Ganhos:
- Capacidade de compreender e implementar o facto de os dados da criança serem dados especiais e que devem ser anonimizados no âmbito do KVKK e da confidencialidade e requerem o consentimento da família.
- Capacidade de avaliar ferramentas de inteligência artificial em termos de segurança, armazenamento e uso de dados no treinamento de modelos e escolher a mais segura
- Capacidade de manter limites éticos, como autoridade de diagnóstico, estigma, discriminação e o melhor interesse da criança no fluxo de trabalho
O arquivo de desenvolvimento de uma criança contém as informações mais íntimas dela: histórico de desenvolvimento, situação familiar, resultados de exames, observações e, às vezes, informações médicas. Quando esta informação cai em mãos erradas ou é mal utilizada, pode prejudicar a criança durante anos: um rótulo, um estigma, uma discriminação. Portanto, proteger os dados das crianças é uma das responsabilidades mais sérias do especialista em desenvolvimento infantil; Na era da inteligência artificial, essa responsabilidade é multiplicada, pois colar dados em uma ferramenta leva segundos e não pode ser desfeito. Nesta unidade, abordaremos o estatuto jurídico dos dados infantis, a avaliação das ferramentas de inteligência artificial em termos de privacidade e os limites éticos.
Primeiro, a base jurídica: Na Turquia, a KVKK (Lei de Proteção de Dados Pessoais) regula o processamento de dados pessoais. Os dados de saúde e desenvolvimento da criança estão na categoria de dados pessoais especiais; Esta categoria está sujeita ao mais alto nível de proteção. Na Europa, o seu equivalente é o GDPR. No caso de uma criança, a sensibilidade é ainda maior, porque a criança não pode dar um consentimento válido sobre os seus próprios dados; O consentimento (consentimento explícito e informado) é obtido do representante legal, ou seja, da família. O princípio do “melhor interesse da criança” prevalece em todas as decisões.
Anonimização: a etapa mais básica e poderosa
A etapa mais básica e prática que protege a privacidade ao trabalhar com inteligência artificial é a anonimização: remover todas as informações reveladoras de identidade (nome, sobrenome, número TR ID, data de nascimento, nome da escola/instituição, endereço, número de protocolo/arquivo, sobrenomes) dos dados e usar apenas as informações não identificadas necessárias para sua tarefa. Escrever “menina de 3 anos e 2 meses” em vez de “Elif Kaya, 3 anos e 2 meses, jardim de infância Papatya” faz o trabalho de dados, mas preserva a identidade.
Uma palavra de cautela: a identidade pode ressurgir quando vários pequenos detalhes se juntam (isso é chamado de reidentificação). Por exemplo, detalhes como “O único gêmeo na aldeia X, seu pai é o chefe” podem identificar a pessoa mesmo que não haja nome. Portanto, é necessário não apenas apagar o nome, mas também generalizar os detalhes que o tornam único.
Bruto (não pode ser compartilhado)
Anônimo (compartilhável)
Elif Kaya, TC 123..., nascido em 12.03.2022.
menina de 3 anos e 2 meses
Jardim de infância Papatya, turma 3-A
instituição pré-escolar
Sua mãe é Ayşe e seu pai é Mukhtar.
pais
Número do arquivo 2024/187
(removido)
Atenção: Carregar as informações de identidade, relatório completo ou foto da criança em uma ferramenta de inteligência artificial disponível publicamente é uma violação do KVKK e da privacidade e não pode ser retirado. Os dados vão para um servidor externo e algumas ferramentas podem utilizá-los para treinamento de modelo. Sempre anonimize antes de enviar.
Seleção de ferramentas e ciclo de vida dos dados
Nem todas as ferramentas de IA têm o mesmo nível de privacidade. Ao avaliar uma ferramenta, pergunte: Ela utiliza eficiência no treinamento do modelo? Onde armazena dados e por quanto tempo? Oferece contrato de processamento de dados (para uso corporativo)? Onde estão seus servidores? Ferramentas corporativas, contratadas e de treinamento que não utilizam seus dados são mais seguras do que ferramentas gratuitas disponíveis publicamente. No entanto, mesmo na ferramenta mais segura, não compartilhe credenciais desnecessárias — o anonimato é a primeira defesa em todas as circunstâncias.
Considere o ciclo de vida dos dados: coletar dados (validar), processar (conforme necessário), armazenar (seguro, cronometrado), compartilhar (somente autorizado, anônimo) e excluir (quando terminar). Qualquer coisa que você inserir nas ferramentas de IA corre o risco de ficar fora desse ciclo.
Dica: coloque uma regra rígida no topo de suas mensagens favoritas: “Não compartilharei nenhuma informação que identifique a criança ou a família nesta conversa”. Tornar isso um reflexo de controle evita a violação mais comum (colar distraidamente o ID).
Limites éticos: diagnóstico, estigma, discriminação
A privacidade é uma questão técnica, mas a ética é mais ampla. Três limites são críticos. Autoridade diagnóstica: o especialista em desenvolvimento infantil realiza triagem e avaliação do desenvolvimento; O diagnóstico definitivo é tarefa do médico/equipe clínica relevante. A inteligência artificial não conhece esse limite; você protegerá. Estigma: marcar uma criança com um rótulo precoce e permanente (no arquivo, na família, na sua própria mente) é injusto para a criança e pode impactar negativamente o seu desenvolvimento. Discriminação e preconceito: a IA pode refletir preconceitos nos dados de treinamento; Pode produzir resultados tendenciosos em relação a uma determinada cultura, género ou grupo socioeconómico. O especialista deve notá-los e corrigi-los. Acima de tudo isto está o princípio do interesse superior da criança: cada decisão é para o bem da criança?
Quatro prompts copiáveis
1) Solicitação de anonimato:
Vou te dar um texto. Remover qualquer informação que possa revelar a identidade da criança ou família (nome, sobrenome, RG, data de nascimento, escola/instituição, endereço, número do processo, dados únicos); substituir por expressão geral([menina], [instituição pré-escolar]). Generalize não apenas o nome, mas também detalhes únicos que possam identificar a pessoa. Liste o que você removeu.Texto: [bruto]
2) Solicitação de avaliação de privacidade do veículo:
Dê-me uma lista de verificação de perguntas sobre privacidade que devo fazer para decidir se posso usar uma ferramenta de IA com dados infantis (os dados são usados na educação, retenção, contrato, localização do servidor, exclusão). Não invente as respostas; apenas liste as perguntas.
3) Solicitação de controle de ética/limite de autoridade:
Revise eticamente o seguinte texto: (1) faz/implica um diagnóstico? (2) existe um rótulo estigmatizante? (3) existem preconceitos culturais/de género/socioeconómicos? Destaque cada problema e sugira uma alternativa corrigida e cautelosa.Texto: [rascunho]
4) Solicitação de texto com informações de consentimento da família:
Elabore um breve texto de NOTIFICAÇÃO/CONSENTIMENTO para a família que simplesmente explique como usarei e protegerei os dados da criança. Inclui: quais dados, com que finalidade, como são protegidos, com quem são compartilhados, direito de retirada. Prestação de aconselhamento jurídico; Observe que se trata de um rascunho e deve ser aprovado pela instituição.
três mini cases
Caso 1 — Violação de upload de identidade. Em um dia agitado, um especialista cola o relatório de desenvolvimento da criança, completo com nome completo e identidade, em uma ferramenta pública e diz “resuma”. Os dados saíram da instituição e o consentimento da família não foi obtido. A forma correta foi anonimizar os dados com o 1º prompt e utilizar apenas informações anônimas em uma ferramenta segura. Esta violação é uma questão legal e ética e não pode ser revertida.
Caso 2 — Reidentificação. Um especialista apaga o nome, mas deixa o detalhe “o único trigêmeo da aldeia, seu pai é imã”. Esse detalhe identifica a criança mesmo sem nome. O especialista aprofunda o anonimato para generalizar detalhes únicos: “um filho de gravidez múltipla residente em zona rural”. A identidade agora está protegida.
Caso 3 — Correção de viés. A IA produz uma suposição tendenciosa implícita no conteúdo sobre uma família de baixa renda, como “o envolvimento é muitas vezes inadequado nessas famílias”. O especialista percebe isso com o terceiro prompt; considera a declaração infundada, estigmatizante e discriminatória e a remove. Ele reescreve o conteúdo em uma linguagem que considera todas as famílias iguais e respeitadas.
Alerta fraco / Alerta forte
Alerta fraco:
Estou colando aqui o relato completo do Elif, avalio e recomendo um diagnóstico.
Problema: informações de identidade são compartilhadas (violação KVKK), diagnóstico é solicitado (excesso de autorização), não há consentimento, veículo seguro não é questionado.
Alerta poderoso:
Edite o seguinte resumo de desenvolvimento ANÔNIMO (informações de identificação removidas) para o rascunho de avaliação. Fazendo um diagnóstico; uso de rótulos estigmatizantes; Evite suposições tendenciosas. Marque [deixe um especialista avaliar] onde você não tem certeza. Resumo: [anônimo]
Erros comuns
- Upload de credenciais: a violação mais comum e mais grave; sempre anonimize.
- Anonimização superficial: apenas excluir o nome não é suficiente; generalize detalhes exclusivos também.
- Não questionar a privacidade das ferramentas: evite ferramentas que utilizem seus dados para fins educacionais.
- Cruzando a fronteira do diagnóstico: Avaliação não é diagnóstico; A autoridade é do médico/equipe.
- Não reconhecer preconceitos: corrigir suposições estigmatizantes/discriminatórias da IA.
Em resumo
Os dados da criança são dados pessoais especiais; Requer a mais alta proteção no âmbito do KVKK e a confidencialidade e o consentimento são obtidos da família. A defesa mais forte ao trabalhar com IA é o anonimato – generalizar não apenas o nome, mas também detalhes exclusivos que possam identificar o indivíduo. Avaliar ferramentas para privacidade; Escolha aquele seguro que não utiliza seus dados no treinamento. Manter limites éticos (autoridade de diagnóstico, estigma, discriminação/preconceito) e considerar o melhor interesse da criança em cada decisão.
Tarefa de aplicativo
Faça uma nota de progresso não anônima (autêntica, de seus próprios registros); Sem refletir na tela, torne-o anônimo manualmente usando a lógica do 1º prompt e liste todas as informações que você extraiu. Avalie uma ferramenta de IA que você usa em termos de privacidade com o segundo prompt. Verifique um rascunho quanto à ética/preconceito com o prompt 3. Anote pelo menos três correções que você fez (uma anonimização, uma ética, uma parcialidade).
lista de verificação
- [ ] Anonimizei os dados; Também generalizei detalhes únicos.
- [ ] Avaliei a ferramenta que utilizei em termos de privacidade; Eu escolhi o seguro.
- [ ] Obtive consentimento da família quando necessário.
- [ ] mantive o limite de autoridade diagnóstica; Apliquei a distinção avaliação-diagnóstico.
- [ ] Removi tags estigmatizantes e expressões discriminatórias/preconceituosas.
- [ ] Considerei o melhor interesse da criança em todas as decisões.
- [ ] Não carreguei a credencial em nenhum veículo.