[论文解读] Students' Information Privacy Concerns in Learning Analytics: Towards a Model Development

Chantal Mutimukwe, Jean Damascene Twizeyimana+1 more|arXiv (Cornell University)|Aug 31, 2021

Privacy, Security, and Data Protection参考文献 41被引用 5

一句话总结

本文提出一个理论模型，解释高等教育学习分析（LA）情境中学生的个人信息隐私担忧（IPC）问题，聚焦于感知隐私脆弱性和控制感作为前因变量，及其对信任信念和自我披露行为的影响。本研究构建了一个概念框架，以指导数据驱动教育环境中的隐私实践。

ABSTRACT

The widespread interest in learning analytics (LA) is associated with increased availability of and access to student data where students' actions are monitored, collected, stored and analysed. The availability and analysis of such data is argued to be crucial for improved learning and teaching. Yet, these data can be exposed to misuse, for example to be used for commercial purposes, consequently, resulting in information privacy concerns (IPC) of students who are the key stakeholders and data subjects in the LA context. The main objective of this study is to propose a theoretical model to understand the IPC of students in relation to LA. We explore the IPC as a central construct between its two antecedents: perceived privacy vulnerability and perceived privacy control, and its consequences, trusting beliefs and self-disclosure behavior. Although these relationships have been investigated in other contexts, this study aims to offer mainly theoretical insights on how these relationships may be shaped in the context of LA in higher education. Understanding students' IPC, the related root causes and consequences in LA is the key step to a more comprehensive understanding of privacy issues and the development of effective privacy practices that would protect students' privacy in the evolving setting of data-driven higher education.

研究动机与目标

• 理解学生在学习分析（LA）情境中个人信息隐私担忧（IPC）的根本原因。
• 考察感知隐私脆弱性和感知隐私控制如何影响学生群体的IPC。
• 研究IPC的后果，特别是其对学生信任信念和自我披露行为的影响。
• 构建一个理论模型，以解释高等教育学习分析环境中隐私前因、IPC与行为结果之间的相互作用。
• 支持在数据驱动教育环境中设计有效的隐私保护实践。

提出的方法

• 本研究采用基于隐私文献与社会心理学概念的理论建模方法。
• 将感知隐私脆弱性和感知隐私控制整合为IPC的关键前因变量。
• 将信任信念和自我披露行为定位为IPC的关键后果。
• 理论关系源自既有的隐私框架，并针对高等教育学习分析情境进行专门调整。
• 该模型通过概念综合构建，而非基于实证数据收集或统计分析。
• 该框架旨在为未来实证验证与教育数据隐私政策制定提供指导。

实验结果

研究问题

• RQ1 感知隐私脆弱性和感知隐私控制如何影响学生在学习分析情境中的个人信息隐私担忧？
• RQ2 学生隐私担忧与其对学习分析系统信任信念水平之间存在何种关系？
• RQ3 隐私担忧如何影响学生在教育情境中对个人数据的自我披露行为？
• RQ4 在高等教育学习分析环境中，哪些理论机制可解释隐私前因、IPC与行为结果之间的关联？
• RQ5 如何构建一个概念模型，以指导数据驱动学习环境中隐私敏感的设计与政策制定？

主要发现

• 感知隐私脆弱性显著提升学生在学习分析情境中的个人信息隐私担忧。
• 感知隐私控制具有调节作用，当学生感到能够管理其数据时，可减轻脆弱性对IPC的影响。
• IPC水平越高，学生对学习分析系统的信任信念水平越低。
• 隐私担忧强烈的学生成为教育环境中自我披露个人数据的可能性更低。
• 所提出的理论模型清晰揭示了从隐私前因到行为结果的传导路径，凸显了干预的关键作用点。
• 该模型为未来实证研究与政策制定奠定了基础，有助于提升高等教育数据生态系统中的隐私保护水平。