Etik, Mahremiyet, Uzman Gözetimi ve Uygulama Sınırları

Kazanimlar:

• Özel eğitimde yapay zeka kullanımının etik ilkelerini (yararlılık, zarar vermeme, adalet, önyargıdan kaçınma) somut kurallara dönüştürebilme
• Öğrenci ve aile verisinin mahremiyetini, veri saklama ve paylaşım sınırlarını KVKK çerçevesinde yönetebilme
• Modül boyunca öğrenilenleri uçtan uca güvenli bir iş akışına bağlayıp yapay zekanın nerede biteceğini ve uzman sorumluluğunun nerede başladığını tanımlayabilme

Bu modül boyunca yapay zekayı bir asistan olarak kullanmayı öğrendik: BEP amacı taslakladık, materyal uyarladık, AAC ve davranış planı kurduk, ilerleme izledik, aileyle iletişimi güçlendirdik. Bu son ünite, tüm bunları bir arada tutan çerçeveyi, yani etiği, mahremiyeti ve uzman gözetimini ele alır. Çünkü özel eğitimde çalıştığınız "veri" bir tablo değil, bir çocuktur; ürettiğiniz "çıktı" bir belge değil, bir çocuğun eğitim hakkını etkileyen bir karardır. Yapay zeka bu alanda büyük bir kolaylık sağlar; ama yanlış kullanıldığında en çok zarar görebilecek kişiler de en kırılgan olanlardır. Baştan koyduğumuz ilkeyi son kez tekrarlayalım: Yapay zeka bir asistandır; tanı, yerleştirme, amaç ve çocuğun geleceğini etkileyen kararlar yetkin uzmana, BEP ekibine ve aileye aittir.

Dört etik ilke ve somut karşılıkları

Özel eğitimde yapay zeka kullanımını dört temel etik ilkeye bağlayabiliriz:

• Yararlılık (yarar sağlama): YZ, çocuğun eğitimine gerçekten katkı sağlamak için kullanılmalı; öğretmenin zamanını açıp çocukla daha çok ilgilenmesine yaramalıdır. Kullanım kendi başına amaç değildir.
• Zarar vermeme: Doğrulanmamış, çocuğa uymayan veya damgalayıcı bir çıktı zarar verebilir. Her çıktı, "bu çocuğa zarar verir mi" süzgecinden geçer.
• Adalet: Her çocuk kaynaklara ve kaliteli eğitime eşit erişmelidir. YZ bazı çocuklara ayrıcalık, bazılarına savsaklama getirmemeli; herkese bireysel özen gösterilmelidir.
• Önyargıdan (bias) kaçınma: YZ, eğitildiği verideki kalıp yargıları yansıtabilir; belirli engel türü, cinsiyet, kültür veya sosyoekonomik durum hakkında ayrımcı çıktı üretebilir. Uzman bu çıktıları fark edip düzeltmeli ve her çocuğu bireysel değerlendirmelidir.

Önyargı özellikle önemlidir çünkü sinsidir. YZ "bu tür çocuklar genellikle X yapamaz" gibi bir cümleyi akıcı biçimde üretebilir; oysa bu, hem yanlış hem de çocuğun önünü kesen bir kalıp yargıdır. Uzmanın görevi, bu kalıpları görüp çocuğu potansiyeliyle değerlendirmektir.

Dikkat: YZ'nin ürettiği hiçbir genelleme ("X engelli çocuklar Y yapamaz/yapar") bir çocuğun amacını sınırlamak için kullanılamaz. Beklenti düşüklüğü, en yaygın ve en görünmez ayrımcılık biçimlerinden biridir.

Mahremiyet: veri saklama ve paylaşım sınırları

Öğrenci verisi (kimlik, tanı, RAM raporu, davranış kaydı, aile bilgisi) KVKK kapsamında özel nitelikli kişisel veridir. Bu ünitede kuralları netleştirelim:

• Anonimleştir: Herhangi bir YZ aracına girmeden önce ad, TC, protokol, okul, adres ve aile detayları çıkarılır.
• En az veri: Yalnızca görev için gereken bilgiyi paylaşın; "her ihtimale karşı" tüm dosyayı vermeyin.
• Güvenli araç: Mümkünse kurumsal, veri işleme sözleşmesi olan, verinizi model eğitiminde kullanmayan araçlar tercih edilir; kişisel hesaplardan hassas veri yüklenmez.
• Saklama ve silme: YZ ile üretilen taslaklar da öğrenci verisi içeriyorsa kurum kurallarına göre saklanır ve gerektiğinde silinir; gelişigüzel yerlerde bırakılmaz.
• Paylaşım: Bilgi yalnızca yetkili kişilerle (BEP ekibi, aile, ilgili uzman) ve yalnızca gereken kadar paylaşılır.

Aşağıdaki tablo, modül boyunca öğrenilen sınırları tek yerde özetler:

Alan

YZ yapabilir

YZ yapamaz / insana ait

Değerlendirme

Anonim veriyi özetler

Tanı koyar/değiştirir

BEP

Amaç taslağı yazar

Amacı kesinleştirir/onaylar

Materyal

Uyarlar, farklılaştırır

Müfredat/telif kararını verir

AAC

Kart/öykü taslağı

Yöntemi seçer, çocuğa uyarlar

Davranış

ABC özetler, öneri verir

İşlevi karara bağlar, planı onaylar

İlerleme

Veriyi özetler, yorumlar

Nihai ilerleme kararı

Aile

Metin taslaklar

Metni doğrular, ilişkiyi yürütür

Bu tablodaki sağ sütun, uzman sorumluluğunun sınırıdır ve hiçbir koşulda YZ'ye devredilemez.

Uçtan uca güvenli iş akışı

Modülü tek bir akışta birleştirelim. Güvenli bir YZ destekli özel eğitim iş akışı şöyledir: (1) veriyi anonimleştir; (2) net, rol ve sınır içeren bir istem yaz; (3) YZ'den taslak al; (4) çıktıyı üç adımla doğrula — kaynağa bağla, çocuğun gerçek profiliyle karşılaştır, uzman süzgecinden geçir; (5) etik ve önyargı denetimi yap; (6) ekip/aile ile uyarla ve onayla; (7) uygula ve veriyle izle; (8) taslakları kurum kurallarına göre sakla/sil. Bu döngü her görevde tekrarlanır ve YZ'nin nerede bittiğini, uzman sorumluluğunun nerede başladığını net tutar.

Üç mini vaka

Vaka 1 — Önyargıyı yakalama. Bir öğretmen YZ'den bir amaç taslağı istedi; çıktıda "bu tür öğrenciler soyut düşünemez, hedefi düşük tutun" gibi bir cümle vardı. Öğretmen bunu bir kalıp yargı olarak fark etti; kendi öğrencisi soyut ilişkiler kurabiliyordu. Cümleyi çıkardı ve hedefi çocuğun gerçek potansiyeline göre yazdı. Etik denetim, çocuğun önünü kesecek bir beklenti düşüklüğünü engelledi.

Vaka 2 — Mahremiyet disiplini. Bir kurum, tüm öğretmenlerin YZ kullanmadan önce bir "anonimleştirme kontrolü" yapmasını kural haline getirdi. Bir öğretmen bir RAM raporunu özetletmeden önce adı, protokolü ve aile bilgisini çıkardı. Aylar sonra bir veri denetiminde kurumun hiçbir hassas veriyi dış araca vermediği görüldü. Basit bir alışkanlık, kurumu ciddi bir riskten korudu.

Vaka 3 — Sorumluluğu devretme hatası. Bir öğretmen zaman baskısıyla, YZ'nin ürettiği bir davranış planını okumadan uygulamaya koydu. Plan çocuğun işlevine uymuyordu ve davranış arttı. Sorun, YZ'nin "hatası" değil, sorumluluğun devredilmesiydi. Doğrulanmamış çıktı imzalanmamış bir uzman kararı gibidir; sorumluluk her zaman uzmandadır. Hata: kolaylığı sorumluluğun yerine koymak.

Zayıf prompt / Güçlü prompt

Zayıf prompt:

Bu öğrenciyle ilgili her şeyi analiz et ve ne yapacağımı söyle.

Bu istem hem "her şeyi" diyerek gereğinden fazla (belki kimlik içeren) veri paylaşmaya iter hem de kararı YZ'ye devreder. İki temel ilkeyi de çiğner.

Güçlü prompt:

Rolün: özel eğitim uzmanına yardımcı asistan.Yalnızca şu anonim, göreve özel bilgiyi kullan: [gerekli minimum].Görev: [tek, net görev] için bir TASLAK üret.Kurallar: Tanı/karar verme. Genelleme/kalıp yargı üretme.Emin olmadığını belirt. Bunun uzman tarafından doğrulanıpekip/aile ile onaylanacağını varsay.

Bu istem, en az veri, net görev, önyargı ve karar sınırlarını birlikte içerir; modülün tüm ilkelerini tek şablonda toplar.

Sık yapılan hatalar

• Sorumluluğu devretmek. Kararı YZ'ye bırakmak; çıktıyı okumadan uygulamak.
• Önyargıyı görmemek. Kalıp yargılı, beklenti düşüren genellemeleri fark etmemek.
• Aşırı veri paylaşmak. "Her şeyi analiz et" diyerek gereksiz, hassas veriyi araca vermek.
• Anonimleştirmeyi atlamak. Kimlik, tanı ve aile bilgisini temizlemeden çalışmak.
• Taslakları güvensiz saklamak. Öğrenci verisi içeren çıktıları gelişigüzel yerlerde bırakmak.
• Etik denetimi biçimsel görmek. "Zarar verir mi, adil mi, önyargılı mı" sorularını atlamak.

Özetle

Özel eğitimde yapay zeka güçlü bir asistandır ama en kırılgan bireylerle çalıştığınız için etik ve mahremiyet pazarlık konusu değildir. Dört ilke yol gösterir: yararlılık, zarar vermeme, adalet, önyargıdan kaçınma. Öğrenci verisi anonimleştirilir, en az düzeyde ve güvenli araçlarla paylaşılır, güvenli saklanır. Uçtan uca güvenli iş akışı; anonimleştir, taslak al, üç adımda doğrula, etik denet, ekip/aileyle onayla, veriyle izle döngüsüdür. Bu döngüde YZ nerede biterse, uzman sorumluluğu orada başlar. Doğrulanmamış bir çıktı, imzalanmamış bir uzman kararı gibidir; imza her zaman sizindir.

Uygulama görevi

Modül boyunca ürettiğiniz taslaklardan birini (BEP amacı, materyal, davranış planı veya aile metni) seçin ve bu ünitedeki "uçtan uca güvenli iş akışı" adımlarının hepsinden geçirin. Özellikle etik/önyargı denetimini yapın: çıktıda beklenti düşüren bir genelleme, damgalayıcı bir ifade veya bir mahremiyet sızıntısı var mı? Bulduğunuz her sorunu düzeltin ve akışın hangi adımının bu sorunu yakaladığını not edin.

Kontrol listesi

• [ ] Veriyi anonimleştirdim; yalnızca gerekli minimumu paylaştım.
• [ ] Çıktıyı üç adımla (kaynak/profil/uzman) doğruladım.
• [ ] Önyargı ve beklenti düşürücü genellemeleri temizledim.
• [ ] Damgalayıcı dili ayıkladım; dört etik ilkeyi gözettim.
• [ ] Taslakları güvenli sakladım/gerekince sildim.
• [ ] Nihai kararı ve sorumluluğu uzman/ekip/aile olarak sahiplendim.

Modul Sinavi

1. Bir özel eğitim öğretmeni, yapay zekaya sadece öğrencinin adını ve yaşını vererek 'bu çocuğun tanısı nedir' diye soruyor ve çıkan cevabı BEP dosyasına yazıyor. Bu yaklaşımdaki temel hata nedir?

• A) Tanı koyma yetkisinin RAM ve yetkili uzmanlarda olduğunu göz ardı etmesi; ayrıca doğrulanmamış bir çıktıyı resmi bir kayda taşıması ✔
• B) Yapay zekaya yaş bilgisi vermenin gereksiz olması
• C) BEP dosyasının dijital ortamda tutulmasının yasak olması
• D) Yapay zekanın tanıyı her zaman olduğundan ağır göstermesi

Aciklama: Yapay zeka tanı koyamaz ve koymamalıdır; tanılama ve değerlendirme RAM ve yetkili uzmanların işidir. Ayrıca modele veri verilmeden istenen çıktı uydurma (halüsinasyon) olur ve öğrenci kimliğini paylaşmak mahremiyet ihlalidir.

2. Aşağıdakilerden hangisi bir kısa dönemli (ölçülebilir) BEP amacının taşıması gereken temel özelliktir?

• A) Öğrencinin genel olarak konuyu sevmesini hedeflemesi
• B) Yalnızca öğretmenin gözlemine dayanıp sayısal ölçüt içermemesi
• C) Mümkün olduğunca uzun ve çok sayıda kazanımı tek cümlede toplaması
• D) Gözlenebilir davranışı, koşulu ve ölçülebilir bir başarı ölçütü içermesi ✔

Aciklama: Kısa dönemli amaç gözlenebilir bir davranışı, koşulu ve ölçütü (kaç denemede, hangi yüzde, hangi bağımsızlık düzeyi) içerir. 'Anlar', 'öğrenir', 'farkında olur' gibi ölçülemeyen ifadeler amaç yazımında hataya yol açar.

3. Bir öğretmen, herkese açık bir yapay zeka aracına öğrencinin tam adını, TC kimlik numarasını ve tanısını içeren RAM raporunu olduğu gibi yükleyip 'özetle' diyor. Doğru yaklaşım ne olurdu?

• A) Raporu hiç değiştirmeden yüklemek, çünkü özet için tüm bilgi gerekir
• B) Sadece TC kimlik numarasını silip adı ve tanıyı bırakmak
• C) Kimlik bilgilerini çıkarıp veriyi anonimleştirmek ve güvenli/kurumsal bir araç tercih etmek ✔
• D) Raporu e-posta ile kişisel hesaptan paylaşıp öyle özetletmek

Aciklama: Öğrenci verisi KVKK kapsamında özel nitelikli kişisel veridir. Kimlik bilgileri çıkarılıp veri anonimleştirilmeli ('10 yaşında erkek öğrenci'), mümkünse kurumsal ve veriyi eğitimde kullanmayan güvenli bir araç tercih edilmelidir.

4. Alternatif ve destekleyici iletişim (AAC) için yapay zekayla bir sosyal öykü hazırlarken en doğru tutum hangisidir?

• A) Taslağı çocuğa özel uyarlayıp uzman onayından geçirmek ✔
• B) Üretilen öyküyü hiç değiştirmeden tüm öğrencilerde aynen kullanmak
• C) Öyküyü mümkün olduğunca uzun ve soyut kelimelerle yazmak
• D) Görsel destek eklemeden yalnızca uzun metin olarak vermek

Aciklama: Yapay zeka taslak üretir; ancak sosyal öykü ve iletişim desteği çocuğun bireysel özelliklerine göre uyarlanmalı ve dil-konuşma terapisti/uzman tarafından onaylanmalıdır. Genel bir taslak doğrudan uygulanamaz.

5. Olumlu davranış destek planında yapay zekadan yardım alırken aşağıdakilerden hangisi temel ilkedir?

• A) Davranışı hızlıca bastırmak için en sert cezayı önermesini istemek
• B) Davranışın işlevini anlayıp alternatif olumlu davranış ve önleyici strateji taslağı üretmek ✔
• C) Planı öğrenciyi tanımadan, sadece davranışın adına bakarak kesinleştirmek
• D) Aileyi ve uzmanı sürece hiç katmadan planı uygulamak

Aciklama: Olumlu davranış desteği ceza odaklı değildir; davranışın işlevini (işlevsel değerlendirme) anlamayı, önleyici düzenlemeleri ve istenmeyen davranışın yerine öğretilebilir alternatif bir davranış kazandırmayı hedefler. Uzman gözetimi şarttır.

6. İlerleme takibinde 'veri temelli karar' ne anlama gelir?

• A) Yalnızca yıl sonunda tek bir gözlemle karar vermek
• B) Veriye bakmadan öğretmenin genel izlenimiyle ilerleme raporu yazmak
• C) Kararı tamamen yapay zekanın yorumuna bırakmak
• D) Düzenli ölçüm verisine bakarak amacı sürdürme, uyarlama veya değiştirme kararı vermek ✔

Aciklama: Veri temelli karar, kazanım bazlı düzenli ölçümlere (yüzde, deneme sayısı, bağımsızlık düzeyi) bakarak amacı sürdürme, uyarlama veya değiştirme kararı vermektir. Yapay zeka veriyi özetler ve yorum önerir; kararı uzman verir.

7. Evrensel tasarım (UDL) ilkesine göre bir materyali erişilebilir yapmanın en doğru yolu hangisidir?

• A) Materyali yalnızca tek biçimde, küçük punto ve yoğun metinle sunmak
• B) İçeriği çoklu yolla sunmak, sade dil ve alternatif metin sağlamak ✔
• C) Tüm uyarlamaları kaldırıp herkese aynı standart materyali vermek
• D) Erişilebilirliği yalnızca renk değiştirerek sağladığını varsaymak

Aciklama: UDL, içeriği çoklu yolla sunmayı (metin, görsel, ses), sade dili, alternatif metin ve esnek biçimleri öngörür. Amaç tek bir 'ortalama' öğrenciye değil, farklı ihtiyaçlara baştan uygun tasarım yapmaktır. Son denetim uzmana ve gerçek kullanıcı testine bağlıdır.

8. Bir öğretmen yapay zekanın ürettiği aile bilgilendirme metnini kontrol etmeden aileye gönderiyor ve metinde yanlış bir randevu tarihi ile abartılı bir 'iyileşme' vaadi bulunuyor. Buradaki temel hata nedir?

• A) Metni doğrulamadan göndererek yanlış bilgi ve gerçekçi olmayan beklenti yaratması ✔
• B) Aileye yazılı metin göndermenin kendisinin yanlış olması
• C) Metnin çok kısa olması
• D) Yapay zekanın aile metni üretmesinin kesinlikle yasak olması

Aciklama: Aileyle paylaşılan her metin doğruluk, gizlilik ve uzman onayı gözetilerek üretilmelidir. Yapay zeka akıcı ama yanlış bilgi (halüsinasyon) üretebilir; doğrulanmadan gönderilen metin güveni ve süreci zedeler.

9. Kaynaştırma/bütünleştirme sınıfında farklılaştırma yaparken aşağıdakilerden hangisi doğru bir yaklaşımdır?

• A) Öğrenciyi sınıftan tamamen ayırıp her etkinliği tek başına yaptırmak
• B) Aynı kazanımı düzeye göre uyarlayıp etiketlemeden, ortak sorumlulukla desteklemek ✔
• C) Tüm sınıfa istisnasız aynı materyali verip uyarlama yapmamak
• D) Uyarlamayı yalnızca özel eğitim öğretmenine bırakıp sınıf öğretmenini süreçten çıkarmak

Aciklama: Farklılaştırma, aynı kazanımı farklı düzeylere göre uyarlamak ve öğrenciyi etiketlemeden desteklemektir. Uyarlama sınıf öğretmeni ile özel eğitim öğretmeninin ortak sorumluluğundadır; öğrenciyi akranlarından ayıran, damgalayan çözümlerden kaçınılır.

10. Yapay zeka dil modellerinin 'halüsinasyon' üretmesi özel eğitim bağlamında neden özellikle risklidir?

• A) Model her zaman yavaş çalıştığı için
• B) Model Türkçe bilmediği için
• C) Halüsinasyon yalnızca görsel üretiminde olduğu için
• D) Uydurulmuş bir bilgi çocuğun eğitim kararını etkileyebileceği ve akıcı dille doğru sanılabileceği için ✔

Aciklama: Halüsinasyon, modelin var olmayan bir bilgiyi doğruymuş gibi akıcı biçimde uydurmasıdır. Özel eğitimde uydurma bir mevzuat maddesi, yanlış bir gelişim normu veya hayali bir yöntem, çocuğun eğitim hakkını ve gelişimini doğrudan etkileyebilir; bu yüzden her çıktı doğrulanmalıdır.

11. Özel eğitimde yapay zeka kullanımının etik ilkelerinden 'önyargıdan (bias) kaçınma' ne anlama gelir?

• A) Modelin ürettiği kalıp yargılı veya ayrımcı çıktıları fark edip düzeltmek ve her çocuğu bireysel değerlendirmek ✔
• B) Sadece hızlı çıktı almak için uzun istem yazmamak
• C) Yapay zekayı yalnızca bir engel türünde kullanmak
• D) Tüm öğrencilere aynı önyargılı şablonu uygulamak

Aciklama: Yapay zeka, eğitildiği verideki önyargıları yansıtabilir; belirli engel türü, cinsiyet, sosyoekonomik durum veya kültür hakkında kalıp yargılı çıktı üretebilir. Uzman, çıktıyı bu açıdan denetlemeli ve her çocuğu bireysel olarak değerlendirmelidir.

12. Bir RAM raporunu yapay zekayla özetleyip öğrenci profili çıkarırken 'güçlü yönler' bölümünü de istemek neden önemlidir?

• A) Raporu daha uzun göstermek için
• B) Güçlü yönler yasal olarak zorunlu olmadığı halde sadece biçim için
• C) Planlamanın güçlü yönler üzerine kurulması ve öğrenciyi yalnızca eksikleriyle tanımlamamak için ✔
• D) İhtiyaçları tamamen göz ardı edip yalnızca olumlu yazmak için

Aciklama: Özel eğitimde planlama güçlü yönler üzerine kurulur; sadece eksik/ihtiyaç odaklı bir profil öğrenciyi eksiklikleriyle tanımlar. Güçlü yönler, amaçların ve motivasyonun dayanağıdır ve olumlu, gelişim odaklı bir bakış sağlar.

13. Uyarlanmış materyal üretiminde 'telif ve özgünlük' açısından doğru tutum hangisidir?

• A) Çıktıyı hiç kontrol etmeden telifli karakter ve içeriklerle çoğaltmak
• B) Materyali müfredata uygunluk, doğruluk ve telif açısından denetleyip özgünleştirmek ✔
• C) Kaynağı önemsemeden her görseli ticari olarak dağıtmak
• D) Telif konusunun dijital materyalde hiç geçerli olmadığını varsaymak

Aciklama: Yapay zeka çıktısı başka kaynaklardan beslenmiş olabilir; telifli içerik, marka karakteri veya doğrulanmamış bilgi barındırabilir. Uzman, materyali müfredata uygunluk, doğruluk ve telif açısından denetlemeli, gerektiğinde kaynak belirtmeli ve özgünleştirmelidir.

14. Modül boyunca vurgulanan temel ilke, yapay zekanın özel eğitimdeki rolünü nasıl tanımlar?

• A) Yapay zeka uzmanın yerine geçerek kararları otomatik verir
• B) Yapay zeka yalnızca not tutmak için kullanılabilir, başka hiçbir işe yaramaz
• C) Yapay zeka kullanıldığında uzman gözetimine artık gerek kalmaz
• D) Yapay zeka bir asistan ve taslak üreticidir; nihai karar ve sorumluluk uzmanda, ekipte ve ailededir ✔

Aciklama: Yapay zeka bir asistan ve taslak üretecidir; tanı, yerleştirme, amaç belirleme ve çocuğun geleceğini etkileyen kararlar yetkin uzmana, BEP ekibine ve aileye aittir. Doğrulanmamış çıktı imzalanmamış bir uzman kararı gibidir.