大数据学习分析的安全与隐私保护研究.pdfVIP

.瞌 xIJI、‘ 大数据学习分析的安全与隐私保护研究丰 赵慧琼 姜强 E 通讯作者】 赵蔚 (东北师范大学计算机科学与信息技术学院，吉林长春 130012) 摘要:随着大数据时代的来临，学习分析技术成为了教育信息化的新浪潮，其涉及的伦理道德问题尤其是学习 分析过程中引发的一系列数据安全与隐私问题也成为了教育领域研究的热点。为应对隐私泄露、访问权限模糊、 数据可信性受威胁等问题，文章以技术为视角，从数据收集、数据分析和数据解释等三方面构建了数据安全与 隐私保护框架，并提出了相关的数据安全与隐私保护策略，以期提高利用学习分析技术进行大数据研究的成效， 实现学习分析技术挖掘教育大数据潜在价值的预期目标，充分发挥大数据学习分析的研究价值。 关键词:学习分析;大数据;安全隐私;伦理道德 【中图分类号)G4 0-O S7 【文献标识码 )A [论文编号】 100弘--8097 (2016) 03--0005--07 [DOI 10.3969/j.issn.l 009-8097.2016.03.001 引言 大数据学习分析的价值在于利用机器学习、数据挖掘、回归分析、可视化技术等进行收集、 测量、分析和报告学习数据，理解和优化学习过程，进而真正实现因材施教，使共性教育向个 性教育的方向发展。例如， Knewton 教育平台构建了成熟、实时的学生数据分析，能够细分知 识点，对每个学生予以单独分析，通过实时预测技术来监测学生的学习情形并及时调整，为学 生下一步的学习内容和活动提供最适合的引导，实施个性化教学[1] ;在机器学习技术的支持下， DreamBox Learning 能够记录学生的学习行为数据并将其作为判断学生知识能力的依据，同时针 对学习者的学习需求提供个性化的学习路径 [2]; 猿题库通过智能算法对学生做题练习与知识点测 评的数据进行挖据分析，能够准确评估学生的认知能力，然后根据知识水平进行 1 对 l 的智能 化出题，实现个性化学习 [3] 。此外，国内大数据领域的领??专家一一周涛教授组建了大数据研究 中心，运用大数据、云计算、学习分析等信息技术，结合特定的机器学习、数据挖掘算法，着 力开展了个性化教育引导、学生学习成绩预测、教学方式方法改善、重大教育决策制定、教务 教学管理优化等教育大数据的相关基础理论及应用推广研究。然而，基于大数据的学习分析技 术应用也存在一些不可规避的风险，如数据收集过程中存在的安全与隐私问题，涉及伦理道德 的挑战，将不利于挖掘教育大数据的潜在价值。 -问题研究现状 国外研究大数据学习分析技术的安全与隐私问题起步较早，如美国的《家庭教育权利和隐 私法案》中明确规定要保护学生学习活动的隐私:英国开放大学根据允许收集和分析学生数据 的八项原则，制定了利用学生数据开展学习分析的伦理政策。知名的教育家、科学家、法律学 者和伦理学者在 2014 年加州阿西洛马 (Asilomar) 会议上制定了关于学习和研究合乎伦理地使 用数据和技术的框架，框架的六项原则包括:尊重学习者权利、善行、公正、公开、人性化学 习以及持续关怀 [4] 。此外， Jones 等 [5] 在 MOOC 数据学习分析研究的基础上，从个体控制、透明 性、情境需求、安全性、权限、数据收集限制性及责任心等七方面深入描述了公平信息惯例和 5 一 X[)I~I‘ 隐私保护，以防止学生隐私信息泄露; Kay[6]针对学习分析技术产生的伦理道德冲突，明确指出 学习分析过程需要设定数据的范围与界限，充分考虑数据分析对象的利益与情绪，给予数据分 析对象选择性参与或退出的机会，同时依据存在的风险及时调整应对措施，保