학습 분석 분야가 뚜렷한 연구 분야로 발전함에 따라(see van Barneveld, Arnold, & Campbell, 2012), 윤리적 문제에 대해서도 생각도 서서히 고찰되기 시작함.

Slade and Prinsloo(2013)는 학습 분석의 윤리에 중점을 두고 개발된 최초의 프레임워크 중 하나를 확립하였음.

감시와 보장되지않는 수집, 분석 및 개인 데이터의 사용, "걱정과 현실의 구별, 잠재적인 수혜자들의 불확실성"에 대해 관심이 커지고 있음. (Drachsler & Greller, 2016, p. 89).

Gašević 외(2016)는 더 많은 도전이 "교육에 대한 이해와 통합을 돕기 위해 이루어져야 한다"고 제안하며, 윤리와 프라이버시를 학습 분석 분야의 "장벽이 아닌" 중요한 원동력으로 바라봄(p. 2).
연구가 진행되기 이전에 윤리적인 맥락을 먼저 고려하고 설정할 것을 권유

SETTING THE CONTEXT: WHY ETHICS IS RELEVANT

• 학습의 미래는 디지털, 분산 및 데이터가 중심이 될 것
• (a) 뛰어난 품질의 연구 (b) 정교한 데이터 수집 (c) 머신 러닝 및 학습 분석을 통해 교육은 삶의 질을 높이고 의미있는 직업을 갖을 수 있도록 지원해야 한다.
• 풍부한 데이터 속에서 학생 및 기관에 경제적인 이익 창출에 대한 얘기가 나오고, 학습 분석의 윤리적 의미에 대한 점점 더 많은 연구가 진행되고 있지만, 데이터를 사용하면서 초래하는 이면도 고려해야 한다.
• 데이터의 수집, 분석 및 사용에 대한 윤리적 의미는 학생 및 기관과 같은 다양한 이해 관계자의 잠재적으로 상충되는 주장을 인식해야 한다.

ESTABLISHING ETHICAL PRINCIPLES: HOW FAR HAVE WE COME?

• 2013년부터는 데이터를 어떻게 사용하고 보호해야 하는지에 대한 목적을 제시하는 제도적 정책 프레임워크(Prinsloo & Slade, 2013)에 대한 연구가 진행되었다.
• 학습 분석의 출현이 증가함에 따라 학생 데이터의 사용이 빠르게 확대되어 가고 있지만, 일반적으로 학생 데이터의 제도적 사용과 관련된 정책은 제대로 준비가 되어 있지 않았으며, 주로 데이터 거버넌스, 데이터 보안 및 개인 정보 보호 문제에 중점을 둔채, 윤리적 인식의 필요를 고려하지 않았다. (명확한 격차와 기존 정책의 부족함을 확인)
• Slade and Prinsloo(2013)의 사회 비판적 관점으로 학습 분석의 윤리적 사용의 범위와 정의에 영향을 미치는 여러 가지 문제를 3가지로 분류했다. →데이터의 위치 및 해석 →정보의 동의, 개인 정보 보호 및 데이터 식별 →데이터의 관리, 분류 및 저장
• Slade and Prinsloo(2013) 다음과 같은 여섯 가지 원칙에 따라 프레임 워크를 제안했다:
• 학습 분석을 위한 학생 데이터의 윤리적 사용에 관한 The Open University (OU; 2014)정책의 개발

RECENT DEVELOPMENTS IN ETHICAL FRAMEWORKS

• 최근에는 윤리적 삶에 대해 자본주의의 데이터 관계 비용(costs of capitalism's new data relations)에 대한 성찰이 높아지고 있다.
• Sclater, Peasgood 및 Mullan (2016)은 미국, 호주 및 영국의 고등 교육 기관에서의 연구를 검토했는데, 학습 분석이 다음의 항목에서 큰 기여를 한다고 요악하였다.

SOME FUTURE CONSIDERATIONS