个人教育数据的敏感性识别与隐私计量研究

摘要：

[目的/意义]现行教育数据行业标准将个人教育数据划分为三个级别,但缺乏分级定量研究支撑,文章定量测度教育隐私值,解决该问题.[方法/过程]首先,依据隐私主体敏感认知,归纳文本类型,建立教育隐私文本库,作为敏感数据识别来源;其次,识别教育敏感数据单元,设计敏感词表建立流程,建立教育敏感词表;最后,分析隐私影响因素,形成计量指标,构建计量模型,计量教育隐私.[结果/结论]敏感性识别结果为个人教育敏感数据项,包括个人基础数据(标识数据、半标识数据、鉴别数据、联系数据、健康数据)、奖惩数据(奖励数据、惩罚数据)、学生管理数据(学籍数据、读者数据、资助数据、就业数据)、学习数据(课程数据、综测数据)4类.隐私计量结果表明,个人基础数据的隐私值最高,奖惩数据的隐私值次之,学生管理数据和学习数据的隐私值并列最低.科学权威的教育数据等级体系分类表缺失和隐私文本的切题性不高,致使教育敏感词表和隐私文本库的质量欠佳,可能影响计量结果的准确度,但尽管如此,样本统计结果还是比较全面反映了该领域的真实情况,体现了教育数据项的重要程度.

关键词：个人教育数据、教育隐私、教育敏感词表、教育隐私计量

所属期刊栏目：47

分类号：TP309.2;G647;G434

资助基金：国家社会科学基金21&ZD338

在线出版日期：2024-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：84-94