Privacy for learning analytics in the age of big data – exploring conditions for design of privacy solutions

Abstract

Introduction of learning analytics to education opened up the can of worms related to privacy issues that come with big data. Privacy issues are increasingly ‘wicked problems’ that call for a rethinking of the key artefacts involved. Global information systems make privacy a challenge that go to the center of solution design and information science research. In this dissertation research we exemplify the long and winding process from capturing questions of concern, to constructing conceptual artefacts to begin discussing the concerns, to proposing the first constructs that could lead to technical solutions—all within the context of technology enhanced learning and education. Learning analytics is a new discipline based on an increasing access to data, which will be extended by introduction of more and more sensors that are part of smart classrooms and intelligent campus projects. There is a gap between people’s online sharing of personal data and their concern about privacy. However, online practices are volatile, which make action design research and design science research an appropriate approach to explore conditions for design of privacy solutions. The research has been carried out taking part in two practice communities, the learning analytics knowledge community, and the learning technologies standards community. The contributions of this PhD research are both theoretical and practical. Privacy is defined in the context of big data; the theory of contextual integrity is extended to include the concept of ‘context trigger’, and design proposals explore the role of privacy policies in regulating data sharing. Risks and benefits of data sharing is explored to develop a learning analytics design space model. In addition, other constructs to facilitate discourse on data sharing in context are developed. Keywords: privacy, privacy engineering, contextual integrity, personal data, learning analytics, big data

Oppimisen analytiikan käyttöönotto koulutuksessa avasi runsaasti kysymyksiä yksityisyydestä Big data -analyysiä hyödynnettäessä. Tietosuojakysymykset ovat yhä ’pahempia ongelmia’ ja uudenlaista ajattelua tarvitaan niiden selvittämiseksi. Globaalit tietojärjestelmät tekevät yksityisyydestä haasteellista ja tästä syystä on tärkeää keskittyä ratkaisujen suunnitteluun ja tietojärjestelmätieteen tutkimukseen alalla. Tässä väitöskirjatutkimuksessa havainnollistetaan aihealueen keskeisimmät kysymykset, konseptualisoidaan keskeiset käsitteet, joita tarvitaan keskusteluun yksityisyyden huolenaiheista. Lisäksi tässä väitöskirjassa ehdotetaan ensimmäisiä askelia yksityisyyden teknisiin ratkaisuihin teknologiavälitteisen opetuksen ja koulutuksen saralla. Oppimisen analytiikka on uusi tieteenala, joka perustuu ulottuvillamme olevaan kasvavaan tiedon määrään. Tulevaisuudessa älykkäiden luokkahuoneiden ja –kampusten kasvava sensorimäärä tulee lisäämään oppimisen analytiikan hyödyntämistä. Ihmisten henkilökohtaisten tiedonjakamistottumusten ja heidän yksityisyyttä koskevien huoliensa välillä vallitsee kuilu. Ihmisten verkkokäyttäytyminen on ailahtelevaa, mistä syystä toimintatutkimus ja suunnittelutiede soveltuvat hyvin yksityisyyden ratkaisujen suunnittelemiseen. Tämä tutkimus on toteutettu toimintatutkimuksena osallistumalla kahteen toimintayhteisöön: oppimisanalytiikan yhteisöön ja oppimisteknologioiden standardisointiyhteisöön. Tämän väitöskirjatutkimuksen vaikutukset ovat sekä teoreettisia että käytännöllisiä. Yksityisyys on määritelty Big datan kontekstissa; asiayhteyden eheysteoriaa on laajennettu ‘asiayhteyden laukaisijan’ käsitteellä ja suunnitteluehdotuksissa tutkitaan yksityisyyden käytänteiden roolia tiedon jakamisen sääntelyssä. Tiedonjakamisen riskejä ja hyötyjä tutkimalla on kehitetty oppimisen analytiikan suunnittelutilamalli. Lisäksi väitöskirjassa on kehitetty muita käsitteitä helpottamaan tiedonjakamiseen liittyvää tieteellistä keskustelua. Asiasanat: yksityisyys, yksityisyyden suunnittelu, asiayhteyden eheys, henkilökohtainen tieto, oppimisen analytiikka, Big data