3、隐私驱动的学习分析：保障学生数据安全与教育价值

隐私驱动的学习分析：保障学生数据安全与教育价值

1. 隐私驱动学习分析的背景与政策建议

在教育领域，满足学生个性化需求与数据系统的静态概念和动态技术实施之间存在明显的矛盾。为了推动更具可操作性的流程，相关研究提出了一系列建议。如 Hoel 等人分析国际隐私框架，为学习分析中的隐私工程未来发展指明方向；Reidenberg 和 Schaub 则针对学习技术提出政策建议，强调确保数据收集、处理和使用的透明度、算法问责制以及学生数据安全处理等技术保障措施对教育数据使用的重要性。

2. 技术解决方案

近期，为了在设计学习分析系统和实践时考虑隐私要求，提出了多种方法，包括平台即服务架构、区块链公开可验证系统以及各种匿名化和可证明隐私机制。
- MOOC 复制框架（MORF） ：这是一种平台即服务架构，用于大规模计算研究，在保护学生隐私的同时，为平台用户提供对平台数据导出的“执行式”访问。用户可部署分析和运行实验，但只能获取结果摘要，而非直接下载数据。不过，MORF 作为数据生成机构和最终用户之间的“中介”，要求数据以原始格式共享，这可能带来隐私和伦理问题。
- Kratos 系统 ：该系统为学生和学校提供“不可变日志”以及对分散数据的全面访问，重点关注数据所有权、问责制、可审计性和透明度。它基于学校和技术供应商之间的现有协议，采用智能合约，并结合行星际文件系统和文件解密等技术解决方案来保护数据隐私。然而，其在扩大教育研究规模和影响教育技术研究与实践方面的潜力有限。

3. 阶段 1：风险评估与隐私

教育工作者和教育技术提供者有法律和道德义务保护学生的