要有效降低大数据带来的的安全风险，加强安全保障

大数据存在明显的安全问题和安全风险，导致使用者或管理者面临着巨大挑战。通常来讲，教师、学生以及行政管理丁作者是教育管理大数据的制造源，可以通过数据积累的方式，帮助数据使用者更好地分析学生或教师的个性特征、行为规律、心智状况、生活习性，提升数据挖掘的精准性。然而，这些教育大数据在搜集、挖掘、处理过程中，存在真实性差、数据安全、隐私安全等问题，需要全新的管理制度、道德标准以及法律法规来解决。

特别是在分析学生行为数据过程中，学生的生活隐私将大概率地呈现在数据使用者面前，导致学生对大数据技术产生抵触心理，不利于后续教育管理工作的有效开展。此外，在分析与挖掘课程数据、教学数据等教育数据中，学生隐私安全虽然能够得到保障，然而在互联网环境中，数据使用者还可能面临着网络黑客、网络病毒以及系统漏洞等风险。其中，系统漏洞、黑客攻击，容易导致各类教学数据、管理数据、学生数据泄露，给教育管理T作带来严重影响。

教育大数据能够切实实现教育管理的个性化目标，增强管理的精准性与针对性，帮助学校结合学生的体质、性别、年龄等要素，明确学生的发展需求,推动学生的全面发展。比如，结合普通学生的学习偏好、学习方法、接受能力、学习水平，制订个性化的教学方案，减轻学生的学习负担。然而在此过程中，学生的隐私安全、信息安全将受到严重的冲击和影响。为切实解决此类问题，需要从以下角度出发。

首先，通过优化技术，提高数据的模糊性，降低学生、教师和相关人员的数据呈现概率，使数据使用者获取的数据以概括性、宏观性、结果性的方式呈现出来。其次，加强职业道德标准、管理制度的构建，借助问责机制，加大惩罚力度，避免数据泄露现象的发生。最后，加强网络安全管理，避免网络黑客、网络病毒以及系统漏洞对教育管理大数据平台产生不利影响。

早在2014年，亚马逊开发了一套人力资源管理系统。这套系统用人工智能来分析筛选求职简历，通过给求职者打分，在一百份简历中筛选出“最好”的五位，直接录用。

但一年以后问题就出现了，这套算法工具基于的数据是亚马逊此前十年的员工资料，基础数据本身存在性别不平衡，于是算法分析归纳后得出了一个带有偏见的结论：男员工比女员工更可靠。

缺陷一经暴露，立刻引起了人们的道德不适，引发了社会的强烈质疑和反思。而这种公共情绪和舆论反抗，也随之产生了积极的意义。

亚马逊的“翻车”使得这项技术停止在公司使用，还有咨询公司在相关报告中提出了技术改进方式，比如，不向算法提供员工个体生理、文化属性等，避开带有倾向性的价值判断。

2021年8月20日，第十三届全国人大常委会第三十次会议审议通过的《中华人民共和国个人信息保护法》中，就包含了对算法推荐这类“大数据杀熟”问题的相关规定。

第24条规定，通过自动化决策方式向个人进行信息推送、商业营销，应当同时提供不针对其个人特征的选项，或者向个人提供拒绝的方式。

就在今年1月4日，中国网信网发布了国家网信办等多部门联合修订的《互联网信息服务算法推荐管理规定》，要求不得根据消费者的偏好、交易习惯等特征，利用算法在交易价格等交易条件上实施不合理的差别待遇。

这一切都意味着，利用大数据“杀熟”或将成过去式。

这也符合刘永谋所思考的大数据治理的合理的规则设计，即增加公众的参与、反馈，应该成为技术、制度调整的依据。

没有一项技术、制度设计是一劳永逸的。

习近平总书记指出，要完善数字经济治理体系，健全法律法规和政策制度，完善体制机制，提高我国数字经济治理体系和治理能力现代化水平。传统的治理体系、机制与规则难以适应数字化发展所带来的变革，无法有效解决数字平台崛起所带来的市场垄断、税收侵蚀、安全隐私、伦理道德等问题，需尽快构建数字治理体系，数字经济治理无疑是其核心内容之一。数字治理体系的构建是一个长期迭代过程，其中，数据治理体系的构建要先行。数据治理体系建设涉及国家、行业和组织三个层次，包含数据的资产地位确立、管理体制机制、共享与开放、安全与隐私保护等内容，需要从制度法规、标准规范、应用实践和支撑技术等方面多管齐下，提供支撑。当前国际数字治理体系尚处探索期，既有全球性多边机制，也有区域性或双边机制，更有私营平台企业的事实性规则。由于各国数字治理关注重点不同、发展程度有差异，未来全球数字治理体系将呈现面向关注点差异的、多元化层次化的、多机制共存的格局。