1. Mahremiyet İlkesi Hakkında: Yapay zekâ uygulamaları kişisel veri kümelerini de baz aldığından, bireylerin kişisel verisinin kullanılması gereken durumlarda, bireyin kimliğinin ve mahremiyetinin ortaya çıkmamasına özen gösterilir, gerekiyorsa bu tür veri kümeleri anonimleştirilir. Doğrudan bireyin gelişimine yönelik yapay zekâ uygulamaları söz konusu olduğunda (örneğin kişiselleştirilmiş eğitim uygulamaları) veri kümesinin diğer bireylerin erişimine kapalı olmasına özen gösterilir.

2. Bilinçlendirme İlkesi Hakkında: Yapay zekâ uygulamalarında kullanılacak veri kümelerinin sahipleri konu hakkında bilgilendirilir ve gerekli durumlarda rızası alınır. Ayrıca, yapay zekâ teknolojisinin ne olduğu, bu teknolojiye göre geliştirilmiş uygulamalarının doğru kullanılmasının nasıl olacağı gibi konularda öğrenciler, veliler, öğretmenler ve personel için eğitim etkinlikleri gerçekleştirilir. Bu kapsamda müfredata ilgili içerikler eklenebilir, seçmeli dersler açılabilir, atölye çalışmaları organize edilebilir, seminer ve konferanslar düzenlenebilir.

3. Kapsayıcılık İlkesi Hakkında: Kapsayıcılık, bireyleri ayıran özelliklerden dolayı kendilerini “öteki” hissetmemesini temin etmektir. Bunun yapay zekâ tasarım ve uygulamalarına yansıması, ilgili algoritmaların beslenmesi için kullanılan veri setlerinin heterojen olarak oluşturulmasıdır. Örneğin yüz tanımaya yönelik bir yapay zeka kullanımı söz konusu olduğunda, bu yapay zekanın ten rengi, cinsiyet gibi bireysel özelliklere karşı duyarlı olduğu teyit edilir. Buna ek olarak yapay zekâ uygulamaları, kurum içi çeşitliliğin ve dayanışmanın güçlenmesine yardımcı olur.

4. Kişiselleştirme İlkesi Hakkında: Yapay zekâ tasarım ve uygulamaları kurumun öğrencilerine kişiselleştirilmiş eğitim ve deneyimler sunar. Bu kapsamda kurum, mümkünse kendi öğrenci veri kümelerini kullanır. Elinde geriye dönük öğrenci verisi olmayan kurumlar bunun yerine genel veri kümeleri kullanılarak geliştirilmiş yapay zekâ uygulamalarını kullanabilir. Genel veri kullanan kurumlar, zaman içinde kendi öğrencilerinin verisini yapay zekâya yansıtarak, onu yerelleştirmelidir. Kişiselleştirilmiş eğitim kavramına örnekler: Proje/ev ödevi içeriği belirleme, seçmeli derse karar verme, okuldaki yaşam koşullarının geliştirilmesi.

5. Şeffaflık İlkesi Hakkında: Yapay zekâ projelerinde veri kümelerinin nasıl ve hangi amaçla kullanılacağı, veri sahiplerine doğru, açık ve karşılaştırılabilir şekilde anlatılır ve talep etmeleri halinde kullanılan veri kendileriyle paylaşılır.

6. Nesnellik İlkesi Hakkında: Günümüzde yapay zekâ ile ilgili en önemli sorunlardan birisi önyargıdır. Yapay zekâ algoritmalarını besleyen veri kümeleri ne kadar heterojen olursa algoritma çıktıları da o denli nesnel olur. Yapay zekâ algoritmaları kendi içinde önyargı barındırmaz. O nedenle yapay zekânın ortaya çıkaracağı önyargıların, kurumun o konuyla ilgili çalışma modeline yönelik olduğu unutulmamalıdır. Bir yapay zekâ uygulaması tasarlanırken ya da geliştirilirken kullanılacak veri kümesi kurumun geriye dönük verileri olsa bile çıktılarındaki olası önyargı boyutu analiz edilir ve önyargı içeren bir durum tespit edilirse bu çözüme kavuşturulacak bir problem olarak ele alınır.

7. İyi Oluş İlkesi Hakkında: Yapay Zekâ uygulamaları bireylerin yaşam, sağlık ve çalışma koşullarını iyileştirir. Yapay Zekâ bireylerin zihinsel ve fiziksel yetkinliklerini daha az kullanmalarına sebep olmaz. Okulda yaratılan dijital ortam, bireylerin stresini ve kaygısını arttırmaz, bireylere özel alanlarına müdahale edildiği hissi vermez.

8. Sürdürülebilirlik İlkesi Hakkında: Kurum bünyesinde geliştirilecek yapay zekâ tasarım ya da uygulamaları doğaya zarar vermez. Doğal yaşamın sürdürülebilirliğine katkıda bulunan uygulamalar tercih edilir. Yapay zekâ alt yapıları enerjiyi verimli kullanmayı hedefler.