大數(shù)據(jù)應(yīng)用于教育管理的局限及其克服

王英

摘要大數(shù)據(jù)應(yīng)用于教育管理是大勢所趨，但是要注意大數(shù)據(jù)應(yīng)用的局限。局限一般體現(xiàn)在兩個方面，一是與隱私保護相沖突，表現(xiàn)為數(shù)據(jù)過度收集、數(shù)據(jù)泄露、二級使用的風(fēng)險；二是算法導(dǎo)致的不公平，表現(xiàn)為算法結(jié)果的全面性不足及算法偏見?？朔脑瓌t是以維護數(shù)據(jù)主體的利益為抓手。針對隱私保護，克服局限的辦法之一是法律規(guī)定教育管理者使用數(shù)據(jù)的責(zé)任，辦法之二是提高數(shù)據(jù)主體的法律地位。針對算法導(dǎo)致的不公平，克服算法的全面性不足，需要人為干預(yù)與算法結(jié)果相結(jié)合，克服算法偏見，則與隱私保護類似，需要規(guī)定教育管理者的強制性義務(wù)以及賦予數(shù)據(jù)主體相應(yīng)的權(quán)利。

關(guān)鍵詞 大數(shù)據(jù) 教育管理 隱私算法

中圖分類號：G647文獻標(biāo)識碼：ADOI：10.16400/j.cnki.kjdk.2021.22.002

The Limitation of Big DataApplied in Education Management and Its Overcoming

——Focus on Data Subject

WANG Ying

（School of Environmental Science and Engineering， Shandong University， Jinan， Shandong 250100）

AbstractThe application of big data in education management is the general trend， but we should pay attention to the limitations of big data application. The limitations are generally reflected in two aspects： one is the conflict with privacy protection， which shows the risk of excessive data collection， data leakage and secondary use； the other is the unfairness caused by algorithm， which shows the insufficient comprehensiveness of algorithm results and algorithm bias. The principle to overcome is to protect the interests of data subjects. For privacy protection， one of the ways to overcome the limitations is to stipulate the responsibility of educational administrators to use data by law. The second way is to improve the legal status of data subject. Aiming at the unfairness caused by the algorithm， overcoming the lack of comprehensiveness of the algorithm requires the combination of human intervention and algorithm results， and overcoming the algorithm bias， which is similar to privacy protection. It needs to stipulate the compulsory obligations of education administrators and give the corresponding rights to the data subject.

Keywordsbig data； education management； privacy； algorithm

1問題的提出

計算機技術(shù)和互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展迎來了大數(shù)據(jù)時代。在過去，只有重要人物的行為軌跡才會得到記錄，數(shù)據(jù)的記錄和使用無法擴展為全社會的普及應(yīng)用。現(xiàn)在計算機技術(shù)和互聯(lián)網(wǎng)技術(shù)提供了這樣的機會：每個個體的行為軌跡被記錄和分析，數(shù)據(jù)量急劇膨脹，大數(shù)據(jù)分析可望帶來更為精準(zhǔn)的預(yù)測和決策。欣欣向榮的大數(shù)據(jù)開始應(yīng)用到人類生活的各個方面，尤其是商業(yè)和公共管理。在教育管理方面，樂觀的倡導(dǎo)者不斷地描繪大數(shù)據(jù)應(yīng)用的美好前景，目前也出現(xiàn)了初步的應(yīng)用。然而在大規(guī)模應(yīng)用之前，審慎地認識大數(shù)據(jù)應(yīng)用的局限是必要的。原因有二，一是教育本身的重要性，這是關(guān)系國計民生、民族未來的大事，不可馬虎；二是教育管理是公共管理的一部分，委托——代理的問題始終存在并且不好克服，某種措施一旦推行開來，往往不能及時地、有效地止損。鑒于以上的原因，一開始就要做好追根溯源、清醒評估的工作。

一般來說，一切皆可量化，萬物皆可貢獻數(shù)據(jù)，大數(shù)據(jù)應(yīng)該包括物聯(lián)網(wǎng)記錄的數(shù)據(jù)，比如存貨數(shù)量、機器性能、石油儲備、電力供應(yīng)等等。但是本文論述的是教育管理，教育的目的是培養(yǎng)完善而有能力的個人，所以本文涉及的大數(shù)據(jù)僅僅指個人數(shù)據(jù)，也就是數(shù)據(jù)主體——每個活生生的個人任何被記錄和分析的信息。即便縮小了范圍，個人數(shù)據(jù)的規(guī)模也足以稱得上是大數(shù)據(jù)，具備大數(shù)據(jù)的四個特征。這四個特征是數(shù)據(jù)的規(guī)模極大，收集、使用和傳播的速度極快，數(shù)據(jù)種類極多，數(shù)據(jù)的價值極高。大數(shù)據(jù)可以應(yīng)用到教育管理的各個方面，包括教育行政管理和學(xué)校管理，其精準(zhǔn)的預(yù)測可以輔助教育行政部門、學(xué)校行政和教學(xué)部門的決策。

然而大數(shù)據(jù)不是萬能的。大數(shù)據(jù)的收集過程涉及個人隱私，其風(fēng)險不容低估，另外，大數(shù)據(jù)可以說明一些問題，但是很可能掩蓋了另一些不能被數(shù)據(jù)記錄和分析的重要問題。首先，大數(shù)據(jù)的收集與隱私保護在某種程度上是相背離的，如果不能很好地平衡這兩者，反而會觸發(fā)數(shù)據(jù)主體的反感，他們會抵觸和逃避數(shù)據(jù)收集，或者故意釋放虛假的個人信息，使得大數(shù)據(jù)無法建立在合法而有效的基礎(chǔ)上。其次，大數(shù)據(jù)的運作依賴于算法，如果算法不透明或者管理者迷信算法，結(jié)果很可能導(dǎo)致對數(shù)據(jù)主體的不公平。總之，如果忽視了大數(shù)據(jù)的局限，則無法實現(xiàn)大數(shù)據(jù)應(yīng)用于教育管理的初衷。下面就大數(shù)據(jù)應(yīng)用于教育管理的局限展開具體分析，并給出相應(yīng)的對策。

2大數(shù)據(jù)應(yīng)用于教育管理的局限

大數(shù)據(jù)應(yīng)用于教育管理是大勢所趨。在過去，教育管理主要是行政化管理，依靠專業(yè)人士的經(jīng)驗進行決策，這是信息稀缺的約束下有效率的選擇。大數(shù)據(jù)的應(yīng)用使得決策更加科學(xué)，教育管理從行政化管理走向服務(wù)型管理，專業(yè)人士的經(jīng)驗決策走向以數(shù)據(jù)為基礎(chǔ)的決策。教育管理變革的趨向體現(xiàn)在以下五個特征：及時性、前瞻性、個性化、整合性、權(quán)變性。這無疑將極大提升教育管理的效率。但是以上大數(shù)據(jù)應(yīng)用的藍圖并不全面，大數(shù)據(jù)自有其局限，在教育管理領(lǐng)域表現(xiàn)得更加明顯。數(shù)據(jù)主體——主要是教師和學(xué)生，他們真的歡迎大數(shù)據(jù)應(yīng)用嗎？他們發(fā)出疑問：大數(shù)據(jù)應(yīng)用是不是僅僅有利于教育管理者的方便，而并非為了受教育者的利益？這是目前大數(shù)據(jù)在商業(yè)領(lǐng)域得到大量的應(yīng)用、在教育管理領(lǐng)域只能緩慢展開的重要原因之一。具體來說，大數(shù)據(jù)應(yīng)用存在固有的兩個局限，教育管理者對此不能忽視。

2.1與隱私保護相沖突

大數(shù)據(jù)必須先被大規(guī)模收集，然后才能談到應(yīng)用，但是在收集過程中不可避免地要涉及個人隱私。數(shù)據(jù)主體——教師和學(xué)生的個人信息被詳細地記錄，包括姓名、性別、年齡、身高、體重、家庭成員數(shù)量、住址，他們的校內(nèi)行動軌跡在管理者面前一覽無遺，甚至他們校外的生活也被記錄，包括位置信息、瀏覽互聯(lián)網(wǎng)的網(wǎng)址和時間、社交媒體的使用情況等等。當(dāng)然，倡導(dǎo)者認為這是必要的，如果不了解一個一年級小學(xué)生的飲食情況，怎么能為他制定合理的營養(yǎng)攝入計劃呢？如果不能掌握一個高中生的在線瀏覽內(nèi)容，怎么能制止他瀏覽不健康的網(wǎng)站？怎么能為他提供合理的學(xué)習(xí)建議呢？但是這些個人數(shù)據(jù)的收集帶來了深遠的風(fēng)險。

首先是數(shù)據(jù)過度收集的風(fēng)險。在教育系統(tǒng)內(nèi)，教育管理者與數(shù)據(jù)主體——教師、學(xué)生的地位是不對等的，教師、學(xué)生相對于教育管理者處于弱勢地位，而且學(xué)生相對于教師又處于弱勢地位。盡管教師和學(xué)生對于數(shù)據(jù)收集享有知情權(quán)、同意權(quán)，但是征求他們的許可往往流于形式。在商業(yè)領(lǐng)域，消費者不滿意一個APP提供者的數(shù)據(jù)收集可以換一個APP，但是一個教師和學(xué)生是不可能輕易換學(xué)校的。一旦教育管理者過度收集數(shù)據(jù)，事實上他們也有這樣的傾向，教師和學(xué)生不可能質(zhì)疑和反對教育管理者的做法。

其次是數(shù)據(jù)泄露的風(fēng)險。一個私下里用功的孩子也許不愿意讓人知道他每天放學(xué)后上三個小時的網(wǎng)課，以前他可以裝作輕松地取得好成績，而現(xiàn)在他至少在一部分人那里無法隱瞞了。更糟糕的情況是個人信息也許會被泄露給潛在的犯罪人，可能引發(fā)身份冒用、財產(chǎn)欺詐、恐嚇勒索這樣的風(fēng)險，2016年發(fā)生的徐玉玉電信詐騙案就是典型的例子。同時，教師群體對數(shù)據(jù)泄露的恐懼會導(dǎo)致他們的緊張情緒，這對學(xué)生的教育肯定是不利的。

再次是數(shù)據(jù)二級使用的風(fēng)險。數(shù)據(jù)的價值很大程度上體現(xiàn)在二級使用上，但是在收集信息時很難對具體的二級使用用途做出明確的提示。教育過程中的信息具有非常豐富的二級使用價值，它體現(xiàn)了一個人真實的學(xué)習(xí)能力。按照斯賓塞的說法，教育（尤其是大學(xué)教育）其實是一個甄別過程，它把那些不善于學(xué)習(xí)的人甄別出去，以此向雇主傳遞信號。那么教育大數(shù)據(jù)則部分替代了這個甄別手段，它記錄了一個學(xué)生從小到大的受教育信息，它就是更直接的證據(jù)，充分說明了這個學(xué)生的學(xué)習(xí)能力。如果雇主得到這樣的數(shù)據(jù)，它會輕而易舉地淘汰掉那些學(xué)習(xí)能力不強的求職者。鑒于這樣的前景，一個小學(xué)生也許就會被教導(dǎo)每天花三個小時在線瀏覽與教育有關(guān)的內(nèi)容，盡管他只是一邊打游戲、一邊任由平板電腦播放網(wǎng)課而已。這樣虛假的數(shù)據(jù)往往導(dǎo)致教育管理者做出錯誤的決策。

2.2算法導(dǎo)致的不公平

收集的大數(shù)據(jù)往往要依靠某種算法來獲取有參考價值的結(jié)果，這是大數(shù)據(jù)應(yīng)用的通常路徑。作為基礎(chǔ)的數(shù)據(jù)和進行大數(shù)據(jù)分析的算法都往往被鎖在一個黑箱中，以至于當(dāng)數(shù)據(jù)主體質(zhì)疑其公平性的時候，教育管理者能借口這是自動化決策的結(jié)果，從而能為其決策的客觀性辯護。然而細究一下，數(shù)據(jù)和算法的客觀性只是表面現(xiàn)象，其同樣容易出現(xiàn)經(jīng)驗判斷導(dǎo)致的不公平。

首先，數(shù)據(jù)的全面性不足。有些事物適合于數(shù)據(jù)收集，而另外一些事物不適合于數(shù)據(jù)收集，不能說后者就不重要。如果輸入的數(shù)據(jù)不全面的話，也不能相信其算法結(jié)果的全面性。比如教師業(yè)績的評估算法，教師和學(xué)生之間交流的時長是適合于收集的數(shù)據(jù)，教師和學(xué)生之間交流的情感滲入則不是適合于收集的數(shù)據(jù)，甚至是無法收集的。實際上，教師和學(xué)生之間交流的質(zhì)量是至關(guān)重要的，情感的作用遠遠超過時長。尤其對于低年級的學(xué)生而言，教師常常扮演家長的角色，充滿愛心的情感教育遠遠超過了單純的說教，這樣的情感體驗可能是受益終生的。然而情感不能反映在數(shù)據(jù)上，結(jié)果很可能是投入情感的反而比不上投入時長的老師，出現(xiàn)“劣幣驅(qū)逐良幣”的結(jié)果。

其次，算法的設(shè)計會出現(xiàn)偏見。在中國，算法設(shè)計很可能過分傾向于學(xué)生成績，給予學(xué)生成績過高的權(quán)重，對于教師業(yè)績的評估以學(xué)生成績?yōu)橹鳌Ｆ渌幕A(chǔ)數(shù)據(jù)，比如學(xué)生學(xué)習(xí)時長，也與學(xué)生成績有較為密切的關(guān)系，對于學(xué)生的德育和美育，則給予較低的權(quán)重。這固然呼應(yīng)了家長的需求，但是結(jié)果促進了教育內(nèi)卷，不利于學(xué)生的全面發(fā)展，不符合教育的目的。

3維護數(shù)據(jù)主體的利益，克服教育管理的數(shù)據(jù)局限

以上列舉的大數(shù)據(jù)應(yīng)用于教育管理的局限，所幸是可以通過人為的糾偏措施給予克服。這些局限看起來是一團亂麻，需要一個貫穿全局的抓手，以此來規(guī)劃克服數(shù)據(jù)局限的解決辦法。這個抓手就是維護數(shù)據(jù)主體的利益。

3.1堅持數(shù)據(jù)主體的利益

數(shù)據(jù)主體主要是教師和學(xué)生。教師從事教育工作，基于教育的職責(zé)貢獻某些個人信息，學(xué)生則是受教育的對象，絕大部分學(xué)生愿意貢獻個人信息，以便獲得更好的教育，這就像消費者交出個人信息以便獲得更好的智能推送服務(wù)一樣。數(shù)據(jù)主體是數(shù)據(jù)之源，他們應(yīng)當(dāng)獲得權(quán)利來維護他們的利益。一方面，教師和學(xué)生享有法律規(guī)定的個人信息權(quán)利，包括同意權(quán)、知情權(quán)、查閱復(fù)制權(quán)、更正權(quán)、刪除權(quán)、保密權(quán)；另一方面，教師和學(xué)生有權(quán)獲得教育管理者的保證：教育管理者處理個人信息是為了服務(wù)于數(shù)據(jù)主體，除此之外別無他求。

3.2克服隱私保護的局限

數(shù)據(jù)主體貢獻數(shù)據(jù)，數(shù)據(jù)使用者也就是教育管理者處理數(shù)據(jù)，數(shù)據(jù)主體不能控制教育管理者如何處理數(shù)據(jù)，二者中間存在著巨大的權(quán)力、信息的鴻溝。如何將數(shù)據(jù)過度收集、數(shù)據(jù)泄露、二級使用的風(fēng)險降低到最小？辦法之一是法律規(guī)定教育管理者使用數(shù)據(jù)的責(zé)任，如果教育管理者不能達到法律規(guī)定的標(biāo)準(zhǔn)，則由上級主管部門進行罰款等其他行政處罰，情節(jié)嚴重甚至可以對主要責(zé)任人追究刑事責(zé)任。這是外部管理者實施監(jiān)督的辦法。辦法之二是法律抬高數(shù)據(jù)主體的地位，使之能夠監(jiān)督教育管理者處理數(shù)據(jù)的活動，如果教育管理者不能依照法律行事，數(shù)據(jù)主體有權(quán)向法院起訴，要求教育管理者停止某些特定的行為——比如違規(guī)使用數(shù)據(jù)，并且賠償損失。這是利益相關(guān)者親自采取行動的辦法。

具體來說，針對數(shù)據(jù)過度收集的風(fēng)險，最有效的是辦法之一，也就是法律直接規(guī)定教育管理者收集個人數(shù)據(jù)的范圍，然后由外部監(jiān)督者判斷數(shù)據(jù)收集范圍是否合規(guī)。教育管理者收集數(shù)據(jù)遵循必要原則，收集的個人數(shù)據(jù)范圍應(yīng)當(dāng)與使用用途相適應(yīng)，不得超越使用用途過度收集個人數(shù)據(jù)。教育部可以下發(fā)統(tǒng)一的信息收集標(biāo)準(zhǔn)，給出信息收集指南，避免出現(xiàn)了收集的個人數(shù)據(jù)超出了必要范圍的情況。比如按照特定目的處理數(shù)據(jù)，小學(xué)生不能完全自主的學(xué)習(xí)，社交存在一定的危險，可以對他們收集較多的信息，大學(xué)生的自主學(xué)習(xí)的能力較強，對社交隱私的保護需求強烈，收集信息的范圍就要縮小。

針對數(shù)據(jù)泄露和二級使用的風(fēng)險。首先，法律直接規(guī)定教育管理者數(shù)據(jù)泄露和違規(guī)二級使用的責(zé)任，教育管理者必須采取技術(shù)措施和其他必要措施（比如每個單位都必須設(shè)置數(shù)據(jù)專員），確保其收集的個人數(shù)據(jù)安全，一旦發(fā)生泄露或者違規(guī)二級使用，責(zé)任人將承擔(dān)嚴厲的行政責(zé)任直至刑事責(zé)任，以此讓教師和學(xué)生放心。其次，通過民事法律賦予數(shù)據(jù)主體的數(shù)據(jù)權(quán)利：教師和學(xué)生有權(quán)查閱、復(fù)制、更正、刪除與自身有關(guān)的數(shù)據(jù)，如果教育管理者不能滿足教師和學(xué)生的要求，教師和學(xué)生可以訴請法院保護他們的數(shù)據(jù)權(quán)利。如此一來，教師和學(xué)生行使數(shù)據(jù)權(quán)利既保護了自身的利益，又有助于監(jiān)督教育管理者數(shù)據(jù)處理的行為，降低數(shù)據(jù)泄露和二級使用的風(fēng)險。

3.3克服算法導(dǎo)致的不公平

算法不能說明一切問題，尤其可能掩蓋重要的問題。這就需要人為干預(yù)與算法結(jié)果相結(jié)合。首先，教育管理者可以輔之以其他的干預(yù)措施，比如上一章提到的情感教育問題，教育管理者可以下發(fā)學(xué)生調(diào)查問卷，或者與受教育的學(xué)生訪談，掌握學(xué)生與教師交流的第一手情況。教育管理者將調(diào)查得到結(jié)果與算法結(jié)果相對照，如果出現(xiàn)較大差異再進行復(fù)查，不能完全相信算法結(jié)果，畢竟輸入的數(shù)據(jù)不能涵蓋做出合理判斷所需要的全部信息。其次，設(shè)定相應(yīng)的復(fù)議程序，賦予被評估的對象——教師和學(xué)生有質(zhì)疑和反對算法結(jié)果的權(quán)利，允許教師和學(xué)生申辯和推翻算法結(jié)果?？傊逃芾碚卟荒苊孕潘惴ńY(jié)果，應(yīng)當(dāng)審慎的評估算法結(jié)果的有效性。

克服算法偏見有兩種辦法，與克服隱私保護局限的辦法類似。第一種是規(guī)定教育管理者的強制性義務(wù)，比如教育管理者使用特定的算法處理數(shù)據(jù)，必須事先由數(shù)據(jù)專家對算法進行審計，對算法的使用過程進行監(jiān)控，以便保證算法的公平。如果教育管理者敷衍了事，則由上級主管部門給予某種懲罰，并責(zé)令改正。第二種則是法律賦予數(shù)據(jù)主體相應(yīng)的權(quán)利，比如數(shù)據(jù)主體有權(quán)要求教育管理者公開數(shù)據(jù)和算法，有權(quán)要求教育管理者解釋算法的設(shè)計，這樣的權(quán)利具有可訴性，數(shù)據(jù)主體有權(quán)向法院起訴，要求教育管理者改變算法的設(shè)計，并且承擔(dān)消除影響、恢復(fù)名譽、賠禮道歉、損害賠償?shù)拿袷仑?zé)任。當(dāng)然，數(shù)據(jù)管理者也可以向教育管理者的上級主管部門投訴?？傊瑥耐獠康絻?nèi)部給予教育管理者雙重的監(jiān)督。

4結(jié)語

現(xiàn)代教育的目標(biāo)是培養(yǎng)完善的、有能力的個人，基于大數(shù)據(jù)的教育管理應(yīng)當(dāng)致力于實現(xiàn)這個目標(biāo)，而不是僅僅滿足于數(shù)據(jù)的漂亮。這就需要數(shù)據(jù)主體——教師和學(xué)生理解和支持大數(shù)據(jù)的應(yīng)用。要想獲得數(shù)據(jù)主體的合作，就要克服大數(shù)據(jù)應(yīng)用于教育管理的固有局限，滿足教師和學(xué)生對于隱私保護的需要，消除數(shù)據(jù)泄露和不正當(dāng)獲取、使用的風(fēng)險，消除算法帶來的不公平和偏見。無論如何，大數(shù)據(jù)應(yīng)用于教育管理將有效地提升教育活動的效率，基于大數(shù)據(jù)的教育管理獲得了越來越多的關(guān)注。如果方法、措施得當(dāng)，未來的教育管理有望迎來一個新的時代，一個數(shù)據(jù)化與人性化相互滲透、相互結(jié)合的時代。

參考文獻

[1]莫里斯E.斯圖克，艾倫P.格魯內(nèi)斯.大數(shù)據(jù)與競爭政策[M].北京：法律出版社，2019：17-33.

[2]維克托邁爾-舍恩伯格，肯尼思·庫克耶.大數(shù)據(jù)時代[M].杭州：浙江人民出版社，2013：220-230.

[3]周湘林.大數(shù)據(jù)時代的教育管理變革[J].中國教育學(xué)刊，2014（10）： 25-30.

[4]杜鑫.每個詐騙案背后都有一本個人信息泄露的“糊涂賬”[N].工人日報，2017-3-5（004）.