在线学习管理系统中与教师共享的学生数据的隐私问题

文献标题

Privacy Concerns of Student Data Shared with Instructors in an Online Learning Management System

文献信息

• 主题领域: 高等教育技术与隐私问题研究
• 关键词: 高等教育、教育技术、隐私、数据监控、学生数据、学习管理系统、Canvas平台、学习分析、数据共享、教师与学生关系

研究背景与问题

• 发现的问题与挑战:
  学习管理系统（LMS，如Canvas）广泛用于高等教育中的课程管理和在线教学。这些系统收集大量学生数据并与教师共享，可能在没有学生明确同意的情况下对课堂体验和成绩产生重要影响。这种数据共享在学生隐私上引发了严重关切，但过去的研究主要集中于外部数据威胁而非平台内部的隐私问题。

• 重要性说明:
  隐私问题与学生的公平性、被误解的风险以及监控的负面心理影响直接相关。这些问题影响学生的学术表现和与教师的权力动态关系。

• 研究动机与相关工作:
  尽管学习分析（Learning Analytics, LA）在优化教学方面发挥作用，但LMS分享详细的“原始”学生行为数据给教师，这些数据的透明性和目的性明显不足。此外，过度监控被比作“数字化全景监狱”——一种非平衡权力关系加剧的隐喻。在疫情期间的远程教学进一步推动LMS采纳，但其隐私影响尚未充分调研。

解决方案

• 方法或解决方案:
  作者通过调查31位美国某公立大学的本科学生，研究他们对Canvas平台中数据共享可能影响其隐私的担忧。采用半结构化访谈和主题分析，探讨学生对教师可见数据的关注点。

• 创新之处:

  • 发现了未被充分研究的“原始”学生数据隐私问题，例如详细的登录时间、提交行为和浏览活动。
  • 比较了LMS与学习分析中学生隐私问题差异，揭示了由数据直接共享带来的不同性质担忧。
  • 提出了促进透明度和学生隐私自主权的设计与政策建议。

• 实施步骤与关键技术:
  研究通过三步骤进行访谈：

  • 简介与背景探讨：了解学生对隐私的总体认识。
  • 探索阶段：讨论Canvas平台中具体共享数据（登录时间、提交时间等）的隐私可能性。
  • 反思与建议：邀请学生提出对改善隐私保护的意见。结合归纳性主题分析方法对访谈内容编码与归纳主题。

研究成果

• 具体成果:

  • 确定了学生主要关切：被误解（Misrepresentation）、数据采集必要性（Not Necessary）、监控感受（Vulnerability），以及对知情权和同意（Consent）的需求。
  • 发现一些学生对数据共享表示认同（Genuine Need），认为其对课堂管理、压力缓解有一定用途。

• 优势:

  • 细化了学生隐私的场景化焦虑以及对监控权力关系的具体表达。
  • 将“原始”学生数据的隐私风险与学习分析的系统性隐私问题区别开，更直观地体现学生与教师的互动动态。

• 实验或评估结果:
  数据表明：

  • 不同信息类型（登录时间、提交时间等）引发不同程度的隐私担忧。数据的透明性与目标性不足导致了学生的监控感受。
  • 一些学生表达对隐私问题的淡漠态度，认为“没有什么可隐藏”。然而，这种态度可能源于对权威的不对称适应而非真正的隐私意识缺乏。

• 局限性与未来方向:

  • 局限性：

    • 数据范围仅基于Canvas系统，可能无法涵盖其他LMS的隐私特性。
    • 样本规模较小，多为女性且未专注于弱势群体的独特隐私需求。
    • 半结构化访谈可能存在一定的主观性与参与者反应差异。

  • 未来方向：

    • 研究更多种类的共享信息（如在线考试数据），探索与现有信息不同的隐私担忧。
    • 验证隐私自主控制设计的可行性，例如应用隐私仪表板到LMS中。
    • 加深分析“没有什么可隐藏”的隐私态度背景及其对学生行为和隐私教育的启示。

总结

本文揭示了学习管理系统中数据共享对学生隐私产生的复杂影响，尤其是权力动态与监控感受对学生学习行为和师生关系的作用。通过加强透明度、设计隐私保护功能和政策支持，研究旨在缓解学生的隐私焦虑，并深化学生隐私自主权的实践。同时，文章指出这些问题和解决方案尚需更广泛的实证验证和理论建模，以优化LMS系统的设计和政策。