張文青+穆曉靜+傅鋼善

編者按：隨著教育信息化的不斷發(fā)展，各種教育教學信息系統(tǒng)中存儲的大量學生數(shù)據(jù)、學習軌跡、學習行為等信息急劇增長，這些數(shù)據(jù)集過大，難以被典型數(shù)據(jù)庫軟件共聚捕捉、存儲、管理和分析的教育類“大數(shù)據(jù)”，目前已成為教育機構(gòu)關(guān)注的熱點，研究者們已經(jīng)開始研究這些數(shù)據(jù)潛在的利用價值。學習分析作為分析技術(shù)的一種，也逐漸受到教育領(lǐng)域研究者的關(guān)注與重視。本專題研究立足于幫助教育工作者更好地了解學習分析技術(shù)，通過對倫理視域、Moodle平臺下學習分析的研究，以及典型案例分析、平臺建設(shè)經(jīng)驗分享，力求使大家能夠認識學習分析的意義、掌握學習分析的方法，邁好大數(shù)據(jù)時代的數(shù)據(jù)“掘金”之旅。

摘 要：學習過程中涌現(xiàn)的大量技術(shù)使我們對學生學習過程的追蹤、復雜學習行為的分析成為可能，學習分析也通過對學生數(shù)據(jù)的測量、收集、分析，為教師的干預(yù)提供依據(jù)，為學生的個性化學習提供技術(shù)支持。然而，在學習分析的開展過程中，數(shù)據(jù)的收集和使用面臨大量的倫理挑戰(zhàn)，其中包括隱私、所屬權(quán)、人文關(guān)懷等問題。本文的目的在于梳理當前學習分析在開展過程中存在倫理問題，分析其研究現(xiàn)狀，分享從中得到的啟示，以期對后續(xù)研究有借鑒意義。

關(guān)鍵詞：學習分析；倫理；數(shù)據(jù)挖掘

中圖分類號：G40-05 文獻標志碼：A 文章編號：1673-8454（2015）09-0003-03

一、引言

隨著教育環(huán)境中新技術(shù)的不斷涌入，新數(shù)字設(shè)備的頻繁運用，學習中的交互性與日俱增，碎片化信息的分享也無處不在，在線學習管理系統(tǒng)也收集了學生大量的個人信息和行為數(shù)據(jù)。若使這些信息和數(shù)據(jù)能更有效地服務(wù)于教育，學習分析的作用則舉足輕重，它的應(yīng)用也正在創(chuàng)造著教育領(lǐng)域的新景觀。例如，可汗學院的ALAS-KA[1]學習分析服務(wù)可以提供課程層面和學生個體層面的可視化信息，幫助師生在學習過程中做出決策，在有效的指導下檢測學生的學習風格。然而，在學習分析的進一步研究中，仍然存在很多問題，尤其是在倫理和實踐方面。例如，Moocs的研究者一直在關(guān)注著論壇中學生觀念的變化和知識的增長。指導公開發(fā)布交互數(shù)據(jù)的原則是什么？一個課程中的學習者應(yīng)該同意數(shù)據(jù)的搜集和分析嗎？種種質(zhì)疑不絕于耳。

學習分析從社會網(wǎng)絡(luò)分析、潛在語義分析、心理分析等領(lǐng)域中發(fā)展而來，（Ferguson，2012年）這些領(lǐng)域都有自己的倫理指南和行為規(guī)范，用以強調(diào)數(shù)據(jù)的所屬權(quán)、隱私、用戶是否同意等相關(guān)內(nèi)容，但其并沒有完整、明晰地勾勒出學習分析在開展過程中的倫理關(guān)懷和道德挑戰(zhàn)。[2]所以，對學習分析中倫理問題的研究就顯得頗為重要。

二、學習分析的教育意義

Siemens將學習分析定義為“為了理解和優(yōu)化學習和學習發(fā)生的環(huán)境，對學習者的數(shù)據(jù)及其所處的情境進行測量、收集、分析以形成報告”。[3]新媒體聯(lián)盟（NMC，2012）認為：“學習分析是以評估學生學業(yè)進展、預(yù)測未來表現(xiàn)、發(fā)現(xiàn)潛在問題為目的，對學生的大量數(shù)據(jù)進行解釋的過程?！盵4] Oblinger（2012年）將學習分析與商業(yè)智能、學術(shù)分析進行了區(qū)分，認為學習分析關(guān)注“學生和學生的學習行為，從課程管理和學生信息系統(tǒng)中收集信息是為了更好地促進學生學習”。[5]

在教育領(lǐng)域中，由于在傳統(tǒng)環(huán)境中對數(shù)據(jù)的分析和反饋的處理方面經(jīng)常有大量的操作延遲，所以以往對數(shù)據(jù)的使用往往是無效的。[3]而學習分析通過對學生數(shù)據(jù)的實時監(jiān)測，可以有效縮短數(shù)據(jù)分析周期，為教師提供決策依據(jù)，優(yōu)化教學，為個性化學習的推進提供支持。但是學習分析的意義絕不在于建立一所數(shù)據(jù)驅(qū)動的大學，教育的意義也絕不僅僅是研究教學方法與教學技術(shù)所帶來的教學效果。真正的學習分析應(yīng)該在關(guān)注學習效率的同時遵守數(shù)字時代的倫理要求，學習分析的意義不單單在于測量，而在于其本質(zhì)上的一種道德實踐。

三、學習分析開展中存在的問題

1.個人隱私的泄露與個性化學習間的矛盾

一方面，數(shù)字技術(shù)的進步使互聯(lián)網(wǎng)給予了我們前所未有的自由，任何人都能暢所欲言；與此同時，萬事萬物都能被追蹤，經(jīng)過追蹤，個人信息和行為顯露無疑。英國倫敦政治經(jīng)濟學院教授理查德·桑內(nèi)特說，例如Google和Facebook，他們唯一能夠賺錢的方式就是披露人們的個性，更多挖掘人們的個人信息，及時找到與他們個人信息相關(guān)的郵件或者短信息。在英國，上千萬認為Google跟蹤了自己在線行為的受害者將形成人類史上最大的集體訴訟。在歐洲六個國家的數(shù)據(jù)保護機構(gòu)將對Google展開聯(lián)合法律調(diào)查。這一現(xiàn)象表明，個人隱私泄露造成的負面影響已不容小覷。

另一方面，大數(shù)據(jù)時代數(shù)據(jù)的真正價值恰恰體現(xiàn)在數(shù)字的“二次用途”中。學習分析通過對數(shù)據(jù)的進一步挖掘與加工，使優(yōu)化學習者的學習及其學習環(huán)境成為可能，使教育中所倡導的個性化學習成為可能。個性化學習即根據(jù)長期網(wǎng)絡(luò)應(yīng)用軌跡，對所得數(shù)據(jù)進行挖掘、研究，從而為每個學生提供最合適學習的內(nèi)容。Kobsa（2007年）認為學習分析和個性化學習的共同點是它們都需要收集用戶的私人信息，并運用這些數(shù)據(jù)去提升個人的學習經(jīng)驗。[6]

2.數(shù)據(jù)所屬權(quán)混淆和訪問權(quán)限模糊

盡管線下的研究中數(shù)據(jù)的所有權(quán)是相當明確的，但是在互聯(lián)網(wǎng)中數(shù)據(jù)的所有權(quán)卻經(jīng)常混淆，例如數(shù)據(jù)庫、數(shù)據(jù)集、服務(wù)等很難找到其相應(yīng)的國界或者所屬機構(gòu)。而且在課程中，學生經(jīng)常會用到系統(tǒng)外的社交網(wǎng)絡(luò)，由于這些網(wǎng)絡(luò)不屬于研究機構(gòu)管轄的范圍，其數(shù)據(jù)跟蹤也有一定的困難。同時研究機構(gòu)如何讓學生了解這些數(shù)據(jù)的范圍和屬性，如何讓學生知道發(fā)布在這些社交網(wǎng)絡(luò)上的信息有被公開和被濫用的可能，這些問題困擾著我們。在實踐中，由于管理、資金各種因素，很多有關(guān)部門都需要訪問學生數(shù)據(jù)，這對數(shù)據(jù)的安全造成了很大的困擾，這些安全隱患能否通過清晰的訪問權(quán)限來規(guī)避也需要進一步研究。

3.數(shù)據(jù)詳盡記錄的需要與人文關(guān)懷間的權(quán)衡

學習分析是學習者在一個特定時間和特定情境中的快照式的反應(yīng)。若想更好地發(fā)揮學習分析的作用，學習者縱向時間上的數(shù)據(jù)和更為詳盡的記錄就顯得頗為珍貴，這些數(shù)據(jù)若盡可能長久地儲存則會使效果更加明顯。但是如果學生的不良信息被永久性地記錄，那么這些數(shù)據(jù)的存在則會對學生今后的生活構(gòu)成潛在的威脅，使其陷入“一失足成千古恨”的窘境。忘記是人類基本的能力，人類歷史上的一切事物都因?qū)捜菖c遺忘變得更美好。正是由于這些數(shù)據(jù)的數(shù)字屬性，所以應(yīng)該允許學生申請刪除不良數(shù)據(jù)，從過去的經(jīng)驗中反省和調(diào)整，而不是讓那些過去的經(jīng)驗成為成長歷程中永久的污點，讓學生的個人檔案變得“像數(shù)字皮膚中的紋身”[7]（Mayer-Sch?nberger，2009年）那樣揮之不去。因此用于學習分析的數(shù)據(jù)是否應(yīng)該有一個雙方一致贊成的研究期限，屆時可以允許學生請求數(shù)據(jù)的刪除，這是一個值得深究的問題。

四、倫理視域下學習分析的啟示

學習分析在教育中存在的種種問題向我們提出挑戰(zhàn)：我們既想發(fā)揮學習分析在分析學生時的潛能，又想正確應(yīng)對倫理上的挑戰(zhàn)，途徑之一則是形成機構(gòu)間的行為規(guī)范。例如Bienkowski（2012年）等人引用了在“美國家庭教育權(quán)利隱私法”（the U.S. Family Educational Rights and Privacy Act）的準備中所做的工作，澄清了數(shù)據(jù)集的訪問與學生隱私需求之間的對立關(guān)系。[8]Petersen（2012年）提出要遵守美國聯(lián)邦貿(mào)易委員會的公平信息實踐原則，該原則包含知情同意，數(shù)據(jù)使用選擇，在檢測數(shù)據(jù)的精確性和完整性時個人的權(quán)利，預(yù)防越權(quán)的存取、使用，泄露數(shù)據(jù)，執(zhí)行和賠償?shù)臈l款等等。[9]Slade和Prinsloo（2013年）提出一系列原則去指導院校在學習分析中處理倫理的相關(guān)問題。在立法機構(gòu)與研究人員共同努力的同時，出現(xiàn)的非盈利組織也在保衛(wèi)用戶的數(shù)字權(quán)利。

在此筆者試圖從數(shù)據(jù)的收集、測量、分析等方面考慮學習分析開展過程中的隱私與倫理因素，以期對學習分析能夠得到更好更規(guī)范的運用起到借鑒作用。

1.數(shù)據(jù)的測量要遵循透明原則并取得學習者的知情同意

學習分析在教育領(lǐng)域的應(yīng)用首先應(yīng)該遵循透明原則。在研究過程中，學生的哪些數(shù)據(jù)要被使用、使用目的、使用條件、訪問權(quán)利、個人身份保護措施等都要詳細說明。教育機構(gòu)有責任保護學習者在系統(tǒng)中的數(shù)據(jù)，有義務(wù)及時提示學習者系統(tǒng)之外存在的風險。

其次，在學習分析過程中我們應(yīng)該考慮學習者的知情同意。Toch、Wang和Cranor（2012年）做了一份有關(guān)社交網(wǎng)絡(luò)中因個性化而產(chǎn)生隱私風險的調(diào)查，結(jié)果表明，由于這些網(wǎng)站上發(fā)布內(nèi)容會被呈現(xiàn)在朋友或同學面前，所以用戶會感到潛在的不安。[10]也有研究表明，學生處于監(jiān)視之下時，出于一種自我保護的意識，往往不會表現(xiàn)出其真實想法。因此，只有研究者和學習者雙方一致認識到誠實和詳盡的數(shù)據(jù)的重要性，才能實現(xiàn)最優(yōu)的個性化，接受到合適的學習支持，獲得最高的學習效益。我們建議，要在保證研究質(zhì)量和保護用戶免受危害之間取得一個合理的平衡。在學習分析情境中，如果沒有特殊的原因，應(yīng)向?qū)W習者取得知情同意，學生也應(yīng)在制度的保障下、雙方相互信任的前提下，表現(xiàn)出真實的自己。

2.數(shù)據(jù)的收集要嚴格控制傳輸、過濾過程，明確規(guī)定訪問權(quán)限

在從分散的資源中收集數(shù)據(jù)時，所記錄的學習者活動往往是分布式的，也由于系統(tǒng)中的數(shù)據(jù)量不足以準確勾畫出學習者的學習行為，所以研究者傾向從學習管理系統(tǒng)之外的網(wǎng)站獲得更多的學習者軌跡。但是系統(tǒng)之外的數(shù)據(jù)不易被跟蹤，加之網(wǎng)絡(luò)的分布式屬性，我們不僅不能獲得全部數(shù)據(jù)，而且所獲得的數(shù)據(jù)還需要進行大規(guī)模的過濾，將看似無用的信息轉(zhuǎn)化成與教育相關(guān)的信息。所以在數(shù)據(jù)的收集傳輸過程中不僅應(yīng)該保證在不同的網(wǎng)站、不同的標準、不同的所有者、不同的訪問水平下，不能放大錯誤，而且要嚴格控制傳輸、過濾過程，有效控制外部網(wǎng)絡(luò)。

同時，數(shù)據(jù)的收集應(yīng)在一個清晰規(guī)定的訪問權(quán)限下進行。當訪問權(quán)限不明晰，就會存在安全性威脅或者用戶高度敏感的數(shù)據(jù)被泄露的問題，用戶便不會信任該研究。研究機構(gòu)必須對訪問權(quán)限給予足夠的重視。在最初的研究設(shè)計過程中，要對訪問權(quán)限進行明確規(guī)定，清楚地描述出哪些用戶允許訪問、操縱哪一部分信息，用戶也應(yīng)相應(yīng)地了解他們所能操縱的信息類型。相關(guān)學者針對學習分析的實踐方法提出了“以學生為中心”的觀點，[11]堅持“學生為中心”的學習分析，就應(yīng)取得學生的知情同意，保證學生的相關(guān)數(shù)據(jù)不被越權(quán)存?。痪蛻?yīng)通過一定的措施保護學生數(shù)據(jù)的訪問，避免未授權(quán)的人訪問他們的個人數(shù)據(jù)。

3.數(shù)據(jù)的分析要摒棄固有的偏見與陳規(guī)，提倡學習者的參與配合

在數(shù)據(jù)分析階段，構(gòu)建系統(tǒng)化的行為模型就需要做出一些假設(shè)，比如假設(shè)學習環(huán)境是一成不變的，不同變量之間的聯(lián)系也可能是假設(shè)的，當學習管理系統(tǒng)中處理一些錯誤和不完整的數(shù)據(jù)時，在模型的分析上就可能受潛在的偏見和固有陳規(guī)的影響；另外，學習分析的算法也不可避免地保留著文化上、地理上、經(jīng)濟上和社會上的偏見和成見?？紤]到學習情境的不可復制和學生群體的差異性，研究機構(gòu)應(yīng)對數(shù)據(jù)分析的情境仔細斟酌，盡量杜絕偏見的存在，承認所收集的學生經(jīng)驗動態(tài)的數(shù)據(jù)并不完整，所分析出的預(yù)測模型和算法應(yīng)避免直接的遷移。

學生應(yīng)自覺地參與合作，與研究機構(gòu)一起收集數(shù)據(jù)、做出決策，構(gòu)建自己的身份，使學習分析更好地為個體的學習和發(fā)展服務(wù)?！耙詫W生為中心”的學習分析建議學生作為他自己數(shù)據(jù)的聯(lián)合解讀者，可能的話甚至是收集和鑒定數(shù)據(jù)的參與者。唯有這樣，學生才能知道他自己在系統(tǒng)中的行為，才能利用這些數(shù)據(jù)來反應(yīng)或者改變行為。

參考文獻：

[1]Ruipérez-Valiente， J. A.， et al. ALAS-KA： A learning analytics extension for better understanding the learning process in the Khan Academy platform[J]. Computers in Human Behavior（2014）， http：//dx.doi.org/10.1016/j.chb.2014.07.002.

[2]Ferguson， R.（2012， March）. The state of learning analytics in 2012： A review and future challenges （Tech. Rep. No. KMI-12-01） [EB/OL]. Milton Keynes， UK： The Open University， Knowledge Media Institute. http：//kmi.open.ac.uk/publications/techreport/kmi-12-01.