ලාභ:
- ශිෂ්ය දත්ත පුද්ගලික සහ බොහෝ විට පුද්ගලික දත්ත බව අවබෝධ කර ගැනීම සහ KVKK විෂය පථය තුළ නිර්නාමිකකරණය සහ ගබඩා කිරීමේ නීති සහ වෘත්තීය රහස්යභාවය
- ප්රසිද්ධියේ පවතින කෘත්රිම බුද්ධි මෙවලම්වලට දත්ත ඇතුළත් කිරීමේදී හඳුනාගැනීම සහ ආරක්ෂිත/ආයතනික මෙවලමක් තෝරා ගැනීම පුහුණු කිරීමේ හැකියාව
- දත්ත හුවමාරු කර ගැනීම, දත්ත අවම කිරීම සහ පාසල් ප්රතිපත්තිවලට අනුකූල වීම ගුරුවරයාගේ වගකීම බව අවබෝධ කර ගැනීම.
ගුරුවරයෙකුට තම රැකියාව අතරතුර ඉතා සංවේදී තොරතුරු වෙත ප්රවේශය ඇත: ශ්රේණි, හැසිරීම් වාර්තා, සෞඛ්ය තත්ත්වයන්, පවුල් තොරතුරු, මාර්ගෝපදේශ සංවාද, සමාජ ආර්ථික දත්ත. මෙම තොරතුරු ශිෂ්යයාගේ වඩාත්ම පෞද්ගලික ප්රදේශයට අයත් වන අතර එය වැරදි අතට පත් වූ විට එය ජීවිත කාලය පුරාම හානියක් විය හැකිය. බොහෝ AI මෙවලම් වලාකුළු මත පදනම් වේ - එයින් අදහස් කරන්නේ ඔබ ටයිප් කරන පෙළ ඔබේ පරිගණකයේ නොව දුරස්ථ සමාගම් සේවාදායකයන් මත වන අතර සමහර මෙවලම්වල එය ආකෘතිය සංවර්ධනය කිරීමට භාවිතා කළ හැකිය. එබැවින් පොදු AI එකකට ශිෂ්යයෙකුගේ තොරතුරු ලිවීම යනු එය ඔබගේ පාලනයෙන් ඉවත් කිරීමයි. මෙම ඒකකය ඉගැන්වීමේදී AI භාවිතා කිරීමේදී වඩාත්ම තීරණාත්මක ආරක්ෂණ ස්ථරය ස්ථාපිත කරයි. රීතිය පැහැදිලිය: පළමුව ශිෂ්ය දත්ත නිර්නාමික කරන්න, හැකි නම් ආරක්ෂිත/ආයතනික මෙවලම් භාවිතා කරන්න; වගකීම තියෙන්නේ ගුරුවරයාටයි.
ආරක්ෂා කර ඇති දත්ත මොනවාද? KVKK හි රාමුව
පුද්ගලික දත්ත යනු පුද්ගලයෙකු නිශ්චිත හෝ හඳුනාගත හැකි ඕනෑම තොරතුරකි: නම-වාසගම, පාසල් අංකය, හැඳුනුම්පත, ඡායාරූපය, හෝ එක් සන්දර්භයක් තුළ "3-A හි උසම ශිෂ්යයා" වැනි වක්ර විස්තර පවා. විශේෂ (සංවේදී) පුද්ගලික දත්ත වඩාත් දැඩි ලෙස ආරක්ෂා කර ඇත: සෞඛ්යය, ජනවාර්ගිකත්වය, ආගම, අපරාධ වරද, ජෛවමිතික දත්ත, සංගම්/සංගම් සාමාජිකත්වය. ශිෂ්යයාගේ සෞඛ්ය වාර්තාව, ඉගෙනීමේ ආබාධිත රෝග විනිශ්චය හෝ පවුල් කම්පනය මෙම කාණ්ඩයට අයත් වේ.
KVKK (පුද්ගලික දත්ත ආරක්ෂණ නීතිය) පුද්ගලික දත්ත නීත්යානුකූලව, නිශ්චිත අරමුණක් සඳහා, මනින ලද සහ ආරක්ෂිත ආකාරයකින් සැකසීමට අවශ්ය වේ. ගුරුවරයා සඳහා ප්රායෝගික ඇඟවුම්: දත්ත අවශ්ය පරිදි පමණක් භාවිතා කරන්න (දත්ත අවම කිරීම), දත්ත අනිසි ලෙස භාවිතා නොකරන්න, ආරක්ෂිතව තබා ගන්න, අවසරයකින් තොරව තෙවන පාර්ශවයන් සමඟ (පොදු AI ඇතුළුව) බෙදා නොගන්න. වෘත්තීය රහස්යභාවය පිළිබඳ වගකීමක් ද ඇත: ගුරුවරයාට ශිෂ්යයා සහ ඔහුගේ පවුලේ අය ගැන ඉගෙන ගන්නා තොරතුරු හෙළි කළ නොහැක.
අවවාදයයි: "සමාගම කෙසේ හෝ මෙය කියවන්නේ නැත" යැයි උපකල්පනය කිරීම ආරක්ෂිත නොවේ. සමහර නොමිලේ AI මෙවලම්වලට පුහුණුවේදී යෙදවුම් ගබඩා කිරීමට/භාවිතා කිරීමට හැකිය. දත්ත අවසන් වූ පසු, එය නැවත ලබා ගත නොහැක. ආරක්ෂිතම දෙය නම් කිසි විටෙකත් දත්ත පිටතට නොගැනීමයි.
නිර්නාමිකකරණය: එය ප්රතීකයක් බවට පත් කිරීම
නිර්නාමිකකරණය යනු දත්ත වලින් පුද්ගලයෙකු හඳුනා ගන්නා සියලුම අංග ඉවත් කර එය ආපසු හැරවිය නොහැකි ලෙස සාමාන්යකරණය කිරීමයි. ප්රායෝගිකව:
- නම-වාසගම → "ශිෂ්ය A", "ශිෂ්යයෙක්"
- පාසල් අංකය, TR ID, පන්ති ශාඛාව → සම්පූර්ණයෙන්ම ඉවත් කරන්න
- මාපිය නම, දුරකථනය, ලිපිනය → ඉවත් කරන්න
- දුර්ලභ/විස්තරාත්මක විස්තර → සාමාන්යකරණය ("රෝද පුටුවක් භාවිතා කරන එක් සිසුවෙකු" වැනි වාක්ය ඛණ්ඩය පුද්ගලයාට ලබා දෙයි; "එක් සිසුවෙකු" යැයි කියන්න)
- පාසල/ආයතනයේ නම → පිටවීම හෝ "අපගේ පාසල" යැයි කියන්න
AI වෙත පෙළක් ලබා දීමට පෙර, ආගන්තුකයෙකු එය කියවනු ඇතැයි උපකල්පනය කරන්න: එය කුමන දරුවා දැයි මෙම පාඨයෙන් තේරුම් ගත හැකිද? පැහැදිලි නම් තවදුරටත් සාමාන්යකරණය කරන්න.
ආරක්ෂිත වාහන තෝරා ගැනීම
සියලුම AI මෙවලම් සමාන නොවේ. ආරක්ෂිතම වන්නේ ඔබේ පාසල/ආයතනය සපයන, දත්ත සැකසුම් ගිවිසුමක් (DPA) ඇති සහ අධ්යාපනයේ යෙදවුම් භාවිත නොකරන ආයතනික මෙවලම් වේ. නොමිලේ, ප්රසිද්ධියේ ලබා ගත හැකි මෙවලම් සමඟ, උපකල්පනය නරකම අවස්ථාව විය යුතුය. මෙවලමක් තෝරාගැනීමේදී, අසන්න: මගේ යෙදවුම් සුරැකී තිබේද? එය අධ්යාපනයේදී භාවිතා කරනවාද? දත්ත සැකසෙන්නේ කොහේද? පාසල් ප්රතිපත්තිය මෙම මෙවලම අනුමත කරන්නේද? ඔබට විශ්වාස නැත්නම්, දත්ත නිර්නාමික නොකර භාවිතා නොකරන්න.
පියවරෙන් පියවර: පුද්ගලික-ආරක්ෂිත කාර්ය ප්රවාහය
- පුද්ගලික දත්ත සඳහා පරිලෝකනය කරන්න. නම, අංකය, ආයතනය, සංවේදී තත්ත්වය.
- නිර්නාමික කරන්න. සාමාන්ය ප්රකාශන සමඟ ප්රතිස්ථාපනය කරන්න; හඳුනාගැනීමේ විස්තර මකන්න.
- දත්ත අවම කිරීම යොදන්න. කාර්යයට අවශ්ය නොවන කිසිදු තොරතුරක් එක් නොකරන්න.
- වාහනය තෝරන්න. හැකි නම් ආයතනික; එසේ නොවේ නම්, නරකම අවස්ථාව උපකල්පනය කරන්න.
- එය භාවිතා කරන්න. නිර්නාමික පෙළ සමඟ පමණක් වැඩ කරන්න.
- ප්රතිදානයද පරීක්ෂා කරන්න. AI හට ඔබ ලබා දෙන තොරතුරු නැවත පරාවර්තනය කළ හැකිය; නිමැවුමේ අනන්යතා කාන්දුවක් නොවිය යුතුය.
කුඩා නඩු තුනක්
නඩුව 1 - අවසන් මිනිත්තුව අල්ලා ගැනීම. ශිෂ්යයෙකුගේ පවුල් ගැටලුවක් පිළිබඳව උපදෙස් ලබා ගැනීමට මාර්ගෝපදේශක උපදේශකයෙකු AI වෙත ලිවීය; පෙළෙහි නම, ශ්රේණිය සහ "ඔහුගේ මව රෝහලේ" ඇතුළත් විය. ඔහු එය නොයවා දුටු අතර, ඒ සියල්ල "13 හැවිරිදි සිසුවෙකු, ඔහුගේ පවුල තුළ සෞඛ්ය අභියෝගයක්" ලෙස සාමාන්යකරණය කළේය. ඔහුට ලැබුණු පොදු ප්රවේශ යෝජනා ක්රියාත්මක විය; පුද්ගලික දත්ත කිසිවක් කාන්දු වී නැත.
නඩුව 2 - වක්ර හඳුනාගැනීම. එය "පන්තියේ සිටින එකම දෘෂ්යාබාධිත සිසුවා සඳහා ද්රව්යයක්" බව ගුරුවරයෙක් AI වෙත ලිවීය. නමක් නොතිබුණි, නමුත් එම වාක්ය ඛණ්ඩය අනිවාර්යයෙන්ම පාසලේදී එම පිරිමි ළමයා විස්තර කළේය. ඔහු දුටු විට, ඔහු එය "දෘෂ්ය සහාය අවශ්ය ශිෂ්යයෙකු සඳහා" ලෙස වෙනස් කළේය. නිර්නාමිකකරණය යනු නම් මකා දැමීම පමණක් නොව, හඳුනාගැනීමේ තොරතුරු සැඟවීම ද වේ.
නඩුව 3 - වාහන තෝරා ගැනීම. එක් පාසලක් ගුරුවරුන්ට ශිෂ්ය දත්ත සමඟ නොමිලේ මෙවලම් භාවිතා කිරීම තහනම් කර දත්ත ආරක්ෂාව සහිත ව්යවසාය මෙවලමක් ලබා දුන්නේය. එක් ගුරුවරයෙකු පුරුද්දෙන් නිදහස් මෙවලමෙහි සටහන් විශ්ලේෂණය අලවනු ඇත; ප්රතිපත්ති මතක් කිරීමට ස්තූතියි, ඔහු ආයතනික මෙවලම වෙත මාරු වූ අතර තවමත් දත්ත නිර්නාමික කළේය. ආරක්ෂිත ස්ථර දෙකක් ඒකාබද්ධ වේ.
පිටපත් කළ හැකි සැකිලි
1) පූර්ව නිර්නාමික ස්කෑන් කිරීම:
ආගන්තුකයෙකු පහත පාඨය කියවනු ඇතැයි උපකල්පනය කරන්න. ඔහු කුමන ශිෂ්යයෙකු දැයි මෙම පාඨයෙන් සෘජුව හෝ වක්රව වටහා ගත හැකිද? අනන්යතාවය (නම, අංකය, ආයතනය, දුර්ලභ ලක්ෂණය) ලබා දෙන සියලුම ප්රකාශන ලැයිස්තුගත කර එක් එක් සඳහා පොදු විකල්පයක් යෝජනා කරන්න. පෙළ: [පේස්ට්]
2) ආරක්ෂිත වාහන ස්වයං තක්සේරුව:
මම භාවිතා කරන AI මෙවලමක් ඇගයීමට ප්රශ්න 6ක පිරික්සුම් ලැයිස්තුවක් ලියන්න: ආදාන ගබඩාව, අධ්යාපනයේ භාවිතය, දත්ත ස්ථානය, ආයතනික අනුමැතිය, මකා දැමීමේ අයිතිය, සංවේදී දත්ත අනුකූලතාව. එක් එක් ප්රශ්නයට "ඔව් නම් කුමක් කළ යුතුද / නැත නම් කුමක් කළ යුතුද" යන්න එක් කරන්න.
3) දත්ත අවම කිරීමේ පාලනය:
පහත කාර්යය සඳහා මම AI වෙත ලබා දෙන පාඨය සරල කරන්න: කාර්යයට අවශ්ය නොවන පුද්ගලික/සන්දර්භීය තොරතුරු ඉවත් කරන්න, කාර්යය කිරීමට අවශ්ය දේ පමණක් ඉතිරි කරන්න. කාර්යය: [විස්තර කරන්න]. පෙළ: [පේස්ට්]
4) පාසල් ප්රතිපත්ති කෙටුම්පත් (ගුරුවරුන් සඳහා):
ශිෂ්ය දත්ත සුරක්ෂිත කිරීම සඳහා AI මෙවලම් භාවිතා කිරීමට පාසලක ගුරුවරුන් සඳහා කෙටි, පැහැදිලි කරුණු 8ක නීති ලැයිස්තුවක් කෙටුම්පත් කරන්න: නිර්නාමිකකරණය, අනුමත මෙවලම, සංවේදී දත්ත, රඳවා තබා ගැනීම, කැමැත්ත, කඩකිරීම් දැනුම්දීම. තුර්කි, අදාළ ලිපි තිබිය යුතුය. මම මෙය කළමනාකාරිත්වය/විශේෂඥ අනුමැතියට ඉදිරිපත් කරමි.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
Ahmet Yılmaz, අංක 7-B අංක 214, ගණිතය අතින් ඉතා දුර්වල වන අතර ඔහුගේ පියා උදාසීන ය; මෙම සිසුවා වෙනුවෙන් මා කුමක් කළ යුතුද?
නම, අංකය, පන්තිය, පවුලේ අධිකරණ බලය - රහස්යභාවය දැඩි ලෙස උල්ලංඝනය කිරීම; දත්ත ඔබගේ පාලනයෙන් තොරය.
බලවත් විමසුම:
නිවසේදී සීමිත සහායක් ඇතැයි උපකල්පනය කරමින් ගණිතයේ මූලික මෙහෙයුම් අපහසුතා ඇති 7 වැනි ශ්රේණියේ ශිෂ්යයෙකු සඳහා පාසලේදී ක්රියාත්මක කළ හැකි උපකාරක උපාය මාර්ග 3ක් යෝජනා කරන්න. (සිසු නිර්නාමික; මම කිසිදු පුද්ගලික තොරතුරක් බෙදා නොගනිමි.)
දත්ත වර්ගය
උදාහරණයක්
AI එකට දෙනවද?
කොහොමද
සෘජු හඳුනාගැනීම
නම, අංකය, TR
නැත
සම්පූර්ණයෙන්ම ඉවත් කරන්න
වක්ර හඳුනාගැනීම
"තනි ආබාධිත සිසුවෙක්"
නැත
සාමාන්යකරණය
සංවේදී දත්ත
සෞඛ්යය, රෝග විනිශ්චය, පවුල
ඉතා පරිස්සමින්
නිර්නාමික + ව්යවසාය මෙවලම
සාමාන්ය අධ්යාපනික තත්ත්වය
"අරගල කරන සිසුවෙක්"
ඔව්
නිර්නාමිකව
පොදු වැරදි
- නම මකන්න. අංකය, පන්තිය හෝ වක්ර නිර්වචනය පවතී නම්, අනන්යතාවය තවමත් පැහැදිලිය.
- වක්ර නිර්වචනය නොසලකා හැරීම. "ඔබේ පන්තියේ ඔබ පමණයි..." වැනි ප්රකාශන පුද්ගලයාට ලබා දෙයි.
- සංවේදී දත්ත සැහැල්ලුවෙන් ගැනීම. සෞඛ්ය/පවුලේ තොරතුරු විශේෂ දත්ත වන අතර ඉහළ ආරක්ෂාවක් අවශ්ය වේ.
- වාහනයේ ආරක්ෂාව උපකල්පනය කිරීම. නිදහස් මෙවලම දත්ත ගබඩා නොකරන බව උපකල්පනය කිරීම අවදානම් ය; නරකම දේ උපකල්පනය කරන්න.
- ප්රතිදානය පාලනය නොකිරීම. AI විසින් ප්රතිචාරයේ දී ඔබ සපයන අක්තපත්ර නැවත නැවතත් කළ හැක; ප්රතිදානය ද පිරිසිදු කරන්න.
ඉඟිය: “විනාඩි දෙකක රීතිය”: ඕනෑම ශිෂ්ය සම්බන්ධ පෙළක් AI වෙත ඇලවීමට පෙර, නම, අංකය, ආයතනය සහ හඳුනාගැනීමේ විස්තර හිස් කිරීමට මිනිත්තු දෙකක් ගත කරන්න. මෙම කුඩා පුරුද්ද විශාලතම උල්ලංඝනයන් වළක්වයි.
සාරාංශයකින්
ශිෂ්ය දත්ත පුද්ගලික, බොහෝ විට පුද්ගලික දත්ත වන අතර KVKK සහ වෘත්තීය රහස්යභාවය යටතේ ආරක්ෂා කෙරේ. පොදු AI මෙවලම් වලාකුළු මත පදනම් වේ; දත්ත තිබෙන ආකාරයට දීමෙන් එය පාලනයෙන් තොර වෙනවා. නිවැරදි මාර්ගය: පුද්ගලික සහ වක්රව හඳුනාගන්නා තොරතුරු නිර්නාමික කිරීම, අවශ්ය දේ පමණක් බෙදා ගැනීම (දත්ත අවම කිරීම), හැකි නම් ආයතනික සහ අනුමත මෙවලම් භාවිතා කිරීම සහ ප්රතිදානය විගණනය කිරීම. වගකීම තියෙන්නේ ගුරුවරයාටයි.
යෙදුම් කාර්යය
පසුගිය සතියේ AI වෙත ඔබ ලියා ඇති (හෝ ලිවීමට සලකා බලන) ශිෂ්යයෙකු පිළිබඳ පෙළක් ගන්න. “පූර්ව නිර්නාමිකකරණය පිරික්සීම” අච්චුව සමඟ සියලුම සෘජු සහ වක්ර හඳුනාගැනීම් හඳුනාගෙන සාමාන්යකරණය කරන්න. ඉන්පසු "ආරක්ෂිත මෙවලම් ස්වයං තක්සේරුව" ලැයිස්තුවට එරෙහිව ඔබ භාවිතා කරන AI මෙවලම ඇගයීමට ලක් කර ඔබට මෙම මෙවලම සමඟ භාවිතා කළ හැකි දත්ත වර්ගය තීරණය කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම නම, අංකය, TR ID, ආයතනය වැනි සෘජු හඳුනාගැනීම් ඉවත් කර තිබේද?
- [ ] මම "ඔබේ පන්තියේ එකම එක..." වැනි වක්ර විස්තර කිරීම් සාමාන්යකරණය කර තිබේද?
- [ ] මම සංවේදී (සෞඛ්ය/පවුලේ) දත්ත වලට අමතර ආරක්ෂාවක් සහිතව ප්රතිකාර කර තිබේද?
- [ ] මා භාවිතා කරන වාහනයේ දත්ත ප්රතිපත්තිය සහ පාසල් අනුමැතිය මම පරීක්ෂා කර තිබේද?
- [ ] මම ප්රතිදානයේ අනන්යතා කාන්දුවීම් සඳහාද පරීක්ෂා කර තිබේද?