Lợi nhuận:
- Hiểu rằng dữ liệu của sinh viên là dữ liệu cá nhân và thường là dữ liệu riêng tư cũng như các quy tắc ẩn danh và lưu trữ trong phạm vi KVKK và bảo mật nghề nghiệp
- Khả năng thực hành khử nhận dạng và chọn công cụ bảo mật/tổ chức khi nhập dữ liệu vào các công cụ trí tuệ nhân tạo có sẵn công khai
- Hiểu rằng việc đồng ý chia sẻ dữ liệu, giảm thiểu dữ liệu và tuân thủ chính sách của trường là trách nhiệm của giáo viên.
Một giáo viên có quyền truy cập vào những thông tin rất nhạy cảm trong quá trình công việc của mình: điểm số, hồ sơ hành vi, tình trạng sức khỏe, thông tin gia đình, các cuộc trò chuyện hướng dẫn, dữ liệu kinh tế xã hội. Thông tin này thuộc về vùng riêng tư nhất của học sinh và khi rơi vào tay kẻ xấu có thể gây tổn hại suốt đời. Hầu hết các công cụ AI đều dựa trên đám mây - nghĩa là văn bản bạn nhập được xử lý trên máy chủ của công ty từ xa chứ không phải trên máy tính của bạn và trong một số công cụ, nó có thể được sử dụng để phát triển mô hình. Vì vậy, việc ghi thông tin của học sinh vào AI công cộng có nghĩa là đưa thông tin đó ra khỏi tầm kiểm soát của bạn. Đơn vị này thiết lập lớp bảo mật quan trọng nhất trong việc sử dụng AI trong giảng dạy. Quy tắc rất rõ ràng: Trước tiên, hãy ẩn danh dữ liệu của sinh viên, sử dụng các công cụ bảo mật/tổ chức nếu có thể; Trách nhiệm thuộc về giáo viên.
Dữ liệu nào được bảo vệ? Khung KVKK
Dữ liệu cá nhân là bất kỳ thông tin nào giúp một người trở nên cụ thể hoặc có thể nhận dạng được: tên họ, số trường, chứng minh thư, ảnh hoặc thậm chí các mô tả gián tiếp như "học sinh cao nhất lớp 3-A" trong một ngữ cảnh. Dữ liệu cá nhân đặc biệt (nhạy cảm) được bảo vệ mạnh mẽ hơn: sức khỏe, sắc tộc, tôn giáo, tiền án, dữ liệu sinh trắc học, thành viên hiệp hội/công đoàn. Báo cáo sức khỏe của học sinh, chẩn đoán khuyết tật học tập hoặc chấn thương gia đình đều thuộc loại này.
KVKK (Luật bảo vệ dữ liệu cá nhân) yêu cầu dữ liệu cá nhân phải được xử lý hợp pháp, cho một mục đích cụ thể, theo cách đo lường và an toàn. Ý nghĩa thực tế đối với giáo viên: chỉ sử dụng dữ liệu khi cần thiết (giảm thiểu dữ liệu), không lạm dụng dữ liệu, giữ an toàn, không chia sẻ dữ liệu với các bên thứ ba (bao gồm cả AI công cộng) mà không được phép. Ngoài ra còn có nghĩa vụ bảo mật nghề nghiệp: giáo viên không được tiết lộ thông tin mình biết về học sinh và gia đình học sinh đó.
Thận trọng: Giả sử "công ty không đọc nội dung này" là không an toàn. Một số công cụ AI miễn phí có thể lưu trữ/sử dụng thông tin đầu vào trong đào tạo. Một khi dữ liệu đã hết, nó không thể được lấy lại. Điều an toàn nhất là không bao giờ lấy dữ liệu ra ngoài.
Ẩn danh: biến nó thành một phản xạ
Ẩn danh có nghĩa là loại bỏ tất cả các yếu tố nhận dạng một người khỏi dữ liệu và khái quát hóa dữ liệu đó theo cách không thể đảo ngược. Trong thực tế:
- Họ và tên → "Học sinh A", "học sinh"
- Mã số trường, TR ID, phân lớp → xóa hoàn toàn
- Tên phụ huynh, điện thoại, địa chỉ → xóa
- Chi tiết hiếm/có tính mô tả → khái quát hóa (các cụm từ như "một học sinh sử dụng xe lăn" cho biết người đó; nói "một học sinh")
- Tên trường/cơ quan → thoát hoặc nói "trường của chúng tôi"
Trước khi đưa một văn bản cho AI, giả sử rằng một người lạ sẽ đọc nó: từ văn bản này có thể hiểu đó là đứa trẻ nào không? Nếu nó rõ ràng, hãy khái quát hóa hơn nữa.
Lựa chọn phương tiện an toàn
Không phải tất cả các công cụ AI đều giống nhau. An toàn nhất là các công cụ của công ty mà trường học/cơ quan của bạn cung cấp, có thỏa thuận xử lý dữ liệu (DPA) và không sử dụng đầu vào trong giáo dục. Với các công cụ miễn phí, có sẵn công khai, giả định này sẽ là trường hợp xấu nhất. Khi chọn một công cụ, hãy hỏi: Thông tin đầu vào của tôi có được lưu không? Nó có được sử dụng trong giáo dục không? Dữ liệu được xử lý ở đâu? Chính sách của trường có chấp thuận công cụ này không? Nếu bạn không chắc chắn, đừng sử dụng dữ liệu mà không ẩn danh nó.
Từng bước: quy trình làm việc bảo mật riêng tư
- Quét dữ liệu cá nhân. Tên, số hiệu, cơ quan, tình huống nhạy cảm.
- Ẩn danh. Thay thế bằng các biểu thức chung; xóa chi tiết nhận dạng.
- Áp dụng giảm thiểu dữ liệu. Không thêm bất kỳ thông tin nào không được yêu cầu bởi nhiệm vụ.
- Chọn phương tiện. Thể chế nếu có thể; Nếu không, hãy giả sử trường hợp xấu nhất.
- Sử dụng nó. Chỉ làm việc với văn bản ẩn danh.
- Kiểm tra đầu ra là tốt. AI có thể phản ánh lại thông tin bạn cung cấp; Không được có sự rò rỉ danh tính ở đầu ra.
ba trường hợp nhỏ
Trường hợp 1 - Chụp vào phút cuối. Một cố vấn hướng dẫn đã viết thư cho AI để tư vấn về vấn đề gia đình của học sinh; Nội dung bao gồm tên, lớp và "mẹ anh ấy đang nằm viện." Anh để ý mà không gửi, khái quát tất cả là “học sinh 13 tuổi, thử thách sức khỏe trong gia đình”. Những đề xuất về cách tiếp cận chung mà anh ấy nhận được đã có tác dụng; Không có dữ liệu cá nhân nào bị rò rỉ.
Trường hợp 2 - Nhận dạng gián tiếp. Một giáo viên đã viết cho AI rằng đây là "tài liệu dành cho học sinh khiếm thị duy nhất trong lớp". Không có tên, nhưng cụm từ đó chắc chắn mô tả cậu bé ở trường đó. Khi để ý, anh ấy đã đổi nó thành "dành cho một học sinh cần hỗ trợ thị lực." Ẩn danh không chỉ là xóa tên mà còn ẩn các chi tiết nhận dạng.
Trường hợp 3 - Lựa chọn phương tiện. Một trường học đã cấm giáo viên sử dụng các công cụ miễn phí với dữ liệu học sinh và cung cấp công cụ bảo mật dữ liệu cho doanh nghiệp. Một giáo viên sẽ dán phân tích ghi chú vào công cụ miễn phí theo thói quen; Nhờ nhắc nhở chính sách nên anh chuyển sang công cụ của công ty và vẫn ẩn danh dữ liệu. Hai lớp bảo vệ kết hợp.
Mẫu có thể sao chép
1) Quét trước khi ẩn danh:
Giả sử rằng một người lạ sẽ đọc văn bản sau. Có thể hiểu trực tiếp HOẶC gián tiếp từ văn bản này rằng anh ấy là sinh viên nào? Liệt kê tất cả các biểu thức cho biết danh tính (tên, số, tổ chức, đặc điểm hiếm gặp) và đề xuất một giải pháp thay thế chung cho mỗi biểu thức. Văn bản: [dán]
2) Tự đánh giá phương tiện an toàn:
Viết danh sách kiểm tra gồm 6 câu hỏi để đánh giá một công cụ AI mà tôi đang cân nhắc sử dụng: lưu trữ đầu vào, sử dụng trong giáo dục, vị trí dữ liệu, phê duyệt của tổ chức, quyền xóa, tuân thủ dữ liệu nhạy cảm. Thêm "phải làm gì nếu có / phải làm gì nếu không" vào mỗi câu hỏi.
3) Kiểm soát giảm thiểu dữ liệu:
Đơn giản hóa văn bản mà tôi sẽ giao cho AI cho nhiệm vụ sau: xóa mọi chi tiết cá nhân/ngữ cảnh mà nhiệm vụ KHÔNG YÊU CẦU, chỉ để lại những gì cần thiết để thực hiện công việc. Nhiệm vụ: [mô tả]. Văn bản: [dán]
4) Dự thảo chính sách nhà trường (đối với giáo viên):
Soạn thảo danh sách 8 điểm ngắn gọn, rõ ràng về các quy tắc để giáo viên trong trường sử dụng các công cụ AI để bảo mật dữ liệu học sinh: ẩn danh, công cụ được phê duyệt, dữ liệu nhạy cảm, lưu giữ, đồng ý, thông báo vi phạm. Hãy để có những bài viết có thể áp dụng được bằng tiếng Thổ Nhĩ Kỳ. Tôi sẽ trình điều này lên ban quản lý/chuyên gia phê duyệt.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Ahmet Yılmaz, 7-B số 214, rất yếu môn toán và cha anh thì thờ ơ; Tôi nên làm gì cho học sinh này?
Tên, số hiệu, cấp bậc, thẩm quyền của gia đình — vi phạm trắng trợn bí mật; Dữ liệu nằm ngoài tầm kiểm soát của bạn.
Lời nhắc mạnh mẽ:
Đề xuất 3 chiến lược hỗ trợ có thể thực hiện ở trường cho học sinh lớp 7 gặp khó khăn với các phép tính cơ bản trong môn toán, giả sử sự hỗ trợ ở nhà còn hạn chế. (Học sinh giấu tên; tôi không chia sẻ bất kỳ thông tin cá nhân nào.)
Kiểu dữ liệu
ví dụ
Nó có được trao cho AI không?
Làm thế nào
nhận dạng trực tiếp
Tên, số, TR
không
Xóa hoàn toàn
nhận dạng gián tiếp
“Học sinh khuyết tật đơn thân”
không
khái quát hóa
Dữ liệu nhạy cảm
Sức khỏe, chẩn đoán, gia đình
rất cẩn thận
Công cụ ẩn danh + doanh nghiệp
Tình hình sư phạm chung
“Một học sinh gặp khó khăn”
Có
nặc danh
Những lỗi thường gặp
- Chỉ cần xóa tên. Nếu còn số lượng, đẳng cấp hay định nghĩa gián tiếp thì danh tính vẫn rõ ràng.
- Bỏ qua định nghĩa gián tiếp. Những câu nói như "Bạn là người duy nhất trong lớp..." sẽ cho thấy người đó là gì.
- Xem nhẹ dữ liệu nhạy cảm. Thông tin sức khỏe/gia đình là dữ liệu đặc biệt và cần được bảo vệ cao hơn.
- Đảm bảo an toàn cho xe. Thật rủi ro khi cho rằng công cụ miễn phí không lưu trữ dữ liệu; Giả sử điều tồi tệ nhất.
- Không kiểm soát đầu ra. AI có thể lặp lại thông tin xác thực bạn cung cấp trong phản hồi; làm sạch đầu ra là tốt.
Mẹo: “Quy tắc hai phút”: trước khi dán bất kỳ văn bản nào liên quan đến sinh viên vào AI, hãy dành hai phút để xóa tên, số, tổ chức và các chi tiết nhận dạng. Thói quen nhỏ này ngăn chặn những vi phạm lớn nhất.
Tóm lại
Dữ liệu của sinh viên là dữ liệu cá nhân, thường là riêng tư và được bảo vệ theo KVKK và tính bảo mật chuyên nghiệp. Các công cụ AI công cộng dựa trên đám mây; Việc cung cấp dữ liệu như hiện tại sẽ khiến dữ liệu nằm ngoài tầm kiểm soát. Cách đúng đắn: ẩn danh thông tin nhận dạng cá nhân và gián tiếp, chỉ chia sẻ những gì cần thiết (giảm thiểu dữ liệu), sử dụng các công cụ của công ty và được phê duyệt nếu có thể, đồng thời kiểm tra đầu ra. Trách nhiệm thuộc về giáo viên.
Nhiệm vụ ứng dụng
Lấy một đoạn văn về một học sinh mà bạn đã viết (hoặc đang cân nhắc viết) cho AI trong tuần trước. Phát hiện và khái quát hóa tất cả các giá trị nhận dạng trực tiếp và gián tiếp bằng mẫu “sàng lọc trước khi ẩn danh”. Sau đó, đánh giá công cụ AI bạn đang sử dụng dựa trên danh sách “Tự đánh giá công cụ bảo mật” và quyết định loại dữ liệu nào bạn có thể sử dụng với công cụ này.
danh sách kiểm tra
- [ ] Tôi đã xóa các thông tin nhận dạng trực tiếp như tên, số, TR ID, tổ chức chưa?
- [ ] Tôi đã khái quát hóa những mô tả gián tiếp như "Người duy nhất trong lớp của bạn..." chưa?
- [ ] Tôi đã xử lý dữ liệu nhạy cảm (sức khỏe/gia đình) với sự bảo vệ bổ sung chưa?
- [ ] Tôi đã kiểm tra chính sách dữ liệu và sự chấp thuận của trường đối với chiếc xe tôi sử dụng chưa?
- [ ] Tôi đã kiểm tra rò rỉ danh tính ở đầu ra chưa?