收益：
- 人工智能能够区分 PDR 工作流程中的哪些部分（访谈记录、心理教育材料、职业内容、后续总结）可以实时节省时间，以及根据任务风险级别将诊断、指导和心理咨询等决策留给专家。
- 了解人工智能永远无法在危机和风险的情况下做出决定，需要咨询人类专家和必要的权威机构，并且每一个输出都必须经过验证。
- 在 KVKK、专业保密和 PDR 道德原则范围内对学生数据进行匿名处理，并养成选择安全车辆的习惯
学校辅导员的一天充满了很少有人看到的大量写作和文档：个人访谈记录、课堂指导计划、心理教育手册、家长信息信、量表报告、学生跟踪图表、小组和委员会会议记录、职业选择材料。这些工作大部分都是重复性的，需要在办公桌前耗费数小时的时间。然而，这个职业的真正价值在于与学生建立的面对面的、基于信任的关系。人工智能 (AI)——能够理解人类语言并生成文本、大纲、计划和摘要的计算机程序——是加速这种重复性写作负载的强大帮助。在本模块中，我们将学习如何将人工智能用作神奇的解决方案，而是用作生成草稿、提供想法和编辑的写作助手。
但从一开始，我们就放两句在这个行业中最重要的一句话：人工智能不会为学生做决定；人工智能不会为学生做决定。它不诊断、提供指导或取代心理咨询关系。更重要的是：在危机和风险的情况下，人工智能永远不会发挥作用；在那里，人类专家、家庭和主管当局至关重要。这两个原则是构建模块其余部分的安全基础。
第一个单元奠定了三个基础：区分人工智能在 PDR 工作流程中的哪些地方可以节省时间以及应该在哪里停止；验证每个输出；保护学生数据。
人工智能在哪里节省时间，在哪里决定权属于专家？
从风险级别的角度考虑 PDR 任务很有用。风险级别是如果任务完成不正确会给学生造成多大的伤害。在 PDR 中，这种风险比大多数职业更为严重；因为这关系到孩子的精神福祉、安全和未来。
人工智能大大加速的低风险任务：概述课堂指导活动、编写第一版考试焦虑手册、将分散的面试笔记组织成有组织的结构（删除个人数据后）、起草家长通讯、简化职业介绍文本、为心理教育演示产生想法。这里AI解决了“空白页”问题；您纠正它，用您的专业知识充实它并给予最终批准。
由专家做出决定的高风险任务：给学生贴上类似诊断的标签（“这个孩子患有抑郁症”，“他有注意力缺陷”），临床解释量表结果，指导学生从事职业，对家庭使用明确的陈述，将行为定义为“风险”并采取行动。这些决定会影响孩子的一生；责任和最终决定权始终属于专家。人工智能在这里最多提供一个观点，它不能做出决定。
人工智能从未进入的禁区：危机与风险。自杀意念、伤害自己或他人、性/身体/情感虐待、忽视、严重的心理症状。在这些情况下，我们问AI“我该怎么办？”询问是浪费宝贵的时间并试图将责任委托给某个程序。正确的做法是执行紧急协议，联系授权的人类专家和家人，并通知必要的当局。我们将在第 9 单元详细介绍这一点；但反射必须从今天开始建立。
注意：“人工智能说”不是理由。人工智能输出不能替代影响学生心理健康、安全或未来的任何领域的有能力的专家的批准。未经验证的人工智能输出就像未经验证的谣言。
为什么需要验证？幻觉和偏见
人工智能不是通过“知道”而是通过“预测可能的单词”来生成文本。这就是为什么有时它会提供极其流畅但实际上不正确的信息。这被称为幻觉：一项不存在的科学研究、一个不言而喻的引述、一个错误的统计数据、一个不存在的尺度规范、一个捏造的指导方针。对于 PDR 专家来说，这是危险的；因为心理教育中提供的不正确信息会变成学生永久的误解，而给家庭提供的错误统计数据会变成错误的焦虑。
第二个问题是偏见：人工智能可以在其训练数据中重复社交模式；可能会产生有关性别、文化、社会经济地位或“成就”的有偏见的输出。例如，它可能会使女学生偏向某些职业，而男学生偏向其他职业；或者它可能会将一个学生的行为描述为“顽皮”，而将另一个学生的行为描述为“严重问题”。 PDR 中的偏见直接破坏了正义和机会平等的原则。
由于这两个限制，我们提出了一个简单的验证规则来应用于每个输出：
- 将其连接到源。验证来自可靠来源（科学研究、政府机构、专业组织文件）的任何包含事实、统计数据、引用、规则或诊断标准的内容。
- 再次检查。手动检查数字或逻辑输出（表格、时间计划）。
- 专业过滤器。 “这适合这个学生、这个年龄、这个文化、这个家庭吗？可能会造成伤害吗？”用你自己的专业知识来处理它。
- 承担责任。一旦您批准，该文本就是您的；任何错误都是你的责任。
学生数据：从一开始就保护隐私
PDR 记录包含最敏感的数据类型。学生姓名、学号、班级均为个人数据；精神状态、家庭情况、健康信息、诊断或创伤都是特殊的个人数据，需要更高的保护。在土耳其，KVKK（个人数据保护法）对此进行了规范；此外，出于职业道德，PDR专家负有严格的保密义务。只需将学生的姓名、状态或对话记录输入公共人工智能工具，就意味着最敏感的数据将脱离您的控制。
规则很简单且毫不妥协：首先匿名。删除姓名、学号、班级、家长姓名和地址等身份信息；使用“学生A”、“13岁学生”、“经历家庭紧张的青少年”等一般性表达。如果可能，选择由您的学校或部门提供的提供数据处理保证的企业工具。我们将在第 10 单元中深化这一原则；现在就让它成为一种条件反射。
提示：在将文本粘贴到 AI 之前，请使用“Ctrl+F”搜索姓名、号码、机构和家长姓名。如果找到，请在发送前将其替换为通用短语。如有疑问：“此信息是否可以识别学生的身份？”问;如果您的答案是肯定的，它将出现。
三个迷你箱子
案例 1——捏造的统计数据。一名辅导员在一次考试焦虑研讨会上向人工智能询问“高中生的考试焦虑率”。 AI给出了一个明确的数字，如“73%”和一个“研究”名称。当老师试图寻找源头时，他发现那个地方和那个书房都不存在。通过验证步骤，他转身向 120 名家长提供了一个虚构的数字；相反，他使用了一个一般性的陈述，其来源可以得到验证。准备时间延长了 6 分钟，错误信息被屏蔽。
案例 2 — 节省时间。一位 PDR 专家每月为 4 个班级计划单独的课堂指导活动，并花费了大约 4 个小时。他开始使用人工智能作为草稿生成器：他让人工智能根据结果生成课程计划草稿，并根据课堂实际情况进行纠正。时间从每月 4 小时减少到约 1.5 小时；他将赚取的 2.5 小时用于个人会议。由于最后的编辑和过滤是由专家完成的，所以质量没有受到影响。
案例 3——危机边界。在一次采访中，一名学生谈到了伤害自己的想法。专家的头脑问道：“我应该把情况写给人工智能并获得建议吗？”它过去了，但又停止了：这是一个危机局势。他没有向人工智能写入任何一行内容，就执行了紧急协议，通知了学校管理部门和家人，并安全地将学生引导给相关专家。他只是在危机发生后才使用人工智能来编辑匿名记录该事件的会议记录的语言。
可复制模板
1）按风险级别划分任务：
您的角色：学校辅导员的写作助理。将以下 8 项 PDR 任务分为两个列表：(A) 人工智能可以自信地生成大纲的低风险任务，(B) 最终决定必须由专家做出的高风险任务。此外，如果任务属于危机/风险区域，请将其标记为“禁止 - 人类专家”。为每项任务写一句话理由。任务：[在此处粘贴您自己的每周任务]
2）验证检查提示：
标记下面文本中包含事实、统计数据、引用、来源或科学主张的每个句子，并为每个“应从哪个来源进行验证？”添加注释。不验证自己；仅列出需要验证的内容。文本：[粘贴草稿]
3）匿名化预检查：
在下面的文本中找到可能直接或间接描述学生的每个短语（姓名、号码、年级、学校、家长姓名、独特情况描述），并为每个短语建议一个更通用的替代方案。评论内容.文字：[粘贴文字]
4）支持面试准备问题：
您的角色：PDR 写作助理。诊断、指导。我正在准备与一名 13 岁学生（匿名）就学术动机进行一次支持性会议。建议 8 个非评判性、开放式的准备问题。如果发现危机迹象，请在顶部添加警告“咨询专业人士/家人”。
弱提示/强提示
弱：
我的一个学生不开心，我该怎么办？
该提示与上下文无关，可能会带来个人数据风险，并将人工智能推向诊断/转诊领域；产生通用的、有风险的和无用的输出。
强的：
您的角色：学校辅导员的写作助理。不进行诊断或给予指导。以下情况已匿名。背景：一名 13 岁的学生最近几周似乎对课堂失去了兴趣。任务：建议 6 个非评判性、开放式的准备问题，以便对该学生进行支持性访谈。如果发现危机迹象，请在顶部添加警告“咨询专业人士/家人”。
这种需求从一开始就编码了角色、限制、匿名、格式和危机反射。
常见错误
- 粘贴凭据。将面试记录或学生姓名按原样输入到工具中。解决办法：先匿名。
- 向 AI 询问危机情况。花几分钟以防出现风险。解决方案：直接协议和人类专家。
- 未经验证就使用。向学生或家长传递捏造的统计数据/来源。解决办法：连接源。
- 等待诊断。从人工智能到“这孩子怎么了？”询问诊断。解决方案：诊断和解释属于专科医生。
- 意思是“人工智能说”。把责任推到车辆身上。解决方案：最终决定权和责任属于专家。
表：任务风险级别和人工智能的作用
任务
风险等级
人工智能的作用
决策者
班级辅导活动大纲
低
生成草稿
专家组织
心理教育手册第一版
低
草稿+想法
专家证实
编辑对话笔记（匿名）
中等
格式/语言布局
专家证实
量表结果解释
高
仅语言演示
专家点评
诊断/明确指导
高
不参加
专家
危机/风险应对
禁止的
不参加
人类专家+权威
综上所述
AI是一个强大的助手，可以加速PDR的重复写入负载，但它不是决策者。按风险级别划分任务；在低风险的选秀工作中自由使用人工智能，将高风险的决定留给自己，将人工智能完全排除在危机和风险之外。验证每个输出，匿名每个数据，始终承担责任。
应用任务
在列表中写下您自己的 10 项每周 PDR 任务。将每一项标记为“低风险/高风险/禁止（危机）”。然后，使用上面的“强提示”模式，让人工智能工具匿名生成其中一项低风险任务的草稿，并将输出通过验证规则的 4 个步骤。
清单
- [ ] 我将任务分为风险级别（低/高/禁止）。
- [ ] 在将文本提供给工具之前，我对凭据进行了匿名处理。
- [ ] 在危机/风险情况下，我的目标是协议和人类专家，而不是人工智能。
- [ ] 我已经验证了输出中的事实、统计数据和来源。
- [ ] 我承认最终决定权和责任由我承担。