Правовые аспекты использования больших данных для прогнозирования образовательных траекторий в высшей школе
Как цитировать
Аннотация
Использование технологий больших данных (Big Data) для прогнозирования образовательных траекторий в высшей школе открывает новые возможности для оптимизации учебного процесса, персонализации образования и повышения его эффективности. Тем не менее внедрение таких технологий сопряжено с рядом правовых проблем, связанных с защитой персональных данных, этическими аспектами обработки информации и обеспечением прав субъектов образовательных отношений. Настоящее исследование представляет систематический анализ правовых аспектов использования больших данных в контексте прогнозирования образовательных траекторий студентов высших учебных заведений. В работе рассмотрены нормативно-правовые основы обработки данных в образовательной сфере, проведен сравнительный анализ законодательства различных юрисдикций, выявлены правовые коллизии и пробелы. На основе эмпирического исследования, включавшего анализ практик 47 вузов в 5 странах и опрос 612 участников образовательного процесса, разработана модель правового регулирования использования технологий больших данных в высшем образовании. Результаты исследования демонстрируют необходимость разработки специализированных нормативно-правовых механизмов, обеспечивающих баланс между инновационным потенциалом технологий больших данных и защитой фундаментальных прав участников образовательного процесса.
Ключевые слова
Финансирование
Библиографические ссылки
Bennett C.J., Raab C.D. Revisiting the governance of privacy: Contemporary policy instruments in global perspective. Regulation & Governance. 2020. № 14(3). pp. 447-464.
Daniel B. Big Data and analytics in higher education: Opportunities and challenges. British journal of educational technology. 2015. № 46(5). рр. 904-920.
Drachsler H., Greller W. Privacy and analytics: It's a DELICATE issue. Proceedings of the XVI Inter. conf. on learning analytics & knowledge. 2016. pp. 89-98.
Friedman B., Kahn P.H., Borning A. Value sensitive design and information systems. Early engagement and new technologies: Opening up the laboratory. Eds. by N. Doorn, D. Schuurbiers, I. van de Poel, M.E. Gorman. Berlin: Springer, 2013. pp. 55-95.
Ifenthaler D., Schumacher C. Student perceptions of privacy principles for learning analytics. Educational technology research and development. 2016. № 64(5). рр. 923-938.
Jones K.M.L., McCoy C. Reconsidering data in learning analytics: Opportunities for critical research using a documentation studies framework. Learning, Media and Technology. 2019. № 44(1). рр. 52-63.
Koops B.J. The trouble with European data protection law. International Data privacy law. 2014. № 4(4). рр. 250-261.
Long P., Siemens G. Penetrating the fog: Analytics in learning and education. EDUCAUSE Review. 2011. № 46(5). рр. 30-40.
Mittelstadt B. D., Allo P., Taddeo M., Wachter S., & Floridi L. The ethics of algorithms: Mapping the debate. Big Data & Society. 2016. № 3(2). рр. 1-21.
OECD. The Impact of Big Data and Artificial Intelligence (AI) in education: policies and educational stakeholders. OECD Education Working Papers. 2021. № 256.
Pardo A., Siemens G. Ethical and privacy principles for learning analytics. British journal of educational technology. 2014. № 45(3). рр. 438-450.
Rubel A., Jones K.M.L. Student privacy in learning analytics: An information ethics perspective. The Information Society. 2016. № 32(2). рр. 143-159.
Slade S., Prinslo P. Learning analytics: Ethical issues and dilemmas. American Behavioral Scientist. 2013. № 57(10). рр. 1510-1529.
Tsai Y.S., Gasevic D. Learning analytics in higher education – challenges and policies: A review of eight learning analytics policies. Proceedings of the XVII Inter. learning analytics & knowledge conf. 2017. pp. 233-242.
Wachter S., Mittelstadt B., Russell C. Why fairness cannot be automated: Bridging the gap between EU non-discrimination law and AI. Computer law & Security review. 2021. № 41. рр. 105-567.
West D., Huijser H., Heath D. Putting an ethical lens on learning analytics. Educational technology research and development. 2016. № 64(5). pp. 903-922.
Zeide E. The structural consequences of big data-driven education. Big Data. 2017. № 5(2). рр. 164-172.
Загрузки
Опубликован
Выпуск
Раздел
Метрики
Права и условия использования
Правообладатель: Управление образованием: теория и практика, 2025
Условия использования полного текста: CC BY-NC-ND 4.0
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.