| 标题 | 数据伦理问题引发的数据伦理教育思考 |
| 范文 | 张娟 摘? ? 要： 数据伦理是数据素养的主要组成要素，是衡量个体数据素养水平的重要标准。教师的数据伦理水平，不仅影响自身的科学研究水平和教育教学工作，还对受教育者的数据伦理培养产生直接影响。综合国内外数据伦理相关研究成果、文献资讯，分析现有数据伦理及相关内涵，发现当前大数据环境下数据伦理问题已经凸显，数据伦理教育愈显重要。本文结合数据伦理多维度角度，为教师数据伦理的研究、评价和教育工作，提供理论参考。 关键词： 数据伦理? ? 数据素养? ? 教育? ? 大数据环境 1.背景 科学技术的飞速发展，推动了信息科技与教育技术、教育理念的飞速融合，带动了教育信息环境的全面变革，特别是近年来移动教育、在线教育不断促进传统教育模式的转型发展，教育活动逐渐呈现出过程可量化、模式个性化、管理决策精准化、评价多元化及发展均衡化的趋势[1]（5-12），2017年新媒体联盟发布的《中国高等教育技术展望地平线区域报告》指出，如何提升个体素养将成为未来教育中必须应对的问题，应对的关键措施之一就在于基于教育大数据的教师能力重构与角色重塑，对教师数据伦理教育的研究应成为重点之一[2]。 2.大数据环境下数据伦理问题凸显 大数据环境下，各种数据呈现出飞速增长的态势，这种“数据现象”是科学研究和技术发展的必然趋势，得益于各种设施设备性能的提升，个体数据收集、分析能力得到了增强，造成了技术与科学研究方面的数据监管难题，使数据伦理问题成为社会发展必须重视和解决的问题。面向大数据的数据伦理研究侧重于基于数据源的伦理道德问题，以个体的隐私与信息安全为出发点，涉及网络信息传播中的谣言、虚假广告、诈骗等非道德问题。由于数据的有序性和逻辑性与现实环境的相对无序性和隨意性导致大数据并不是万能的，只能实现数据的相对既关联又独立。数据伦理涉及的范畴更广泛，不仅仅是产生于大数据领域，还包括数据素养教育涉及的数据意识、数据利用、数据分析等多个环节上，是基于个体素养教育引发的关于数据规范采集、应用、传递和决策范畴的整体，所以网络环境催生了大数据伦理问题的研究，使社会个体素养教育需求成为提升数据伦理教育的重要基础。 个体的数据素养水平高低是关乎其能否有效适应大数据环境、运用大数据及发掘大数据潜在价值并应用于分析决策的重要因素。数据伦理的价值与作用就在于个体能否在数据分析、传递、转换、应用与决策过程中自觉遵守相应的数据应用与分析规范，在允许的应用范畴内合理合法地传递和使用数据和进行数据分析决策。所以，数据伦理教育是数据素养教育的基本范畴，也是影响个体数据素养教育效果的重要元素。 3.数据伦理相关述评 3.1数据伦理释义 数据伦理是数据素养的准则，通常与道德一起，被表述为数据伦理道德。有研究远程教育的学者将数据伦理与数据意识结合起来定义为数据文化素养，具体阐述为“对数据价值认知的敏锐度，以及对数据安全、隐私保护、数据合理合法使用和数据交换规则的认知水平”[3]（62-68）（78）。也有学者将数据伦理与数据意识联合起来，将数据伦理界定在个体意识范畴，即个体拥有对应的数据伦理道德意识，表现为个体在整个数据生命周期中都遵守基本的数据道德规范[4]（38-46）。或将数据伦理与数据规范联合起来进行描述，组成数据素养水平的主要判别因素之一，解释为个体运用数据思维收集、分析、使用、传播数据信息的能力及在此过程中体现出来的数据伦理和数据规范，其中数据伦理是指在使用传播数据过程中能够遵守基本的价值规范和道德伦理，即在数据使用过程中，使用本身不损害任何个人和组织的利益，不侵犯他人的隐私，避免对数据的误用和错误表达等给任何组织和个人造成任何损失（经济、名誉等方面）的意识与行为。数据规范是指社会主体在数据使用各环节中应该遵守的法律法规和政策规范，是提升数据素养的他律因素，这种数据规范主要在大数据环境下阐述，主要表现形式是各级各类法律法规和政策规范。这两者在一定程度上具有交叉性，并不能完全区分界定[5]（50-56）。所以，释义的多样性造成了相关研究中对于数据伦理测度的差异。 3.2数据素养与数据伦理 数据意识[6]（11-16），数据伦理[7]，获取、使用、评价数据的能力[8]（30-37）及管理和贡献数据的能力和意识[9]等构成了衡量个体数据素养的主要因素，这也是大多数研究者提到的数据素养的主要因素，在此基础上细化出数据知识、数据态度、数据批判、数据转化等要素，并且能在数据生命周期中客观、批判性地认识数据并规范地处理、分析、利用数据且遵守数据伦理与道德，是大多数数据素养研究者的共识[10]]（9-11）。David H.在Data Literacy：A Users Guide中指出，数据素养是对数据的确认、获取、评价、整理、分析和可视化过程中体现出的个体素养，数据伦理则是整个数据处理过程中个体对数据规则、道德的遵守[11]（14-19）（34）。这种共识在对科研数据认知方面尤为明显，具体表现为“在数据操作过程中遵守的原则和规范，主要体现科研人员的道德素质与行为规范”，也有少数研究者将教师的数据伦理、数据意识归入数据意识范畴，并未单独表述数据伦理[12]（109-116）。或将数据伦理结合个体态度进行解释，如数据态度，指个体对待数据的心理反应倾向，主要包括主观能动性方面的内容，对数据价值和数据伦理方面的内容，是道德观和价值观的表现[13]（58-63）。 3.3数据伦理测度方式 具体测度方式可以从三个方面描述：遵守数据政策、执行数据引用规则（使用范围等）、具有学科规范（分学科的数据伦理问题，如生物学）。具体表现为：个体在法律和道德允许的范围内获取和使用数据[14]（120-128）;尊重他人的数据，使用时能够注明出处（能够制作准确的书目数据引文表[15]（525-540），对数据知识产权具有正确认识;包括在收集、使用数据过程中能够遵守行业或研究领域内的特定数据处理规范。也有学者将数据伦理描述为数据诚信，包含重复利用数据的意识与信心，对科研数据和数据共享的态度，以及遵守与信息、数据相关的版权法的要求[16]（96-102）。以教师为例，具有良好的数据伦理意识具体表现为在数据处理、应用、转换、分享和决策的过程中对于相关的法律法规及数据来源和数据样本的基本隐私和数据利用的基本准则的尊重和严格执行;既要在国家、教育机构、社会群体、个体的监督和道德法度的允许下进行数据利用，又要对社会上出现的教育数据利用行为进行监督，坚决抵制违规、违法和不道德的数据利用行为，保障数据权益人和数据来源、数据样本的正当权益。 4.数据伦理教育现实思考 数字技术的不断发展，促进了各种科学研究对于数据的应用与分享，使得数据的采集、处理、共享变得更加便利，然而数据运用过程中涉及的数据伦理问题常常由于相关研究的隐蔽性与利益关系而被忽视，这种现象在大数据环境下显得较为明显[17]（303-341）。对个体数据伦理意识的培养应当优先于对数据能力、数据意识的培养，数据伦理和道德教育必须被放在优先的位置，这是开展一切数据活动的准则[18]，然而有研究指出，目前即使是硕士研究生也存在很大一部分对数据伦理问题不了解，具体表现为忽视数据引用规则、数据传递和分享不规范等因素[19]，然而除针对个体的数据伦理教育的不足外，以下几个方面也是目前数据伦理教育实践中的现实情况。 4.1语境、场景信息缺失 数据集往往是在一段时间或某个场景下对样本进行观察、测验才能形成的，但由于在数据采集过程中语境、场景常常被简单地剥离，所以数据通常不包括它所产生的社会背景信息[20]（465-482），因此单对数据本身进行研究会造成因语境、场景信息剥离而造成数据释义偏离[21]（405-411）。所以，个体必须清楚地认识到数据只是以特定方式收集和解释、描述某一特征事实、特征现象、特征事物的方法，它的重点和功能仅仅在于记录特定的问题、现象或表述特殊事实，在进行数据相关操作或分析时需要充分认识它们的语境和产生场景。所以不论是事实分析还是假设研究，用于数据收集的方式方法、处理过程与工具、样本筛选方法、决策模型选择不当等都易使分析结果形成数据背景缺失，从而造成数据伦理问题，所以数据的有效性需要依托一定的场景或环境，即通过结合数据的“上下文”或场景解释数据的含义。对于教师而言，认识到这一点尤为重要，不同的场景会对学生的数据分析造成差异性影响，影响数据所能真实表达的含义。 4.2数据“敏感”不够 数据伦理是进行一切科研活动的准则，是指在数据的获取和利用过程中，要树立法制观念，在不断提高数据评判能力的基础上，合理合法使用数据资源。然而，在实际的科学研究特别是教育研究过程中，数据来源的多样化、非规范化常常使部分未处理和“未脱敏”的数据得以在网络上匿名甚至公然传播，这都是部分数据伦理不高的个体导致的社会问题[22]（91-92）。所以，近年来期刊论文中出现的数据论文正是对数据伦理道德中的数据脱敏、数据合法发布和分享等问题的有效尝试。通过对已有文献的汇总分析，结合数据各相关主体，如数据所有者、数据样本、数据共享者及其他利益相关者，有关数据“脱敏”总共涉及以下几个方面：知情同意，隐私（包括匿名性和数据保护要求），所有权，主体对数据的认识论和客观性，大数据造成的“数字鸿沟”。随着数据伦理问题的不断深入，数据伦理还将面临如下考验：基于利益的源于非所有权主体的使用风险，个体主观认识能力不足或偏差对数据运用方式、范围的影响，“学术研究”和“商业利用”的嵌套造成使用目的难以有效区分，衍生数据、衍生知识的所有权与伦理问题。这些都是数据伦理可能涉及的一些问题，需要个体通过案例学习，分析、理解多元文化信息社会、复杂网络环境对数据伦理的挑战[23]（28-36）（101）。 4.3隐性伦理问题监督有待加强 通过数据伦理教育防止数据道德问题的技术手段倾向于关注个人，却忽视对隐性伦理问题的监督。当前，数据保护立法和脱敏技术不能杜绝个体在后续分析中探寻匿名数据集背后隐含的数据来源主体的隐私。对于教师来讲，既是数据采集者又是数据利用监管者的双重身份容易造成隐性的道德与认知问题，即数据脱敏失效。虽然利用系统权限或更为先进的分析方法（采用“伦理护理”将特定的研究或假设置于“禁区”是避免数据伦理问题的解决方案之一）来避免非道德的数据利用行为的出现，能够一定程度上避免数据伦理问题但是无法避免个体对于数据的主观判断产生对数据的认知偏向。所以，目前加强针对个体的隐性伦理道德的监督还是一个难题[24]。 4.4数据分析动机缺乏重视 数据利用的目的性，可以视其未来用途和可能的使用方向划分为“学术”和“商业”目的，以进一步辨别数据分析利用主体可能对数据的潜在用途造成的影响。以医药卫生研究领域为例，部分研究并未告知用户其所收集的数据的最终用途是基于学术或商业目的[25]（856-859），但运用于学术与运用于商业目的会对数据采集行为及最终形成的数据集的审查形成一定的观念性的影响，从而对管理和审查人员产生不一样的概念并影响判断标准[26]（1-11）。虽然“学术”和“商业”不能绝对区分，却可以对评判结果产生必要影响，这就是基于数据伦理差异造成的影响。这种基于目的的区分不是用于判断数据本身的伦理意义，而在于数据分析的动机所带来的伦理问题。以科学研究与产品开发为例，就数据和数据集本身可能会用到的方向和研究方法而言，商业和学术研究可能会采用相似的方法并用于类似的方向，但动机会对研究目的的道德评判产生极大影响;同样的，社会基础研究需要的数据实践往往会经过正式的道德审查和监督，商业实践会尽量降低社会对于自身相关数据研究的关注，同时在数据发布展示上尽量抹去负面研究数据从而降低公众对其数据伦理问题的关注。 4.5数据访问权限保护意识需要加强 数据技术、网络技术的发展极大地提升了数据开放度，也进一步降低了数据传播、获取的成本，随之产生的数据滥用、侵犯知识产权行为屡见不鲜。所以，在大数据环境不断发展的当下，加强数据伦理教育，将数据伦理和道德意识融入对个体的数据素养教育和数据生命周期和科研管理过程中就尤为重要，特别是在培养个体知识产权意识方面，尤其注重對于个体引用数据的规范性教育，力争实现鼓励数据共享和保护知识产权的平衡，让科研成果在合理合法的基础上实现最大限度的传播，发挥应有的价值[19]。强调对于自身的数据权益的保护主要在于科研工作、科研项目涉及的数据会涉及大量不能公开的技术参数及研究者、参与者的个人信息，这些数据一旦泄露就会使权益人的权益甚至项目研究都受到影响，所以科研数据伦理中重点提出了对于自身权益的保护[27]（68-73）。 5.结语 在当前大数据环境下，社会对数据的敏感性愈加凸显，针对教育数据的分析与运用逐渐呈现出许多数据伦理问题，特别是在数据驱动决策逐渐融入教育教学活动后，对于数据伦理问题的探讨既是对现有数据素养教育的促进，又是对相关教育活动的一种理性约束，希望通过本文探讨的数据伦理问题为进一步数据伦理教育及大数据环境下的数据规范管理与应用提供参考。 参考文献： [1]杨现民，唐斯斯，李冀红.教育大数据的技术体系框架与发展趋势：“教育大数据研究与实践专栏”之整体框架篇[J].现代教育技术，2016，26（1）. [2]S.亚当斯贝克尔，黄荣怀，刘德建，等.2017新媒体联盟中国高等教育技术展望：地平线项目区域报告[EB/OL][2018-12-16].http：//jwc.hlju.edu.cn/info/2070/3586.htm. [3]张斌，刘三女牙，刘智，等.面向大数据的师范生数据素养课程体系构建研究[J].中国远程教育，2018（4）. [4]韩金凤.加拿大高校图书馆科研数据管理服务调研及启示[J].国家图书馆学刊，2017（1）. [5]陈明星，钱鹏.跨学科、多主体、多视角——数据素养研究特点综述[J].图书馆建设，2016（10）. [6]孟祥保，李爱国.国外高校图书馆科学数据素养教育研究[J].大学图书馆学报，2014，32（3）. [7]Hogenboom K.，Phillips C. M.，Hensley M. K..Show Me the Data！Partnering with Instructors to Teach Data Literacy[EB/OL].[2018-12-09]. http：//www.ala.org/acrl/sites/ala.org.acrl/files/content/conferences/confsandpreconfs/national/2011/papers/show_me_the_data.pdf. [8]Mandinach E. B.，Gummer E. S..A Systemic View of Implementing Data Literacy in Educator Preparation[J].Educational Researcher，2013，42（1）. [9]Zubiaga A.，Namee B. M..Knowing What You Don't Know：Choosing? the Right Chart to Show Data Distributions to Non-Expert Users[EB/OL].[2018-12-09]. http：//www.zubiaga.org/publications/files/charts-dl2015.pdf. [10]任一姝，王晓军.大数据时代：如何提升公民的数据素养能力[J].中国教育信息化，2016（17）. [11]张进良，李保臻.大数据背景下教师数据素养的内涵、价值与发展路径[J].电化教育研究，2015，36（7）. [12]刘雅馨，杨现民，李新，等.大数据时代教师数据素养模型构建[J].电化教育研究，2018，39（2）. [13]郝媛玲，沈婷婷.数据素养及其培养机制的构建与策略思考[J].情报理论与实践，2016，39（1）. [14]李青，任一姝.国外教师数据素养教育研究与实践现状述评[J].电化教育研究，2016（5）. [15]Stephenson E.， Caravello P. S.. Incorporating Data Literacy Into Undergraduate Information Literacy Programs in the Social Sciences： A Pilot Project[J]. Reference Services Review，2007，35（4）. [16]王维佳，曹树金，廖昀赟.数据素养能力评价与大学图书馆数据素养教育的思考[J].图书馆杂志，2016（8）. [17]Mittelstadt B. D.， Floridi L.. The Ethics of Big Data： Current and Foreseeable Issues in Biomedical Contexts[J]. Science & Engineering Ethics， 2016， 22（2）. [18]Mandinach E. B.，Ryan C. M.. Blended Learning and Data Use in Three Technology-Infused Charter Schools. [EB/OL].[2018-11-22]http： //learninglandscapes. ca/index. php/learnland/article/download/931/923. [19]程璐.我国硕士研究生数据素养现状调查[D].武汉：武汉大学，2017. [20]Bail C. A.. The Cultural Environment： Measuring Culture with Big Data[J]. Theory and Society，2014，43（3/4）. [21]Markowetz A.， B？覥aszkiewicz K.， Montag C.et al. Psycho Informatics： Big Data Shaping Modern Psychometrics[J]. Medical Hypotheses， 2014，82（4）. [22]宋文.“互聯网+”时代图书馆员数据素养的构成与培养[J].河南图书馆学刊，2016，36（10）. [23]司莉，姚瑞妃.图书情报专业研究生数据素养课程设置及特征分析——基于iSchool联盟院校的调查[J].图书与情报，2018（1）. [24]Taylor L.， Floridi L.. Group Privacy： New Challenges of Data Technologies[M].New York：Springer，2017. [25]Lupton D.. The Commodification of Patient Opinion： The Digital Patient Experience Economy in the Age of Big Data[J]. Sociology of Health & Illness，2014，36（6）. [26]Schroeder R.. Big Data and the Brave New World Of Social Media Research[J]. Big Data & Society， 2014，1（2）. [27]沈婷婷.数据素养及其对科学数据管理的影响[J].图书馆论坛，2015，35（1）. 2017年四川外国语大学青年项目“用户数据素养教育与嵌入式学科服务深度融合的策略研究”（项目编号：sisu201761。 |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。