Gevinster:
- Evne til å forstå og implementere at barnets data er spesielle data og at de skal anonymiseres innenfor rammen av KVKK og taushetsplikt og krever samtykke fra familien.
- Evne til å evaluere verktøy for kunstig intelligens når det gjelder datasikkerhet, lagring og bruk i modellopplæring og velge det sikre
- Evne til å opprettholde etiske grenser som diagnostisk autoritet, stigma, diskriminering og barnets beste i arbeidsflyten
Et barns utviklingsfil inneholder barnets mest intime informasjon: utviklingshistorie, familiesituasjon, screeningsresultater, observasjoner og noen ganger medisinsk informasjon. Når denne informasjonen faller i feil hender eller misbrukes, kan den skade barnet i årene som kommer: en merkelapp, et stigma, en diskriminering. Derfor er beskyttelse av barns data et av de mest alvorlige ansvarsoppgavene til barneutviklingsspesialisten; I en tidsalder med kunstig intelligens blir dette ansvaret mangedoblet, fordi å lime inn data i et verktøy tar sekunder og kan ikke angres. I denne enheten vil vi dekke den juridiske statusen til barnedata, evaluering av verktøy for kunstig intelligens når det gjelder personvern og etiske grenser.
Først det juridiske grunnlaget: I Türkiye regulerer KVKK (Personal Data Protection Law) behandlingen av personopplysninger. Barnets helse- og utviklingsdata er i kategorien spesielle personopplysninger; Denne kategorien er underlagt det høyeste beskyttelsesnivået. I Europa er det tilsvarende GDPR. Når det gjelder et barn, er sensitiviteten enda større, fordi barnet ikke kan gi gyldig samtykke til sine egne data; Samtykke (informert uttrykkelig samtykke) innhentes fra den juridiske representanten, det vil si familien. Prinsippet om «barnets beste» råder i enhver beslutning.
Anonymisering: det mest grunnleggende og kraftige trinnet
Det mest grunnleggende, mest praktiske trinnet som beskytter personvernet når du arbeider med kunstig intelligens er anonymisering: fjerning av all identitetsavslørende informasjon (navn, etternavn, TR ID-nummer, fødselsdato, skole/institusjonsnavn, adresse, protokoll/filnummer, familienavn) fra dataene og bruk kun den ikke-identifiserte informasjonen som er nødvendig for oppgaven din. Å skrive "3 år og 2 måneder gammel jente" i stedet for "Elif Kaya, 3 år og 2 måneder, Papatya barnehage" gjør jobben med data, men bevarer identiteten.
Et ord til forsiktighet: identitet kan dukke opp igjen når flere små detaljer kommer sammen (dette kalles re-identifikasjon). For eksempel kan detaljer som «Den eneste tvillingen i landsby X, faren hans er overmannen» identifisere personen selv om det ikke er noe navn. Derfor er det nødvendig ikke bare å slette navnet, men også å generalisere detaljene som gjør det unikt.
Rå (kan ikke deles)
Anonym (kan deles)
Elif Kaya, TC 123..., født 12.03.2022.
3 år 2 måneder gammel jente
Papatya barnehage, 3-A klasse
førskoleinstitusjon
Moren hans er Ayşe og faren hans er Mukhtar.
foreldre
Filnummer 2024/187
(fjernet)
Oppmerksomhet: Å laste opp barnets identitetsinformasjon, fullstendig rapport eller bilde til et offentlig tilgjengelig kunstig intelligensverktøy er et brudd på KVKK og personvern og kan ikke trekkes tilbake. Dataene går til en ekstern server og noen verktøy kan bruke dem til modelltrening. Anonymiser alltid før du laster opp.
Verktøyvalg og datalivssyklus
Ikke alle AI-verktøy har samme nivå av personvern. Når du evaluerer et verktøy, spør: Bruker det effektivitet i opplæringen av modellen? Hvor lagrer den data og hvor lenge? Tilbyr den en databehandleravtale (for bedriftsbruk)? Hvor er serverne deres? Bedrifts-, kontrakts- og opplæringsverktøy som ikke bruker dataene dine, er tryggere enn offentlig tilgjengelige gratisverktøy. Men selv i det sikreste verktøyet, ikke del unødvendig legitimasjon - anonymisering er det første forsvaret under alle omstendigheter.
Vurder livssyklusen for data: samle inn data (validere), behandle (etter behov), lagre (sikker, tidsbestemt), del (kun autorisert, anonym) og slett (når du er ferdig). Alt du stikker i AI-verktøy risikerer å falle utenfor denne loopen.
Tips: Sett en hard regel øverst i favorittmeldingene dine: "Jeg vil ikke dele informasjon som identifiserer barnet eller familien i denne samtalen." Ved å gjøre dette til en kontrollrefleks forhindrer du det vanligste bruddet (absent minded liming ID).
Etiske grenser: diagnose, stigma, diskriminering
Personvern er et teknisk problem, men etikk er bredere. Tre grenser er kritiske. Diagnostisk autoritet: spesialist i barneutvikling utfører screening og utviklingsvurdering; Definitiv diagnose er jobben til den aktuelle legen/klinisk team. Kunstig intelligens kjenner ikke denne grensen; du vil beskytte. Stigma: å merke et barn med en tidlig og permanent merkelapp (i filen, i familien, i ditt eget sinn) er urettferdig mot barnet og kan påvirke utviklingen negativt. Diskriminering og skjevhet: AI kan reflektere skjevheter i treningsdata; Det kan gi partiske resultater angående en bestemt kultur, kjønn eller sosioøkonomisk gruppe. Eksperten bør legge merke til disse og rette dem. Fremfor alt dette står prinsippet om barnets beste: er enhver beslutning til det beste for barnet?
Fire kopierbare spørsmål
1) Anonymiseringsforespørsel:
Jeg skal gi deg en tekst. Fjern all informasjon som kan avsløre identiteten til barnet eller familien (navn, etternavn, TR ID, fødselsdato, skole/institusjon, adresse, filnummer, unike detaljer); erstatte med generelt uttrykk([jente], [førskoleinstitusjon]). Generaliser ikke bare navnet, men også unike detaljer som kan identifisere personen. List opp hva du fjernet.Tekst: [rå]
2) Forespørsel om evaluering av personvern for kjøretøy:
Gi meg en sjekkliste over personvernspørsmål jeg bør stille for å avgjøre om jeg kan bruke et AI-verktøy med barnedata (er dataene som brukes i utdanning, oppbevaring, kontrakt, serverplassering, sletting). Ikke lag opp svarene; bare liste opp spørsmålene.
3) Spørsmål om etikk/grense for myndighetskontroll:
Gå etisk gjennom følgende tekst: (1) stiller/antyder det en diagnose? (2) er det en stigmatiserende etikett? (3) er det kulturelle/kjønn/sosioøkonomiske skjevheter? Fremhev hvert problem og foreslå et korrigert, forsiktig alternativ.Tekst: [utkast]
4) Tekstmelding om familiesamtykkeinformasjon:
Lag en kort VARSEL/SAMTYKKE-tekst til familien som enkelt forklarer hvordan jeg vil bruke og beskytte barnets data. Det inkluderer: hvilke data, til hvilket formål, hvordan de er beskyttet, hvem de deles med, angrerett. Gi juridisk rådgivning; Merk at det er et utkast og må godkjennes av institusjonen.
tre minisaker
Sak 1 – Brudd på identitetsopplasting. På en travel dag limer en spesialist et barns utviklingsrapport, komplett med fullt navn og ID, inn i et offentlig verktøy og sier «oppsummer». Dataene forlot institusjonen og familiens samtykke ble ikke innhentet. Den riktige måten var å anonymisere dataene med 1. ledetekst og kun bruke anonym informasjon i et sikkert verktøy. Dette bruddet er både et juridisk og etisk spørsmål og kan ikke reverseres.
Tilfelle 2 — Re-identifikasjon. En ekspert sletter navnet, men legger igjen detaljen «den eneste trillingen i landsbyen, faren hans er imam». Denne detaljen identifiserer barnet selv uten navn. Eksperten utdyper anonymiseringen for å generalisere unike detaljer: "et flerlinggraviditetsbarn som bor i et landlig område." Identiteten er nå beskyttet.
Tilfelle 3 – Bias correction. AI produserer en forutinntatt antagelse implisitt i innholdet om en lavinntektsfamilie, for eksempel "involvering er ofte utilstrekkelig i disse familiene." Eksperten fanger opp dette med den tredje ledeteksten; finner utsagnet ubegrunnet, stigmatiserende og diskriminerende og fjerner det. Den omskriver innholdet på et språk som ser på hver familie som likeverdig og respektert.
Svak forespørsel / Sterk forespørsel
Svak melding:
Jeg limer inn hele rapporten til Elif her, vurderer og anbefaler en diagnose.
Problem: identitetsopplysninger deles (KVKK-brudd), diagnose etterspørres (autorisasjonsoverskridelse), ikke samtykke, trygt kjøretøy stilles ikke spørsmål.
Kraftig ledetekst:
Rediger følgende ANONYME utviklingssammendrag (identifikasjonsinformasjon fjernet) for evalueringsUTKAST. Stille en diagnose; bruke stigmatiserende etiketter; Unngå forutinntatte antakelser. Merk [la en ekspert vurdere] der du ikke er sikker. Sammendrag: [anonym]
Vanlige feil
- Opplasting av legitimasjon: Det vanligste og mest alvorlige bruddet; anonymiser alltid.
- Overfladisk anonymisering: Bare å slette navnet er ikke nok; generaliser også unike detaljer.
- Ikke stille spørsmål ved verktøyets personvern: Unngå verktøy som bruker dataene dine til utdanning.
- Krysser den diagnostiske grensen: Vurdering er ikke diagnose; Myndigheten ligger hos legen/teamet.
- Ikke gjenkjenne skjevhet: Fiks stigmatiserende/diskriminerende antakelser om AI.
Oppsummert
Barnedata er spesielle personopplysninger; Det krever høyeste beskyttelse innenfor rammen av KVKK og konfidensialitet og samtykke innhentes fra familien. Det sterkeste forsvaret når du arbeider med AI er anonymisering – generaliser ikke bare navnet, men også unike detaljer som kan identifisere individet. Evaluere verktøy for personvern; Velg den sikre som ikke bruker dataene dine på trening. Opprettholde etiske grenser (diagnostisk autoritet, stigma, diskriminering/skjevhet) og ta hensyn til barnets beste i enhver beslutning.
Søknadsoppgave
Ta en ikke-anonymisert (autentisk, fra dine egne poster) fremdriftsnotat; Uten å reflektere det på skjermen, anonymiser det manuelt ved å bruke logikken til den første ledeteksten og liste opp all informasjon du har hentet ut. Evaluer et AI-verktøy du bruker når det gjelder personvern med den andre ledeteksten. Sjekk et utkast for etikk/skjevhet med spørsmål 3. Legg merke til minst tre rettelser du har gjort (én anonymisering, én etikk, én skjevhet).
sjekkliste
- [ ] Jeg anonymiserte dataene; Jeg generaliserte også unike detaljer.
- [ ] Jeg evaluerte verktøyet jeg brukte med tanke på personvern; Jeg valgte den trygge.
- [ ] Jeg innhentet samtykke fra familien når det var nødvendig.
- [ ] Jeg opprettholdt grensen for diagnostisk autoritet; Jeg brukte distinksjonen evaluering-diagnose.
- [ ] Jeg fjernet stigmatiserende tagger og diskriminerende/partiske uttrykk.
- [ ] Jeg vurderte barnets beste i hver avgjørelse.
- [ ] Jeg har ikke lastet opp legitimasjonen til noe kjøretøy.