ලාභ:
- KVKK/පෞද්ගලිකත්වයේ විෂය පථය තුළ රෝගියාගේ රසායනාගාර දත්ත නිර්නාමික කිරීමට සහ ආරක්ෂිත මෙවලම් සහ දත්ත සැකසුම් නීති යෙදීමේ හැකියාව
- කෘත්රිම බුද්ධි මාදිලිවල සායනික භාවිතයේදී වලංගුකරණය, කාර්ය සාධන ප්රමිතික සහ පක්ෂග්රාහී පාලනය අනිවාර්ය වන්නේ මන්දැයි තේරුම් ගන්න.
- කෘතිම බුද්ධියේ සෑම භාවිතයකටම සදාචාරාත්මක මූලධර්ම හතර සහ වගකීම් දාමය ගෙතීමෙන් අවසාන වගකීම භාර ගැනීමේ හැකියාව
රසායනාගාරයක් යනු සෞඛ්ය සේවා පද්ධතියේ වඩාත්ම දත්ත-අධික ලක්ෂ්යයකි. සෑම රෝගියෙකුම, සෑම පරීක්ෂණයක්ම, සෑම ප්රතිඵලයක්ම දත්ත කැබැල්ලක් වන අතර, මෙම කොටස් බොහොමයක් සංවේදී පුද්ගලික දත්ත - එනම් සෞඛ්ය දත්තවල විෂය පථය තුළ වේ. කෘත්රිම බුද්ධියට මෙම දත්ත මත වැඩ කිරීමෙන් විශාල වටිනාකමක් ජනනය කළ හැකි නමුත් නොසැලකිලිමත් ලෙස භාවිත කළ විට එම කෘත්රිම බුද්ධිය බරපතළ පෞද්ගලිකත්වය උල්ලංඝනය කිරීම්, නීතිමය වගකීම් සහ රෝගියාගේ විශ්වාසයට හානි කිරීමට හේතු විය හැක. එපමනක් නොව, එය රහස්යභාවය ගැන පමණක් නොවේ: සායනික භාවිතයට යොදවා ඇති කෘත්රිම බුද්ධි ආකෘතියක් සත්ය වශයෙන්ම විශ්වාසදායක බව ඔප්පු කිරීම - එනම් වලංගු කිරීම - සහ එම ආකෘතිය ඇතැම් රෝගී කණ්ඩායම්වලට (පක්ෂග්රාහීත්වය) අසාධාරණ නොවන බවට වග බලා ගැනීම වෘත්තීයමය සහ සදාචාරාත්මක වගකීමකි.
මෙම ඒකකය තුළ, KVKK/රහස්යභාවයේ විෂය පථය තුළ රෝගියාගේ රසායනාගාර දත්ත ආරක්ෂා කරන්නේ කෙසේදැයි ඔබ ඉගෙන ගනු ඇත; සායනික AI මාදිලිවල වලංගුකරණය, කාර්ය සාධන ප්රමිතික සහ පක්ෂග්රාහී පාලනය; සහ එක් එක් භාවිතය සඳහා සදාචාරාත්මක මූලධර්ම වියන ආකාරය. මූලික මූලධර්මය: නිර්නාමික කිරීමකින් තොරව දත්ත කිසිදු වාහනයකට ඇතුළු නොවේ; ඔබේම දත්ත මත වලංගු වන තෙක් කිසිදු ආකෘතියක් සායනික තීරණවලට සහභාගී නොවේ; සහ අවසාන වගකීම සෑම විටම විශේෂඥයා සතුවේ.
පෞද්ගලිකත්වය: කුමන දත්තද, එය ආරක්ෂා කරන්නේ කෙසේද
යුරෝපයේ GDPR හි Türkiye හි KVKK (පුද්ගලික දත්ත ආරක්ෂණ නීතිය) යටතේ රෝගියාගේ රසායනාගාර දත්ත (ප්රතිඵල, රෝග විනිශ්චය, ප්රොටෝකෝල අංකය, අනන්යතාවය) ආරක්ෂා කර ඇති අතර සෞඛ්ය දත්ත "විශේෂ ස්වභාවය" බැවින් අමතර ආරක්ෂාවක් අවශ්ය වේ. කෘතිම බුද්ධිය භාවිතා කිරීමේදී මූලික නීති තුනක්:
- නිර්නාමික කරන්න. නම, TR ID, ප්රොටෝකෝලය/ගොනු අංකය, උපන් දිනය, සම්බන්ධතා සහ ආයතන තොරතුරු ඉවත් කරන්න. "68 හැවිරිදි කාන්තා රෝගියා" ප්රමාණවත්ය; "Ayşe Yılmaz, 12.03.1957" නොවේ. දුර්ලභ රෝග + කුඩා පිහිටීම වැනි සංයෝජන වක්රව අනන්යතාවය හෙළි කළ හැකි බව සලකන්න.
- අවම දත්ත ප්රතිපත්තිය. කාර්යය සඳහා අවශ්ය අවම දත්ත බෙදා ගන්න. යොමු පරාසයක ප්රශ්නයකට සම්පූර්ණ රෝගියා ගොනුව අවශ්ය නොවේ.
- ආරක්ෂිත වාහන තෝරා ගැනීම. දත්ත සැකසුම් ගිවිසුමක් ඇති ආයතනික මෙවලම් තෝරන්න සහ ආදර්ශ පුහුණුවේදී ඔබේ දත්ත භාවිතා නොකරන්න. අමු රෝගී ගොනුවක් පොදු මෙවලමකට උඩුගත කිරීම වඩාත් සුලභ සහ දරුණුතම උල්ලංඝනය වේ.
දත්ත වර්ගය
අවදානම
නිවැරදි හැසිරීම
නම, TR ID, ප්රොටෝකෝල අංකය
සෘජු හඳුනාගැනීම
උපුටා ගැනීම, නිර්නාමික කිරීම
උපන් දිනය, ලිපිනය
වක්ර හඳුනාගැනීම
වයස් පරාසයට බාගන්න, ලිපිනය ඉවත් කරන්න
ප්රතිඵල අගයන්
සෞඛ්ය දත්ත
නිර්නාමිකව, අවම වශයෙන් බෙදා ගන්න
රූපය (ස්මියර්, ව්යාධිවේදය)
සෞඛ්ය දත්ත + හැඳුනුම්පත
වලංගු සායනික පද්ධතියේ එය තබා ගන්න; විවෘත වාහනයකට පැටවීම
අවධානය: "මම එය සංකේතනය කළා, ඒ නිසා මට නමත් එවන්න පුළුවන්" වැරදියි. සංකේතනය ප්රවාහනය ආරක්ෂිත කරයි, නමුත් AI මෙවලමකට අනන්යතා දත්ත යැවීම සාධාරණීකරණය නොකරයි. අනන්යතා දත්ත උපුටා ගනී.
ආදර්ශ වලංගුකරණය: "ප්රකාශනය" ප්රමාණවත් නොවන්නේ ඇයි
AI ආකෘතියක් (උදා: රූප වර්ගීකරණ යන්ත්රයක් හෝ පරිවර්ථන එන්ජිමක්) එක තැනක හොඳින් ක්රියා කරන නිසා, එය ඔබේ රසායනාගාරයේ හොඳින් ක්රියා කරනු ඇතැයි අදහස් නොවේ. මෙම ආකෘතිය වෙනත් ජනගහනයක්, තවත් උපාංගයක්, තවත් පැල්ලම් කිරීමේ ප්රොටෝකෝලයක් මත පුහුණු කර ඇත; එහි කාර්ය සාධනය ඔබේ සාම්පලවල වෙනස් විය හැක. මෙය බෙදාහැරීමේ මාරුව ලෙස හැඳින්වේ. එබැවින්, සායනික භාවිතයට ගත යුතු සෑම ආකෘතියක්ම ඔබේම දත්ත මත වලංගු කළ යුතුය, එහි කාර්ය සාධනය මැනිය යුතු අතර නිතිපතා අධීක්ෂණය කළ යුතුය.
වලංගුකරණයේදී භාවිතා කරන ප්රධාන කාර්ය සාධන ප්රමිතික:
- සංවේදිතාව: ඇත්තටම අසනීප/ධනාත්මක අයව නිරූපිකාව නිවැරදිව ග්රහණය කර ගන්නා වේගය. අඩු සංවේදීතාව = මග හැරුණු සත්ය ධනාත්මක (අසත්ය සෘණ) = විවේචනාත්මක සොයාගැනීම් මඟ හැරීමේ අවදානම.
- විශේෂත්වය: සැබවින්ම නිරෝගී/සෘණාත්මක අය ඉවත් කිරීමේ නිවැරදි අනුපාතය. අඩු නිශ්චිතතාව = බොහෝ ව්යාජ අනතුරු ඇඟවීම්.
- ව්යාජ සෘණ/අසත්ය ධනාත්මක අනුපාත: රසායනාගාරයේදී, ව්යාජ ඍණ (විවේචනාත්මක සොයාගැනීමක් මග හැරී ඇත) සාමාන්යයෙන් ව්යාජ ධනයකට වඩා භයානක ය; මෙම ශේෂය ආකෘතියේ අපේක්ෂිත භාවිතය අනුව සකස් කර ඇත.
ආකෘතිය වලංගු වූ පසු, එය අමතක නොවේ; කාලයත් සමඟ උපාංගය, ප්රතික්රියාකාරකය, ජනගහනය වෙනස් විය හැකි අතර කාර්ය සාධනය වෙනස් විය හැක. එබැවින් අඛණ්ඩ නිරීක්ෂණ සහ වරින් වර නැවත ඇගයීම අවශ්ය වේ.
පක්ෂග්රාහී: ආකෘතිය අසාධාරණ වන්නේ කාටද?
පුහුණු දත්තවල අසමතුලිතතා ගැන නිරූපිකාවක් ඉගෙන ගනී. රූප ආකෘතියක් බොහෝ දුරට විශේෂිත රෝගී කණ්ඩායමක උදාහරණ මත පුහුණු කර ඇත්නම්, එය අඩු නියෝජනය කරන කණ්ඩායම තුළ වැඩි දෝෂ ඇති කළ හැකිය. රසායනාගාර සන්දර්භයක් තුළ, මෙයින් අදහස් කරන්නේ යම් වයස්, ස්ත්රී පුරුෂ භාවය හෝ සායනික කණ්ඩායමක් සඳහා ආකෘතිය අඩුවෙන් ක්රියා කරන බවයි - මෙය සාධාරණත්වය/ආචාර ධර්ම ගැටලුවකි. වලංගු කිරීමේදී, සාමාන්යයෙන් පමණක් නොව, උප කණ්ඩායම්වල කාර්ය සාධනය පරීක්ෂා කිරීම අවශ්ය වේ. පක්ෂග්රාහීත්වය නොසලකා හැරීම යනු සමහර රෝගීන්ට වඩාත් නරක සේවාවක් නිහඬව සැපයීමයි.
සදාචාරාත්මක මූලධර්ම හතර සහ වගකීම් දාමය
සෞඛ්ය ආචාර ධර්මවල මූලික මූලධර්ම හතර රසායනාගාර AI සඳහා ද අදාළ වේ:
- ප්රතිලාභ: කෘතිම බුද්ධිය රෝගියාගේ ප්රයෝජනය සඳහා භාවිතා කළ යුතුය; ත්වරණය ආරක්ෂාවට බාධා නොකළ යුතුය.
- අනිෂ්ට නොවන බව: සත්යාපනය නොකළ ප්රතිදානය, ව්යාජ විවේචනාත්මක අගය, මග හැරුණු සොයා ගැනීම හානියට හේතු විය හැක; ඒවා වැළැක්වීම සදාචාරාත්මක වගකීමකි.
- ස්වයං පාලනය: ඔහුගේ දත්ත මත රෝගියාගේ අයිතිවාසිකම් ආරක්ෂා කර ඇත; රහස්යභාවය සහ කැමැත්තට ගරු කරනු ලැබේ.
- යුක්තිය: ආකෘතිය සියලුම රෝගී කණ්ඩායම් සඳහා සමාන ගුණාත්මක සේවාවක් සැපයිය යුතුය; පක්ෂග්රාහීත්වය පරීක්ෂා කළ යුතුය.
සහ සියල්ලටත් වඩා, වගකීම් දාමයක් ඇත: කෘතිම බුද්ධිය නිමැවුමක් නිපදවිය හැක, නමුත් එම නිමැවුමේ ප්රතිඵලය සඳහා විශේෂඥයා වගකිව යුතුය. “AI එහෙම කිව්වා” නිදහසට කරුණක් නොවේ; අත්සන, තීරණය සහ වගකීම මිනිසා සතුය.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
Ayşe Yılmaz (TC 123..., ප්රොටෝකෝලය 2024-88) හි සියලුම ප්රතිඵල සහ රෝග විනිශ්චය අර්ථකථනය කර වාර්තාවක් ලියන්න.
මෙම ඉල්ලීමෙහි සෘජුවම අනන්යතා දත්ත (KVKK උල්ලංඝනය) අඩංගු වේ, අවම දත්ත මූලධර්මය උල්ලංඝනය කර රෝග විනිශ්චය ඉල්ලා සිටී. එය පෞද්ගලිකත්වය සහ දේශසීමා බරපතළ ලෙස උල්ලංඝනය කිරීමකි.
බලවත් විමසුම:
ඔබේ කාර්යභාරය: රසායනාගාර විශේෂඥයාට කෙටුම්පත් සකස් කිරීමේ සහකාර. පහත දත්ත නිර්නාමික ය; හඳුනාගැනීමේ තොරතුරු අඩංගු නොවේ. අවශ්ය සායනික/විශ්ලේෂණාත්මක තොරතුරු සමඟ පමණක් වැඩ කරන්න. රෝග විනිශ්චය කිරීම; "හැකි" භාෂාව භාවිතා කරන්න; වෛද්යවරයා වෙත යොමු කරන්න. රෝගියා: 68 හැවිරිදි කාන්තාවක්, දන්නා තයිරොයිඩ් රෝගය. නිර්නාමික ප්රතිඵල (යොමුව සමග): TSH 6.2 mIU/L (ref 0.4-4.0), සාමාන්ය පරාසය තුළ නිදහස් T4. කාර්යය: රෝගියාට සරල කෙටි විස්තරයක් ලියන්න; අනන්යතා ඉඟියක් ජනනය කරන්න.
ප්රබල විමසුම නිර්නාමික වේ, අවම දත්ත සමඟ ක්රියා කරයි, රෝග විනිශ්චය විශේෂඥයා වෙත තබා, සීමාව නියම කරයි.
කුඩා නඩු තුනක්
නඩුව 1 - පෞද්ගලිකත්වය උල්ලංඝනය කිරීම වැළැක්වීම. රෝගියාගේ වාර්තාවක් අර්ථකථනය කිරීම සඳහා, කාර්මික ශිල්පියෙකු ප්රථමයෙන් නම, හැඳුනුම්පත සහ ප්රොටෝකෝල අංකය "නිර්නාමිකකරණ පාලන" අච්චුව සමඟ පෙළෙන් උපුටා ගනී; එය වයස, ස්ත්රී පුරුෂ භාවය සහ ප්රතිඵල අගයන් පමණක් ඉතිරි කරයි. එවිට එය ආරක්ෂිත, ආයතනික මෙවලමක් තුළ ක්රියාත්මක වේ. අනන්යතාවයක් ඇතිව දත්ත ආයතනයෙන් පිටතට යන්නේ නැත. වැඩ ආරම්භ කිරීමට පෙර උල්ලංඝනය වළක්වා ඇත.
නඩුව 2 - වලංගු නොවන ආදර්ශ උගුල. රසායනාගාරයක් ආරම්භ වන්නේ වෙනත් මධ්යස්ථානයක නිපදවන ලද මුත්රා අවසාදිත ආකෘතියක් සෘජුවම තමන්ගේම උපකරණයක භාවිතා කරමිනි. එය වලංගු නොවේ. ටික වේලාවකට පසු, ආකෘතියට එහි පැල්ලම් කිරීමේ ප්රොටෝකෝල (බෙදාහැරීමේ මාරුව) තුළ ඇතැම් ස්ඵටික නිතර මග හැරෙන බව දක්නට ලැබේ. බොරු සෘණ එකතු වී ඇත. පාඩම: ඔබේම දත්ත මත වලංගු වන තෙක් සහ සංවේදීතාව/විශේෂිතභාවය මනිනු ලබන තුරු ආකෘතිය සායනික තීරණ ගැනීම කෙරෙහි බලපාන්නේ නැත.
නඩුව 3 - පක්ෂග්රාහීව අල්ලා ගැනීම. කාර්ය සාධන විගණනයකදී, ආකෘතියක සමස්ත සංවේදිතාව ඉහළ බව පෙනුනද, වැඩිහිටි රෝගීන්ගේ උප සමූහයක එය සැලකිය යුතු ලෙස අඩු බව සොයා ගැනේ; ආකෘතිය මෙම කණ්ඩායම තුළ වැඩිපුර වැරදි සිදු කරයි. රසායනාගාරය මෙම ආකෘති නිමැවුම් සමූහයට අතිරේක විශේෂඥ සමාලෝචනයක් එක් කරන අතර නිෂ්පාදකයා සම්බන්ධ කර ගනී. පාඩම: කාර්ය සාධනය සමස්තයක් ලෙස පමණක් නොව උප කණ්ඩායම් තුළද පරීක්ෂා කරනු ලැබේ; යුක්තිය පිළිබඳ මූලධර්මය මෙය අවශ්ය වේ.
පිටපත් කළ හැකි ක්ෂණික සැකිලි
නිර්නාමිකකරණ පාලන සැකිල්ල නම, TR ID, ප්රොටෝකෝලය/ගොනු අංකය, උපන් දිනය, ලිපිනය, දුරකථන සහ ආයතන තොරතුරු පහත පාඨයෙන් උපුටා ගැනීම; "[ඉවත් කළ]" සමඟ ප්රතිස්ථාපනය කරන්න. වක්ර හැඳුනුම්පතක් තිබේ නම් අනතුරු අඟවන්න (දුර්ලභ රෝග විනිශ්චය + කුඩා ස්ථානය). අවශ්ය සායනික/විශ්ලේෂණාත්මක තොරතුරු පමණක් තබන්න. පෙළ: [පෙළ].
ආදර්ශ වලංගු කිරීමේ සැලැස්ම සැකිල්ල මම සායනික භාවිතයට යොදන කෘත්රිම බුද්ධි ආකෘතියක් සඳහා කෙටුම්පත් වලංගු කිරීමේ සැලැස්මක් සකස් කරන්න: මම එය පරීක්ෂා කරන්නේ කුමන දත්ත සමඟද? මම තීරණය කරන්නම්; ඔබ පිරික්සුම් ලැයිස්තුවක් නිෂ්පාදනය කරයි.
BIAS චෙක් ටෙම්ප්ලේට් ආකෘතියක කාර්ය සාධනය ඇගයීමට ලක් කරයි. කුමන උප කණ්ඩායම් (වයස, ස්ත්රී පුරුෂ භාවය, සායනික කණ්ඩායම, නියැදි වර්ගය) මම කාර්ය සාධනය වෙන වෙනම සෙවිය යුතු සහ එක් කණ්ඩායමක සැලකිය යුතු ලෙස දුර්වල කාර්ය සාධනයක් දුටුවහොත් මා ගත යුතු පියවර මොනවාදැයි ලැයිස්තුගත කරන්න. සාධාරණත්වය / සමානාත්මතා අවවාදයන් එක් කරන්න.
ආචාරධාර්මික ස්වයං විගණන සැකිල්ල මා කිරීමට යන AI භාවිතය සදාචාරාත්මක මූලධර්ම හතරකට අනුව විගණනය කෙරේ: ප්රතිලාභ, අනර්ථකාරී නොවන, ස්වාධීනත්වය (පෞද්ගලිකත්වය / කැමැත්ත), සාධාරණත්වය. එක් එක් ප්රතිපත්තිය සඳහා අවදානම් ප්රශ්නයක් අසන්න. එසේම, "මෙම නිමැවුමට වගකිව යුත්තේ කවුද?" ඔබේ ප්රශ්නයට පිළිතුරු දීමට මගෙන් ඉල්ලා සිටින්න. භාවිතය: [අර්ථ දැක්වීම].
පොදු වැරදි
- වාහනයට හඳුනාගැනීමේ දත්ත ලබා දීම. නම, TR ID අංකය සහ ප්රොටෝකෝල අංකය නිර්නාමික කිරීමකින් තොරව බෙදා නොගනී; සංකේතනය මෙය සාධාරණීකරණය නොකරයි.
- වක්ර අනන්යතාවය අමතක වීම. දුර්ලභ රෝග විනිශ්චය + කුඩා පිහිටීම වැනි සංයෝජන මගින් අනන්යතාවය හෙළි කළ හැකිය.
- එය වලංගු කිරීමකින් තොරව ආකෘතිය භාවිතා කිරීම. වෙනත් තැනක ධාවනය වන ආකෘතියක් ඔබගේ දත්ත මත වෙනස් කාර්ය සාධනයක් ලබා දිය හැක.
- පොදුවේ කාර්ය සාධනය දෙස බලන්න. උප සමූහ විශ්ලේෂණය සිදු නොකළහොත් පක්ෂග්රාහීව සැඟවී පවතී.
- ආකෘතිය මත වගකීම පැවරීම. "AI කිව්වා" නිදහසට කරුණක් නොවේ; තීරණය සහ අත්සන විශේෂඥයා සතුය.
ඉඟිය: AI හි සෑම භාවිතයකටම පෙර, එකට ප්රශ්න දෙකක් අසන්න: “මෙම දත්ත හඳුනා නොගෙන තිබේද?” සහ "මෙම ආකෘතිය මගේ අස්වැන්නෙන් ක්රියා කරන ආකාරය මම දන්නවාද?" පළමු එකට පිළිතුර පුද්ගලිකත්වය ආරක්ෂා කරයි, දෙවැන්නට පිළිතුර ආරක්ෂාව ආරක්ෂා කරයි.
සාරාංශයකින්
රසායනාගාර දත්ත විශේෂ ගුණාත්මක සෞඛ්ය දත්ත; කෘතිම බුද්ධිය භාවිතා කිරීමේදී නිර්නාමිකකරණය, අවම දත්ත ප්රතිපත්තිය සහ ආරක්ෂිත මෙවලම් තෝරාගැනීම අනිවාර්ය වේ. සායනික භාවිතයට ගත යුතු ආකෘති ඔබේම දත්ත මත වලංගු විය යුතුය; සංවේදීතාව, නිශ්චිතභාවය සහ ව්යාජ සෘණ / ධන ශේෂය මැනිය යුතුය; පක්ෂග්රාහී බව පරීක්ෂා කිරීම සඳහා කාර්ය සාධනය උප සමූහ තුළද පරීක්ෂා කළ යුතුය. ආචාරධාර්මික ප්රතිපත්ති හතරක් - ප්රතිලාභ, අනර්ථකාරී බව, ස්වාධිපත්යය, යුක්තිය - සෑම භාවිතයකටම වියන ලද අතර, ඒ සියල්ලටම වඩා වගකීමේ දාමය පවතී: නිමැවුම ආකෘතියෙන් පැමිණියද, තීරණය සහ වගකීම විශේෂඥයා සතුය.
යෙදුම් කාර්යය
"නිර්නාමිකකරණය පාලනය" අච්චුව සමඟ නියැදි රෝගියා පෙළක් නිර්නාමික කර ඔබ ඉවත් කළ තොරතුරු ලැයිස්තුගත කරන්න. "ආදර්ශ වලංගු කිරීමේ සැලැස්ම" අච්චුව සමඟ ඔබ භාවිතා කරන (හෝ භාවිතා කිරීමට සලකා බලන) AI ආකෘතියක් සඳහා වලංගු කිරීමේ පිරික්සුම් ලැයිස්තුවක් සාදන්න; සංවේදීතාව/විශේෂත්වය සහ උප සමූහ විශ්ලේෂණය ඇතුළත් කරන්න. අවසාන වශයෙන්, "ආචාරධර්ම ස්වයං-විගණනය" අච්චුව සමඟ මූලධර්ම හතරට එරෙහිව භාවිතයක් තක්සේරු කරන්න.
පිරික්සුම් ලැයිස්තුව
- [] මම දත්ත නිර්නාමික කළෙමි; මම සෘජු සහ වක්ර අනන්යතා ඉඟි ඉවත් කළෙමි.
- [ ] මම අවම දත්ත ප්රතිපත්තිය යෙදුවෙමි; මම බෙදා ගත්තේ අවශ්ය දේ පමණයි.
- [ ] මම ආරක්ෂිත, ආයතනික සහ දත්ත සැකසුම් ගිවිසුම්ගත මෙවලමක් භාවිතා කළෙමි.
- [ ] මම මගේම දත්ත මත ආකෘතිය වලංගු කළෙමි; මම සංවේදීතාව/විශේෂිත බව මැනිය.
- [ ] මම උප සමූහවල කාර්ය සාධනය පරීක්ෂා කර පක්ෂග්රාහී දැයි පරීක්ෂා කළෙමි.
- [ ] මම සදාචාරාත්මක මූලධර්ම හතර නිරීක්ෂණය කළ අතර වගකීම විශේෂඥයා සතු බව තහවුරු කළෙමි.