对美国高校FERPA学生目录政策实施及学生隐私偏好的调查

隐私设计与用户控制数据隐私感知与决策大学教授与研究人员隐私政策制定者

文献标题

An Investigation of US Universities’ Implementation of FERPA: Student Directory Policies and Student Privacy Preferences

文献信息

  • 主题领域: 学生隐私保护、教育数据管理、政策分析
  • 关键词: FERPA, 学生目录信息, 隐私保护, 数据共享, 高等教育, 政策实施, 学生权益, 选择退出, 数据透明性, 美国大学

研究背景与问题

  • 主要问题和挑战:

    1. 家庭教育权利和隐私法案(FERPA)自1974年制定以来,未能很好地适应数码时代的新技术变化,尤其是在学生记录数字化背景下带来的隐私风险。
    2. 目录信息(如学生的姓名、联系方式)被允许公开分享,而无需学生的明确同意,这可能导致隐私泄露或被滥用。
    3. 不同大学的目录信息共享和学生选择退出机制实施方式各异,影响学生的选择权。
  • 研究的重要性:

    • 随着数字化数据的广泛应用,学生隐私面临更大的侵害风险,包括网络骚扰、不良广告推送以及个人数据外泄。
    • 保护大学生的隐私权既是教育机构应尽的责任,也是法律伦理的重要体现。
  • 研究动机与相关工作:

    • 过去的研究多集中于FERPA如何应用于一般学生数据,而较少关注目录信息相关的隐私风险。
    • 此外,现有关于大学FERPA合规的研究大多未对目录信息共享实践及学生偏好进行深入探讨。

解决方案

  • 研究方法与解决方案:

    • 对全美前100所大学的目录信息共享实践进行了调查。
    • 使用调研问卷评估了991名大学生对目录政策的隐私偏好和对现有选择退出机制的意见。
  • 创新点:

    1. 综合分析大学目录信息共享的政策实践,将线上和线下信息共享方式相结合;
    2. 使用学生调查验证实际政策与用户偏好的契合度,提供学生决策行为的实证依据;
    3. 提供学生选项系统设计(如角色和情景基于选择控制)的比较研究。
  • 实施过程与技术:

    • 方法1: 搜索100个大学的公开学生目录,记录每所大学允许共享的数据类型及共享给谁。
    • 方法2: 向大学的注册办公室发送邮件请求更多政策细节,必要时提交信息自由请求(FOIA)。
    • 方法3: 发起大规模学生调查,随机分配16种场景并评估学生对数据共享及选择退出方式的接受度。

研究成果

  • 主要发现:

    1. 多数大学公开共享学生目录信息,但在信息共享范围和场景上差异显著:
      • 76所大学设有在线目录,其中32所对公众完全开放;
      • 97%的大学目录中包含个体识别信息,最常见的是学生的姓名和联系方式信息。
    2. 学生对当前的全局选项退出机制(FERPA Block)并不满意:
      • 40%的大学仅提供“全或无”的退出方式。
      • 学生更倾向于能够选择特定数据和特定共享场景的退出机制,如情景和角色基于访问控制(SBAC与RBAC)。
    3. 大学在通知条款中多强调退出的负面后果(如获取服务的限制),很少提及退出的隐私保护效益。
    4. 很多学校未透明地披露数据将与哪些方共享,这导致学生对数据处理方式的不信任。
  • 比较优势:

    • 提供了对顶尖大学数据共享实际实践的第一次全面调查;
    • 提炼了学生对隐私和功能效益平衡的具体需求;
    • 指出目前政策实施的漏洞及改进方向,帮助政府与大学制定更符合学生需求的隐私政策。
  • 建议与未来工作方向:

    1. 对政策制定者的建议:
      • 重审FERPA中的目录信息豁免条款,限制非必要数据共享。
      • 增加联邦隐私法案或延伸现有的法律保护,使之覆盖高等教育。
      • 提供更清晰、更详细的模板以帮助大学改进通知条款。
    2. 对大学的建议:
      • 提高透明度,明确告知学生数据共享的具体方。
      • 通过细分角色的选择机制(RBAC)或情境控制机制(SBAC),为学生提供更灵活的选择方式。
      • 减少退出机制带来的负面功能影响,例如确保退出后依旧能够接收重要信息。
  • 局限性:

    • 调查重点集中于资源优越的顶尖大学,结果可能不适用于资源有限的院校。
    • 学生问卷基于假定场景,可能与现实行为存在偏差。

综上,本文对当前大学目录信息共享的政策措施进行了全面的审查,并提供了基于学生偏好的具体改善建议;这些成果为未来隐私相关政策的改进提供了重要参考。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/146893/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3613904.3642066
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
隐私设计与用户控制、数据隐私感知与决策
work
职业/产业
大学教授与研究人员、隐私政策制定者
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文