseren. Vervangen door algemene uitdrukkingen; identificerende gegevens verwijderen.
- Pas dataminimalisatie toe. Voeg geen informatie toe die niet vereist is voor de taak.
- Selecteer voertuig. Institutioneel indien mogelijk; Als dat niet het geval is, ga dan uit van het slechtste scenario.
- Gebruik het. Werk alleen met anonieme tekst.
- Controleer ook de uitvoer. De AI kan de informatie die u hem geeft terugkaatsen; Er mag geen identiteitslekken in de uitvoer voorkomen.
drie minikoffers
Geval 1 — Opname op het laatste moment. Een begeleidingsadviseur schreef naar AI om te overleggen over het gezinsprobleem van een leerling; De tekst bevatte naam, rang en 'zijn moeder ligt in het ziekenhuis'. Hij merkte het op zonder het te verzenden en generaliseerde het allemaal als '13-jarige student, een gezondheidsprobleem in zijn gezin'. De suggesties voor de algemene aanpak die hij ontving, werkten; Er zijn geen persoonlijke gegevens gelekt.
Geval 2 — Indirecte identificatie. Een leraar schreef aan AI dat het 'materiaal was voor de enige visueel gehandicapte leerling in de klas'. Er was geen naam, maar de zin beschreef duidelijk die jongen op school. Toen hij het merkte, veranderde hij het in 'voor een leerling die ondersteuning bij het zien nodig heeft'. Anonimiseren gaat niet alleen over het verwijderen van namen, maar ook over het verbergen van identificerende details.
Geval 3 — Voertuigselectie. Eén school verbood leraren om gratis tools met leerlinggegevens te gebruiken en bood een bedrijfstool met gegevensbeveiliging aan. Eén leraar plakte uit gewoonte de analyse van notities in de gratis tool; Dankzij de beleidsherinnering schakelde hij over naar de bedrijfstool en anonimiseerde hij de gegevens nog steeds. Twee lagen bescherming gecombineerd.
Kopieerbare sjablonen
1) Scannen vóór anonimisering:
Stel dat een vreemdeling de volgende tekst leest. Kan uit deze tekst direct OF indirect worden opgemaakt welke student hij is? Maak een lijst van alle uitdrukkingen die de identiteit verraden (naam, nummer, instituut, zeldzaam kenmerk) en stel voor elk een algemeen alternatief voor. Tekst: [plakken]
2) Veilige zelfbeoordeling van voertuigen:
Schrijf een checklist met zes vragen om een AI-tool te evalueren die ik overweeg te gebruiken: invoeropslag, gebruik in het onderwijs, gegevenslocatie, institutionele goedkeuring, recht om te verwijderen, naleving van gevoelige gegevens. Voeg bij elke vraag 'wat te doen indien ja/wat te doen indien nee' toe.
3) Controle op gegevensminimalisatie:
Vereenvoudig de tekst die ik de AI zal geven voor de volgende taak: verwijder alle persoonlijke/contextuele details die de taak NIET VEREIST, en laat alleen over wat nodig is om de taak uit te voeren. Taak: [beschrijf]. Tekst: [plakken]
4) Ontwerp schoolbeleid (voor leraren):
Stel een korte, duidelijke lijst van acht punten op met regels voor leraren op een school om AI-tools te gebruiken om leerlinggegevens te beveiligen: anonimisering, goedgekeurde tool, gevoelige gegevens, bewaring, toestemming, melding van inbreuken. Laat er Turkse, toepasselijke artikelen zijn. Ik zal dit ter goedkeuring voorleggen aan het management/deskundige.
Zwakke prompt/sterke prompt
Zwakke prompt:
Ahmet Yılmaz, 7-B nummer 214, is erg zwak in wiskunde en zijn vader is onverschillig; Wat moet ik voor deze leerling doen?
Naam, nummer, klasse, familiejurisdictie – een grove schending van de vertrouwelijkheid; De gegevens liggen buiten uw controle.
Krachtige prompt:
Stel drie ondersteuningsstrategieën voor die op school kunnen worden geïmplementeerd voor een leerling van groep 7 die moeite heeft met basishandelingen in de wiskunde, ervan uitgaande dat er thuis beperkte ondersteuning is. (Studenten anoniem; ik deel geen persoonlijke informatie.)
Gegevenstype
voorbeeld
Wordt het aan AI gegeven?
Hoe
directe identificatie
Naam, nummer, TR
nee
Volledig verwijderen
indirecte identificatie
"Alleenstaande student met een handicap"
nee
generaliseren
Gevoelige gegevens
Gezondheid, diagnose, familie
heel voorzichtig
Anoniem + ondernemingstool
Algemene pedagogische situatie
"Een worstelende student"
Ja
anoniem
Veel voorkomende fouten
- Verwijder gewoon de naam. Als het aantal, de klasse of de indirecte definitie blijft bestaan, is de identiteit nog steeds duidelijk.
- De indirecte definitie over het hoofd ziend. Uitdrukkingen als 'Jij bent de enige in je klas...' verraden de persoon.
- Licht omgaan met gevoelige gegevens. Gezondheids-/familiegegevens zijn bijzondere gegevens en vereisen een hogere bescherming.
- Uitgaande van de voertuigveiligheid. Het is riskant om aan te nemen dat de gratis tool geen gegevens opslaat; Ga uit van het ergste.
- Geen controle over de output. De AI kan de inloggegevens die u in het antwoord verstrekt, herhalen; maak ook de uitvoer schoon.
Tip: “Twee-minutenregel”: voordat u een studentgerelateerde tekst in de AI plakt, neem twee minuten de tijd om de naam, het nummer, de instelling en de identificatiegegevens te wissen. Deze kleine gewoonte voorkomt de grootste overtredingen.
Samengevat
Studentengegevens zijn persoonlijke, vaak privégegevens en zijn beschermd onder het KVKK- en beroepsgeheim. Openbare AI-tools zijn cloudgebaseerd; Door de gegevens te geven zoals ze zijn, zijn ze niet meer onder controle. De juiste manier: om persoonlijke en indirect identificerende informatie te anonimiseren, alleen datgene te delen wat nodig is (dataminimalisatie), indien mogelijk bedrijfs- en goedgekeurde tools te gebruiken en de output te controleren. De verantwoordelijkheid ligt bij de leraar.
Applicatie taak
Neem een tekst over een leerling die je de afgelopen week hebt geschreven (of overweegt te schrijven) naar AI. Detecteer en generaliseer alle directe en indirecte identificatiegegevens met de sjabloon ‘pre-anonimiseringsscreening’. Evalueer vervolgens de AI-tool die u gebruikt aan de hand van de lijst ‘Secure tool self-assessment’ en beslis welk type gegevens u met deze tool kunt gebruiken.
controlelijst
- [ ] Heb ik directe identificatiegegevens zoals naam, nummer, TR ID, instelling verwijderd?
- [ ] Heb ik indirecte descriptoren gegeneraliseerd, zoals "De enige in uw klas..."?
- [ ] Heb ik gevoelige (gezondheids-/familie)gegevens extra beschermd behandeld?
- [ ] Heb ik het gegevensbeleid en de schoolgoedkeuring van het voertuig dat ik gebruik gecontroleerd?
- [ ] Heb ik ook gecontroleerd op identiteitslekken in de uitvoer?