学习分析技术应用下学生隐私泄露问题及保护策略研究

刘薇 谢媛

上海理工大学管理学院

一、基础概念界定

（一）学习分析技术

“Learning Analytics”的中文翻译主要有“学习分析”“学习分析法”和“学习分析技术”三种。何克抗教授认为：从当前信息化领域的相关文献及实际应用情况看，主要还是把它作为一种手段、方法来运用，因此，采用“学习分析技术”的译法更符合原意[1]。何克抗教授给出“学习分析技术”的定义：学习分析技术是指利用各种数据收集分析工具，从教育领域产生各类与学习有关的数据中，提取出存在潜在价值的数据，从而为教师的“教”、学生的“学”以及教学管理提供帮助[1]。

（二）隐私

隐私的概念最早源于美国学者Warern和Barndeis，他们在1890年提出隐私的概念：隐私为保持个人独处的权利[2]。Heath对隐私给出了一个更精确的定义：隐私是控制和限制的结合，就是说个体能够影响个人信息的流动，也能够阻止其他人员获取自己的信息[3]。

（三）学习分析技术生命周期模型

2016年，Khalil与Ebner等人提出了学习分析技术的生命周期模型，认为学习分析技术主要包括学习环境、大数据、分析、行动[4]四个部分，如图一。

按照学习分析技术生命周期模型，学习分析技术的运用中会产生两类隐私问题：隐私侵犯和隐私泄露。隐私侵犯主要是指在学习分析技术数据收集时，未征得学习者同意而对学习者行为进行数据记录的一种行为。隐私泄露是指学习分析技术数据产生后，数据的存储、分析处理以及结果呈现时造成的学生隐私公开的行为。

二、学习分析技术应用中产生的隐私侵犯和隐私泄露问题

（一）隐私侵犯问题

图一：学习分析技术生命周期模型

收集学习者数据时会造成隐私侵犯问题。学习分析技术主要用摄像机等工具监视和收集学生学习活动，可能构成对个人隐私的侵犯[5]。研究者获取学习者产生的学习数据存在隐私侵犯问题。学习者产生的数据包括交互数据、学习轨迹、个人数据和学术信息[4]。交互数据是与可视化和讨论论坛相关的及类似的互动数据。这些数据可能是学习者愿意让研究者或者其他相关人员来进行记录跟踪和分析的，因为这些数据产生时是学习者自身可以控制的，他们愿意互动才会产生数据，如何互动也是他们决定的；但是像学习轨迹这种学习者自身无法控制产生的数据，学习者可能不愿意被研究者挖掘到或者被研究，毕竟学习行为并不完全受个人的控制，学习者可能会产生不好的学习轨迹，而不好的学习轨迹如果被研究者或者研究机构拿去做研究并用学习分析技术做出预测，该学习者可能会被认为处于学习危险边缘。从而该学习者有了一个“坏学生”的标签，这会使学习者产生羞耻心，这时他就会感觉到自己的隐私受到了侵犯。Toch、Wang和Cranor在2012年做的一份有关社交网络中因个性化而产生隐私风险的调查中表明，由于网站上发布的内容会被呈现在朋友或同学面前，所以用户会感到潜在的不安[6]。

（二）隐私泄露问题

学习环境中利益相关者存在泄漏隐私的行为。当在学习环境中应用学习分析技术时，处在学习环境中的利益相关者（学习者、教师、研究者）行为与学生的隐私信息有着密切的关系：一是学习者自身导致的隐私信息泄露。在现实生活中，学习者在运用某个学习软件或学习平台时，平台出于某些目的会要求学习者发布他们的个人信息。通常学习者会想在学习活动过程中获得个性化教学指导，他们不会考虑到个人隐私泄露问题主动提供个人信息。如今存在很多知识型犯罪分子，会利用学习者的学术信息进行违法活动，侵害学习者利益。二是教师等指导者技术误用造成学习者隐私信息泄露。EDUCAUSE在2012年做的一项调查中显示在高等教育领域应用学习分析技术时，很多担任学习分析的人员和学校管理层缺乏与学习分析技术相关的专业技能。在应用学习分析技术时，教师缺乏有关学习分析的基本技能，很容易因为对学习分析技术应用不熟练或者错误应用导致学生隐私信息泄露。三是研究者存在恶意泄露学生隐私信息的行为。研究者要对学习分析技术产生的数据进行提取研究，提取的数据中包含学生的个人信息、身份证号、家庭住址及其他学习数据等，这就存在一个潜在的危险，即在研究者进行研究后，研究者可能会把学习者的信息数据等进行售卖，这些会造成严重的后果。

数据分析存在隐私泄露问题。当数据产生并被记录后，如何安全处理这些数据成为重要问题，处理不当会造成隐私泄露问题。美国的教育大数据存储机构imBloom仅仅运行了15个月便关闭，主要原因便是教育数据处理分析过程中导致了安全问题[7]。根据学习分析技术呈现的数据分析结果对学习者采取行动存在隐私泄露问题。学习分析技术的最重要目标是根据数据分析产生的结果对学习者采取行动以优化学习者学习。理想状态中，它能分析出哪个学生在自己的课程中处于危险边缘，从而使老师或者学生个人采取行动进而优化自己的行为。但在实际操作中，却存在着学生隐私泄露问题。当数据被分析出来以后，经过数据解释，系统会对有不好学习表现的学生作出反馈，老师会相应采取适当措施，这时，学生可能会觉得受到了区别对待，自己的隐私信息遭到泄露。

通过学习分析技术作出学习预测，面临着学生隐私泄露问题。数据产生后是不会发生变化的，而学习者的学习能力学习方法还有自身机能都是在不断完善发展的，但学习分析技术进行数据分析时会机械地把学生在过去成长过程中产生的不良记录一并用作学生的未来预测，这势必会影响到分析结果。

三、对于我国学习分析技术应用下学生隐私保护的建议

（一）在收集学习者数据集时要取得学习者的知情同意

学习者在应用学习分析技术时应该明确知道自己的哪些行为数据会被收集，以哪种方式收集，收集后的数据用来做什么。因此就需要研究机构明确告知学习者，取得学习者的知情同意。

（二）学习分析技术使用的利益相关者要提高自己的素养

一是学生在使用学习分析软件时要有隐私保护意识，培养自身的信息安全意识，提高自我隐私保护能力；二是教师要对自己的技术能力有所要求，在操作过程中有职业操守，通过不断地学习来提高和完善自己的能力，促进学习分析技术在教育领域中的健康发展；三是研究者在对学习分析技术产生的学生数据进行提取研究时，不仅要明确提取数据的访问界限，而且最重要的是在对提取的数据进行研究分析后，要把数据保存好，防止被窃取，更不能有售卖等其他泄露学生数据隐私的行为。

（三）加强完善关于隐私方面的法律法规

在大数据开放的时代，我国隐私法律要与时俱进，加快数据时代隐私法律的建立和健全。明确隐私权的定义。学生的隐私信息尤为重要，我国应对学生的隐私安全做出明文保护，对泄露学生隐私信息的个人、机构等一切行为作出严厉惩戒。

如今，教育领域对教育大数据的应用愈加重视，学习分析技术作为对教育大数据进行分析处理并能改善学生的学习环境和学习行为的一项新兴技术，很有可能在教育领域引发一次新的改革。但是在应用过程中存在诸多问题，为使学习分析技术能在教育领域更好地应用，教育领域研究者要高度重视学习分析技术可能产生的各种问题并及时进行研究分析找出对策加以改进。