Podejścia do tego problemu

Podczas opracowywania nowego podejścia pomocne jest przeprowadzenie analizy konkurencyjnej. Przykłady informacyjne:

• The Legacy of inBloom opisuje podobną inicjatywę, która implodowała z powodu problemów z prywatnością i przejrzystością, czasami rzeczywistych, a czasami postrzeganych.
• ACE Global Data Consortium zostało właśnie ogłoszone.
• CMU DataShop działa od dłuższego czasu, ale koncentruje się na prostych danych (np. odpowiedziach matematycznych), które nie mają takich samych problemów z prywatnością.
• SoLAR Open Learning Analytics opisuje architekta technicznego.
• Federal Statistical Research Data Centers to miejsca, w których można uzyskać dostęp do poufnych danych w fizycznie bezpiecznym otoczeniu.
• GG4L to przedsięwzięcie komercyjne robiące coś podobnego.
• MOOC Replication Framework umożliwia przesyłanie algorytmów do uruchomienia na danych, bez opuszczania hosta przez dane

Inne pouczające przykłady:

• Dane mojego syna są rozproszone w setkach systemów
• Istnieje słabo poznany ekosystem danych cienia, w którym dane są grupowane, agregowane, sprzedawane i kupowane przez setki podejrzanych sprzedawców. * Dane badawcze często wędrują między laptopami studentów, bez kontroli ani możliwości audytu.
• Bardzo znaczna część komputerów ma złośliwe oprogramowanie. Jeśli którykolwiek z powyższych komputerów jest zagrożony, to samo dotyczy danych studentów.

Istnieje wiele innych, które możesz znaleźć.

Istnieje również wiele modeli dostępu do danych badawczych, w tym:

• Odwiedzanie odizolowanych komputerów w bezpiecznym obiekcie (np. FSDRC)
• Wysyłanie danych do instytucji ze szczegółowymi wymaganiami zarówno w odniesieniu do instytucji, jak i wymogów umownych dotyczących sposobu zarządzania danymi
• Centralna lokalizacja, ale zdalny dostęp do danych
• Centralna lokalizacja, wysyłanie algorytmów do uruchamiania danych (MRF). * Wysyłanie danych do instytucji o słabych wymaganiach
• Zezwalanie na dostęp za pomocą licencji klikalnej

Dane mogą być również anonimizowane w różnym stopniu.

Bardziej konserwatywne podejścia obejmują:

• Niegromadzenie danych poza minimum wymaganym do działania usługi sieciowej
• Przechowywanie danych półlokalnie (np. lokalne serwery szkoły lub okręgu)
• Przechowywanie danych w pełni lokalnie (np. aplikacje na laptopach, gdzie żadne dane nie wychodzą)

Jakie wyciągnięto wnioski? Co działało dobrze? Co nie? Jak powinniśmy zarządzać danymi uczniów w przyszłości?