Ang artificial intelligence ay nai-embed ang sarili nito sa pang-araw-araw na ritmo ng batayang edukasyon sa Pilipinas, kasama ang mga mag-aaral na gumagamit ng conversational chatbots upang buuin ang mga sanaysay at mga guro na umaasa sa mga automated na platform upang makabuo ng mga pagsusulit. Sa loob ng ilang taon mula nang ilabas ang ChatGPT noong 2022, nagpatakbo ang Kagawaran ng Edukasyon nang walang pinag-isang paninindigan, na iniiwan ang mga indibidwal na paaralan upang magpasya kung ang mga automated na tool ay dapat tanggapin o paghigpitan. Ang DepEd Order No. 003, serye ng 2026, na pinamagatang “Foundational Guidelines on Artificial Intelligence (AI) in Basic Education,” ay nagtatangkang lutasin ang kalituhan sa pamamagitan ng pagpapakilala ng isang komprehensibong pambansang balangkas ng regulasyon na namamahala sa artificial intelligence. Ang patakaran ay nag-uutos ng isang sentral na ledger ng mga naaprubahang teknolohiya, mga kategorya ng panganib, at mga pagsusuri sa privacy bago makarating ang software sa mga mag-aaral.
Ang balangkas ay kumakatawan sa isang makabuluhang administratibong milestone. Maaaring masyadong maaga upang sabihin kung ang mga nakasulat na utos ay maaaring isagawa sa pamamagitan ng wastong pamamahala at kayang lutasin ang mga hamon sa silid-aralan. Ang pagiging handa ng institusyon ay ganap na nakasalalay sa kung ang estado ay makakapagtatag ng isang aktibong operational lifecycle na tumutukoy sa panganib bago gamitin, nakakakita ng pinsala habang ginagamit, at nagwawasto ng pinsala pagkatapos gamitin.
Pagbabawas sa panganib ng AI bago maging huli ang lahat
Ang isang maagap na diskarte sa pamamahala ng teknolohiya ay nangangailangan ng pagsusuri ng mga potensyal na panganib bago pumasok ang mga tool sa silid-aralan. Tinutugunan ng DepEd ang hamon sa pamamagitan ng paghihiwalay ng benign educational software mula sa mga high-stakes system na direktang nakakaimpluwensya sa mga grado ng mag-aaral, mga rekord sa pagdidisiplina, o mga pagkakataon sa scholarship. Ang pag-uutos ng Privacy Impact Assessment para sa mga bagong application ay nagsisiguro na ang data ng mag-aaral ay mananatiling secure mula sa komersyal na pagsasamantala, na pumipilit sa mga administrator ng paaralan na pag-isipan ang mga kasanayan sa pangongolekta ng data bago magpakilala ng isang platform sa mga mahihinang kabataang mag-aaral. Ang mga pre-use screening na ito ay nag-aalok ng structural na proteksyon, ngunit ang bisa ng isang sentralisadong database ay limitado dahil ang isang sentralisadong ledger ay maaari lamang mag-catalog ng software na opisyal na na-deploy ng paaralan. Wala itong mekanismo para subaybayan ang mga personal na modelo ng AI na ina-access ng mga mag-aaral sa mga pribadong smartphone o home network. Kapag ang isang mag-aaral ay gumagamit ng isang hindi nakalista, pang-consumer-grade na chatbot sa bahay upang mag-ghostwrite ng isang takdang-aralin, ang registry ay nananatiling ganap na walang kamalayan. Ang mga abstract na klasipikasyon ng panganib ay mukhang malinis sa isang sentral na opisina, ngunit ang teknolohiya ng consumer ay madaling lumalabag sa administratibong perimeter, na ginagawang pangalawa ang mga filter bago ang pag-deploy sa real-time na mga realidad sa silid-aralan.
Pang-akademikong hindi tapat
Ang mga live na interaksyon sa pagtuturo ay nagpapakita na ang mga digital maturity assessment at mga mekanismo sa pag-uulat sa sarili ay hindi sapat na mga instrumento para sa pag-verify ng integridad ng silid-aralan. Ang pagsusuri sa kahandaan batay sa kalidad ng imprastraktura o pamunuan ng institusyon ay hindi nagbibigay sa isang tagapagturo ng kakayahang maunawaan kung ang isang isinumiteng talata ay nagpapakita ng tunay na boses ng isang mag-aaral o ang pinakintab na output ng isang makina. Ang lubos na pag-asa sa mga tapat na pagbubunyag ay lumilikha ng isang sistema ng karangalan na madaling manipulahin ng mga user na pumipili ng pag-uulat ng tulong o ganap na nag-aalis ng mga pagsisiwalat. Ang pasanin ng pagsubaybay sa mga aktibong kapaligiran sa pag-aaral ay nakasalalay sa mga guro sa silid-aralan, na ginagawang hindi sinasadyang mga teknikal na auditor ang mga tagapagturo. Ang pag-asa sa isang guro na i-cross-reference ang bawat pangungusap na may automated detection software ay hindi masusustento sa loob ng isang sistemang pang-edukasyon na nabibigatan ng matinding kakulangan ng human resource. Ang isyu ay higit pa sa pang-akademikong panlilinlang hanggang sa aktwal na nagbibigay-malay at pedagogical na pinsala. Halimbawa, ang isang automated na platform sa pag-grado ng sanaysay ay maaaring makabuo ng mababaw, kultural na hiwalay na feedback na naliligaw sa isang mag-aaral kung hindi nababantayan. Kapag ang isang hindi na-verify na tool ay nagkamali sa pagbibigay kahulugan sa pagsulat ng mag-aaral o nagbibigay ng mga maling paliwanag, ang guro ay nananatiling tanging hadlang na nagpoprotekta sa mag-aaral mula sa pagkasira ng pagkatuto.
AI at mga maling flag
Ang tunay na kahinaan ng mga automated system ay nagiging hindi maikakaila kapag ang isang estudyante ay dumanas ng hindi patas na pag-urong sa akademiko at walang malinaw na mekanismo para sa pagtugon. Halimbawa, ang isang AI-driven na proctoring tool ay maaaring maling i-flag ang isang mag-aaral mula sa isang probinsya para sa kahina-hinalang paggalaw dahil sa hindi matatag na koneksyon sa internet o isang maingay na sambahayan. Kung tatanggapin ng paaralan ang awtomatikong paghatol nang walang mahigpit na proseso ng apela, ang mag-aaral ay nahaharap sa hindi nararapat na aksyong pandisiplina o isang wasak na marka. Ang paglutas sa problema ay nangangailangan ng agarang interbensyon ng tao na lumalampas sa hatol ng makina at nagpoprotekta sa katayuang pang-akademiko ng mag-aaral. Ang epektibong pagwawasto pagkatapos ng pinsala ay nangangailangan ng isang tahasang escalation protocol na nagpapanagot sa mga provider ng teknolohiya at mga opisyal ng paaralan para sa mga sistematikong pagkabigo. Kapag ang isang automated na tool sa pagmamarka ay gumagawa ng mga depektong resulta, ang apektadong mag-aaral ay dapat na may karapatang humiling ng isang independiyenteng pagsusuri ng tao ng isang panel ng mga tagapagturo. Dapat taglayin ng mga pinuno ng paaralan ang awtoridad na i-pause ang deployment ng anumang platform na sinisiyasat, na tinitiyak na ang kaduda-dudang software ay nasuspinde habang niresolba ng mga inhinyero ang pinagbabatayan na teknikal na bias. Ang tunay na pagwawasto ay humihiling na i-update ng mga paaralan ang pambansang pagpapatala, itama ang mga maling talaang akademiko, at permanenteng iretiro ang anumang software na paulit-ulit na hindi nakakatugon sa mga pamantayan ng etikal na pag-aaral.
Kung saan pumapasok ang DepEd
Ang paglipat sa isang functional na network ng kaligtasan ay nangangailangan ng pamumuhunan sa mga konkretong gawain sa silid-aralan kaysa sa mga pangkalahatang seminar ng kamalayan. Dapat pinuhin ng DepEd ang mga tagubilin nito upang matulungan ang mga guro na makilala ang pagitan ng ipinagbabawal na automation, katanggap-tanggap na tulong sa pagtutulungan, at mga pagkakataon kung saan inaasahang kritikal na suriin ng mga mag-aaral ang mga output ng AI. Ang pag-standardize sa mga panuntunang ito sa iba’t ibang asignatura ay nagbibigay-daan sa mga tagapagturo na pamahalaan ang teknolohiya nang hindi na kailangang muling likhain ang mga pamamaraan para sa bawat takdang-aralin. Higit pa rito, ang pag-compensate sa mga limitasyon ng automated detection ay nangangailangan ng malalim na pagbabago sa kung paano nagdidisenyo ang mga guro ng mga pagtatasa ng mag-aaral. Dapat unahin ng mga pagsusuri sa hinaharap ang mga format na hindi madaling kopyahin ng software, binibigyang-diin ang mga oral defense, mga sesyon sa pagsulat sa klase, at mga localized na case study na nangangailangan ng pakikipag-ugnayan sa totoong mundo. Nakatuon ang layunin sa pagdidisenyo ng mga karanasan sa pag-aaral kung saan ang pag-unawa ng tao ay nagiging nakikita at hindi maikakaila sa halip na manalo sa isang teknikal na pakikipaglaban sa mga tool sa pagbuo.
Ang isa pang mahalagang elemento ng isang diskarte sa pagpapatakbo ay nagsasangkot ng pagtatatag ng isang malinaw na three-tiered harm escalation pathway sa bureaucracy ng edukasyon. Ang mga maliit na pagkukulang sa pagsisiwalat ay dapat direktang lutasin sa pagitan ng guro at ng mag-aaral sa pamamagitan ng karaniwang pagpapayo sa silid-aralan. Ang mga malubhang paglabag sa integridad ng akademiko o paulit-ulit na algorithmic bias ay dapat idulog sa punong-guro ng paaralan para sa pormal na administratibong pagsusuri. Ang mga pangunahing krisis sa institusyon, kabilang ang mga malubhang paglabag sa data o mga pagkabigo sa systemic proctoring, ay dapat direktang pangasiwaan ng mga tanggapan ng dibisyon ng rehiyon at ng itinalagang responsableng opisyal. Sa pamamagitan ng mga kongkretong hakbang na ito sa pagpapatakbo, maaaring baguhin ng DepEd ang isang aspirasyon na hanay ng mga panuntunan sa isang praktikal na balangkas na aktibong nangangalaga sa mga silid-aralan sa Pilipinas.
Josh Huesca ay isang AI Governance Fellow sa AI Safety Diliman at isang senior na kumukuha ng BS in Health Sciences na may Minor in Management sa Ateneo de Manila University. Ang kanyang mga interes ay nasa intersection ng diskarte, teknolohiya, at pananalapi, na may pagtuon sa pagpapalakas ng mga tugon ng institusyonal na humuhubog sa kalusugan, mga resulta sa kapaligiran, at pampublikong buhay. (LinkedIn)
Kinikilala ng may-akda ang pangangasiwa ni Atty. Edsel TupazLead Researcher at Fellow sa AI Safety Diliman, Ze Shen Chin ng AI Standards Lab at Research Affiliate sa Oxford Martin School AI Governance Initiative, gayundin sina Jericho Roland Sueno, Lenz Dagohoy at Lexley Villasis ng AI Safety Diliman.
Ang AI Safety Diliman ay sinusuportahan ng Kairos, isang AI safety field-building nonprofit na nakatuon sa pagpapalakas ng pandaigdigang AI safety at policy talent pipeline, at pinansiyal na itinataguyod ng Berkeley Existential Risk Initiative, isang entity na sumusuporta sa mga pagsisikap sa akademiko at field-building upang mabawasan ang mga sakuna na panganib na nauugnay sa mga advanced na teknolohiya.
