Mitä uutta 2025–26
Useimmille kouluille suurin muutos ei ole täysin uusi sääntö. Muutos on odotus siitä, että pystyt näyttämään nopeasti ja luotettavasti, miten AI-linjauksesi muodostaa yhtenäisen kokonaisuuden arvioinnin, safeguardingin, opetussuunnitelman ja tietosuojan välillä. Lukuvuoden 2025–26 ohjeistuskenttä ohjaa kouluja pois epämääräisistä toteamuksista (”AI:ta voidaan käyttää asianmukaisesti”) kohti operatiivista tarkkuutta (”näissä tehtävissä AI on sallittu näillä tavoilla, ja voimme osoittaa työn aitouden”).
Toinen muutos on kasvava painotus oppilastöiden ”prosessinäyttöön”. Kun mukana on kurssityö, NEA:t ja laajempi kirjoittaminen, kouluja ohjataan kirjaamaan, miten työ on tuotettu – ei vain sitä, mitä on palautettu. Jos käytät jo luonnostelua, ohjauskeskusteluja, versiohistoriaa ja lyhyitä viva-tyylisiä tarkistuksia, olet etumatkalla. Jos et, kannattaa ottaa käyttöön yksinkertainen rutiini nyt, sen sijaan että sammuttelet tulipaloja koekauden aikana. Jos haluat käytännöllisen rajamallin, liikennevalomalli artikkelissa AI-rajat koekaudelle on hyvä lähtökohta.
Se, mikä ei ole muuttunut, on yhtä tärkeää. Opettajat tekevät edelleen ammatilliset arviot oppilaiden oppimisesta. Vilppi on edelleen vilppiä, vaikka sen tekisi chatbot. Safeguarding-kynnykset eivät muutu siksi, että sisältö olisi synteettistä. Ja UK GDPR -periaatteet ovat edelleen tietopäätösten selkäranka: lainmukainen peruste, tietojen minimointi, läpinäkyvyys ja turvallisuus.
Yhden sivun ristiintaulukointi
Ajattele lukuvuotta 2025–26 ristiintaulukointina viiden odotusten ”omistajan” välillä: DfE (koulun laajuinen toimintatapa ja turvallisuus), Ofqual (tutkintotason luotettavuus), JCQ (keskuksen järjestelyt ja vilppiprosessit), RSHE/PSHE (oppilaiden lukutaito ja haitat) sekä tietosuoja (UK GDPR ja hankinnat). Ne limittyvät, mutta kukin pyytää erilaista näyttöä.
DfE:n odotukset koskevat tyypillisesti koko koulun linjaa: henkilöstökoulutus, johdonmukainen viestintä oppilaille, safeguarding-reitit ja järkevät työkalukontrollit. Ofqualin odotukset painottuvat aitouteen ja oikeudenmukaisuuteen säännellyissä tutkintosuorituksissa, joten tarvitset aine- ja tehtävätason selkeyttä. JCQ:n odotukset ovat operatiivisia: mitä keskuksesi kertoo kokelaille, miten havaitset ja käsittelet epäillyn vilpin sekä miten kirjaat päätökset. RSHE/PSHE-odotukset koskevat oppilaiden opettamista navigoimaan AI:hin liittyvissä riskeissä: deepfaket, suostumus, manipulointi ja ilmoittaminen. Tietosuojan odotukset koskevat hallintaa: tarvittaessa DPIA:t, sopimukset, säilytysajat ja läpinäkyvyys perheille.
Jos yrität vähentää paperityötä, pyri yhteen yhtenäiseen ”AI koulussa” -politiikkakokonaisuuteen liitteineen, sen sijaan että sinulla olisi erillisiä asiakirjoja, jotka ovat keskenään ristiriidassa. Hyvä tapa paine-testata johdonmukaisuutta on tehdä lyhyt sisäinen auditointi; rakenne artikkelissa Lukuvuoden lopun AI-auditointi on muokattavissa elokuun suunnitteluun.
Arvioinnin luotettavuuden päivitykset
Käytännön muutos 2025–26 on käsitellä AI:ta kuten mitä tahansa työkalua, joka voi auttaa tai heikentää aitoutta, ja suunnitella arviointirutiineja, jotka tekevät aitouden näkyväksi. Koulujen odotetaan yhä useammin onnistuvan kolmessa asiassa: asettaa selkeät rajat, opettaa nämä rajat eksplisiittisesti ja säilyttää yksinkertainen näyttö silloin, kun rajoilla on merkitystä.
Vilpin ja aitouden osalta päivitä kokelas- ja huoltajaviestintä niin, että se on yksiselitteistä siitä, mikä lasketaan kielletyksi avuksi. Varmista sitten, että oppiaineet kääntävät tämän tehtäväohjeiksi, joita oppilaat oikeasti lukevat. Tyypillinen maanantaiaamun korjaus on lisätä lyhyt ”AI:n käyttö -lausuma” relevanttien tehtävien etusivulle: mikä on sallittua (esimerkiksi suunnitteluun liittyvät promptit), mikä ei (lopullisen tekstin tuottaminen) ja mikä on mainittava (esimerkiksi jos AI:ta käytettiin oikeinkirjoituksen tarkistamiseen). Tavoite ei ole saada oppilaita kiinni; tavoite on poistaa uskottava kiistäminen.
Valvotuissa suorituksissa ja kurssitöissä rakenna ”prosessinäyttö” työnkulkuun. Äidinkielessä se voi olla 10 minuutin suunnitelma luokassa, ensimmäinen kappale valvotusti kirjoitettuna ja lyhyt opettajan keskustelu, jossa oppilas selittää valintojaan. Luonnontieteissä se voi olla kommentoidut käytännön muistiinpanot, valokuva tulostaulukoista ja lyhyt suullinen tarkistus menetelmästä ja muuttujista. Kun käytetään digityökaluja, sopikaa mitä keräätte: versiohistorian kuvakaappauksia, luonnosvaiheiden tarkistuspisteitä tai lyhyt reflektioloki. Artikkelissa Näyttö ensin -kirjoitusopetus kuvattu lähestymistapa sopii hyvin tähän suuntaan, koska se tekee prosessista opetettavan ja arvioitavan.
Varmista lopuksi, ettei vilppiprosessisi ole vain teoreettinen. Kokeista vastaavien ja SLT:n tulisi olla varmoja epäilyn kynnyksestä, siitä kuka tutkii, miten näyttö säilytetään ja miten päätökset kirjataan. Rauhallinen, johdonmukainen prosessi suojaa henkilöstöä yhtä paljon kuin se suojaa standardeja.
Opetuksen ja opetussuunnitelman vaikutukset
Sinun ei tarvitse kirjoittaa opetussuunnitelmia uusiksi ”lisätäksesi AI:n”. Sinun täytyy tehdä AI-lukutaito eksplisiittiseksi niissä kohdissa, joissa oppilaat jo kohtaavat tiedon, lähteet ja harkinnan. Historiassa se voi olla lyhyt tehtävä, jossa verrataan oppikirjakappaletta AI:n tuottamaan tiivistelmään ja keskustellaan sitten poisjätöistä ja vinoumista. Kielissä se voi olla AI:n käyttö harjoituslauseiden tuottamiseen, jota seuraa opettajajohtoinen tarkistus rekisteristä ja tarkkuudesta. Kuvataiteessa ja mediassa se voi olla tekijyyden ja tyylin pohdinta, kytkettynä käytännön työhön.
Yksinkertaisin opetussuunnitelmaliike syyskuulle on sopia kolmesta viiteen ”AI-lukutaitohetkeä” per vuosiluokka, jotka oppiaineet voivat sijoittaa olemassa oleviin kokonaisuuksiin. Pidä ne pieninä ja toistettavina: miten väitteet varmennetaan, miten avun käyttö merkitään, miten synteettinen media tunnistetaan ja miten henkilötietoja suojataan. Jos haluat rakenteisen tavan kerätä oppilaiden ääntä siitä, mitä oikeasti tapahtuu, Oppilaiden AI-kuuntelusykli tarjoaa kevyen lähestymistavan, joka voi ohjata näitä hetkiä ilman että siitä tulee suuri projekti.
RSHE/PSHE ja safeguarding
Safeguarding-tiimit todennäköisesti kokevat 2025–26 muutokset terävimmin deepfakeihin, pakottamiseen ja mainehaittoihin liittyen. Oppilaat eivät tarvitse teknistä luentoa; he tarvitsevat selkeät normit, selkeän kielen ja selkeän reitin avun piiriin. RSHE/PSHE:ssä käsittele AI:n mahdollistamat haitat jatkumona olemassa oleville verkkoturvallisuuden teemoille: suostumus, valta, hyväksikäyttö, kiusaaminen ja ilmoittaminen.
Käytännön luokkahuoneskripti on tärkeä. Ohjaajat ja PSHE-opettajat hyötyvät lyhyestä, sovitusta fraasipaketista, joka vähentää paniikkia ja lisää kertomista. Esimerkiksi: ”Jos kuva on tehty tai jaettu ilman suostumusta, se ei ole sinun syysi, ja me autamme.” Tai: ”Jos olet huolissasi, että olet saattanut jakaa jotain, kerro meille ajoissa; voimme toimia nopeammin.” Kytke tämä ilmoitusreitteihinne, mukaan lukien anonyymi ilmoittaminen, jos se on käytössä, sekä henkilöstön vastuisiin kirjaamisessa ja eskaloinnissa.
Deepfaket ansaitsevat eksplisiittisen käsittelyn, koska ne hämärtävät ”todellisen” ja ”valeen” rajaa tavalla, joka voi horjuttaa luottamusta. Lyhyt medialukutaitojakso turvallisilla, ennalta valituilla esimerkeillä voi auttaa oppilaita ymmärtämään manipulointia opettamatta vahingossa haitallisen sisällön tekemistä. Jos tutkit synteettistä videota oppimisessa, Sora luokassa sisältää käytännönläheisen keskustelun työnkuluista ja turvallisuudesta, jota voi hyödyntää henkilöstökoulutuksessa.
Tietosuoja käytännössä
Tietosuojan maanantaiaamuversio ei ole ”pidämmekö tästä työkalusta?”, vaan ”pystymmekö perustelemaan tämän käsittelyn?”. Aloita minimidatasäännöistä: jos työkalu toimii ilman oppilaiden henkilötietoja, konfiguroi se niin. Jos tilit ovat välttämättömiä, käytä mahdollisuuksien mukaan koulun hallinnoimia identiteettejä ja vältä arkaluonteisten tietojen keräämistä, ellei siihen ole selkeää pedagogista tarvetta.
DPIA:iden tulisi olla rutiinia korkeamman riskin työkaluissa, erityisesti niissä, jotka käsittelevät oppilastietoja laajassa mittakaavassa, muodostavat profiileja tai liittyvät uusiin toimittajiin. Hankintoihin tulisi sisältyä sopimustarkistukset koskien tietojenkäsittelyehtoja, säilytysaikoja, alikäsittelijöitä ja kansainvälisiä siirtoja. Myös lokitus ja säilytys vaativat päätöksiä: mitä käyttölokeja säilytetään, kenellä on niihin pääsy ja kuinka kauan. Läpinäkyvyyden perheille tulisi olla selkokielistä ja käytännöllistä: mitä työkaluja käytetään, mitä dataa niihin liittyy ja mitä valintoja on.
Jos punnitset hosted- ja self-hosted-vaihtoehtoja tai harkitset avoimia malleja, artikkelin Meta Llama 4 -päätöspaketti päätöspisteet auttavat jäsentämään riskiä, kustannuksia ja hallintaa ilman että eksyt jargoniin.
Operatiiviset muutokset ennen syyskuuta
Tehokkaimmat koulut tekevät pienen joukon näkyviä muutoksia, joita henkilöstö voi noudattaa ilman vuokaaviota. Päivitä hyväksyttävän käytön ohjeistus ja henkilöstön toimintaohjeet niin, että AI-odotukset ovat eksplisiittisiä, ja linjaa oppiaineiden arviointilausumat näihin rajoihin. Varmista, että safeguarding-koulutus sisältää AI:n mahdollistamat haitat ja että henkilöstö tietää, miten toimia synteettiseen mediaan liittyvissä ilmoituksissa.
Tutustu Automaattisen Opetuksen voimaan liittymällä yhteisöömme opettajia, jotka ottavat aikansa takaisin samalla kun rikastuttavat luokkahuoneitaan. Intuitiivisen alustamme avulla voit automatisoida hallinnollisia tehtäviä, personoida oppilaiden oppimista ja olla vuorovaikutuksessa luokkasi kanssa aivan uudella tavalla.
Älä anna hallinnollisten tehtävien varjostaa intohimoasi opettamiseen. Liity mukaan tänään ja muuta opetustympäristösi Automaattisen Opetuksen avulla.
🎓 Rekisteröidy ILMAISEKSI!
Koulutuksen ohella tarkista työkalujen asetukset. Kytke pois tarpeeton datan jakaminen, poista chat-historia käytöstä tarvittaessa ja standardoi ikätasolle sopiva pääsy. Viesti sitten ajoissa: lyhyt kirje perheille, jossa selität lähestymistapanne, sekä oppilaille suunnattu ”AI:n liikennesäännöt”, joka vastaa sitä, mitä opettajat sanovat luokassa. Jos haluat nopean, käytännöllisen noususuunnitelman syyskuulle, AI foundations sprint on hyödyllinen malli kahden viikon valmisteluikkunaan.
Roolipohjainen toimintalista
SLT:n tulisi omistaa yhtenäinen politiikkakokonaisuus ja varmistaa, että se on opetettavissa: henkilöstö pystyy tiivistämään sen minuutissa, ja oppilaat pystyvät toistamaan sen omin sanoin. Heidän tulisi myös varmistaa, että hallitukselle toimitetaan lukukausittain tilannekuva vaatimustenmukaisuudesta ja tapauksista.
DSL:n tulisi integroida AI-skenaariot safeguarding-koulutukseen ja varmistaa, että ilmoitusreitit kattavat deepfaket, pakottamisen ja kuvapohjaisen hyväksikäytön. DSL tarvitsee myös selkeän kannan näytön käsittelyyn: mitä säilytetään, miten vältetään haitallisen materiaalin uudelleenjakaminen ja milloin otetaan mukaan ulkopuoliset viranomaiset.
Kokeista vastaavan tulisi päivittää kokelasohjeet, keskuksen politiikat ja henkilöstöbriefit niin, että vilppiprosessit sisältävät eksplisiittisesti AI:n. Hänen tulisi myös koordinoida HoD:ien kanssa tehtävätason rajalausumat kurssityöhön ja valvottuun arviointiin.
DPO/IT-vastaavan tulisi asettaa minimidatan oletukset, tehdä DPIA:t tarvittaessa ja varmistaa, että hankinnat ja sopimukset täyttävät UK GDPR -odotukset. Hänen tulisi myös asettaa ja dokumentoida lokitus/säilytys sekä käyttöoikeusrajaukset.
HoD:ien ja ainejohtajien tulisi kääntää politiikka arviointisuunnitteluksi: lisätä AI:n käyttö -lausumat, rakentaa prosessinäytön tarkistuspisteet ja opettaa lyhyet AI-lukutaitohetket olemassa olevissa kokonaisuuksissa. Ohjaajien tulisi vahvistaa yhteistä kieltä kokoontumisissa ja ohjaustuokioissa, erityisesti ilmoitusreittien ja suostumuksen osalta.
Vaatimustenmukaisuuden tarkistuslista (tulostettava)
Käytä tätä näyttöpakettina hallitukselle ja tarkastusvalmiuteen. Pidä se yksinkertaisena, päivättyinä ja helposti löydettävänä.
- Päivätty koko koulun AI-politiikkakokonaisuus, mukaan lukien hyväksyttävä käyttö, henkilöstön toiminta, arvioinnin luotettavuus ja safeguarding-liitteet
- Oppiaineiden lausumat AI:n käytöstä keskeisissä arviointityypeissä (kurssityö/NEA, laaja kirjoittaminen, kotitehtävät)
- Kokelas- ja huoltajaviestintä AI:sta ja vilpistä, päivämäärineen ja toimitustapoineen
- Kirjattu vilppiprosessin kulku, mukaan lukien roolit, näytön käsittely ja päätösten kirjaaminen
- Esimerkkejä ”prosessinäytöstä” vähintään kolmessa oppiaineessa (pohjat, tarkistuspisteet tai moderointimuistiinpanot)
- RSHE/PSHE-opetussuunnitelman kartoitus, joka osoittaa missä AI-lukutaito, deepfaket ja suostumus opetetaan
- Henkilöstökoulutusmerkinnät, jotka kattavat AI-turvallisuuden, arvioinnin luotettavuuden ja ilmoitusreitit
- DPIA:t (tarvittaessa) sekä rekisteri hyväksytyistä AI-työkaluista ja niiden dataprofiileista
- Toimittajasopimukset/tietojenkäsittelyehdot, säilytyspäätökset sekä selkokielinen päivitys perheiden tietosuojailmoitukseen
- Työkalujen konfigurointimuistiinpanot (asetukset, ikärajoitukset, lokien käyttöoikeudet) sekä vuosittainen tarkistuspäivä
Yleiset sudenkuopat ja punaiset liput
Yleinen sudenkuoppa on kirjoittaa vahva politiikka, mutta jättää henkilöstö improvisoimaan tehtäväohjeet. Jos yksi oppiaine sallii AI-avusteisen suunnittelun ja toinen kieltää kaiken käytön ilman perustelua, oppilaat testaavat aukkoja. Sen sijaan standardoi pieni joukko sallittuja käyttötapoja (suunnittelu, palaute, kielen tuki) ja vaadi käytön ilmoittamista, kun sitä on hyödynnetty.
Toinen punainen lippu on nojata ”AI-detektoreihin” todisteena. Ne voivat olla epäluotettavia ja voivat tuoda vinoumaa. Käytä niitä, jos lainkaan, korkeintaan vihjeenä lisäselvitykselle – ei tuomiona. Priorisoi prosessinäyttö, opettajan tuntemus oppilaan omasta äänestä sekä lyhyet aitouskeskustelut.
Lopuksi varo safeguardingin lipsumista: deepfakejen käsittelyä ”vain nettidraamana”. Kuvapohjainen hyväksikäyttö, pakottaminen ja häirintä voivat eskaloitua nopeasti. Henkilöstö tarvitsee varmuutta toimia, kirjata ja eskaloida, vaikka media olisi synteettistä.
Olkoon syyskuun käyttöönottonne rauhallinen, johdonmukainen ja hyvin todennettavissa.
The Automated Education Team