Vinster:
- Förmåga att förstå och implementera att barnets uppgifter är speciella uppgifter och att de ska vara anonymiserade inom ramen för KVKK och sekretess samt kräver familjens samtycke.
- Förmåga att utvärdera artificiell intelligens-verktyg när det gäller datasäkerhet, lagring och användning i modellträning och välja det säkra
- Förmåga att upprätthålla etiska gränser såsom diagnostisk auktoritet, stigma, diskriminering och barnets bästa i arbetsflödet
Ett barns utvecklingsfil innehåller barnets mest intima information: utvecklingshistoria, familjesituation, screeningresultat, observationer och ibland medicinsk information. När denna information hamnar i orätta händer eller missbrukas kan den skada barnet i många år framöver: en etikett, ett stigma, en diskriminering. Därför är skyddet av barns data ett av de allvarligaste ansvarsområden för barnutvecklingsspecialisten; I den artificiella intelligensens tidsålder mångdubblas detta ansvar, eftersom det tar några sekunder att klistra in data i ett verktyg och inte kan ångras. I den här enheten kommer vi att täcka barndatas juridiska status, utvärdering av artificiell intelligens-verktyg när det gäller integritet och etiska gränser.
För det första den rättsliga grunden: I Türkiye reglerar KVKK (Personal Data Protection Law) behandlingen av personuppgifter. Barnets hälso- och utvecklingsuppgifter är i kategorin särskilda personuppgifter; Denna kategori är föremål för högsta skyddsnivå. I Europa är dess motsvarighet GDPR. När det gäller ett barn är känsligheten ännu större, eftersom barnet inte kan ge ett giltigt samtycke till sina egna uppgifter; Samtycke (informerat uttryckligt samtycke) erhålls från det juridiska ombudet, det vill säga familjen. Principen om "barnets bästa" råder i varje beslut.
Anonymisering: det mest grundläggande och kraftfulla steget
Det mest grundläggande, mest praktiska steget som skyddar integriteten när man arbetar med artificiell intelligens är anonymisering: ta bort all identitetsavslöjande information (namn, efternamn, TR ID-nummer, födelsedatum, skola/institutionens namn, adress, protokoll/filnummer, efternamn) från data och använda endast den oidentifierade information som behövs för din uppgift. Att skriva "3 år och 2 månader gammal tjej" istället för "Elif Kaya, 3 år och 2 månader, Papatya Kindergarten" gör jobbet med data men bevarar identiteten.
Ett varningens ord: identitet kan återuppstå när flera små detaljer möts (detta kallas återidentifiering). Till exempel kan detaljer som "Den enda tvillingen i by X, hans far är chef" identifiera personen även om det inte finns något namn. Därför är det nödvändigt att inte bara ta bort namnet utan också att generalisera detaljerna som gör det unikt.
Raw (kan inte delas)
Anonym (delbart)
Elif Kaya, TC 123..., född 12.03.2022.
3 år 2 månader gammal tjej
Papatya Kindergarten, 3-A klass
förskoleanstalt
Hans mamma är Ayşe och hans pappa är Mukhtar.
föräldrar
Filnummer 2024/187
(borttaget)
Observera: Att ladda upp barnets identitetsinformation, fullständig rapport eller foto till ett allmänt tillgängligt verktyg för artificiell intelligens är en kränkning av KVKK och integritet och kan inte återkallas. Datan går till en extern server och vissa verktyg kan använda den för modellträning. Anonymisera alltid innan du laddar upp.
Verktygsval och datalivscykel
Inte alla AI-verktyg har samma nivå av integritet. När du utvärderar ett verktyg, fråga: Använder det effektivitet i att träna modellen? Var lagrar den data och hur länge? Erbjuder den ett databehandlingsavtal (för företagsbruk)? Var är deras servrar? Företags-, kontrakterade och utbildningsverktyg som inte använder din data är säkrare än allmänt tillgängliga gratisverktyg. Men även i det säkraste verktyget, dela inte onödiga referenser – anonymisering är det första försvaret under alla omständigheter.
Tänk på datalivscykeln: samla in data (validera), bearbeta (efter behov), lagra (säkert, tidsinställd), dela (endast auktoriserat, anonymt) och radera (när det är klart). Allt du lägger i AI-verktyg riskerar att hamna utanför denna loop.
Tips: Sätt en hård regel överst i dina favorituppmaningar: "Jag kommer inte att dela någon information som identifierar barnet eller familjen i den här konversationen." Att göra detta till en kontrollreflex förhindrar den vanligaste överträdelsen (frånvarande klistra in ID).
Etiska gränser: diagnos, stigma, diskriminering
Sekretess är en teknisk fråga, men etiken är bredare. Tre gränser är kritiska. Diagnostisk myndighet: specialist för barnutveckling genomför screening och utvecklingsbedömning; Definitiv diagnos är den relevanta läkarens/det kliniska teamets uppgift. Artificiell intelligens känner inte till denna gräns; du kommer att skydda. Stigma: att markera ett barn med en tidig och permanent etikett (i filen, i familjen, i ditt eget sinne) är orättvist mot barnet och kan påverka barnets utveckling negativt. Diskriminering och partiskhet: AI kan återspegla fördomar i träningsdata; Det kan ge partiska resultat för en viss kultur, kön eller socioekonomisk grupp. Experten bör lägga märke till dessa och korrigera dem. Framför allt detta står principen om barnets bästa: är varje beslut till barnets bästa?
Fyra kopierbara uppmaningar
1) Anonymiseringsuppmaning:
Jag ska ge dig ett sms. Ta bort all information som kan avslöja barnets eller familjens identitet (namn, efternamn, TR-ID, födelsedatum, skola/institution, adress, filnummer, unika uppgifter); ersätt med allmänt uttryck([tjej], [förskoleanstalt]). Generalisera inte bara namnet utan också unika detaljer som kan identifiera personen. Lista vad du tog bort.Text: [rå]
2) Uppmaning om utvärdering av fordonsintegritet:
Ge mig en checklista med integritetsfrågor jag bör ställa för att avgöra om jag kan använda ett AI-verktyg med barndata (är data som används i utbildning, lagring, kontrakt, serverplats, radering). Hitta inte på svaren; lista bara frågorna.
3) Etik/gräns för myndighetskontroll:
Granska följande text etiskt: (1) ställer/antyder det en diagnos? (2) finns det en stigmatiserande etikett? (3) finns det kulturella/könsmässiga/socioekonomiska fördomar? Markera varje problem och föreslå ett korrigerat, försiktigt alternativ.Text: [utkast]
4) Textuppmaning med information om familjens samtycke:
Utarbeta ett kort meddelande/SAMTYCKE till familjen som enkelt förklarar hur jag kommer att använda och skydda barnets data. Det inkluderar: vilka uppgifter, för vilket ändamål, hur de skyddas, med vem de delas, ångerrätt. Tillhandahållande av juridisk rådgivning; Observera att det är ett utkast och måste godkännas av institutionen.
tre minifodral
Fall 1 – Överträdelse av identitetsuppladdning. En hektisk dag klistrar en specialist in ett barns utvecklingsrapport, komplett med fullständigt namn och ID, i ett offentligt verktyg och säger "sammanfatta". Uppgifterna lämnade institutionen och familjens samtycke erhölls inte. Det korrekta sättet var att anonymisera uppgifterna med den första uppmaningen och endast använda anonym information i ett säkert verktyg. Denna överträdelse är både en juridisk och etisk fråga och kan inte vändas.
Fall 2 — Omidentifiering. En expert raderar namnet men lämnar detaljen "den enda trillingen i byn, hans far är imam." Denna detalj identifierar barnet även utan namn. Experten fördjupar anonymiseringen för att generalisera unika detaljer: "ett flerlinggraviditetsbarn som bor på landsbygden." Identiteten är nu skyddad.
Fall 3 – Bias correction. AI producerar ett partiskt antagande som är implicit i innehållet om en låginkomstfamilj, till exempel "engagemang är ofta otillräckligt i dessa familjer." Experten fångar detta med den 3:e prompten; finner påståendet ogrundat, stigmatiserande och diskriminerande och tar bort det. Den skriver om innehållet på ett språk som ser varje familj som jämlik och respekterad.
Svag prompt / Stark prompt
Svag uppmaning:
Jag klistrar in hela Elifs rapport här, utvärderar och rekommenderar en diagnos.
Problem: identitetsinformation delas (KVKK-överträdelse), diagnos begärs (behörighetsöverskridande), inget samtycke, säkert fordon ifrågasätts inte.
Kraftfull uppmaning:
Redigera följande ANONYMA utvecklingssammanfattning (identifikationsinformation borttagen) för utvärderingsUTKAST. Att ställa en diagnos; använda stigmatiserande etiketter; Undvik partiska antaganden. Markera [låt en expert utvärdera] där du inte är säker. Sammanfattning: [anonym]
Vanliga misstag
- Ladda upp autentiseringsuppgifter: Den vanligaste och allvarligaste överträdelsen; anonymisera alltid.
- Ytlig anonymisering: Det räcker inte att bara ta bort namnet; generalisera unika detaljer också.
- Ifrågasätter inte verktygets sekretess: Undvik verktyg som använder din data för utbildning.
- Att korsa den diagnostiska gränsen: Bedömning är inte diagnos; Befogenheten ligger hos läkaren/teamet.
- Att inte känna igen partiskhet: Fixa stigmatiserande/diskriminerande antaganden om AI.
Sammanfattningsvis
Barnuppgifter är speciella personuppgifter; Det kräver högsta skydd inom ramen för KVKK och sekretess och samtycke inhämtas från familjen. Det starkaste försvaret när du arbetar med AI är anonymisering – generalisera inte bara namnet utan också unika detaljer som kan identifiera individen. Utvärdera verktyg för integritet; Välj den säkra som inte använder din data i träningen. Upprätthåll etiska gränser (diagnostisk auktoritet, stigma, diskriminering/bias) och beakta barnets bästa i varje beslut.
Applikationsuppgift
Ta en icke-anonymiserad (autentisk, från dina egna register) förloppsanteckning; Utan att reflektera det på skärmen, anonymisera det manuellt med logiken i den första prompten och lista all information du har extraherat. Utvärdera ett AI-verktyg du använder när det gäller sekretess med den andra uppmaningen. Kontrollera ett utkast för etik/bias med prompt 3. Notera minst tre korrigeringar du gjort (en anonymisering, en etik, en bias).
checklista
- [ ] Jag anonymiserade uppgifterna; Jag generaliserade också unika detaljer.
- [ ] Jag utvärderade verktyget jag använde i termer av integritet; Jag valde den säkra.
- [ ] Jag fick familjens samtycke vid behov.
- [ ] Jag behöll den diagnostiska auktoritetsgränsen; Jag tillämpade distinktionen utvärdering-diagnos.
- [ ] Jag tog bort stigmatiserande taggar och diskriminerande/partiska uttryck.
- [ ] Jag tog hänsyn till barnets bästa i varje beslut.
- [ ] Jag har inte laddat upp användaruppgifterna till något fordon.