智能教育时代学习者选择自由的缺失与复归

陈 静

（长江大学教育与体育学院 湖北·荆州 434000）

0 引言

智能教育使用学习者选择和行为的数据以多种方式支持和加强学习，如提供智能辅导；[1]预测学生成绩，提出补救措施[2]；为不同学生的个性化学习以及教师改进教学提供精准服务；[3]引入新的评估形式等[4]。然而，鲜有学者分析人工智能教育对个人自由和基本权利的影响，实际上收集与使用大量学习者个人数据的系统会带来重大的人权问题。关注大规模收集和分析个人数据，监管教育大数据的收集与使用，确保学习者个人数据的使用能够支持学习者选择自由的变革是智能教育时代对教育提出的挑战与难题。

1 智能教育时代学习者选择自由的缺失

教育系统面临着一个悖论，学习者必须参加老师认为有益的学习活动和评估。矛盾的是，强制性参与可能被视为减少基本人权，包括行使自主权和作出选择的权利。当学习者必须参与收集他们数据的活动和评估时，这一矛盾就变得尤为突出。学习者应被赋予选择不收集数据的权利。因此，考虑如何平衡选择自由、数据质量与学习者的潜在利益是至关重要的。智能教育时代学习者选择自由的缺失主要体现于数据收集退出受阻、数据使用限制存在与终身数据管理受限。

1.1 数据收集退出受阻

人工智能数据能力收集有限，收集哪些数据，应用主体具有一定的决定权。[5]学习者可能出于各种原因，拒绝参与数据收集。然而多数国家低于法定成年年龄的学生不能合法地“选择”或“退出”监控，通常由其父母或法定监护人决定是否参与，限制学生的自由选择，只能被动参与其中。同时大部分预测分析系统运转都依赖于评估数据的收集，这使得学校更难以改变评估模型。应该强调任何数据主体有权利知晓数据采集类型和方法以及数据安全保护措施，而现今对于收集数据的类型和方法始终边界不清。[7]

值得注意的是，是否选择进行数据收集会影响数据质量。收集到的数据可能会因过多或过少地代表特定的学习者群体而产生偏差，对这些不具代表性的数据加以分析可能会加重学生间的差距，从而得出歧视代表性不足的学习者的结论。上述因素对学生退出数据收集造成了一定程度的影响，进而限制学生确定是否进行数据收集的选择。

1.2 数据使用限制存在

数据的“所有权”和控制是权力差异的一种形式。学生数据详细分布在整个教育管理系统和商业平台上，这引发了关于所有权和控制权的复杂问题。学习管理系统越来越多地将学习者的数据存储在教育机构以外的系统中。虽然系统可能直观地易于使用（例如，清晰的菜单和有效的用户培训），但它们的软件设计和硬件配置增加了高度的复杂性。平台没有为学习者提供充分的途径来使用数据。这削弱了个人自主决定自己的数据将如何被使用的能力，并使教学过程变得高深莫测。

理论上，每个人的数据保护权利可以减少个人与控制数据的人之间的权力失衡，然而，将人工智能系统嵌入教育可能会加剧权力失衡，并产生新的、不可预见的差异。与数据相关的挑战已经超越了数据的“所有权”，包括有效的数据控制和使用权。

1.3 终身数据管理受限

学生有权管理其个人的学习数据，并决定是否希望将其每个阶段的所有成就记录都包括在内。确保学生能够选择何时以及如何使用他们的数据是一个重要的考虑因素，以确保个人不会处于不利地位。任何学习对象对在享受学习服务过程中产生、搜集、存储与自身有关的数据都要享有知情权，[8]然而，弱势群体不太可能获得支持和建议。终身且聚合的数据把人描绘成具有“可测量特征”的“对象”，用来预测其未来。教育系统倾向于记录特定的阶段，如童年或青春期。然而，对于部分学习者来说，这些可能不是自身快速发展的阶段，阶段数据无法准确地说明成绩。另外一些特定时刻可能成为数据缺失的契机，例如将数据从一个机构转移到另一个机构的过程，这使得学习者的终身数据管理与使用受到一定的冲击。

2 智能教育时代学习者选择自由的复归

通过对智能教育时代学习者选择自由缺失的具体表现进行分析，本文认为应从以下三方面着手改善，全面系统地复归学习者的选择自由，进而实现高效且自由的学习。

2.1 注重数据质量

不同个体间表达方式上的区别可能会直接造成数据质量差异出现。部分数据可能因表达方式不够准确而降低数据质量，而另一部分的数据可能会以更有利的方式表示。对于这些数据，应该如何分析、解释和共享，如何纠正可能对个别学生的合法权利产生负面影响的偏见（有意识和无意识的）。[9]这些数据质量上的差异可能源于不平等，通过人工智能和分析，可能会加剧劣势。

当前应要求并鼓励开发和部署新方法，以确保数据质量提升。唯有通过收集高质量的数据，才能实现公平和基本权利。上述要求引发并触及了计算机科学、人工智能及相关领域的新研究领域。这些研究领域主要包括对匿名数据收集和处理、去身份识别和公平的调查，特别是在非歧视方面。未来人工智能在教育中的应用须重视并借鉴以上发展。

2.2 使用数据合理

对学习者数据收集实乃庞杂与全面，分析数据时对数据使用的尺度把握显得尤为重要。由此对数据使用提出新要求，应确保数据不用于最初明确指明的和商定的目的以外的其他目的。使用数据的目的在于掌握学习者学习具体情况，分析学习者学习行为，并最终满足学习者现实需要，获得相应的学习成就。这一目的的达成须遵循妥善且合理地使用数据这一原则，然而该原则与人工智能分析的探索性相冲突。同时学习者数据收集与使用的最终目的是满足学习者需要，学习者作为数据主体，使用数据的权限与熟练度却受到限制。学习者选择自由的复归应关注学习者这一主体，适当放宽学习者使用权限，并进行适当培训以帮助学生合理参与数据的使用。[8]数据使用过程中的限度与使用主体的多元化是人工智能教育研发中需要关注的主要方面。

2.3 明晰数据透明度

数据透明度与数据的“所有权”有关，数据透明度直接影响数据质量，对数据收集与使用至关重要。需将透明度和公平作为处理学习者数据的主要原则，在数据收集与使用的全过程均应实现透明化。包括但不限于数据管理平台须提供全面且具体的信息，对数据处理的方式和原因进行必要且详细的科学解释，比如在平台中部署的人工智能分析方法、在数据分析中所采取的理论与技术。上述要素决定学习者数据透明度，也关联着学习者学习的公平性，因而在智能教育盛行的时代，注重数据透明度应是平台搭建者与教育工作者共同努力的方向。

3 结语

学习者不应简单地被认为“数据主体”，被动参与智能教育时代的数据收集与使用，而应能够对其数据行使自主权，将推进学习者的选择能动性作为智能教育发展的前进路径。值得关注的是，在实现数据自治和随着数据足迹的扩大而加重个人管理数据的负担之间取得平衡是提升学习者选择能动性的重要因素。

随着人工智能工具与技术的开发、营销和嵌入教育，迫切需要确保学习者和教师（而不是科技公司和组织）成为主要受益者。教育中的人工智能不仅涉及数据隐私，还影响基本人权。在教育中引入人工智能所引发的一系列问题是全球性的，需要更高级的机构参与进来，以督促和规范教育领域内人工智能系统的科学发展。及时制定并实施相应规则，学习者就能越快地避免教育中人工智能破坏其基本人权的风险，进而实现数据选择自由。