ত্রিশটি অ্যাসাইনমেন্ট একসঙ্গে মূল্যায়ন করতে হলে AI-এর সাহায্য নেওয়া অস্বাভাবিক নয়। একজন শিক্ষক হয়তো রচনা যাচাই করাতে চান, কেউ grading rubric অনুযায়ী প্রাথমিক feedback তৈরি করছেন, আবার কেউ কয়েকটি উত্তর একসঙ্গে বিশ্লেষণ করছেন। সমস্যা শুরু হয় তখন, যখন কাজের ফাইলের সঙ্গে শিক্ষার্থীর নাম, রোল, ইমেইল, ফলাফল কিংবা ব্যক্তিগত মন্তব্যও অনিচ্ছায় AI সেবায় চলে যায়।
AI student data privacy নিয়ে প্রথম সিদ্ধান্তটি তাই খুব সাধারণ: AI-এর যে তথ্যটি দরকার নেই, সেটি পাঠাবেন না। একটি রচনার ভাষা যাচাই করতে শিক্ষার্থীর পূর্ণ নাম লাগে না। একটি উত্তরের গঠন বিশ্লেষণ করতে তার ফোন নম্বর বা জন্মতারিখও প্রয়োজন নেই। কাজটি পরিচয় বাদ দিয়ে করা গেলে পরিচয়সহ তথ্য পাঠানোর যুক্তি খুব কম।
UNESCO শিক্ষাক্ষেত্রে Generative AI ব্যবহারের নির্দেশনায় data privacy-কে গুরুত্বপূর্ণ বিবেচ্য বিষয় হিসেবে রেখেছে। UNICEF-এর EdTech data governance কাজেও শিশুদের তথ্য কীভাবে সংগ্রহ, ব্যবহার ও নিয়ন্ত্রণ করা হচ্ছে—সেটিকে অধিকার ও গোপনীয়তার প্রশ্ন হিসেবে দেখা হয়েছে। এখানে লক্ষ্য AI ব্যবহার বন্ধ করা নয়। লক্ষ্য হলো এমন তথ্য AI-তে না পাঠানো, যেগুলো ছাড়া একই কাজ করা সম্ভব।
নাম-রোল বাদ দিলেই কাজ শেষ নয়
কোনো ফাইল আপলোডের আগে বেশির ভাগ মানুষ প্রথমে নাম মুছে দেন। এটি ভালো শুরু, কিন্তু অনেক ক্ষেত্রে যথেষ্ট নয়।
ধরা যাক, একটি নথিতে লেখা আছে:
“Student A, বয়স ১৪, অমুক স্কুলের নবম শ্রেণির একমাত্র দৃষ্টিপ্রতিবন্ধী শিক্ষার্থী…”
এখানে নাম নেই। তারপরও স্কুল, শ্রেণি, বয়স ও একটি বিরল বৈশিষ্ট্য মিলিয়ে সংশ্লিষ্ট শিক্ষার্থীকে চিনে ফেলা সম্ভব হতে পারে। এই জায়গাতেই anonymisation এবং pseudonymisation-এর পার্থক্য গুরুত্বপূর্ণ।Pseudonymisation বলতে সাধারণত নামের জায়গায় কোড, নম্বর বা অন্য পরিচায়ক বসানো বোঝায়। যেমন—রহিমের বদলে S-01। এতে সরাসরি পরিচয় আড়াল হয়, কিন্তু S-01 কার কোড, সেই তালিকা যদি কোথাও থাকে, তাহলে আবার ব্যক্তিটির পরিচয় বের করা সম্ভব।
যুক্তরাজ্যের তথ্য সুরক্ষা নিয়ন্ত্রক ICO-ও pseudonymised data-কে এমন পরিস্থিতিতে personal data হিসেবেই দেখে, যেখানে অতিরিক্ত তথ্য ব্যবহার করে সংশ্লিষ্ট ব্যক্তিকে আবার শনাক্ত করা যায়। স্কুলের কাজের ক্ষেত্রে তাই শুধু নাম নয়, পুরো লেখাটি একবার দেখে নেওয়া দরকার। ফোন নম্বর, ইমেইল, রোল, শিক্ষার্থী আইডি, পূর্ণ জন্মতারিখ, নির্দিষ্ট ঠিকানা বা এমন ব্যক্তিগত ঘটনা—যেগুলো ওই শিক্ষার্থীকে আলাদা করে চিনিয়ে দিতে পারে—কাজের জন্য দরকার না হলে বাদ দেওয়াই ভালো।
স্বাস্থ্য, কাউন্সেলিং, প্রতিবন্ধকতা, পারিবারিক সমস্যা বা শৃঙ্খলাজনিত নোট আরও সতর্কতার সঙ্গে সামলানো উচিত। এগুলো অনেক ক্ষেত্রেই অ্যাসাইনমেন্টের ভাষা বা গঠন বিশ্লেষণের জন্য প্রয়োজন হয় না। একই নিয়ম ছবি, ভিডিও ও কণ্ঠের ক্ষেত্রেও প্রযোজ্য। কাজটি যদি মুখের ছবি ছাড়া করা যায়, ছবি পাঠানোর প্রয়োজন নেই। আর পাসওয়ার্ড, লগইন তথ্য বা অ্যাক্সেস কোড কোনো prompt-এই দেওয়া উচিত নয়।
আরও পড়ুন: শিক্ষকরা AI দিয়ে Lesson Plan বানালে কোথায় Human Judgment প্রয়োজন
AI-তে কী পাঠাবেন, সেটি ঠিক করার সহজ উপায়
Privacy নিয়ে সিদ্ধান্ত নিতে বড় কোনো checklist সব সময় দরকার হয় না। বরং কাজের উদ্দেশ্যটি আগে পরিষ্কার করলে অনেক অপ্রয়োজনীয় তথ্য নিজে থেকেই বাদ পড়ে। ধরা যাক, একজন শিক্ষক ইংরেজি রচনার grammar ও structure নিয়ে প্রাথমিক feedback চান।
এই কাজে তিনি পুরো class roster আপলোড না করে প্রথমে শিক্ষার্থীদের জন্য স্থানীয়ভাবে S-01, S-02 ধরনের কোড রাখতে পারেন। এরপর রচনার header থেকে নাম, রোল ও ইমেইল সরিয়ে শুধু প্রয়োজনীয় লেখাটি AI-তে দেওয়া যায়। রচনায় কোনো শিক্ষার্থীর পারিবারিক বা স্বাস্থ্যসংক্রান্ত ব্যক্তিগত ঘটনা থাকলে সেটি AI-এর বিশ্লেষণের জন্য দরকার কি না আলাদাভাবে দেখা উচিত। দরকার না হলে অংশটি বাদ দেওয়া যায়।
Grading rubric প্রয়োজন হলে সেটি দেওয়া যেতে পারে। কিন্তু AI যে feedback তৈরি করবে, সেটিকে সরাসরি চূড়ান্ত মূল্যায়ন ধরে নেওয়া ঠিক নয়। Privacy ঝুঁকি কমানো আর AI-এর উত্তর নির্ভুল হওয়া—দুটি আলাদা বিষয়। শিক্ষার্থীর grade, শৃঙ্খলাজনিত ব্যবস্থা বা ভবিষ্যৎ সুযোগে প্রভাব ফেলতে পারে এমন সিদ্ধান্তে মানুষের যাচাই থাকা প্রয়োজন।
কাজটি যদি বাস্তব student data ছাড়াই করা যায়, কাল্পনিক বা synthetic example আরও সহজ বিকল্প হতে পারে। বিশেষ করে lesson plan, rubric, sample feedback বা প্রশ্ন তৈরির মতো কাজে বাস্তব শিক্ষার্থীর তথ্য অনেক সময় প্রয়োজনই হয় না।
Chat delete করলেই সব তথ্য সঙ্গে সঙ্গে মুছে যায় না
AI privacy নিয়ে আরেকটি সাধারণ ভুল ধারণা হলো, chat delete করলেই তথ্যের আর কোনো কপি থাকে না। বাস্তবে retention policy সেবাভেদে বদলায়। Chat history থেকে কোনো conversation সরানো এবং provider-এর system থেকে সেটি স্থায়ীভাবে মুছে যাওয়া একই মুহূর্তে ঘটবে—এমন নিশ্চয়তা ধরে নেওয়া উচিত নয়।
ChatGPT-এর ক্ষেত্রেই personal এবং institutional ব্যবহারের নিয়ম এক নয়। OpenAI-এর বর্তমান নীতি অনুযায়ী personal ChatGPT account-এর content মডেল উন্নয়নের কাজে ব্যবহার হতে পারে। ব্যবহারকারী Data Controls-এ গিয়ে “Improve the model for everyone” বন্ধ করতে পারেন।
অন্যদিকে ChatGPT Edu, Enterprise ও Business-এর organisational data মডেল training-এ ডিফল্টভাবে ব্যবহার করা হয় না। এখানে একটি গুরুত্বপূর্ণ পার্থক্য আছে। কোনো স্কুলে “ChatGPT ব্যবহার করা হয়” শুনেই তার data protection সম্পর্কে সিদ্ধান্ত নেওয়া যাবে না। শিক্ষক নিজের personal account ব্যবহার করছেন, নাকি প্রতিষ্ঠান-পরিচালিত workspace—এটি জানতে হবে।
ChatGPT-এর Temporary Chat history-তে থাকে না এবং model training-এ ব্যবহৃত হয় না। OpenAI জানিয়েছে, নিরাপত্তার প্রয়োজনে এসব conversation সর্বোচ্চ ৩০ দিন রাখা হতে পারে। Google-এর Gemini-তেও personal এবং school/work account-এর নিয়ম আলাদা। Personal Gemini account-এ Keep Activity বন্ধ থাকলেও Google নির্দিষ্ট operational ও feedback-related উদ্দেশ্যে conversation সর্বোচ্চ ৭২ ঘণ্টা সংরক্ষণের কথা জানিয়েছে।
অন্যদিকে নির্দিষ্ট Google Workspace work বা school account-এর Gemini chats এবং uploaded files human review বা generative AI model উন্নত করার কাজে ব্যবহার করা হয় না। অর্থাৎ একটি setting দেখে “এখন তথ্য পুরোপুরি নিরাপদ” ধরে নেওয়ার সুযোগ নেই। Account type, retention, training এবং review—চারটি বিষয় আলাদাভাবে দেখতে হয়।
Privacy Policy-এর সবটা না পড়লেও কয়েকটি জায়গা অবশ্যই দেখুন
কোনো শিক্ষক বা স্কুল প্রশাসকের কাছ থেকে প্রতিটি AI সেবার দীর্ঘ privacy policy মুখস্থ রাখার প্রত্যাশা বাস্তবসম্মত নয়। কিন্তু student data ব্যবহারের আগে কিছু প্রশ্নের উত্তর জানা দরকার। প্রথমেই দেখুন, prompt বা uploaded file model training কিংবা service improvement-এর কাজে ব্যবহার হতে পারে কি না। Privacy page-এ “train”, “improve models”, “develop models” বা কাছাকাছি ভাষা থাকতে পারে।
এরপর retention দেখুন। তথ্য কত দিন রাখা হয়? Chat delete করলে কী ঘটে? Temporary mode থাকলে তার আলাদা retention আছে কি না? Human review-এর বিষয়টিও উপেক্ষা করা ঠিক নয়। “Training off” লেখা আছে মানেই কোনো পরিস্থিতিতেই মানুষের কাছে content যাবে না—এমন সিদ্ধান্ত সব সেবার জন্য প্রযোজ্য নয়।
Institutional account হলে আরেকটি প্রশ্ন আসে: প্রতিষ্ঠানের জন্য আলাদা contractual protection বা admin control আছে কি?
Google Workspace-এর নীতিতে customer prompts-কে customer data হিসেবে ধরা হয় এবং অনুমতি ছাড়া Workspace customer data দিয়ে generative AI model train না করার কথা বলা হয়েছে। OpenAI-ও ChatGPT Edu-সহ business products-এর organisational data training-এ ডিফল্টভাবে ব্যবহার না করার কথা জানিয়েছে।
তারপরও একটি বিষয় মনে রাখা দরকার—“Training-এ ব্যবহার করা হয় না” আর “যেকোনো student data আপলোড করা যাবে” একই কথা নয়। স্কুলের নিজস্ব policy, provider-এর সঙ্গে চুক্তি এবং সংশ্লিষ্ট দেশের আইনও এখানে প্রাসঙ্গিক।
Connected Apps থাকলে Privacy হিসাবও বদলে যায়
অনেক AI সেবা এখন অন্য app, extension বা external service-এর সঙ্গে যুক্ত হয়ে কাজ করতে পারে। এতে workflow সহজ হয়, কিন্তু data flow-ও বাড়ে। ধরা যাক, কোনো AI tool-এর সঙ্গে একটি third-party service যুক্ত আছে। মূল AI provider-এর privacy setting সন্তোষজনক হলেও connected service তথ্য কীভাবে রাখছে, ব্যবহার করছে বা মুছছে—সেটি আলাদা প্রশ্ন।
তাই student data ব্যবহারের আগে শুধু AI টুলটির privacy page দেখলে চলবে না। কোন Connected Apps বা integration সক্রিয় আছে, সেটিও দেখা উচিত। বিশেষ করে school account-এ কে কোন integration চালু করতে পারে, সেটি প্রতিষ্ঠানের নীতিতে পরিষ্কার থাকলে ভুল হওয়ার সুযোগ কমে।
ব্যক্তিগত সতর্কতার ওপর পুরো দায়িত্ব ছেড়ে দেওয়া ঠিক নয়
একজন সচেতন শিক্ষক নিজে সতর্ক হতে পারেন। কিন্তু পুরো প্রতিষ্ঠান যদি AI ব্যবহার করে, তাহলে “সবাই সাবধানে ব্যবহার করুন” ধরনের নির্দেশ যথেষ্ট নয়। শিক্ষকের সামনে বাস্তব প্রশ্ন থাকে। কোন AI tool অনুমোদিত? Personal account ব্যবহার করা যাবে? Student name মুছে দিলে হবে, নাকি আরও তথ্য বাদ দিতে হবে? Sensitive information ভুল করে চলে গেলে কাকে জানাতে হবে?
এসব প্রশ্নের উত্তর লিখিত নীতিতে থাকলে শিক্ষককে প্রতিবার নিজের মতো সিদ্ধান্ত নিতে হয় না। একটি ছোট AI data policy-তেও কয়েকটি বিষয় পরিষ্কার করা সম্ভব—প্রতিষ্ঠানে কোন AI service ব্যবহার করা যাবে, কোন ধরনের student data আপলোড নিষিদ্ধ বা সীমিত, personal account গ্রহণযোগ্য কি না, anonymisation কোথায় প্রয়োজন এবং privacy incident হলে কার সঙ্গে যোগাযোগ করতে হবে।
নতুন কোনো AI tool চালুর আগে privacy review কে করবেন, সেটিও নির্দিষ্ট থাকা ভালো। UNICEF-এর EdTech data governance recommendations শিশুদের তথ্য ব্যবহারে governance, oversight ও risk assessment-এর প্রয়োজনীয়তার ওপর জোর দেয়। UNESCO-ও শিক্ষাক্ষেত্রে Generative AI ব্যবহারের সঙ্গে data privacy সুরক্ষাকে যুক্ত করেছে।
বাংলাদেশ, ভারত, যুক্তরাজ্য বা অন্য দেশের নিয়ম এক নয়। তাই কোনো বিদেশি privacy guideline-কে সরাসরি স্থানীয় আইনের বিকল্প ধরে নেওয়া যাবে না। প্রতিষ্ঠানকে নিজের দেশের প্রযোজ্য আইন, চুক্তি ও data protection policy আলাদাভাবে দেখতে হবে।
ভুল করে তথ্য আপলোড হলে কী করবেন
ভুল হতেই পারে। গুরুত্বপূর্ণ হলো সেটি বোঝার পর কী করা হচ্ছে। প্রথমে দেখুন ঠিক কোন তথ্যটি গেছে। শুধু নাম, নাকি ফলাফল, স্বাস্থ্যসংক্রান্ত নোট বা অন্য sensitive information-ও ছিল? কোন account দিয়ে upload করা হয়েছে? কোনো public link তৈরি হয়েছিল কি? Third-party app যুক্ত ছিল কি?
তারপর যেখানে সম্ভব সংশ্লিষ্ট chat, activity ও uploaded file মুছে দিন। Public share link থাকলে বন্ধ করুন। Connected service থাকলে তার access-ও পরীক্ষা করুন। Password বা access credential ভুল করে চলে গেলে সেটি দ্রুত বদলানো বা revoke করা দরকার।
স্কুল বা কলেজে IT, privacy, safeguarding বা অন্য দায়িত্বপ্রাপ্ত কর্মকর্তা থাকলে ঘটনাটি তাদের জানানো উচিত। কোন শিক্ষার্থীর কী তথ্য জড়িত ছিল, সেটিও নিরাপদভাবে নথিবদ্ধ করা দরকার হতে পারে। প্রতিষ্ঠানের incident-response বা data-breach procedure থাকলে সেটিই অনুসরণ করতে হবে। বিশেষ করে কাউন্সেলিং, স্বাস্থ্য, পরিচয়পত্র, আর্থিক অবস্থা বা শিশু সুরক্ষার সঙ্গে সম্পর্কিত তথ্যকে সাধারণ “ভুল করে ফাইল পাঠানো” হিসেবে দেখা ঠিক নয়।
সবচেয়ে দরকারি পরিবর্তনটি কোনো Setting নয়
AI ব্যবহার করতে গিয়ে privacy রক্ষার আলোচনা খুব দ্রুত settings-এর দিকে চলে যায়—training বন্ধ আছে কি না, history off করা হয়েছে কি না, Temporary Chat ব্যবহার করা হচ্ছে কি না। এসব গুরুত্বপূর্ণ। কিন্তু তারও আগে একটি সিদ্ধান্ত আসে।
তথ্যটি AI-তে পাঠানোর প্রয়োজন আছে কি?
একটি grading rubric তৈরি করতে যদি বাস্তব শিক্ষার্থীর নাম না লাগে, নাম দেবেন না। Sample feedback তৈরিতে যদি আসল assignment দরকার না হয়, কাল্পনিক লেখা ব্যবহার করুন। ভাষাগত বিশ্লেষণের জন্য যদি রোল, ইমেইল বা স্কুলের পরিচয় প্রয়োজন না হয়, সেগুলো বাদ দিন।
Data minimisation-এর ব্যবহারিক অর্থ এটুকুই।
AI student data privacy ভালোভাবে সামলাতে তাই প্রথম কাজ প্রযুক্তিগত নয়। আগে ঠিক করতে হবে, কোন তথ্যটি না পাঠিয়েও কাজটি করা যায়। এই প্রশ্নের উত্তর পরিষ্কার হলে পরে anonymisation, institutional account, retention setting এবং privacy policy নিয়ে সিদ্ধান্ত নেওয়াও অনেক সহজ হয়।
প্রাসঙ্গিক কিছু প্রশ্ন
AI Tool-এ শিক্ষার্থীর নাম মুছে দিলেই কি Data নিরাপদ হয়ে যায়?
না। নাম সরালেও স্কুল, শ্রেণি, বয়স, অবস্থান, স্বাস্থ্যসংক্রান্ত তথ্য বা কোনো বিরল ব্যক্তিগত বৈশিষ্ট্য মিলিয়ে শিক্ষার্থীকে শনাক্ত করা সম্ভব হতে পারে। তাই শুধু নাম নয়, পুরো তথ্যের মধ্যে পরিচয় প্রকাশের সূত্র আছে কি না দেখতে হবে।
শিক্ষার্থীর Assignment AI-তে দেওয়ার আগে কী কী তথ্য বাদ দেওয়া উচিত?
কাজের জন্য প্রয়োজন না হলে নাম, রোল, শিক্ষার্থী আইডি, ইমেইল, ফোন নম্বর, পূর্ণ জন্মতারিখ এবং নির্দিষ্ট ঠিকানা সরিয়ে দেওয়া উচিত। স্বাস্থ্য, কাউন্সেলিং, পারিবারিক সমস্যা বা শৃঙ্খলাজনিত তথ্যের ক্ষেত্রেও বাড়তি সতর্কতা দরকার।
ChatGPT বা Gemini-এর Training বন্ধ থাকলে কি Student Data আপলোড করা নিরাপদ?
Training বন্ধ থাকা একটি গুরুত্বপূর্ণ privacy control, কিন্তু এটিই যথেষ্ট নয়। Data retention, human review, connected third-party services, account type এবং প্রতিষ্ঠানের নিজস্ব data policy-ও দেখতে হবে।
Personal AI Account এবং School Account-এর মধ্যে Privacy পার্থক্য আছে কি?
থাকতে পারে। একই AI provider-এর personal account এবং institution-managed Education, Business বা Enterprise account-এ data training, retention এবং administrator control-এর নিয়ম আলাদা হতে পারে। তাই শুধু tool-এর নাম দেখে privacy সম্পর্কে সিদ্ধান্ত নেওয়া উচিত নয়।
শিক্ষার্থীর কাজ AI দিয়ে Grade করা কি ঠিক?
AI প্রাথমিক feedback বা ভাষাগত বিশ্লেষণে সহায়তা করতে পারে। তবে গুরুত্বপূর্ণ grade, disciplinary decision বা শিক্ষার্থীর ভবিষ্যৎ প্রভাবিত করতে পারে এমন সিদ্ধান্ত পুরোপুরি AI output-এর ওপর ছেড়ে দেওয়া উচিত নয়। মানুষের যাচাই প্রয়োজন।
