基于隱私倫理視角的國外學習分析政策分析

王楠 茍江鳳

[摘? ?要] 隨著學習分析技術應用日益普遍，與其相關的隱私倫理問題也受到重視。由于社會發展、隱私意識等原因，我國基于隱私倫理視角的學習分析政策研究和實踐較為滯后。研究從隱私倫理視角出發，基于多項已有研究提出學習分析政策的隱私倫理分析框架，采用比較研究方法，選取國外近年典型學習分析政策作為樣本，開展基于隱私倫理視角的政策分析研究。研究發現：隱私倫理是學習分析政策制定的主要目的之一;數據主體、數據客體、合作伙伴等利益相關者針對隱私倫理問題的責任上有著差異化的體現;在數據應用層面，政策普遍關注數據透明度、數據匿名化、知情同意、隱私泄露、訪問權限等方面;同時，最小化不利影響和數據有效性是學習分析可持續發展的重要因素。研究認為，積極制定學習分析政策、區分利益相關者責任權利、建立系統化數據應用隱私倫理保障以及避免過度干預和數據偏見等能夠支持學習分析可持續發展。

[關鍵詞] 隱私倫理;學習分析政策;學習分析;比較研究

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 王楠（1978—），男，吉林省吉林市人。副教授，博士，主要從事遠程教育、STEM 教育及場館學習研究。E-mail：etwangnan@126.com。

[Abstract] With the increasing popularity of learning analytics， the privacy ethics related to learning analytics has also been paid attention to. Due to the social development and privacy awareness， the research and practice of learning analysis policies based on privacy ethics in China lag behind. From the perspective of privacy ethics， this study proposes a framework for privacy ethics analysis of learning analysis policies based on a number of existing studies. Then， by adopting the comparative research method， this study selects typical foreign learning analysis policies in recent years as samples to carry out policy analysis from the perspective of privacy ethics. The research finds that privacy ethics is one of the main purposes of the policy-making of learning analytics ; the stakeholders such as data subjects， data objects and partners have different responsibilities in privacy ethics issues. In terms of data application， policies generally focus on data transparency， data anonymity， informed consent， privacy disclosure， access rights and so on. Meanwhile， the minimization of adverse effects and data validity are important factors for the sustainable development of learning analytics.The study believes that the sustainable development of learning analysis can be supported by actively formulating learning analysis policies， distinguishing the responsibilities and rights of stakeholders， establishing a systematic guarantee of data application privacy ethics and avoiding excessive intervention and data bias can support.

[Keywords] Privacy Ethics; Learning Analysis Policy; Learning Analytics; Comparative Study

一、引? ?言

毋庸置疑，學習分析技術對當今教育的影響已經被教育領域廣泛認可，僅就新媒體聯盟（NMC）《地平線報告》中連續四年將其作為影響教育發展的趨勢和關鍵技術[1]，就可見一斑。而學習分析發展過程中所引發的一系列數據安全與隱私問題的挑戰，也不容忽視。倫理學界對于隱私有兩種觀點，一是將隱私看作一種天賦給人的基本權利[2]，另一種則將隱私視為由人的基本權利而衍生的權利，具有工具價值[3]。正如美國倫理學者理查德·A·斯皮內洛所說：“社會和道德方面通常很難跟上技術革命的迅猛發展”“信息已經成為一種商品，……這些變化可能對隱私構成了侵害”[4]。可見，隱私倫理問題是信息化社會不可回避的重要話題之一。就學習分析發展歷程而言，國外對于學習分析技術的安全與隱私問題的關注較早。以美國《家庭教育權利和隱私法案》和英國開放大學制定學習分析的倫理政策研究實踐為代表，較早就注意到了隱私倫理問題對于學習分析的重要性。2014 年，相關學者在阿西洛馬（Asilomar）會議上制定了關于學習數據和技術應用框架，明確了尊重學習者權利、善行、公正、公開、人性化學習以及持續關懷等六項核心原則[5];Jones、Kay、Willis等人基于各自研究，也提出了倫理框架以應對學習分析的倫理道德困境。國內相關研究中，學者已經注意到學習分析技術的隱私倫理問題，提出如尋找學生隱私與學習分析技術之間的平衡點[6]和學習分析過程中數據收集和分析應遵守的相關行為規范[7]，加快制定《教育大數據安全管理辦法》等相關法律法規制度和政策來確保隱私數據不外泄[8];也有研究從數據收集、數據分析和數據解釋方面構建了數據安全與隱私保護框架，提出了數據安全與隱私保護策略[9]。然而，上述研究分析都缺乏針對國外學習分析政策的分析研究。

學習分析政策研究首次出現在第七屆學習分析與知識國際會議上（International Conference on Learning Analytics and Knowledge，簡稱LAK）。Yi-Shan Tsai和Dragan Gasevic在高等教育學習分析的挑戰和政策研究中，對已有8個高等教育學習分析政策進行了回顧，并針對學習分析領域中存在的六大挑戰梳理已有的解決措施[10]，在2018年，Yi-Shan Tsai和Dragan Gasevic使用ROMA映射方法開發出了學習分析政策的框架——SHEILA（Supporting Higher Education to Integrate Learning Analytics），為高等教育學習分析政策的制定提供了新的理論指導[11]，使得學習分析政策的研究引起了學習分析領域的進一步關注。

本研究通過搜集查閱文獻，在已有的國外研究中發現，已制定的學習分析政策多為某學習分析機構或者高等院校制定的本土化學習分析政策。如：JISC①的“Code of Practice”[12]， LACE②的“DELICATE Checklist”[13]，LEAs Box③的“Privacy and Data Protection Policy” [14]，英國全國學生聯合會（NUS）④的“Learning Analytics： A Guide for Students' Unions” [15]以及英國開放大學的“Policy on Ethical Use of Student Data for Learning Analytics”[16]等。高等教育機構被認為是復雜的適應性系統，受政治、社會、文化和技術規范等因素影響，具備一定的穩定性[17];基于此，高等教育在采用學習分析過程中，需要基于已有學習分析研究開展政策制定方面的積極探索，因此，本研究具有一定的可借鑒性。

二、研究目的和研究設計

（一）研究目的

本研究從隱私倫理視角出發，對國外近年典型學習分析政策進行多維度對比分析：首先基于文獻研究，提出學習分析政策隱私倫理分析框架，在此基礎上，選取國外11項具有代表性的學習分析政策作為分析樣本對象，基于所提出的分析框架對上述學習分析政策進行深入比較;最后，提出我國機構層面制定學習分析政策的策略建議。

（二）研究方法

學習分析政策作為教育政策，其制定過程相對復雜，需要綜合考慮諸多因素。比較研究法能夠有效地從已有學習分析政策中發掘分析出政策關注點及趨勢走向，從而建立針對學習分析更為全面的認識，使得相關政策制定符合教育規律和實際情況。基于此，本研究采用比較研究方法，通過建立基于隱私倫理視角的學習分析政策分析框架，對所選取的典型學習分析政策進行橫向比較，為我國制定學習分析政策提供支撐。

（三）研究工具：基于隱私倫理視角的學習分析政策框架

文獻調研發現，當前國際范圍內學習分析政策的研究和實踐主要集中在高等教育領域。不同高等教育機構根據其自身實際情況，制訂了包含不同維度的學習分析政策。Wolfgang Greller和Hendrik Drachsler從“軟”和“硬”兩個角度構建了學習分析6個關鍵維度，即利益相關者、目標、數據、工具、內部約束和外部約束，其中利益相關者包括院校、教師、學生和其他利益相關者;目標包括反思與預測;數據包括開放數據集和受保護的數據集;工具包括學習分析的技術、算法、理論等;外部約束包括慣例與規范等;內部約束包括能力與接受度。[18]本研究基于隱私倫理視角，在Wolfgang Greller和Hendrik Drachsler的研究基礎上，結合當前隱私倫理問題在學習分析領域的發展情況，以及前期調研所梳理的學習分析政策框架，將其分為制定目的、利益相關者、數據應用和可持續發展四個方面。政策制定目的是隱私倫理問題的源點，其關注于每個教育機構學習分析政策或制度的制定宗旨;利益相關者是鑒定隱私倫理問題的依據，是針對學習分析中的利益相關者角色及其履行的隱私倫理問題責任;數據應用是隱私倫理問題的具體體現，是分析相關政策在數據收集、分析、解釋過程中，如何確保數據隱私合理和規范應用;可持續發展是學習分析的終極目標，著重分析保證學習分析持續性發展所采取的隱私保護政策。采用該框架能夠建立學習分析針對隱私倫理問題從目標、依據、方法、發展四個方面的系統化分析途徑。

三、學習分析政策樣本選擇

本文以國外教育研究和實踐機構學習分析政策為研究樣本，通過收集學習分析相關數據庫和期刊，文獻研究來源確定為ACM和IEEE數據庫， Journal of Learning Analytics、Journal of Computer Assisted Learning、Journal of Eduational Technology & Society、American Behavioural Scientists、Computer & Education和The Information Society期刊，以及The LAK Conference會議集，以關鍵詞“learning analytics”and “policy or policies”進行檢索，共檢索到15篇文獻。研究過程中，進一步對以上15篇文獻仔細研讀，選擇與本文學習分析政策相關的文獻，對其參考文獻中引用的文獻進行雪球式檢索，獲取公開制定并頒布的學習分析政策文本6項;同時，用Google學術使用關鍵詞“Learning Analystics & Policies”搜集相關的學習分析政策，首先梳理出有效政策樣本19 份，其中機構層面學習分析政策樣本為4項，高等院校15項。

為確保政策的信息內容契合主題，保證文本的準確性和代表性，筆者根據以下標準進行了整理和遴選：在閱讀相關學習分析政策文本時，使用主題：道德和隱私、政策、制度策略、機構、高等院校、學習分析和出版物類型：研究報告、會議集、期刊文章、書章節、政策文件作為標準再次進行篩選，過濾掉相關度較低的政策文本，最終確定了JISC、全國學生聯合會（NUS）、開放大學（OU）等提出的11項學習分析政策作為樣本分析材料。

四、研究結果及分析

（一）樣本政策概述

1. 政策樣本來源分析

經檢索選定的典型學習分析政策，相關信息見表1。其中，前4項政策為相關科研機構所發布的學習分析政策，后7項政策為境外高等教育院校所發布的相關政策;所有樣本中，來自于英國的政策樣本為6項，包括JISC、全國學生聯合會（NUS）、開放大學（OU）、諾丁漢特倫特大學（NTU）、西倫敦大學（UWL）和愛丁堡大學（UOE）;澳大利亞政策樣本為3項，包括查爾斯特大學（CSU）、悉尼大學（USyd）和臥龍崗大學（UOW）。其余分別來自歐盟資助的LACE項目[13]和LEAs Box項目[14];同時，政策制定年份都較近，集中在2014年到2017年，如在2015年英國的JISC、全國學生聯合會（NUS）、諾丁漢特倫特大學（NTU）和澳大利亞查爾斯特大學（CSU）制定了學習分析政策。

2. 政策樣本的數據管理

在已有學習分析政策的數據管理方面，各機構都表明其學習分析應符合現有管理機構的政策，并基于此對學習分析所使用和生成的數據進行管理：西倫敦大學（UWL）學習分析的使用必須遵守外部立法，如數據保護法和平等與多樣性法案;悉尼大學（USyd）持有的學生信息將根據1998年“國家記錄法”①和大學要求予以保留和處理;而歐盟資助的LEAs Box項目全面地闡述了數據管理之外的數據保護，需要通過使用定期更改的密碼來訪問數據庫和API，以及加密敏感信息和備份數據來保護數據;臥龍崗大學（UOW）使用學習分析數據必須得到學術副校長的批準。

（二）制定目的

目標的設定是政策制定的前提，學習分析政策的制定也不例外，正如FRA文件②所闡述的，在開始處理之前，應該清楚地定義學習分析的目的和邊界，并申明“為未定義和（或）無限制的目的處理個人數據是非法的[25]”。研究發現，樣本政策都對學習分析政策制定目的進行了說明，通過分析已有11項政策，將其制定目的總結如下，具體見表2。

在國外高等院校和機構學習分析的政策制定目的上，發現學習分析政策的制定多數在相對應國家隱私保護和倫理道德政策的基礎上，制定本機構針對性的學習分析政策，最終目標為解決數據使用和處理問題。分析發現，各學習分析政策制定目的存在三種視角，即隱私倫理視角、學習提升視角和綜合視角。

基于隱私倫理視角的學習分析政策制定，如歐盟資助的LACE項目旨在幫助教育機構處理學習分析的倫理和隱私問題;LEAs Box項目旨在平衡學習分析研究和個人隱私之間的關系。悉尼大學（USyd）的學習分析政策目的是保護學生的數據隱私。基于學習提升視角的學習分析政策制定，如查爾斯特大學（CSU）相關政策中提出，提供一個大學范圍的框架以指導在其院校使用學習分析，并提高對該院校學習和教學模式的理解;諾丁漢特倫特大學（NTU）的政策通過儀表盤的使用，提高學生的參與度和投入程度;西倫敦大學（UWL）的政策，其首要目的是幫助學生取得成功并實現他們的學習目標;愛丁堡大學（UOE）旨在改善學生的體驗，表現在質量、公平、個性化反饋、處理規模、學生體驗、技能和效率等方面。基于綜合視角的學習分析政策，是上述兩種視角的綜合，既注重隱私倫理問題，也關注學習者的學習提升。如開放大學（OU）的學習分析政策明確指出，其旨在闡明大學將如何以倫理的方式使用學生數據，以塑造學生的支持。

通過以上三種視角的歸納總結發現：科研機構政策制定的目標是從國家層面出發，來保護學生的隱私和倫理問題;而大多數國外高校學習分析政策的制定是為了有助于學習分析技術更好地在機構實踐，加強學校的教與學以及教學質量的提升。

（三）利益相關者及責任

1. 角色

針對樣本學習分析政策的比較研究發現，其中的利益相關者包括數據主體、數據客體和合作伙伴。數據主體，也就是數據提供者，即學習者，通過數據主體的瀏覽和互動行為產生各類數據;數據客體，其作為學習分析的受益者并且有權對結果采取行動，具體表現為教師和教育機構;同時，研究人員、服務提供商或政府機構等合作伙伴，也是學習分析政策中的利益相關團體[18]。

2. 角色責任

不同的利益相關者所扮演的角色不同，其也承擔著不同責任，正是由于學習分析技術的實施過程中，如何保護數據主體的隱私是政策關注的核心內容之一，因此，利益相關者從角色和責任與合作伙伴進行比較。學習分析技術實施過程中，遵守特定的角色責任，是每個利益相關者最重要的工作。通過比較分析發現，對于角色責任，上述政策主要制定了兩方面內容，即積極干預和遵守隱私。西倫敦大學（UWL）、開放大學（OU）、愛丁堡大學（UOE）和JISC在其學習分析政策中都特別強調，利益相關者的首要責任是積極干預學生的學習過程，在可行的情況下應對其學習行為進行積極干預，提取對學生有意義的數據并進行分析，進而使學生受益。

遵守隱私作為學習分析政策倫理方面的具體表現，同樣在角色責任中予以了明確。JISC提出，各個角色應對生成的數據進行管理，尤其處理個人信息時，遵守隱私政策;臥龍崗大學（UOW）更詳細地從員工、學生、行政人員、教師、信息管理人員、學習分析治理委員會以及數據咨詢組的道德使用，來說明不同角色下學習分析使用過程應履行的隱私責任。

對于合作伙伴而言，并不是所有政策都涉及這一群體，其相關要求也不盡相同。西倫敦大學（UWL）對合作伙伴的理解是，所有的利益相關者的代表應該適時地參與涉及、開發、審查以及治理;全國學生聯合會（NUS）對合作伙伴秉承透明的道德實踐，在合作伙伴的關系中，使用學生的數據支持合作同伴應是透明的，以便在學生和教育工作中發揮最佳水平。歐盟資助的LACE從另一個角度規定在合作伙伴關系中要履行國家和組織規則，并且簽訂數據安全的合同，表明數據只能用于服務的目的而不能用于其他目的。可見，針對利益相關者的隱私倫理責任仍有待進一步明確。

（四）數據應用

如上所述，政策的制定目的是隱私倫理問題的起點，角色責任和合作伙伴是鑒定隱私倫理問題的依據。研究發現，在數據應用過程中，學習分析政策的隱私倫理主要關注數據透明度、數據匿名化、知情同意、隱私泄露、訪問權限等五個方面。

1. 數據透明度

有研究者提出，透明度是基于隱私倫理角度研究學習分析技術的最核心問題[26]。數據透明度體現在告知學習者和教師收集、記錄了哪些類型的數據、數據的使用目的、在何種條件下誰將獲得這些數據以及個人的身份，將采取什么樣的措施保持透明;同時，透明度還意味著信息是否傳輸到機構外部。因此，用戶不僅應該了解他們的數據如何在外部使用，還應該了解在機構內部的使用[27]。此外，還應使數據主體了解數據應用的可能結果和采取的數據保護具體措施 [28]。

在已有的11個學習分析政策中，7個政策文件中明確提到數據透明度，并一致認為學習分析需要保持數據透明度，包括了JISC、開放大學（OU）、西倫敦大學（UWL）、臥龍崗大學（UOW）、歐盟資助的LACE項目和LEAs Box以及查爾斯特大學（CSU）。其中，JISC、西倫敦大學（UWL）和臥龍崗大學（UOW）都表示學習分析的使用對所有的利益相關者需要保持數據透明度，具體包括了數據使用過程中的數據來源、分析目的、使用指標、使用邊界以及如何解釋數據，這些內容都需要向數據主體和客體解釋清楚;其中，JISC更全面地要求學習分析涉及的過程和算法也需要給學生和員工加以描述。

在數據的收集、分析和解釋過程中，數據的透明度、公開性以及解釋是緊密聯系在一起的。對學習分析政策的制定來說，這是不可忽視的一部分，如何取得數據主體的信任，需要在數據的使用上對利益相關者保持透明，同時，也需要對利益相關者解釋數據的使用和處理過程，建立雙方信任的關系。

2. 匿名化

幾乎所有機構的學習分析政策都特別聲明，任何用于學習分析的數據，在其收集、分析和解釋過程中，都必須保持匿名化。這一匿名過程包括數據在多個數據源和聚合系統之間傳遞的過程;在涵蓋涉及第三方（即合作伙伴）時，尤其需要特別注意數據匿名性。任何數據共享都需要符合當前國際、國家以及機構多層面對于隱私政策的要求。盡管悉尼大學（USyd）相關政策中沒有明確提及數據匿名性，但也指出，大學將采取適當的保護措施以保護學生信息的安全性和完整性。

3. 知情同意

向用戶告知數據收集，并問詢用戶是否同意，是學習分析的基本倫理原則和程序[18]。已有的政策都規定在對學生收集數據之前，必須獲得學生的知情同意;同時，如數據有改變和更新，也需要獲取學生新的同意。例如，歐盟資助的LEAs Box對于在學習分析過程中使用Cookie功能的特定部分，要征得用戶的同意;JISC實踐守則中教師對學生的積極干預也需要學生的同意。

在學習分析過程中，為避免利益發生沖突，政策制定者應找到“信任學習分析”和“避免潛在威脅”這兩者之間平衡的必要途徑，可以轉化成對學生數據的潛在用途范圍提供一個寬泛定義來保護用戶[27]。如西倫敦大學（UWL）的學習分析政策中，就設置了相應選項，使得學生可以選擇不向外部機構提供某些特定數據，也對部分數據沒有進行共享，主要是由于數據不切實際或可能對學生的學業進步產生有害影響;開放大學（OU）的學習分析相關政策比較有特色，其除了表明在數據收集和使用方面是透明的，更要為學生定期提供協議，以獲得學生同意使用其數據的機會。

同時，研究發現，知情同意也是保障機構學習分析能夠順利進行的方法，如西倫敦大學（UWL）和臥龍崗大學（UOW）的相關政策的描述中，規定了學生不能退出整個學習分析過程，由此來看，知情同意也是對參與學習分析的所有利益相關者的保障手段。

4. 隱私泄露

隱私問題一直得到學習分析領域的關注，也是用戶最關心的問題之一。所有機構的學習分析政策都特別注意學生隱私的保護，以確保其不會被無理侵入或破壞。不同機構采取了相應的預防措施，如LEAs Box的學習分析政策中規定了通過加密、密碼保護、數據匿名化技術等方式實現隱私保護;JISC在其隱私的規定上采取從元數據中識別個人和通過聚合多個數據源重新識別個人方式，以防止學生隱私泄露;臥龍崗大學（UOW）對學生數據和分析的訪問限于具有查看數據的合法需求的人員使用;愛丁堡大學（UOE）只有經過特別授權，否則學習分析生成的數據不會用于監控其學習成績。

由于用戶因隱私受到威脅會表現出抵抗力，拒絕學習分析服務[18]。因此，需要通過立法或其他保護隱私的政策以確保數據收集和分析方面的數據保護[29]。為了消除數據主體的憂慮，需要制定保護數據隱私的政策和指導方針，以確保其數據以可接受和合規方式使用。同時，當隱私泄露后，應準許采取相應法律進行追責，如悉尼大學（USyd）相關政策中就提出，學生如發現個人隱私泄露時有權提出正式投訴。

5. 訪問權限

歐盟資助的LEAs Box項目、諾丁漢特倫特大學（NTU）和西倫敦大學（UWL）在數據訪問權限上，普遍提出了不同的用戶擁有不同的權限，即在訪問分析過程的結果之前，應對用戶進行身份驗證（即確定其身份）。具體體現在歐盟資助的LEAs Box認為教師可以訪問學生的數據，學生可互看同伴的數據;諾丁漢特倫特大學（NTU）對用戶學生、學術學員、管理人員、開發人員使用儀表盤的訪問權限作了相應規定;西倫敦大學（UWL）數據的訪問權限僅允許合理需要的人員;歐盟LACE項目規定在員工訪問的同時，將對其進行監控。同時，在幾乎所有的高等教育機構中，用戶始終有權限檢查和更新他們相關的信息和個人數據，執行其權利，比如數據主體在必要的時候有機會糾正、訪問和控制數據，也需要通過技術上訪問權限的設置，更新不正確的數據及驗證信息[18]。

（五）可持續發展

在一個快速發展的領域，確保其持續性發展，要進行持續性考慮，盡管各機構政策的制定中多數沒有顯式地說明學習分析的可持續發展，但是制定學習分析政策的最終目的是為了學習分析可以更好地持續性發展。

1. 最小化不利影響

學習分析技術可以幫助學生在適當的情況下作出決策，同時，最小化其不利影響，是學習分析技術可持續發展的重要因素。在所有機構中，使不利影響最小化，采取措施確保學習分析的輸出不會使利益相關者的看法和行為發生較大改變，即最大限度地減少向學生和員工提供有關學生表現或成功可能性的信息的不利影響。這需要各利益相關者對法律、道德行為進行必要了解，甚至JISC政策中提出，最大限度地減少學習分析系統給學生帶來任何好處的機會，積極努力識別并盡量減少任何潛在的負面影響。

2. 數據有效性

數據有效性也是學習分析中至關重要的一部分，所有機構直接或間接地肯定數據和分析必須是有效的，以確保有利于學生的利益。悉尼大學（USyd）更在其政策中單獨列出數據有效性。以JISC為例，其在數據分析有效性的整體保證措施上，提出理解并最小化數據中的不準確性、了解不完整數據集的含義、選擇最佳數據源范圍和避免偽相關。尤其值得關注的是，西倫敦大學（UWL）認為所有利益相關方都有責任保持準確和最新記錄，同時，數據分析和分析模型應該是合理的，沒有偏見。由偏見認識所引發的數據無效，將會制約學習分析技術的可持續發展。

五、對我國學習分析政策制定的建議

當前我國的學習分析領域已經取得了突飛猛進的發展，這得益于三個方面：首先是我國信息化在政策制定、技術投入、產品研發、應用服務等多方面的發展，社會信息化發展水平的不斷提升;其次，是我國教育信息化在各個教育層次的充分探索，高校、研究所甚至社會化教育服務機構等，都在教育信息化領域取得了規模化的研究成果，這為學習分析提供了必要的技術儲備;最終，師生個體的教學行為正在由傳統的線下教學，向線上線下混合式教學轉變，為學習分析提供了數據上的可能性。然而隨著飛速發展，當前我國學習分析領域也暴露出較為嚴峻的信息數據隱私倫理問題。這一問題突出體現在兩個方面，一是從意識上，相關管理機構、研究人員以及利益相關者，對于學習分析所涉及的信息數據隱私倫理問題，未能形成較為統一的、科學的認識，諸如“數據隱私倫理問題由誰負責”“學習分析過程中如何保護隱私”等問題仍存在模糊認識;其二，嚴重缺乏相關政策從隱私倫理角度規范和指導學習分析技術的發展。政策是各個利益相關者開展學習分析研究和實踐的根本依據，缺乏政策層面的支持，必將從長遠上制約學習分析政策發展。我國學習分析研究和實踐，必須要從加強隱私保護意識和制定科學有效政策這兩個層面，做足功夫，保障學習分析領域的持續發展。本研究在對國外近年典型學習分析政策進行比較研究的基礎上，提出如下四項我國學習分析政策制定的建議：

（一）積極制定學習分析政策，促進學習分析發展

我國學習分析相關政策的研究和實踐，正得到教育界的日益重視。然而相比較國外相關領域，我國基于隱私倫理視角的學習分析政策研究和實踐都較為滯后，這可能與我國社會發展和隱私意識有著一定關系。隨著學習分析技術的普遍應用，積極制定學習政策，在關注學習提升的同時，保護隱私倫理，是促進和保障學習分析良性發展的關鍵。國外已有學習分析政策雖然是根據具體地區、具體學習分析實施情況制定的，對我國本土化的學習分析政策具有一定的指導意義。在我國學習分析政策初步發展階段，針對相同的挑戰在政策的制定上可以借鑒其內容。

如何在學習分析過程中保護學生的隱私以及合理運用數據，應該是我國制定本土化學習分析政策的首要任務。《中華人民共和國網絡安全法》已于2017年6月1日施行，其制定的目的是“為了保障網絡安全，維護網絡空間主權和國家安全、社會公共利益，保護公民、法人和其他組織的合法權益，促進經濟社會信息化健康發展”。這一法律是我國相關機構制定學習分析政策中有關隱私倫理問題的根本依據和支撐。

（二）區分利益相關者在隱私倫理問題的責任權利

通過對已有學習分析政策的比較分析，本研究發現，不同于傳統學習過程，學習分析應用過程中會有多方利益相關者的介入，尤其在數據主體、客體基礎上，合作機構所提供的產品和服務，是學習分析過程中不可避免的。因此，需要縝密區分多方利益相關者在隱私倫理問題方面所負有的責任、權利和義務。如前文所述，不同角色承擔不同的責任。同時，通過分析我們也發現，區分多方利益相關者在隱私倫理問題的責、權、利，這即是對數據主體的保護，也是對各方利益相關者利益的整體保障。

（三）建立數據收集、分析和解釋過程中的系統化隱私倫理保障政策

由于學習分析技術的特殊性，其在數據的收集、分析和解釋的各個過程中，都會涉及隱私倫理問題。因此，需要在學習分析政策制定過程中，建立數據收集、分析和解釋過程中的系統化隱私倫理保障方法。如本研究所歸納，數據透明度、數據匿名化、知情同意、隱私泄露、訪問權限等五項內容，是當前國際學習分析政策研究和實踐中普遍關注的核心內容。

（四）避免過度干預和由數據所帶來的偏見

數字鴻溝已經被普遍認可，而由人工智能技術的飛速發展所產生的“人工智能鴻溝”正在割裂世界。學習分析作為人工智能技術在教育領域內的典型應用，其也有著進一步加劇不同個體、群體間教育鴻溝的可能性。不同于數字鴻溝所產生的經濟和技術發展原因，由于學習分析應用所形成的鴻溝，其原因更多歸因于偏見，可能體現于對特定學習群體的學習者模型建立的不公正，或者由于過度干預所引起的學習者的抗拒。我國相關機構的學習分析政策制定過程中，要保持數據有效性，特別是構建無偏見的數據分析模型，同時，最小化不利影響，從而實現學習分析的可持續發展。

我國學習分析的發展缺乏指導學習分析實踐的機構層面政策，已經成為學習分析領域最大的挑戰。在由學習分析所帶來的教育變革中，個人和組織都需要在潛在風險和教育創新之間找到隱私倫理的平衡點，規避學習分析隱私倫理問題，才能使學習分析健康發展。除此之外，學習分析需要廣泛接受整個組織機構的價值觀和利益，以此才能實現學習分析的可持續發展，這也正是開放大學（OU）學習分析政策中所特別強調的。

[參考文獻]

[1] JOHNSON L， ADAMS S， WITCHEY H， et al. The NMC horizon report： 2011 museum edition[R]. Austin， Texas： The New Media Consortium， 2011.

[2] 阿麗塔.L.艾倫，理查德.C.托克音頓.美國隱私法：學說、判例與立法[M].馮建妹，等譯.北京：中國民主法制出版社，2004.

[3] VOLKMAN R. Privacy as life， liberty， property[J].Ethics and information technology， 2003（5）：199-210.

[4] 理查德·A·斯皮內洛.世紀道德：信息技術的倫理方面[M].劉鋼，譯.北京：中央編譯出版社，1999.

[5] NMC 地平線項目.新媒體聯盟2015 地平線報告高等教育版[J].現代遠程教育研究，2015（2）：3-22.

[6] 顧小清，張進良，蔡慧英.學習分析：正在浮現中的數據技術[J].遠程教育雜志，2012（1）：18-25.

[7] 張文青，穆曉靜，傅鋼善.倫理視域下的學習分析研究[J].中國教育信息化，2015（9）：3-5.

[8] 楊現民，唐斯斯，李冀紅.發展教育大數據：內涵、價值和挑戰[J].現代遠程教育研究，2016（1）：50-61.

[9] 趙慧瓊，姜強，趙蔚.大數據學習分析的安全與隱私保護研究[J].現代教育技術，2016，26（3）：5-11.

[10] TSAI Y S， GASEVIC D. Learning analytics in higher education—challenges and policies： a review of eight learning analytics policies[C]// Proceedings of the Seventh International Learning Analytics & Knowledge Conference ，Vancouver， Canada， March 13-17， 2017. Canada： Simon Fraser University，2017.

[11] TSAI Y S， MORENO-MARCOS P M， TAMMETS K， KOLLOM K， & GASEVIC D. SHEILA policy framework： informing institutional strategies and policy processes of learning analytics[C]// Proceedings of the 8th International Conference on Learning Analytics and Knowledge， Sydney， Australia， March 5-9， 2018. AUS： The University of Sydney， 2018.

[12] Joint Information Systems Committee .Code of practice for learning analytics[R]. United Kingdom： JISC， 2015.

[13] DRACHSLER H，GRELLER W. Privacy and analytics： its a DELICATE issue a checklist for trusted learning analytics[C]//? Proceedings of the Sixth International Conference on Learning Analytics & Knowledge， Edinburgh， United Kingdom， April 25-29， 2016.

[14] STEINER C M， MASCI D， JOHNSON M， TURKER A， DRNEK M， KICKMEIER-RUST M. Privacy and data protection policy[R]. EU： Deliverable D2.3. LEAs Box， 2014.

[15] National Union of Students. Learning analytics： a guide for students unions[R].United Kingdom： NUS， 2015.

[16] The Open University. Policy on ethical use of student data for learning analytics[R].United Kingdom： The Open University， 2014.

[17] MACFADYEN L P， DAWSON S， PARDO A ，GASEVICE D. Embracing big data in complex educational systems： the learning analytics imperative and the policy challenge [J]. Research & practice in assessment， 2014（9）：17-28.

[18] GRELLER W，DRACHSLER H. Translating learning into numbers： a generic framework for learning analytics[J]. Educational technology & society， 2012（15）： 42-57.

[19] Nottingham Trent University.Use of learning analytics to support student success policy[R].United Kingdom：Nottingham Trent University， 2015.

[20] University of West London. Learning analytics policy[R].United Kingdom： University of West London， 2016.

[21] The University of Edinburgh. Learning analytics principles and purposes[R]. United Kingdom： The University of Edinburgh， 2017.

[22] Charles Sturt University. CSU learning analytics code of practice[R]. Australia： Charles Sturt University， 2015.

[23] SEG Education Committee. Principles for the use of university-held student personal information for learning analytics at the university of sydney[R].Australia： The University of Sydney， 2016.

[24] University of Wollongong Australia. Learning analytics data use policy[R]. Australia： University of Wollongong Australia， 2017.

[25] European Union Agency for Fundamental Rights. Handbook on european data protection law[R]. Europe： FRA， 2014.

[26] PARDO A， SIEMENS G. Ethical and privacy principles for learning analytics[J]. British journal of educational technology， 2013（45）：438-450.

[27] SLADE S ， PRINSLOO P. Learning analytics： ethical issues and dilemmas[J]. American behavioral scientist， 2013（57）：1509-1528.

[28] WILLIS J ，PISTILLI M D. Ethical discourse： guiding the future of learning analytics[EB/OL]. [2014-04-07].https：//er.educause.edu/articles/2014/4/ethical-discourse-guiding-the-future-of-learning-analytics.

[29] CAMPBELL J P， DEBLOIS P B， OBLINGER D G. Academic analytics[J]. Educause review， 2007（42）：1-24.