Etyka, prywatność, nadzór ekspercki i ograniczenia praktyki

Zyski:

• Umiejętność przełożenia zasad etycznych wykorzystania sztucznej inteligencji w edukacji specjalnej (dobroczynność, nieszkodzenie, sprawiedliwość, unikanie uprzedzeń) na konkretne zasady
• Możliwość zarządzania prywatnością danych uczniów i rodziny, limitami przechowywania i udostępniania danych w ramach KVKK
• Możliwość powiązania wiedzy zdobytej w ramach modułu w kompleksowy, bezpieczny przepływ pracy i zdefiniowania, gdzie kończy się sztuczna inteligencja, a zaczyna odpowiedzialność ekspertów

W trakcie tego modułu nauczyliśmy się wykorzystywać sztuczną inteligencję jako asystenta: opracowaliśmy cel IEP, dostosowaliśmy materiały, ustaliliśmy AAC i plan zachowania, monitorowaliśmy postępy i wzmocniliśmy komunikację z rodziną. W tej ostatniej części omówiono ramy spajające to wszystko: etykę, prywatność i nadzór ekspercki. Ponieważ „dane”, z którymi pracujesz w edukacji specjalnej, to nie stół, ale dziecko; „Produkt”, który przedstawiasz, nie jest dokumentem, ale decyzją wpływającą na prawo dziecka do edukacji. Sztuczna inteligencja zapewnia dużą wygodę w tym zakresie; Jednak w przypadku nieprawidłowego użycia osoby, które mogą zostać najbardziej skrzywdzone, są również najbardziej bezbronne. Powtórzmy po raz ostatni zasadę, którą ustaliliśmy na początku: sztuczna inteligencja jest asystentem; Diagnoza, umieszczenie, cel i decyzje mające wpływ na przyszłość dziecka należą do kompetentnego specjalisty, zespołu IEP i rodziny.

Cztery zasady etyczne i ich konkretne odpowiedniki

Zastosowanie sztucznej inteligencji w edukacji specjalnej możemy przypisać czterem podstawowym zasadom etycznym:

• Korzyści: należy wykorzystywać sztuczną inteligencję, aby naprawdę przyczynić się do edukacji dziecka; Powinno to pomóc nauczycielowi uwolnić swój czas i poświęcić więcej uwagi dziecku. Używanie nie jest celem samym w sobie.
• Nieszkodzenie: niezweryfikowane, nieodpowiednie dla dzieci lub stygmatyzujące treści mogą wyrządzić krzywdę. Każdy wynik przechodzi przez filtr „czy to zaszkodzi dziecku?”
• Sprawiedliwość: Każde dziecko powinno mieć równy dostęp do zasobów i wysokiej jakości edukacji. Sztuczna inteligencja nie powinna faworyzować niektórych dzieci i zaniedbywać innych; Każdemu należy poświęcić indywidualną uwagę.
• Unikanie uprzedzeń: sztuczna inteligencja może odzwierciedlać stereotypy w danych, na których jest szkolona; Określony rodzaj niepełnosprawności może powodować dyskryminację ze względu na płeć, kulturę lub status społeczno-ekonomiczny. Specjalista musi rozpoznać i skorygować te wyniki oraz ocenić każde dziecko indywidualnie.

Stronniczość jest szczególnie ważna, ponieważ jest podstępna. Sztuczna inteligencja potrafi płynnie wyprodukować zdanie typu „takie dzieci zwykle nie potrafią zrobić X”; Jest to jednak stereotyp, który jest zarówno błędny, jak i utrudnia dziecku. Zadaniem specjalisty jest dostrzeżenie tych wzorców i ocena dziecka pod kątem jego potencjału.

Uwaga: nie można używać uogólnień generowanych przez sztuczną inteligencję („dzieci z niepełnosprawnością X mogą/robią Y”) w celu ograniczenia celu dziecka. Niskie oczekiwania to jedna z najpowszechniejszych i najbardziej niewidocznych form dyskryminacji.

Prywatność: limity przechowywania i udostępniania danych

Dane ucznia (tożsamość, diagnoza, raport RAM, historia zachowania, informacje o rodzinie) to szczególne dane osobowe objęte zakresem KVKK. Wyjaśnijmy zasady w tej jednostce:

• Anonimizacja: imię i nazwisko, dowód osobisty, protokół, szkoła, adres i dane rodzinne są usuwane przed wejściem do dowolnego narzędzia AI.
• Minimalna ilość danych: udostępniaj tylko informacje potrzebne do wykonania zadania; Nie podawaj całego pliku „na wszelki wypadek”.
• Bezpieczne narzędzie: Jeśli to możliwe, preferowane są narzędzia korporacyjne, które mają umowę o przetwarzaniu danych i nie wykorzystują Twoich danych w szkoleniu modeli; Wrażliwe dane nie są przesyłane z kont osobistych.
• Przechowywanie i usuwanie: Jeśli wersje robocze utworzone za pomocą AI zawierają dane uczniów, są one przechowywane zgodnie z zasadami uczelni i w razie potrzeby usuwane; Nie jest pozostawiony w przypadkowych miejscach.
• Udostępnianie: Informacje udostępniane są wyłącznie osobom upoważnionym (zespół IEP, rodzina, odpowiedni specjalista) i tylko w niezbędnym zakresie.

Poniższa tabela podsumowuje w jednym miejscu limity poznane w trakcie modułu:

obszar

AI może

Sztuczna inteligencja nie może / należy do ludzi

Ocena

Podsumowuje anonimowe dane

Diagnozy/zmiany

BEP

Pisze projekt celów

Potwierdza/potwierdza zamiar

materiał

Dostosowuje się, różnicuje

Podejmuje decyzję dotyczącą programu nauczania/praw autorskich

AAC

Zarys karty/historii

Wybiera metodę i dostosowuje ją do dziecka

zachowanie

ABC podsumowuje, daje rady

Decyduje o funkcji, zatwierdza plan

postęp

Podsumowuje i interpretuje dane

Ostateczna decyzja o kontynuacji

rodzina

projekty tekstów

Weryfikuje tekst, wzmacnia relację

Prawa kolumna w tej tabeli określa zakres odpowiedzialności eksperta i w żadnym wypadku nie może być delegowana na IZ.

Kompleksowo bezpieczny przepływ pracy

Połączmy moduł w jeden przepływ. Bezpieczny przebieg nauczania wspierany przez sztuczną inteligencję wygląda następująco: (1) anonimizacja danych; (2) napisz podpowiedź określającą jasne role i granice; (3) uzyskać wersję roboczą od AI; (4) weryfikacja wyników w trzech krokach — link do źródła, porównanie z rzeczywistym profilem dziecka, filtr ekspercki; (5) przeprowadzić audyt etyczny i stronniczości; (6) adaptacja i walidacja z zespołem/rodziną; (7) stosować i monitorować za pomocą danych; (8) zachowuj/usuwaj wersje robocze zgodnie z regulaminem instytucji. Cykl ten powtarza się przy każdym zadaniu, pamiętając, gdzie kończy się sztuczna inteligencja, a zaczyna odpowiedzialność ekspertów.

trzy mini etui

Przypadek 1 — Łapanie uprzedzeń. Nauczyciel poprosił sztuczną inteligencję o zarys celu; W wynikach pojawiło się zdanie w stylu: „Ten typ uczniów nie potrafi myśleć abstrakcyjnie, trzymaj cel na niskim poziomie”. Nauczyciel uznał to za stereotyp; Jego własny uczeń potrafił nawiązywać abstrakcyjne relacje. Wyciągnął zdanie i napisał cel w oparciu o prawdziwy potencjał dziecka. Nadzór etyczny zapobiegł niskim oczekiwaniom, które utrudniałyby dziecku życie.

Przypadek 2 – Dyscyplina prywatności. Jedna z instytucji przyjęła zasadę, że wszyscy nauczyciele przeprowadzają „kontrolę anonimowości” przed użyciem sztucznej inteligencji. Nauczyciel usunął imię i nazwisko, protokół i informacje o rodzinie przed podsumowaniem raportu RAM. Kilka miesięcy później audyt danych wykazał, że organizacja nie przekazała żadnym zewnętrznym narzędziom żadnych wrażliwych danych. Prosty nawyk chronił organizację przed poważnym ryzykiem.

Przypadek 3 – Błąd w delegowaniu odpowiedzialności. Nauczyciel pod presją czasu wdrożył plan zachowania opracowany przez sztuczną inteligencję, nie czytając go. Plan nie był dostosowany do funkcjonowania dziecka i jego zachowanie uległo eskalacji. Problemem nie był „błąd” sztucznej inteligencji, ale przekazanie odpowiedzialności. Niezweryfikowane wyniki są jak niepodpisana opinia eksperta; Odpowiedzialność zawsze spoczywa na ekspertze. Błąd: zastępowanie wygody odpowiedzialnością.

Słaba zachęta/silna zachęta

Słaba zachęta:

Przeanalizuj wszystko o tym uczniu i powiedz mi, co mam zrobić.

Żądanie to zarówno popycha nas do udostępnienia większej ilości danych (być może zawierających tożsamość), niż jest to konieczne, poprzez określenie „wszystko”, jak i przekazuje decyzję sztucznej inteligencji. Narusza także dwie podstawowe zasady.

Potężny monit:

Twoja rola: asystent specjalisty ds. edukacji specjalnej.Wykorzystuj wyłącznie następujące anonimowe informacje dotyczące konkretnego zadania: [wymagane minimum].Zadanie: Przygotowanie PROJEKTU [pojedynczego, jasnego zadania].Zasady: Diagnoza/podejmowanie decyzji. Nie generalizuj/stereotypuj. Powiedz, że nie jesteś pewien. Załóżmy, że zostanie to zweryfikowane przez profesjonalistę i potwierdzone przez zespół/rodzinę.

Twierdzenie to obejmuje łącznie minimalną ilość danych, jasne zadanie, stronniczość i ograniczenia decyzyjne; Gromadzi wszystkie zasady modułu w jednym szablonie.

Typowe błędy

• Delegowanie odpowiedzialności. Pozostawienie decyzji AI; wykonanie bez czytania wyniku.
• Nie widząc uprzedzeń. Nie zauważanie stereotypowych, zaniżających oczekiwania uogólnień.
• Udostępnianie nadmiernych danych. Podanie do narzędzia zbędnych, wrażliwych danych poprzez powiedzenie „przeanalizuj wszystko”.
• Ominięcie anonimizacji. Praca bez sprawdzania tożsamości, diagnozy i informacji o rodzinie.
• Niepewne przechowywanie wersji roboczych. Pozostawianie wydruków zawierających dane uczniów w przypadkowych miejscach.
• Postrzeganie audytu etycznego jako formalnego. Pomijanie pytań typu „czy to wyrządzi krzywdę, czy jest to sprawiedliwe, czy jest stronnicze?”

Podsumowując

W edukacji specjalnej sztuczna inteligencja jest potężnym pomocnikiem, ale ponieważ pracujesz z osobami najbardziej bezbronnymi, etyka i prywatność nie podlegają negocjacjom. Kierują nami cztery zasady: dobroć, nieszkodzenie, sprawiedliwość, unikanie uprzedzeń. Dane uczniów są anonimowe, udostępniane przy użyciu minimalnych i bezpiecznych środków oraz bezpiecznie przechowywane. Kompleksowy, bezpieczny przepływ pracy; Cykl obejmuje anonimizację, pobranie wersji roboczej, weryfikację w trzech krokach, ocenę etyczną, zatwierdzenie przez zespół/rodzinę, śledzenie na podstawie danych. Gdziekolwiek w tym cyklu kończy się sztuczna inteligencja, zaczyna się odpowiedzialność ekspertów. Niezweryfikowany wynik jest jak niepodpisana opinia eksperta; Podpis jest zawsze Twój.

Zadanie aplikacji

Wybierz jeden z konspektów opracowanych w ramach modułu (cel IEP, materiał, plan zachowania lub tekst rodziny) i przeprowadź go przez wszystkie etapy „kompleksowego bezpiecznego przepływu pracy” w tej jednostce. W szczególności sprawdź, czy w wynikach nie ma etyki/stronniczości: czy w wynikach nie ma poniżającego uogólnienia, stygmatyzującego stwierdzenia lub wycieku prywatności? Napraw wszelkie znalezione problemy i zanotuj, na którym etapie przepływu wystąpił problem.

lista kontrolna

• [ ] Zanonimizowałem dane; Udostępniłem tylko niezbędne minimum.
• [ ] Sprawdziłem dane wyjściowe w trzech krokach (źródło/profil/ekspert).
• [ ] Pozbyłem się uprzedzeń i uogólnień zaniżających oczekiwania.
• [ ] Wyeliminowałem stygmatyzujący język; Przestrzegałem czterech zasad etycznych.
• [ ] Przechowywałem wersje robocze w bezpiecznym miejscu/w razie potrzeby je usuwałem.
• [ ] Podjąłem ostateczną decyzję i odpowiedzialność jako ekspert/zespół/rodzina.

Egzamin modułowy

1. Nauczyciel wychowania specjalnego zadaje sztucznej inteligencji pytanie „Jaka jest diagnoza tego dziecka”, podając po prostu imię i nazwisko ucznia oraz jego wiek, po czym zapisuje odpowiedź w pliku IEP. Jaki jest zasadniczy błąd w tym podejściu?

• A) Ignorowanie faktu, że uprawnienia do postawienia diagnozy należą do RAM i upoważnionych ekspertów; przenieś także niezweryfikowane dane wyjściowe do oficjalnego rekordu ✔
• B) Nie ma potrzeby podawania informacji o wieku sztucznej inteligencji
• C) Zabrania się przechowywania pliku BEP w środowisku cyfrowym
• D) Sztuczna inteligencja zawsze sprawia, że diagnoza wydaje się trudniejsza, niż jest w rzeczywistości

Wyjaśnienie: Sztuczna inteligencja nie może i nie powinna diagnozować; Diagnoza i ocena są zadaniem RAM i autoryzowanych ekspertów. Ponadto bez podania danych modelowi pożądany wynik staje się fabrykacją (halucynacją), a udostępnianie tożsamości ucznia stanowi naruszenie prywatności.

2. Która z poniższych cech jest główną cechą, jaką powinien posiadać krótkoterminowy (mierzalny) cel BEP?

• A) Dążenie do tego, aby uczeń ogólnie lubił przedmiot
• B) Opiera się wyłącznie na obserwacji nauczyciela i nie zawiera kryteriów liczbowych
• C) Zbierz jak najwięcej wyników w jednym zdaniu.
• D) Zawiera obserwowalne zachowanie, stan i mierzalne kryterium sukcesu ✔

Wyjaśnienie: Cel krótkoterminowy obejmuje obserwowalne zachowanie, warunek i kryterium (ile prób, jaki procent, jaki poziom niezależności). Niemierzalne wyrażenia typu „rozumie”, „uczy się”, „staje się świadomym” powodują błędy w pisaniu celu.

3. Nauczyciel przesyła raport RAM, który zawiera imię i nazwisko ucznia, numer TR ID oraz diagnozę, do publicznie dostępnego narzędzia sztucznej inteligencji i pisze „podsumuj”. Jakie podejście byłoby właściwe?

• A) Prześlij raport bez żadnych modyfikacji, ponieważ podsumowanie wymaga wszystkich informacji
• B) Po prostu usuń numer TR ID i zostaw nazwę i diagnozę
• C) Usunięcie informacji o tożsamości, anonimizacja danych i wybór bezpiecznego/instytucjonalnego narzędzia ✔
• D) Udostępnienie raportu e-mailem ze swojego konta osobistego i odpowiednie jego podsumowanie

Wyjaśnienie: Dane Studenta są specjalnymi danymi osobowymi objętymi zakresem KVKK. Należy usunąć informacje dotyczące tożsamości, a dane zanonimizować („10-letni uczeń”). Jeśli to możliwe, należy preferować bezpieczne narzędzie instytucjonalne, które nie wykorzystuje danych w edukacji.

4. Jaka jest najlepsza postawa podczas tworzenia historii społecznej przy użyciu sztucznej inteligencji na potrzeby komunikacji alternatywnej i wspomagającej (AAC)?

• A) Dostosuj projekt specjalnie dla dziecka i poproś o akceptację eksperta ✔
• B) Wykorzystanie stworzonej historii dokładnie dla wszystkich uczniów, bez żadnych zmian
• C) Napisanie opowiadania przy użyciu możliwie długich i abstrakcyjnych słów
• D) Podawanie tylko długiego tekstu bez dodawania wsparcia wizualnego

Opis: Sztuczna inteligencja generuje przeciągi; Jednakże historia społeczna i wsparcie komunikacyjne powinny być dostosowane do indywidualnych cech dziecka i zatwierdzone przez logopedę/specjalistę. Ogólny zarys nie może być zastosowany bezpośrednio.

5. Która z poniższych zasad jest podstawową zasadą uzyskiwania pomocy sztucznej inteligencji w planie wspierania pozytywnych zachowań?

• A) Poproszenie go o zalecenie najsurowszej kary w celu szybkiego stłumienia danego zachowania.
• B) Zrozum funkcję zachowania i opracuj alternatywne pozytywne zachowanie oraz projekt strategii zapobiegawczej ✔
• C) Sfinalizowanie planu bez znajomości ucznia, po prostu patrząc na nazwę zachowania
• D) Wdrożenie planu bez angażowania w ten proces rodziny i specjalisty

Wyjaśnienie: Wsparcie pozytywnego zachowania nie ma na celu kary; Ma na celu zrozumienie funkcji zachowania (ocena funkcjonalna), przepisów zapobiegawczych i zapewnienie możliwego do nauczenia alternatywnego zachowania zamiast niepożądanego zachowania. Niezbędny jest nadzór ekspercki.

6. Co oznacza „decyzja oparta na danych” w śledzeniu postępu?

• A) Podjęcie decyzji na podstawie tylko jednej obserwacji na koniec roku
• B) Napisanie raportu z postępów na podstawie ogólnego wrażenia nauczyciela, bez sprawdzania danych
• C) Pozostawienie decyzji całkowicie interpretacji sztucznej inteligencji
• D) Podjęcie decyzji o utrzymaniu, dostosowaniu lub zmianie celu na podstawie regularnych danych pomiarowych ✔

Wyjaśnienie: Podejmowanie decyzji w oparciu o dane oznacza decyzję o utrzymaniu, dostosowaniu lub zmianie celu na podstawie regularnych pomiarów opartych na osiągnięciach (procent, liczba prób, poziom niezależności). Sztuczna inteligencja podsumowuje dane i sugeruje interpretację; Ekspert podejmuje decyzję.

7. Zgodnie z zasadą projektowania uniwersalnego (UDL), jaki jest najlepszy sposób zapewnienia dostępności materiału?

• A) Prezentowanie materiału tylko w jednym formacie, drobnym drukiem i gęstym tekstem
• B) Prezentowanie treści na wiele sposobów, zapewniając prosty język i tekst alternatywny ✔
• C) Usuń wszystkie adaptacje i daj każdemu ten sam standardowy materiał
• D) Zakładając, że dostępność osiąga się jedynie poprzez zmianę koloru

Opis: UDL przewiduje prezentowanie treści na wiele sposobów (tekstowe, wizualne, audio), prostym językiem, tekstem alternatywnym i elastycznymi formatami. Celem jest projektowanie dostosowane do różnych potrzeb, a nie tylko jednego „przeciętnego” ucznia. Kontrola końcowa zależy od testów eksperckich i rzeczywistych użytkowników.

8. Nauczyciel wysyła do rodziny tekst informacyjny wygenerowany przez sztuczną inteligencję, nie sprawdzając go, a w tekście znajduje się błędna data wizyty i przesadzona obietnica „wyzdrowienia”. Jaki jest tutaj zasadniczy błąd?

• A) Tworzenie fałszywych informacji i nierealistycznych oczekiwań poprzez wysłanie SMS-a bez jego weryfikacji ✔
• B) Wysłanie rodzinie SMS-a samo w sobie jest złe.
• C) Tekst jest za krótki
• D) Sztucznej inteligencji surowo zabrania się tworzenia tekstów rodzinnych

Opis: Każdy tekst udostępniany rodzinie musi być sporządzony z zachowaniem dokładności, poufności i zatwierdzenia przez eksperta. Sztuczna inteligencja działa płynnie, ale może generować fałszywe informacje (halucynacje); SMS wysłany bez weryfikacji szkodzi zaufaniu i procesowi.

9. Które z poniższych podejść jest prawidłowe przy dokonywaniu różnicowania w klasie włączającej/integracyjnej?

• A) Całkowite oddzielenie ucznia od klasy i polecenie mu wykonania każdego ćwiczenia samodzielnie
• B) Wspieranie tego samego osiągnięcia ze wspólną odpowiedzialnością, bez dostosowywania i etykietowania go zgodnie z poziomem ✔
• C) Przekazywanie tego samego materiału całej klasie bez wyjątku i nie dokonywanie żadnych przeróbek
• D) Pozostawienie adaptacji wyłącznie nauczycielowi pedagogiki specjalnej i wyłączenie z procesu wychowawcy klasy

Wyjaśnienie: Zróżnicowanie oznacza dostosowanie tego samego efektu uczenia się do różnych poziomów i wspieranie ucznia bez etykietowania go. Za adaptację odpowiadają wspólnie wychowawca klasy i pedagog specjalny; Unika się rozwiązań oddzielających i stygmatyzujących ucznia od rówieśników.

10. Dlaczego modele językowe AI powodują szczególnie ryzykowne „halucynacje” w kontekście edukacji specjalnej?

• A) Ponieważ model zawsze działa wolno
• B) Ponieważ modelka nie zna języka tureckiego
• C) Ponieważ halucynacje występują tylko w produkcji wizualnej
• D) Ponieważ zmyślone informacje mogą mieć wpływ na decyzję edukacyjną dziecka i można je założyć, że są prawdziwe w przypadku płynnego języka ✔

Wyjaśnienie: Halucynacja ma miejsce, gdy model płynnie fabrykuje nieistniejące informacje, tak jakby były one prawdziwe. Sfabrykowany akt prawny, niewłaściwa norma rozwoju lub wyimaginowana metoda w edukacji specjalnej mogą bezpośrednio wpłynąć na prawo dziecka do edukacji i rozwoju; dlatego każde wyjście musi zostać sprawdzone.

11. Co oznacza „unikanie uprzedzeń” w zasadach etycznych stosowania sztucznej inteligencji w pedagogice specjalnej?

• A) Rozpoznawanie i korygowanie stereotypowych lub dyskryminujących wyników modelu oraz indywidualna ocena każdego dziecka ✔
• B) Nie pisanie długich podpowiedzi tylko po to, aby uzyskać szybkie wyniki.
• C) Wykorzystanie sztucznej inteligencji tylko na jednym typie przeszkody
• D) Stosowanie tego samego stronniczego szablonu do wszystkich uczniów

Wyjaśnienie: Sztuczna inteligencja może odzwierciedlać błędy w danych, na których jest szkolona; może generować stereotypowe wyniki dotyczące określonego rodzaju niepełnosprawności, płci, statusu społeczno-ekonomicznego lub kultury. Specjalista powinien monitorować wyniki w tym zakresie i oceniać każde dziecko indywidualnie.

12. Dlaczego ważne jest, aby podczas podsumowania raportu RAM ze sztuczną inteligencją i tworzenia profilu studenta uwzględnić sekcję „mocne strony”?

• A) Aby raport wydawał się dłuższy
• B) Mocne strony są wykorzystywane wyłącznie dla formy, chociaż nie są wymagane prawnie.
• C) Opierać planowanie na mocnych stronach, a nie definiować ucznia jedynie na podstawie jego wad ✔
• D) Całkowicie ignorować potrzeby i pisać wyłącznie pozytywnie

Wyjaśnienie: Planowanie w kształceniu specjalnym opiera się na mocnych stronach; Tylko profil zorientowany na braki/potrzeby definiuje ucznia z jego brakami. Mocne strony stanowią podstawę celów i motywacji oraz zapewniają pozytywne perspektywy nastawione na rozwój.

13. Jakie jest prawidłowe podejście do kwestii „praw autorskich i oryginalności” w produkcji adaptowanego materiału?

• A) Powielanie wyników ze znakami i treściami chronionymi prawem autorskim bez sprawdzania
• B) Sprawdzenie i oryginalność materiału pod kątem zgodności z programem nauczania, rzetelności i praw autorskich ✔
• C) Rozpowszechniaj komercyjnie każdy obraz, niezależnie od źródła
• D) Zakładając, że kwestia praw autorskich w ogóle nie dotyczy materiałów cyfrowych

Wyjaśnienie: Dane wyjściowe sztucznej inteligencji mogły pochodzić z innych źródeł; może zawierać treści chronione prawem autorskim, znaki marki lub niezweryfikowane informacje. Biegły powinien sprawdzić materiał pod kątem zgodności z programem nauczania, rzetelności i praw autorskich, a w razie potrzeby podać źródło i oryginalnie.

14. Jak kluczowa zasada podkreślana w całym module opisuje rolę sztucznej inteligencji w edukacji specjalnej?

• A) Sztuczna inteligencja zastępuje eksperta i podejmuje decyzje automatycznie
• B) Sztucznej inteligencji można używać jedynie do robienia notatek i do niczego innego
• C) W przypadku stosowania sztucznej inteligencji nadzór ekspercki nie jest już konieczny
• D) Sztuczna inteligencja jest asystentem i generatorem ciągu; Ostateczna decyzja i odpowiedzialność leżą po stronie specjalisty, zespołu i rodziny ✔

Opis: Sztuczna inteligencja to asystent i generator szkiców; Diagnoza, umiejscowienie, wyznaczenie celów i decyzje mające wpływ na przyszłość dziecka należą do kompetentnego specjalisty, zespołu IEP i rodziny. Niezweryfikowane dane wyjściowe są jak niepodpisany werdykt eksperta.