論文の概要: Beyond Compliance: A Proposed Framework for Ethical Governance of Student Data in Learning Analytics
- arxiv url: http://arxiv.org/abs/2608.03968v1
- Date: Tue, 04 Aug 2026 17:34:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 07:04:20.737059
- Title: Beyond Compliance: A Proposed Framework for Ethical Governance of Student Data in Learning Analytics
- Title（参考訳）: Beyond Compliance: 学習分析における学生データの倫理的管理のためのフレームワークの提案
- Abstract要約: 本稿では,LAにおける学生データの倫理的ガバナンスのためのLEAGUEフレームワークを提案する。
その実践的価値は、組織がより透明で教育的に意味のある方法で学習分析をレビューする方法を示す、説明的な早期警戒ケースを通じて実証されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid growth of learning analytics (LA) in higher education has expanded institutional capacity to monitor engagement, predict academic difficulty, and target support using student data. While these practices offer important educational benefits, governance has often remained compliance-first, centered on meeting baseline legal requirements such as the Family Educational Rights and Privacy Act (FERPA) and the General Data Protection Regulation (GDPR). Legal compliance is necessary, but it does not by itself resolve questions of fairness, student agency, accountability, or educational purpose. This paper proposes the LEAGUE framework, a six-pillar model for ethical governance of student data in LA: Lawfulness, Equity, Agency, Governance, Utility, and Ethics by Design. The framework is developed through a conceptual synthesis of scholarship in learning analytics, educational data mining, data ethics, educational policy, value-sensitive design, and capability-oriented approaches to educational justice. Its practical value is demonstrated through an illustrative early alert case that shows how institutions can review learning analytics in a more transparent and educationally meaningful way.
- Abstract（参考訳）: 高等教育における学習分析(LA)の急速な成長は、エンゲージメントを監視し、学術的困難を予測し、学生データを用いて目標支援を行うための制度的能力を拡張した。
これらの慣行は重要な教育的利益を提供するが、ガバナンスはコンプライアンス優先であり続けており、家族教育権プライバシー法(FERPA)や一般データ保護規則(GDPR)などの基本的な法的要件に基づいている。
法的コンプライアンスは必要だが、公正性、学生エージェンシー、説明責任、教育目的の問題をそれ自体で解決するわけではない。
本稿では,LAにおける学生データの倫理的ガバナンスの6つのモデルであるLEAGUEフレームワークを提案する。
このフレームワークは、学習分析、教育データマイニング、データ倫理、教育政策、価値に敏感なデザイン、および教育正義に対する能力指向のアプローチにおける奨学金の概念的な合成を通じて開発されている。
その実践的価値は、組織がより透明で教育的に意味のある方法で学習分析をレビューする方法を示す、説明的な早期警戒ケースを通じて実証されている。
関連論文リスト
- AI Misuse in Education Is a Measurement Problem: Toward a Learning Visibility Framework [2.3412211209700997]
本稿では、学習過程における可視性の喪失に起因した測定問題として、AIの教育における誤用を再考する。
このフレームワークは、監視を促進するのではなく、透明性を強調し、教室環境における倫理的AI統合の基礎として証拠を共有している。
論文 参考訳（メタデータ） (2026-03-08T22:35:09Z) - Mirror: A Multi-Agent System for AI-Assisted Ethics Review [104.3684024153469]
MirrorはAIによる倫理的レビューのためのエージェントフレームワークである。
倫理的推論、構造化された規則解釈、統合されたアーキテクチャ内でのマルチエージェントの議論を統合する。
論文 参考訳（メタデータ） (2026-02-09T03:38:55Z) - LegalOne: A Family of Foundation Models for Reliable Legal Reasoning [54.57434222018289]
我々は、中国の法律ドメインに特化された基礎モデルのファミリーであるLegalOneを紹介します。
LegalOneは、法的推論をマスターするために設計された包括的な3フェーズパイプラインを通じて開発されている。
LegalOneの重み付けとLegalKit評価フレームワークを公開して、Legal AIの分野を前進させます。
論文 参考訳（メタデータ） (2026-01-31T10:18:32Z) - GLARE: Agentic Reasoning for Legal Judgment Prediction [60.13483016810707]
法学分野では、法的判断予測(LJP)がますます重要になっている。
既存の大規模言語モデル (LLM) には、法的な知識が不足しているため、推論に不十分な重大な問題がある。
GLAREは,異なるモジュールを呼び出し,重要な法的知識を動的に獲得するエージェント的法的推論フレームワークである。
論文 参考訳（メタデータ） (2025-08-22T13:38:12Z) - Trustworthiness of Legal Considerations for the Use of LLMs in Education [0.0]
本稿では、主要なグローバルリージョンにおけるAI関連規制および倫理的枠組みの比較分析を行う。
透明性、公正性、説明責任、データプライバシ、人間の監視といった中核的な信頼性原則が、地域法やAIガバナンス構造にどのように埋め込まれているのかをマップします。
この論文は、教育における法的に健全で倫理的基盤があり、文化的に敏感なAIシステムを構築するための実践的なガイダンスに貢献する。
論文 参考訳（メタデータ） (2025-08-05T07:44:33Z) - Towards an Operational Responsible AI Framework for Learning Analytics in Higher Education [0.2796197251957245]
我々は、大手IT企業を含む11の責任あるAIフレームワークを、高等教育におけるLAの文脈にマップする。
この結果、透明性、公平性、説明責任といった7つの重要な原則が特定された。
我々は,HE機関に実践的な指導を提供する新しい枠組みを提案し,コミュニティインプットによって発展するように設計されている。
論文 参考訳（メタデータ） (2024-10-08T08:55:24Z) - Ethical and Scalable Automation: A Governance and Compliance Framework for Business Applications [0.0]
本稿では、AIが倫理的で、制御可能で、実行可能で、望ましいものであることを保証するフレームワークを紹介する。
異なるケーススタディは、学術と実践の両方の環境でAIを統合することで、このフレームワークを検証する。
論文 参考訳（メタデータ） (2024-09-25T12:39:28Z) - Towards Responsible AI in Banking: Addressing Bias for Fair
Decision-Making [69.44075077934914]
責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。
この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。
オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
論文 参考訳（メタデータ） (2024-01-13T14:07:09Z) - Unpacking the Ethical Value Alignment in Big Models [46.560886177083084]
本稿では,ビッグモデルに関連するリスクと課題の概要,既存のAI倫理ガイドラインを調査し,これらのモデルの限界から生じる倫理的影響について考察する。
本稿では,大規模モデルの倫理的価値を整合させる新しい概念パラダイムを導入し,アライメント基準,評価,方法に関する有望な研究方向性について議論する。
論文 参考訳（メタデータ） (2023-10-26T16:45:40Z) - EALM: Introducing Multidimensional Ethical Alignment in Conversational
Information Retrieval [43.72331337131317]
我々は、倫理的アライメントを、効率的なデータスクリーニングのための初期倫理的判断段階と統合するワークフローを導入する。
本稿では,ETHICSベンチマークから適応したQA-ETHICSデータセットについて述べる。
さらに,二項および多ラベルの倫理的判断タスクにおいて,最高の性能を実現する新しい手法を提案する。
論文 参考訳（メタデータ） (2023-10-02T08:22:34Z) - Teaching at the Intersection of Social Justice, Ethics, and the ASA
Ethical Guidelines for Statistical Practice [0.0]
ケーススタディは一般的に「倫理」を教えるために使用されるが、コースの内容が公式や証明に集中している場合、ケースアナリシスと彼らが必要とする知識、スキル、能力は邪魔になることがある。
数学、統計学、データサイエンス、コンピューティングの倫理的な実践は、学習者のキャリア計画に関係なく重要なトピックである。
5つのツールを使って、社会正義をコースに統合し、同時に「倫理」の統合を呼びかけることができる。
論文 参考訳（メタデータ） (2023-09-30T15:46:09Z) - AGI: Artificial General Intelligence for Education [41.45039606933712]
本稿では,人工知能(AGI)の重要な概念,能力,範囲,将来的な教育の可能性について概説する。
AGIは知的学習システム、教育評価、評価手順を大幅に改善することができる。
この論文は、AGIの能力が人間の感情や社会的相互作用を理解することに拡張されていることを強調している。
論文 参考訳（メタデータ） (2023-04-24T22:31:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。