高等教育學生數據的可靠使用

文/ Martin Kurzweil Mitchell Stevens

隨著學術事業進入了迅速變化的數字世界，高等教育界必須在界定學生數據的可靠使用以及符合倫理的實踐方面做好準備和尋求更多人的協助。

如今，幾乎所有的學院和大學教師都把教學責任分擔給了數字服務提供商。教學管理系統（Learning Management System，以下簡稱LMS）傳送作業，在線論壇組織討論，人工智能助教定制課程，多種多樣的呼叫和會議平臺遠距離模擬面對面互動。所有服務都留下了教學效果、學習狀況和用戶選擇的數字痕跡。這些信息可以用來提升學生產出、構建科學基礎等。

在和學生相關的數據流中，哪些是可以主動地和其他數據流適當整合，而哪些是最好保持分離的？這些信息是否應該永久保存，如果不是，那么在什么情況下應該抹除？數字平臺產出信息的使用者們是否應當承擔某些義務？誰有權從這些數據中獲利，以及這種商業活動要為此承擔什么責任？這些都是教育者和廠商們需要面對的諸多關于信息倫理和政策問題中的一部分。

當今世界中，各個數字平臺的擁有者（如Alphabet、Amazon和Facebook）已經在用戶數據的生產和積累中獲取了無法估量的利潤，而且在當前的數據積累過程中，他們掌握的和人們有關的數據比世界歷史上的任何政府都多。

現在是時候坦率地討論如何定義學術界的信息實踐倫理了，這也正是斯坦福大學在線教育高等研究中心（Center for Advanced Research through Online Learning, 以下簡稱CAROL）和Ithaka S+R組織的“高等教育學生數據的可靠使用”項目的背景。我們的目標很簡單，也很有挑戰性：首次明確地描述一些原則，為在數字時代的學生數據使用相關的院校政策提供一個框架。從我們的視角來看，這個探索應當以下列四項核心假設為中心：

第一，教育從根本上是人類的努力。教育可以采用豐富的技術（算法、黑板、機器、紙張）來支持和加強，但是不可能獨立于人類行為而完成。

第二，教育僅僅有一部分是商業行為。教育也是公民行動，是塑造人們、群體、社會的實踐和在代際之間傳遞文化遺產的實踐。

斯坦福大學

第三，以教育來保持人文和公民品格不能被視為是理所當然的。人文和公民品格的保持是脆弱的，而且依賴于積極、勤奮、持續的努力來加以保護。

第四，信息和知識帶來責任。認識到當前的教育實踐并非是最優的，并且知道其改進方法。

我們正是出于這樣的責任精神對當前的情況進行了調查，并提出了一個框架——充分利用數字創新來推動高等教育的關鍵改進。

正在涌現的學生數據使用場景

高等教育機構正在創新使用學生數據的多種方式。如今，隨著計算資源的成本大幅下降，高等教育行業的劇烈競爭將招生和遴選變成了一個快速演進的技術領域。由于學院和大學能夠使用的學生數據越來越多，而且分析能力也有所提升，他們可以比以往更精準地預測哪些學生會入學并且取得學業成就。全世界范圍內的招生活動、錄取決策和經濟資助都通過復雜而精致的算法獲得了信息支持。

盡管如此，招生錄取甚至都未處于校園技術浪潮的中心。許多院校現在都基于描述學生產出的數據而做出業務決策。2003～2014年，佐治亞州立大學（Georgia State University，以下簡稱GSU）運用了學生保留和學業完成方面的數據來發現和解決其中的問題，將畢業率從32%提升到了54%。例如，對歷史數據進行挖掘就可以找出那些學生持續表現不佳的課程，管理者們因此可以為這些課程建立同伴輔導形式的補充教學項目。從而進一步的觀察展示出，盡管補充教學確實提升了許多課程的通過率，但是代數、微積分先修和統計仍然是阻礙。GSU的管理者和數學系為此重新設計了這些課程，采用了翻轉課堂的方式，隨后未通過率（Drop-Fail-Withdraw，DFW）從2006年的43%下降到了2014年的19%。

再來看看GSU在2011年設立的“黑豹繼續學業獎學金”（Panther Retention Grant）。數據分析表明，數百名學生在學習成績不錯的情況下，在距離畢業不足三個學期的時候退學。管理者們經過調查，確定許多學生因為在學期賬單上有小額的未付學費而無法注冊。為了解決這個問題，GSU創建了專門的獎學金項目，為這種情況的學生提供平均約900美元的獎學金。在黑豹繼續學業獎學金的資助對象中，88%的學生能夠畢業或者一年之后仍在繼續學習，而來自繼續學習學生的學費收入遠遠超過了這個獎學金項目的成本。

教師、輔導員和學生自己手中也掌握著預測性分析工具。早期預警系統匯聚和分析來自多個來源（成績單、LMS日志文件、學生信息系統）的數據，并自動標記出與低概率學業成就相關的學生行為。像亞利桑那州立大學（Arizona State University，以下簡稱ASU）的eAvisor系統那樣，有些系統是面向輔導員的，將學生活動相關的LMS信息與注冊數據、學生個性背景等相集成。當學生偏離正軌時，輔導員們將接到通知并被鼓勵進行干預。eAdvisor還利用描述個人學術表現的數據來為學生和輔導員提供注冊課程的建議。

佐治亞州立大學

有些系統通常被稱為儀表盤（Dashboards），是被設計用來向教師或學生提供匯聚而來的信息，從而可以幫助他們改善表現。利奧薩拉多學院（Rio Salado College）的RioPACE是一個廣為人知的例子。這個工具將學生的群體信息和學術歷史與LMS日志文件數據合并，用于預測學生在指定課程中取得成績的可能性。這些預測被傳送給教師，使他們可以根據需要運行定制分析，并運用得到的結果來為特定的學生提供支持。ASU的eAdvisor也包含有一個面向學生的儀表盤。密歇根大學在科學、技術、工程和數學（STEM）的導論課中使用了E2Coach系統作為工具，根據不斷更新的算法自動向學生發送個性化的課程表現信息。

此類程序的效能證據還比較有限，不過很有希望。有一項關于預測性分析對學生輔導支持效果的隨機研究發現，和沒有進行此類學生輔導的情況相比，采用InsideTrack公司提供的服務可以提升3～5個百分點的學生保留率。當前，在這一領域中還有兩項隨機試驗正在進行，尋求在更大范圍內驗證這些發現。

其他的創新大多歸屬于適應性課件（Adaptive Courseware）的范疇內。這些系統是一些數據平臺，通過采集學生活動的信息——任務耗費時間、任務表現、參與水平等，來為學生創建“個性化學習路徑”，諸如此類。適應性課件系統提供儀表盤和分析工具，讓教師能夠看到個體學生和整個班級正在努力克服的難點。有些系統也為學生提供儀表盤，讓他們更好地認識到自己的進展以及遇到的阻礙。盡管適應性課件仍然是一個相對較新的技術，現在也已經有了一些關于其有效性的描述性證據。2016年，在比爾及梅琳達·蓋茨基金會（Bill & Melinda Gates Foundation）的適應性學習市場加速項目（Adaptive Learning Market Acceleration Program）的一項研究發現中建議稱，適應性課件的實施策略非常重要，而且最有效的產出（也許是唯一的產出）要隨著對課程的全面重新設計而逐漸積累。

不平衡的采用情況

盡管分析程序越來越常見，但是仍然只有少數的學院和大學進行了系統性的部署。根據畢馬威（KPMG）在2015年7月對高級管理者們進行的一項調查 ，只有41%的受訪者正在使用學生數據進行預測性分析，而且只有29%回應稱他們擁有對自己的學生數據進行分析的內部能力，甚至即使是那些正在努力的院校也開始感覺遇到能力短板。2016年的大學校園計算調查（Campus Computing Survey ）揭示出，不到五分之一的受訪者將所在院校的數據分析投入評價為“非常有效”。在2015年的Ithaka S+R調查中受訪的四年制學院教師代表樣本中，回應稱正在教學中使用某種形式的技術的是少數，盡管有63%的受訪者回應稱他們將會這樣做。在EDUCAUSE分析研究中心（ECAR）的2017年教師與信息技術研究中，有16%～28%的教師回應稱，他們沒有獲得基于數據的規劃和咨詢服務，同時有23%～34%的教師獲得了服務但顯然選擇不使用這些服務。

不兼容的數據系統拖了院校內部變革的后腿。非常典型的情況是，復雜精細的分析需要的信息以不同格式分散在學生信息系統、注冊記錄和LMS日志文件中。有些學院和大學擁有相應的技術、財務和人力資源來合并數據，但是大多數都沒有。

甚至在那些克服了組織管理方面挑戰的院校中，創新也經常是邊緣化的。要實現大規模的采用，必須要在管理者、教師和學生支持人員中維持一種迎接數據驅動實踐并為之投入的校園文化，這可不是簡單的事情。在2015年的Ithaka S+R調查中，只有35%的受訪者回應稱他們會因為利用技術改進教學方法而受到獎勵或認可。

盡管數字技術在支撐和改善教學方面有著輝煌的前景，深層次的政治潮流卻在推向另一個方向：教授的統治權。教授在教室和課程上的自主性是一項長期遺產，為教師們的教職特別是終身教職提供了強大的權力和聲望。數十年間，終身教職的任命數量在不斷下滑，同時學生服務和IT人員出現了增長，獲得終身教職的人們往往相信有理由保衛殘存的地盤。在這樣的背景下，校園信息技術項目會產生出最新創新，而教授們容易將此解讀為進一步抹除邊界的行動，目的是要擦去那些他們長期擁有特權領域的標記。

風險中的商業

除了爭奪校園地盤的前哨戰以外，還有更實質的原因使得教育者們在迎接信息技術進行教學時保持謹慎。對學生學業前景的預測和應對方案之間的模糊界限是最重要的一個原因。新的教學分析的倡導者們總是在強調，在引導教學采用最有利于學生個體未來的方式上，利用學生此前的數據有著遠大的前景。然而，同樣的這些倡導者們卻幾乎沒有提及學業追蹤（Academic Tracking）這個長期和令人討厭的傳統。在這種傳統中，基于所謂客觀的、科學的方法來衡量學生能力，使對學業機會進行分層分類的做法得到了合理化。而學業追蹤一直伴隨并實質強化了種族和社會階層的不平等，這個事實正是對教育技術行業幾乎完全一致的樂觀態度的重要制衡。

亞利桑那州立大學

當然，這種樂觀態度對于風險投資的初創企業至關重要，因為它們依賴于新的平臺和算法實質性改進個人和組織行為的潛力。對戲劇性急劇提升學業表現的許諾也是初創企業游說投資者和客戶的一部分。而且主要的教育捐助者都在私有的教育參與者上有更多投資，這個事實也增加了宣傳效果。然而嚴峻的真相是，個體學習和組織提升方面的有意義的進展幾乎都是漸進性的。取得良好商業進展和構建良好教育實踐之間的時間差是真實存在的，而且硅谷的大吹大擂和學界的小心謹慎的奇怪混合也是全球教育技術社群中的典型特點。這種混合從長期來看對高等教育是好是壞還沒有結論，不過短期內這將會導致在商業/學術的鴻溝兩側各方的大量誤導信號和互相誤解。

緊張關系還存在于對知識及其信息基礎的財產性控制（Proprietary Control）和委托性控制（Fiduciary Control）之間。科技企業依賴于對知識產權的所有權，而且其價值是隨著用戶群體的增長而實現提升的。描繪教師和學生的數據讓企業能夠在改進算法和定制操作上保持競爭力，因而往往對這些企業的商業方案有關鍵意義。數據本身就可以作為商業資源或者作為商品化咨詢專業能力的基礎，因此對數據本身的權利也有其商業價值。

然而，學院和大學傳承了一項由來已久的義務，即安全地保有學生的文憑記錄直到永久。如果這些信息是在政府法規涵蓋范圍內，那么這項義務還具有法定的強制性。此外，為了能夠驗證或駁斥科學進展中的發現，學術研究也越來越要求數據的分享使用。對于教育技術和教學分析領域中的學術、商業、科學目的的數據使用，目前還沒有建立共同接受的規程來評判其中的利益沖突。

最后，學業評價的透明度和復審學業評價的可能性是高等教育的標志性理念。學院和大學有著深厚的傳統，允許學生（和教師）尋求重新考慮評價結果和請求獨立評審。如果私營企業參與了學業評價，而且其系統要么計算不透明，要么是私有財產，或者兩者皆是，那么這些傳統也許就會受到挑戰。計算系統可能會重現偏見，或者重現歷史中不平等的學業路徑和學業產出，而對于獨立評審的障礙可能會導致難以確定這種問題是否存在。仔細監控和推翻計算決定可以降低這些風險，但是同時也削弱了這些系統的可靠程度和一般功效。

學院、大學以及它們多種多樣的子單位各自采取了不同方式應對這些挑戰，造成了倫理上和程序上都不平衡和高度不確定的形勢。隨著技術界著名的“行動傾向”（Bias Towards Action）而來的是長久存在的風險，即數據使用可能已經逾越了描述不清和尚在起草的倫理底線。但是程序上的謹慎本身也有倫理風險，即無法根據積累的知識而采取行動。這是為什么每個專業性的奮斗領域都持有承擔雙重義務的倫理傳統：不要傷害，但在意識到有次優的實踐和產出時也不要猶豫。

可靠使用的原則

法律、院校政策和倫理框架都是在二十世紀中產生用來指導教育信息的可靠使用的，而教育技術前沿的快速前行已經遠遠超越了它們的變革步伐。這帶來了震撼性的再認知，同樣也帶來了對指導可靠教育實踐的理念進行重新審視和描述的機遇。

正因為認識到這個機遇，2016年6月，斯坦福大學CAROL和Ithaka S+R召集了高等教育界的同行在加利福尼亞州舉行會議。通過會議的準備工作和充分討論，形成了學生數據使用的四條基本原則：共識、透明、啟發改進、開放未來。

共識（Shared Understanding）：教師、管理者、學生和第三方廠商都為數據產生過程做出了貢獻。所有這些主體都應當在數據采集的基本原則和限制上取得共識。這里我們認識到，數字數據在根本上是多重屬性的。盡管大多數關于數據倫理的探討都將首要的數據所有權賦予了數據所描繪的個人，我們反而提議將所有數字數據視為聯合投資。這些數據不僅有學生和教師的貢獻，也要有那些創建和維護數字平臺和受托持有數據的主體的投入，無論這些主體是非營利的大學還是私人企業。從這個角度上，描述特定某位學生的教學互動的信息并不只屬于這位學生。相反，這位學生和其他為產生這些信息做出貢獻的主體共享所有權。所有這些參與到這個教與學的聯合投資的主體都應當有對信息使用及其限制的共同概念。

透明（Transparency）：清晰的流程和評價是教育系統以人為本的標志，而且即便是教育系統發展得更復雜時也要保持這一點。學生有權獲得：1.對描述他們并且由所在院校或者相關第三方組織受托持有的信息的性質和范圍的清晰表述；2.關于他們將被如何評價的解釋；3.請求以清晰明確說明的治理程序對評價進行復審的能力。我們要認識到，獨立評審有著學術和科學上的標志性價值。機器學習時代對于維護這個價值帶來了挑戰，因為計算系統會通過程序來例行性地產生決策，而這些程序甚至連對系統創建者都是不透明的。我們相信，學術和科學的透明理念是絕對的，而且對任何基于實證證據的決定的合法性而言都是不可或缺的。在將數字技術應用到學術活動中時，透明性是設計和工程實施中必不可少的。

啟發改進（Informed Improvement）：教育組織有義務研究學生數據，從而使其教育環境的效率更高，并為普遍知識的增長做出貢獻。這里要認識到，正如學術傳統要求有透明性義務那樣，它也要求面對證據就要采取行動的義務。教師和教學管理者擁有和存儲了描述教學過程和產出的巨量信息。毫無疑問，其中有些信息會揭示出一些壞消息：某些教師會不成比例地獎勵或者打擊特定的某類學生；課程甚至整個項目幾乎都沒有產出可衡量的教學成就。盡管在過去，也許零散分布或者不存在的信息隱藏了類似的消息，當今的數據管理系統將會讓問題的浮現成為日常。啟發改進的倫理要求意味著教師和管理者將會根據不斷積累的證據尋求彌補那些被揭示出來的問題場景。

開放未來（Open Futures）：教育應當創造機會，而不是預先消除機會。教學、輔導和評價系統的建設和使用方式必須能讓學生展示出超越本人或他人此前成績的天資、能力和成就。數字技術在以學習改進人生方面富有前景，然而我們也要記住，同樣的技術也可以用來阻礙機遇。我們相信創建這樣一條指導性倫理是必不可少的，其中教育者們默認要有創造機會的理念，而非先發制人的應對方案。預測性分析應當用于賦能，而非追蹤。正是因為賦能和追蹤之間的差別難以指明，開放未來必須作為引導決策的一項重點理念。