Gevinster:
- Å kunne skille hvor kunstig intelligens sparer sanntid i spesialundervisningens arbeidsflyt (utkastskriving, materialproduksjon, oppsummering) og hvor beslutninger som diagnose, plassering og målsetting overlates til eksperten og IEP-teamet, i henhold til oppgavens risikonivå.
- Evne til å bruke en disiplin som verifiserer hver kunstig intelligens-utgang ved å koble den til kilden, sammenligne den med barnets virkelige profil og sende den gjennom et ekspertfilter.
- Anonymisering av student- og familiedata innenfor rammen av KVKK/personvern og få en vane med å velge et trygt kjøretøy
En spesialpedagogs dag går stille under en bunke med papirer. En elevs individualiserte utdanningsprogram (IEP) vil bli fornyet, et tilpasset arbeidsark vil bli utarbeidet for en annen, atferdsrekorden til den tredje vil bli tegnet, og en fremdriftsrapport vil bli skrevet til familien til den fjerde. Alle disse krever kjennskap til barnet, kreativ tenkning og ekspertise; Men noen av dem er også repeterende, formelle og tidkrevende. Kunstig intelligens (AI, eller AI for kort – datasystemer som kan generere tekst, gjenkjenne mønstre, oppsummere og tegne som mennesker) er en kraftig hjelper til å akselerere akkurat denne andre gruppen. Den skisserer et IEP-mål, forenkler en tekst og oppsummerer et observasjonsnotat på minutter. Men når det brukes feil, kan det samme verktøyet føre en tilsynelatende trygg, men unøyaktig utgang inn i et barns utdanningsbeslutning.
Den første enheten i denne modulen er ikke en programintroduksjon. Formålet er å avklare hvor du skal plassere AI i virksomheten din og hvor du ikke skal plassere den i det hele tatt. Fordi spesialundervisning er et felt som både er «arbeidskrevende» og direkte «barnerettighetskritisk»: et mål du skriver er hva barnet skal lære i løpet av et år; Tilpasningsbeslutningen du tar avgjør om den vil bli forstått i klasserommet. La oss legge ut det grunnleggende prinsippet fra begynnelsen: Kunstig intelligens er en assistent, ikke en ekspert. Ansvar og endelig godkjenning for diagnose, plassering, målsetting og beslutninger som påvirker barnets fremtid tilhører den kompetente spesialisten, IEP-teamet og familien.
Lag av spesialundervisningsvirksomhet og stedet for AI
Det er nyttig å dele spesialpedagogens jobb inn i tre lag. Evalueringslaget er prosessen med å bli kjent med barnet: observasjon, utviklingshistorie, lesing av RAM-rapporten (pedagogisk evalueringsrapport utarbeidet av Veiledningsforskningssenteret). Planleggingslaget er å produsere IEP-mål, materialer og atferdsplan basert på dette. Implementerings- og overvåkingslaget er daglig undervisning, datainnsamling og fremdriftsevaluering. AI kan berøre alle tre lagene; men med en annen autoritet i hver. På evalueringslaget oppsummerer og redigerer AI kun anonymt, ikke diagnoser; er en kraftig konturgenerator i planleggingslaget; I overvåkingslaget oppsummerer den dataene og foreslår tolkning, men tar ikke avgjørelsen.
La oss definere noen grunnleggende termer fra begynnelsen. IEP (Individualized Education Program) er en skriftlig plan utarbeidet etter en elevs behov og inneholder mål og tiltak. Utbytte er det målbare læringsutbyttet som eleven forventes å oppnå. Innkvartering, tilrettelegging av presentasjonen uten å endre innholdet; modifikasjon er en forenkling av selve innholdet. AAC (alternativ og supplerende kommunikasjon) er en tilnærming som lar en person med talevansker kommunisere med symboler, kort eller enheter. Vi vil forklare disse begrepene en etter en i de følgende enhetene; For nå, vet dette: AI gir deg skisser og ideer for alle disse konseptene, men den tar ikke beslutninger.
Følgende tabell oppsummerer rollen og risikonivået til AI etter oppdrag:
Quest
Rollen til AI
Risikonivå
Hvem godkjenner
Materiale/oppgavearkutkast
skissegenerator
lav
spesialpedagog
Tekstforenkling, sammendrag
Redaktør
lav
lærer
Skrive en IEP-måloversikt
Blueprint generator, tilpasning kreves
medium
BEP team + familie
idé om atferdsplan
anbefalingsgenerator
høy
Ekspert + veiledning
Fremdriftsgjennomgang
data oppsummerer
medium
Lærer + ekspert
Diagnose/plasseringsvedtak
Ikke tilgjengelig
veldig høy
RAM + autorisert ekspert
Husk den ene linjen i dette diagrammet: Etter hvert som innsatsen øker, krymper rollen til AI og menneskelig samtykke vokser. AI har ingen plass i den øverste raden; Diagnose og plassering tilhører lovlig og etisk autoriserte institusjoner.
Hvorfor "verifisering" er hjertet i denne virksomheten
Språkmodeller med kunstig intelligens virker sikre på svaret, men de er kanskje ikke sikre. På fagspråket kalles dette hallusinasjon: det er modellens fabrikasjon av ikke-eksisterende informasjon i en flytende setning, akkurat som om den var sann. Dette er en alvorlig felle i spesialundervisningen. Modellen kan gi deg en tenkt «utviklingsnorm» («hvert 5 år gamle barn kan 200 ord»); kan finne på et ikke-eksisterende lovverk (en presis, men falsk setning som "BEPs må fornyes hver 6. måned"); eller han kan foreslå en "metode" som ikke har noe vitenskapelig grunnlag. Siden han sier dem alle med samme flyt, er det eneste som skiller rett fra galt din ekspertise og verifiseringsvane.
Verifikasjonsdisiplinen består av tre trinn:
- Link til kilden: Ikke til AIs minne for lovverk, utviklingsnormer, metoder og kriterier; Stol på offisielle kilder (MEB Special Education Services Regulation, RAM-rapport, institusjonelle prosedyrer) og feltlitteratur. Bruk AI til å skissere denne informasjonen, ikke for å huske den.
- Sammenlign med barnets virkelige profil: Sammenlign hvert mål, materiale eller forslag AI produserer med ytelsesnivået til det virkelige barnet du kjenner. Er den tung, lett eller egnet for ham?
- Ekspertfilter: Test med et ekspertøye om resultatet er pedagogisk, etisk og juridisk forsvarlig; Rydd opp i formuleringer som er stigmatiserende, strafforienterte eller urealistiske.
Forsiktig: Å legge inn et AI-generert IEP-mål eller atferdsplan i filen uten å bekrefte det er som å ta en usignert ekspertavgjørelse. Bare fordi resultatet er flytende er ikke sant; Den er heller ikke egnet for barn.
Personvern: studentdata er private data
Studentdata (navn, TR ID-nummer, diagnose, RAM-rapport, familieinformasjon, atferdsregistre) er beskyttet under KVKK (lov om personopplysninger) i Türkiye og GDPR i Europa; Helse- og funksjonshemmingsinformasjon er spesielle kvalitetsdata. Å lime inn en elevs navn, identifikasjonsnummer, diagnose eller familiehistorie ordrett i et offentlig AI-verktøy er et alvorlig brudd. Regelen er enkel: anonymiser data og ikke del unødvendig. I stedet for "Ahmet Yıldız, 9 år, diagnostisert med autisme, protokoll 2024-3312", skriv "9 år gammel mannlig student med begrenset verbal kommunikasjon". Hvis mulig, velg bedriftsverktøy som har en databehandleravtale og ikke bruk dataene dine i modellopplæring; Ikke last opp sensitive filer fra personlige kontoer.
Tips: Gjør deg til vane med en "anonymiseringssjekk": før du gir en tekst til AI-en, bytt ut navn, ID-/protokollnumre, adresse og skolenavn med generiske setninger som "elev", "familie", "skole". Disse 30 sekundene beskytter deg mot en stor risiko.
tre minisaker
Tilfelle 1 - Sikker bruk. En spesialpedagog brukte 4 timer per uke på å lage et regnearktilpasning for åtte elever. Han ga prestasjonen og elevnivået anonymt (ingen navn) til AI og ba om utkast på tre vanskelighetsgrader. AI produserte utkast på 8 minutter; Læreren sammenlignet hver enkelt med barnas faktiske nivå, forenklet to spørsmål og endret ett bilde. Varighet: 50 minutter i stedet for 4 timer. AI ga utkastet, ekspertisen forble hos læreren.
Tilfelle 2 – Uverifisert informasjonsfelle. En lærer spurte AI: "Hvor mange sifre kan barn med mild mental retardasjon maksimalt legge til?" AI gav et sikkert "Opp til 3 sifre" svar. Læreren skrev dette som en grense i IEP. Det er imidlertid ingen slik "regel"; Hvert barn er individuelt og den virkelige studenten var i stand til å gjøre 4-trinns prosessen. Feil: Å stole på en generell "norm" laget av AI i stedet for barnets faktiske ytelse.
Sak 3 – Krenkelse av personvernet. En ansatt lastet opp en liste over navn, diagnoser og familietelefonnumre til alle elevene i klassen hans til et offentlig verktøy og "genererte en klasserapport fra disse," sa han. Dataene gikk til en ekstern server og det ble reist en KVKK-klage. Den riktige måten var å utelate navn, diagnose og kontaktinformasjon og kun jobbe med den anonyme nivåinformasjonen («tre elever på førlesenivå»).
Svak forespørsel / Sterk forespørsel
Svak melding:
Skriv et IEP-mål for denne studenten.
Denne påstanden er feil: AI kjenner ikke barnet, ytelsesnivået er ikke klart, det er ingen felt og kriterium. Resultatet er en generell setning i luften som ikke passer barnet.
Kraftig ledetekst:
Din rolle: en assistent som hjelper spesialpedagogen. Student (anonym): 8 år, på førlesenivå, etablerer delvis bokstav-lyd-relasjoner. Område: lesing. Oppgave: Skriv et UTKAST med 1 langsiktige og 3 kortsiktige (målbare) mål. Inkluder tilstand + observerbar atferd + kriterium (prosent/prøve) i hvert kort mål. Ikke kom med normative påstander som du ikke er sikker på; Anta at dette er et utkast og vil bli tilpasset av BEP-teamet.
I denne ledeteksten er rollen, den anonyme profilen, domenet, utdataformatet og "utkast"-forventningen tydelig. Du sammenligner og tilpasser likevel produksjonen til barnets faktiske nivå.
Vanlige feil
- Venter på en diagnose eller plasseringsbeslutning fra AI. Denne autoriteten tilhører RAM og autoriserte eksperter; AI kan ikke brukes i dette feltet.
- Dele barnets identitet. Navn, ID, protokoll og familieinformasjon kan ikke legges inn i noe kjøretøy uten anonymisering.
- Stole på oppdiktede "normer". Å erstatte generaliseringer som "Hvert X-barn gjør Y" med den virkelige profilen.
- Bruker utkastet som det er. Bringe den ubekreftede utgangen ordrett inn i IEP, familietekst eller atferdsplan.
- Ikke ta hensyn til stigmatiserende språk. AI kan noen ganger produsere negative etiketter som "utilstrekkelig", "feil"; Disse må passere gjennom ekspertfiltrering.
Oppsummert
Kunstig intelligens er en kraftig assistent i spesialundervisning: den utarbeider, forenkler, oppsummerer, åpner ideer og sparer tid. Men det stiller ikke en diagnose, det plasserer det ikke, det gjør ikke formålet sikkert. Hver utgang verifiseres gjennom tre trinn: lenke til kilde, sammenligne med barnets faktiske profil, ekspertfilter. Studentdata er data av spesiell kvalitet; Den deles ikke uten å være anonymisert. Etter hvert som risikoen øker, blir rollen til AI mindre og menneskelig ansvar vokser. Disse prinsippene er ryggraden i resten av modulen.
Søknadsoppgave
Velg en av dine egne elever og anonymiser profilen hans (uten navn, ID, skolenavn; bare alder, fag og prestasjonsnivå) og gjør det om til en tekst. Be så AI om en oversikt over intensjonen ved å bruke malen "Kraftig ledetekst" ovenfor. Undersøk utdataene med tre verifiseringstrinn (kilde, faktisk profil, ekspertfilter) og korriger minst to punkter. Skriv ned i én setning hva du endret og hvorfor.
sjekkliste
- [ ] Jeg fjernet student-ID (navn, ID, protokoll, skole) fra teksten.
- [ ] Rollen, den anonyme profilen og utdataformatet er tydelig i oppfordringen jeg ga til AI.
- [ ] Jeg sammenlignet resultatet med barnets faktiske ytelsesnivå.
- [ ] Jeg sjekket for noen oppdiktede "normer" eller lovpåstander.
- [ ] Jeg overlot ikke diagnosen/plasseringsbeslutningen til AI.
- [ ] Jeg bemerket at endelig godkjenning tilhører spesialisten og BEP-teamet.