Dette er en oversettelse av Code of practice for learning analytics, Authors Niall Sclater and Paul Bailey. Opprinnelig versjon kan lastes ned her.
Innledning
Læringsanalyse bruker data om studenter og deres aktiviteter til å hjelpe institusjonene med å forstå og forbedre læringsprosessene og gi elever og studenter bedre støtte.
Læringsanalyse bør brukes til studentenes beste. Dette kan skje ved å bistå dem enkeltvis, eller ved å bruke aggregerte og anonymiserte data til å hjelpe andre studenter. Læringsanalyse kan også brukes til å forbedre læringsutbyttet mer generelt. Den skiller seg fra vurdering, og bør brukes til formative snarere enn summative formål.
Effektiv bruk av læringsanalyse vil i utgangspunktet innebære innføring av nye systemer sammen med endringer i institusjonens retningslinjer og prosesser. Det kan samles inn nye data om enkeltpersoner og deres læringsaktiviteter. Dataene vil bli analysert, og det kan iverksettes tiltak som følge av dette. Dette gir muligheter for positiv involvering og innvirkning på læring, men også for misforståelser, misbruk av data og negative konsekvenser for studentene.
Full transparens og klare retningslinjer hos institusjonen er derfor avgjørende med hensyn til formålet med læringsanalyse, dataene som samles inn, prosessene som inngår, og hvordan de brukes til å forbedre læringsutbyttet.
Disse retningslinjene tar sikte på å beskrive utdanningsinstitusjonenes ansvar for å sikre at læringsanalyse gjennomføres på en ansvarlig, hensiktsmessig og effektiv måte, og tar opp de viktigste juridiske, etiske og logistiske problemene som sannsynligvis vil oppstå.
Utdanningsinstitusjoner i Storbritannia har allerede innført retningslinjer og prosedyrer for informasjonsstyring og har lang erfaring i å håndtere sensitive opplysninger og personopplysninger i samsvar med den britiske personvernloven, Data Protection Act 1998. Nå må de også overholde EUs personvernforordning (GDPR).
Når institusjonene overfører og tilpasser denne kompetansen for å regulere behandlingen av data for læringsanalyse, bør de fastsette de retningslinjene og prosedyrene som er nødvendige for å kunne behandle dataene til enkeltpersoner på lovlig og rettferdig måte.
Ansvar
Institusjonene må bestemme hvem som har det overordnede ansvaret for effektiv bruk av læringsanalyse i samsvar med rettslige og etiske krav. De bør tildele spesifikke ansvarsområder i institusjonen for
- innsamling av data som skal brukes til læringsanalyse,
- anonymisering av dataene der det er hensiktsmessig,
- analyseprosessene som skal utføres på dataene, og hvilke formål de har,
- tiltakene som skal gjennomføres,
- oppbevaring og forvaltning av data som brukes til og genereres ved læringsanalyse.
Studentrepresentanter og sentrale ansattgrupper ved institusjonene bør tas med på råd når det gjelder målsetninger for og utforming, utvikling, utrulling og overvåking av læringsanalyse.
Transparens og samtykke
Institusjonene vil definere målene for bruk av læringsanalyse, hvilke data som er nødvendige for å nå disse målene, og hva som ligger utenfor rammene. Datakildene, analysens formål, hvilke parametrer som brukes, hvem som har tilgang til analysen, grensene for bruk av dataene og hvordan de skal tolkes, må formidles tydelig til ansatte og studenter.
Institusjonene bør også gi studenter og ansatte en tydelig beskrivelse av prosessene som brukes til å utarbeide analysen, eller gjøre algoritmene transparente for dem.
Det kreves samtykke fra studentene for å kunne samle inn og bruke “særlige kategorier av opplysninger”, for eksempel om etnisk opprinnelse, som definert i GDPR.
Studentene vil normalt også bli bedt om å samtykke til at det iverksettes personlige tiltak basert på læringsanalysen. Dette vil vanligvis bli gjort på det tidspunktet det foreslås et bestemt tiltak. Det kan imidlertid foreligge juridiske eller vernemessige hensyn eller andre forhold der studentene ikke har mulighet til å velge bort slike tiltak. I så fall må disse angis tydelig og være berettiget.
Nye læringsanalyseprosjekter vil muligens ikke være omfattet av institusjonens eksisterende ordninger. Innsamling og bruk av data til slike prosjekter kan kreve ytterligere tiltak, for eksempel konsekvensutredninger av personvern og innhenting av ytterligere samtykke.
Alternativer til samtykke må være tydelige og forståelige og forklare forventede konsekvenser av å gi eller nekte samtykke. Studentene bør enkelt kunne endre sine beslutninger senere.
Personvern
Tilgangen til studentdata og analyser bør begrenses til de personene som institusjonen har identifisert som å ha et berettiget behov for å se dem.
Når data skal brukes anonymt, må institusjonene være særlig nøye med å unngå
- identifisering av enkeltpersoner på grunnlag av metadata,
- reidentifisering av enkeltpersoner ved aggregering av flere datakilder.
Bruk av “særlige kategorier av opplysninger” med sikte på læringsanalyse krever ytterligere garantier. Omstendighetene der data og analyser kan deles eksternt - f.eks. ved forespørsler fra utdanningsmyndigheter, sikkerhetstjenester eller arbeidsgivere - vil gjøres uttrykkelig klart overfor ansatte og studenter, og kan kreve ytterligere samtykke.
Institusjonene bør sikre at studentdata er beskyttet når tredjeparter gis i oppdrag å lagre data eller utføre læringsanalyse på dem.
Institusjonene kan ha en rettslig forpliktelse til å gripe inn og dermed overstyre noen begrensninger i personvernet, dersom data eller analyser avdekker at en student er i fare. Slike omstendigheter bør være tydelig spesifisert.
Gyldighet
Det er viktig at institusjonene overvåker kvaliteten, robustheten og gyldigheten av sine data- og analyseprosesser for å kunne utvikle og opprettholde tilliten til læringsanalyse og sikre at den brukes til studentenes beste. Institusjonene bør sikre at
- unøyaktigheter i dataene forstås og minimeres,
- konsekvensene av ufullstendige datasett forstås,
- et optimalt utvalg av datakilder velges,
- falske korrelasjoner unngås.
Alle algoritmer og parametrer som brukes til prediktiv analyse eller tiltak, bør forstås, valideres, gjennomgås og forbedres etter behov av kvalifisert personell.
Data og analyser kan være gyldige, men bør også være nyttige og hensiktsmessige. Læringsanalyse bør ses i et bredere perspektiv og kombineres med andre data og tilnærminger etter behov.
Tilgang
Studentene bør i et forståelig og tilgjengelig format ha tilgang til all læringsanalyse som utføres på deres data, og bør få kopier av disse dataene i et bærbart, digitalt format. Studenter har en juridisk rett i henhold til GDPR til å kunne få rettet uriktige personopplysninger om seg selv.
De skal normalt også kunne få se hvilke parametrer og hvilken merking som er knyttet til dem. Hvis en institusjon anser at analysen kan ha skadelig innvirkning på studentens faglige progresjon eller velferd, kan den holde analysen tilbake fra studenten, med forbehold for at det foreligger klart definerte og beskrevne retningslinjer. Den enkelte student skal imidlertid få se dataene om seg selv hvis vedkommende ber om det.
Mulighet for å iverksette positive tiltak
Institusjonene bør spesifisere under hvilke omstendigheter de mener de bør gripe inn når analysen antyder at en student kan dra nytte av ytterligere støtte. Dette kan omfatte å gi studentene råd om ikke å fortsette i en bestemt retning. Studentene kan også være forpliktet til å handle ut fra analysen de får framlagt for seg – i så fall bør slike forpliktelser være tydelig beskrevet og kommunisert overfor studentene.
Typen og arten av tiltak og hvem som er ansvarlig for å gjennomføre dem, bør være tydelig spesifisert. Noen kan kreve menneskelig heller enn digital formidling. Prediksjoner og tiltak vil vanligvis være registrert og kunne revideres, og deres hensiktsmessighet og effektivitet gjennomgås.
Effekten av tiltak på ansattes roller, opplæringskrav og arbeidsbelastning bør vurderes. Ivaretakelse av dette krever støtte fra den øverste ledelsen. Institusjonene bør også være tydelige på hvordan de prioriterer læringsanalyse i forhold til andre krav.
Institusjonene bør bestemme hvordan de skal fordele ressurser til læringsanalyse hensiktsmessig med hensyn til elever og studenter med forskjellige behov, og sikre at ulike grupper og enkeltpersoner ikke forskjellsbehandles.
Minimering av negative konsekvenser
Institusjonene må anerkjenne at analyse aldri kan gi et fullstendig bilde av en persons læring, og at det noen ganger kanskje ikke tas hensyn til personlige forhold.
Institusjonene bør treffe tiltak for å sikre at trender, normer, kategorisering eller enhver karakterisering av studenter ikke påvirker ansattes, studentenes eller institusjonenes oppfatning av og atferd overfor dem, forsterker diskriminerende holdninger eller øker sosiale maktforskjeller.
Analysesystemer og tiltak bør utformes nøye og gjennomgås regelmessig for å sikre at
- studentene beholder en passende grad av selvbestemmelse i beslutningsprosesser knyttet til egen læring og bruker læringsanalyse der det er hensiktsmessig for å bidra til å begrunne sine beslutninger,
- mulighetene til å “manipulere systemet”, eller fordelene for studenten ved å gjøre det, minimeres,
- kunnskapen om at aktiviteten overvåkes, ikke fører til at studentene ikke deltar eller andre negative konsekvenser for deres faglige progresjon eller velferd,
- negative konsekvenser som følge av å gi studenter og ansatte informasjon om studentenes resultater eller sannsynlighet for suksess minimeres,
- ansatte har en praktisk forståelse av juridisk, etisk og uetisk praksis.
Forvaltning av data
Data som brukes til læringsanalyse, skal være i samsvar med institusjonens eksisterende retningslinjer for databehandling og GDPR, og skal særlig
- holdes på det minimum som er nødvendig for å kunne oppnå formålene med analysen på en pålitelig måte,
- behandles i EØS-området, eller dersom de behandles andre steder, kun i samsvar med GDPR,
- oppbevares bare i et tidsrom som er hensiktsmessig, og som er klart definert.
På forespørsel fra studenter bør alle personopplysninger som er brukt til eller generert av læringsanalyse, destrueres eller anonymiseres, med unntak av visse klart spesifiserte datafelt som kreves for utdanningsmessige eller lovbestemte formål, for eksempel karakterer.