Osnovni pojmovi podatkovne pismenosti

8. Etički aspekti i zaštita privatnosti u radu s podacima

Razvijanje podatkovne pismenosti ne obuhvaća samo razumijevanje načina na koji se podaci prikupljaju, obrađuju i analiziraju, već i svijest o etičkoj odgovornosti koja proizlazi iz njihova korištenja. U suvremenom obrazovnom okruženju, u kojem se sve više primjenjuju sustavi temeljeni na umjetnoj inteligenciji, etika i zaštita privatnosti postaju neizostavni dio profesionalne prakse svakog nastavnika i studenta. Način na koji upravljamo podacima odražava ne samo tehničku stručnost, već i vrijednosne temelje obrazovanja – povjerenje, odgovornost i poštovanje.

Glavni etički principi:

• Transparentnost: Sudionici obrazovnog procesa moraju jasno razumjeti zašto, kako i u koju svrhu se njihovi podaci prikupljaju i obrađuju. Posebno je važno osigurati da su procesi u kojima se koriste algoritmi umjetne inteligencije razumljivi i dostupni objašnjenju, kako bi se spriječila nevidljiva automatizacija odluka koje mogu utjecati na studente.

• Informirani pristanak: Prije prikupljanja podataka, studenti trebaju biti detaljno upoznati s ciljevima i načinima korištenja svojih podataka, uključujući i one koji se primjenjuju u analitičkim sustavima umjetne inteligencije. Pristanak mora biti slobodan, informiran i moguće ga je povući u bilo kojem trenutku bez negativnih posljedica.

• Minimalizacija podataka: Prikupljaju se isključivo podaci nužni za ostvarenje jasno definiranih obrazovnih ciljeva. Time se izbjegava nepotrebno prikupljanje osjetljivih informacija koje nisu od izravne važnosti za proces učenja i poučavanja. Ovaj princip promiče odgovorno i svrhovito korištenje informacija u obrazovanju.

• Sigurnost i zaštita podataka: Obvezno je osigurati tehničke i organizacijske mjere zaštite podataka od neovlaštenog pristupa, gubitka ili zloupotrebe. To je osobito važno u radu sa sustavima umjetne inteligencije koji se oslanjaju na velike količine podataka i složene modele obrade. Sigurnosna infrastruktura mora uključivati redovito testiranje, enkripciju i sustave za praćenje mogućih prijetnji.

• Anonimizacija i pseudonimizacija: 

  Kad god je moguće, osobni se podaci trebaju anonimizirati ili pseudonimizirati kako bi se zaštitila privatnost pojedinaca i smanjio rizik od identifikacije.

  • Anonimizacija podrazumijeva trajno uklanjanje svih identifikacijskih podataka tako da se pojedinac više ne može prepoznati.
  • Pseudonimizacija označava zamjenu osobnih podataka kodiranim oznakama, pri čemu je ponovno povezivanje s osobom moguće samo uz dodatne informacije koje se čuvaju zasebno i sigurno.

Primjena u obrazovnom okruženju:

Zaštita privatnosti studenata i nastavnika mora biti prioritet u svim fazama upravljanja obrazovnim podacima od prikupljanja do analize i primjene rezultata.
Uvođenje umjetne inteligencije u obrazovno okruženje donosi dodatnu složenost u upravljanju podacima jer takvi sustavi uče iz velikih količina informacija o studentima i nastavnicima. Stoga je uspostava jasnih politika o prikupljanju, pohrani i korištenju podataka ključna za održavanje visokih etičkih standarda i zaštitu privatnosti svih uključenih.

Refleksivna pitanja:

• Na koji način u svojem obrazovnom okruženju nastojite uskladiti korištenje podataka i tehnologija umjetne inteligencije s poštivanjem etičkih načela i zaštitom privatnosti i sigurnosti studenata?
• Koliko vam je taj proces zahtjevan kada uvodite nove digitalne alate i pristupe u obrazovne procese? 
• Koje biste korake mogli poduzeti kako bi primjena umjetne inteligencije u nastavi bila odgovornija, transparentnija i u većoj mjeri usmjerena dobrobiti studenata?