基于內容分析的在線學習APP隱私政策研究*——以35個典型的在線學習APP隱私政策為樣本

上超望 鄭玉敏 劉 琳 程 鳳 韓 越

基于內容分析的在線學習APP隱私政策研究*——以35個典型的在線學習APP隱私政策為樣本

上超望 鄭玉敏[通訊作者]劉 琳 程 鳳 韓 越

（華中師范大學 人工智能教育學部，湖北武漢 430079）

在線學習APP隱私政策既是運營商在學習者數據保護領域進行自我規約的重要方式，也是學習者個人信息保護的法律保障。為深化在線學習APP隱私政策研究，文章采用內容分析法，以35個典型的在線學習APP隱私政策為樣本，根據在線學習APP隱私政策文本編碼表對35個APP隱私政策樣本進行獨立編碼并進行一致性檢驗，并從外部特征和文本內容兩個維度對APP隱私政策進行了分析，結果表明：部分在線學習APP隱私政策頁面存在位置不明顯、圖標設置不規范等問題，且部分在線學習APP隱私政策篇幅冗長、用詞晦澀；文本內容在改善產品或服務、限制處理權方面存在顯著差異。基于此，文章從內容的易取性、可讀性、規范性三個角度提出優化在線學習APP隱私政策的建議，以期為在線學習APP完善隱私政策規范和管理評估提供借鑒。

隱私政策；內容分析；在線學習APP；信息安全

當前，APP已成為在線學習的主要工具，在支持學習者擴展學習機會、無障礙獲得個性化學習服務等方面發揮了重要作用[1]。在線學習APP頻繁的信息傳遞，增大了用戶數據在移動端暴露的風險，惡意訪問的問題頻發，故強化和規范在線學習APP個人信息保護迫在眉睫。2020年，全國信息安全標準化技術委員會發布《信息安全技術個人信息安全規范》（下文簡稱《規范》），對APP個人信息處理進行了標準化規范[2]。2021年，《中華人民共和國數據安全法》《中華人民共和國個人信息保護法》先后出臺[3][4]，從制度層面細化了個人信息權益保護的要求。而隱私政策便是在線學習APP運營商向用戶發布的關于個人信息收集、使用、存儲、共享等行為的公開承諾，是APP明示個人信息保護的自律性文本。對于在線學習APP隱私政策，已有研究主要從理論層面進行定性分析，而基于客觀數據的量化分析相對較少。內容分析法結合定性與定量數據，能夠從系統層面對隱私政策進行科學分析。基于此，本研究聚焦在線學習APP隱私政策，選取典型樣本進行內容分析，并根據分析結果有針對性地提出優化在線學習APP隱私政策的建議，以期為在線學習APP運營商改進學習者隱私信息管理提供參考。

一 隱私保護研究現狀

1 在線學習中的隱私保護

在線學習隱私保護問題是教育界長期面臨的一項挑戰，研究者在理論層面紛紛對此問題進行了研究，如逯行等[5]基于行為失范理論，對學習者隱私披露和隱私安全威脅進行了探討；Andrews等[6]從認知防御策略理論視角，探索了加強兒童和在線隱私保護的方法。也有研究者從算法的角度進行了學習者隱私保護嘗試，如李默妍[7]采用聯邦學習算法，來解決在線學習中數據挖掘可能存在的隱私保護問題；蔣艷雙等[8]從情感計算算法的實現角度，初步提出控制學生隱私邊界滲透的建議。此外，還有一些研究者關注學習者的隱私保護動機、未來挑戰等話題[9][10]。從已有研究成果來看，研究者已注意到在線學習中隱私保護的重要性，并逐步探索和完善在線學習隱私保護的相關理論，但少有研究者從隱私政策視角出發探究在線學習中的隱私保護問題。

2 APP應用中的隱私政策

APP隱私政策分析是隱私保護研究的一個重要分支，目前主要活躍于電子政務、醫療健康、社交媒體等行業領域。例如，張曉娟等[11]針對政務APP隱私政策，初步構建了電子政務APP個人隱私信息保護評價指標體系；李延舜[12]采用文本考察的方式，討論了我國社交應用軟件隱私政策的合規審查及其完善等問題；Iwendi等[13]為醫療系統設計了基于語義的隱私保護政策分析框架。此外，還有學者從隱私保護規則、隱私倫理、指標框架等方面展開探索[14][15][16]，探討APP隱私政策對行業安全、有序發展的支撐作用。

上述研究者對在線學習中的隱私保護和APP應用中的隱私政策的探索，為開放環境下的信息保護提供了重要參考。然而，當前針對在線學習這一APP主要應用領域的隱私政策相關研究成果尚不多，利用客觀數據進行量化分析的研究成果更是比較匱乏。因此，本研究基于在線學習APP安全應用的需求，利用內容分析法對在線學習中的隱私保護問題進行量化考察，以期為促進在線學習APP運營商自覺保護用戶信息、改進在線學習APP學習者隱私政策治理提供思路。

二 研究設計

1 研究對象選取

參考教育領域應用廣泛的在線學習APP，本研究將在線學習APP劃分為大學教育類、素質教育類、職業教育類、學習工具類、兒童早教類五類。之后，本研究以“在線學習”為關鍵詞，分別在華為應用商店、小米應用商店兩個知名手機應用市場進行檢索，并結合艾媒咨詢發布的“2022年度中國APP市場月活數據排行榜”[17]、《互聯網周刊》發布的“2022年度APP分類排行”[18]，排除無法訪問、未張貼隱私政策和隱私政策重復的情況，分別在五類在線學習APP中選取7個典型的APP作為研究樣本。在此過程中，若發現某個APP從屬于多個類別，本研究就按APP的首要功能與核心的學生用戶群體、結合專家意見，將其確定為一個類別。最終，本研究選取的35個典型在線學習APP如表1所示。

表1 35個典型的在線學習APP

本研究將35個典型的在線學習APP依次編碼為n1～n35，之后按樣本名單順序下載，查找其隱私政策，同時記錄從APP首頁到隱私政策頁面所需的點擊次數及其位置信息。收集隱私政策時綜合考慮市場知名度、在線訪問量等因素，使研究對象具有了一定的代表性。最終，獲取的APP隱私政策以文本形式保存，同時記錄其字數信息——據統計，35個典型的在線學習APP隱私政策文本字數共約39萬字。在政策文本研究領域，通常將政策文本數量超過30個的研究稱為大樣本研究[19]。而本研究的APP隱私政策文本共35個，符合隱私政策分析的數據要求。

2 文本編碼設計

《規范》的內容分類框架為廣大研究者所引用。本研究以每個在線學習APP隱私政策文本為最小分析單元，將《規范》的核心條例作為核心編碼框架，設計了信息的收集、使用和存儲，Cookie、Beacon及相關技術的提醒，信息共享、轉讓及公開披露，信息主體的權利，未成年個人信息保護，用戶隱私保護措施及投訴六個編碼維度及其條目，形成了在線學習APP隱私政策文本編碼表，如表2所示。

表2 在線學習APP隱私政策文本編碼表

3 獨立編碼與一致性檢驗

本研究依次將35個APP隱私政策文本與表2中六個維度的具體編碼條目逐一進行對比，如果編碼條目在APP隱私政策文本中出現，就記為1；若沒有出現，則記為0。為保證編碼的科學性和客觀性，本研究邀請4名研究者全程對35個APP隱私政策樣本進行獨立編碼，之后對編碼結果進行匯總分析與一致性檢驗。一般認為，當一致性達到80%時，可以認為一致性較高[20]。本研究中4名研究者對35個APP隱私政策文本的編碼一致性為92.3%，說明編碼結果較為科學。之后，4名研究者就編碼不一致的地方進行商討，形成最終的APP隱私政策編碼條目。

三 在線學習APP隱私政策的相關數據分析

1 APP隱私政策的外部特征分析

①隱私政策可見性。對35個樣本APP的量化統計顯示，從首頁到隱私政策界面需要點擊1～5次不等。其中，57%的APP隱私政策在首頁即可找到，只需點擊1次即可獲得；從首頁到隱私政策頁面需要點擊2次的占26%；而需要點擊3次及以上的APP可被認定為可見性較低[21]，占比為17%，說明這些APP存在隱私政策頁面的位置不明顯、圖標設置不規范等問題。

②隱私政策可讀性。對35個樣本APP的量化統計顯示，各條在線學習APP隱私政策文本的字數處于3000～22000字之間，平均字數為11694字，篇幅冗長的特點明顯。就隱私政策的呈現方式而言，34%的APP隱私政策采用概要格式，字數不超過6000字；66%的APP隱私政策采用詳述格式，字數超過10000字，可讀性較低。

2 APP隱私政策的文本內容分析

（1）信息的收集、使用和存儲

經Fisher精確檢驗，各類在線學習APP隱私政策在信息的收集、使用和存儲方面不存在顯著差異。在35個樣本APP中，80%的APP隱私政策對個人信息、敏感信息等進行了說明，100%包含個人信息存儲內容，97%包含個人信息存儲地點，97%提及個人信息使用方法，77%包含個人信息存儲期限。在提供個人信息收集情況的在線學習APP隱私政策中，大多數主要從完成交易或服務行為、提供個性化產品服務、改善產品或服務三個方面闡釋個人信息的收集目的，也有小部分涉及提供新的內容板塊，如表3所示。其中，各類在線學習APP隱私政策在改善產品或服務方面存在顯著差異（=0.046＜0.05），由于樣本量較少，需要利用Fisher分割檢驗進一步對各類APP的顯著性水平進行兩兩驗證[22]。

表3 個人信息的收集目的

五類在線學習APP在“改善產品或服務”的Fisher分割檢驗結果如表4所示，可以看出：大學教育類APP與學習工具類APP（=0.005）、職業教育類APP與學習工具類APP（=0.029）、兒童早教類APP與學習工具類APP（=0.005）均存在顯著差異。究其原因，在于學習工具類APP關于“改善產品或服務”內容的文字描述更加詳細，且更注重用戶產品體驗。

表4 五類在線學習APP在“改善產品或服務”的Fisher分割檢驗結果

（2）Cookie、Beacon及相關技術的提醒

Cookie、Beacon及相關技術的提醒可以通過跟蹤學習者的賬戶密碼、學習記錄等信息，為學習者提供個性化學習資源推薦服務，但學習者有權關閉跟蹤功能。經Fisher精確檢驗，各類在線學習APP在Cookie、Beacon及相關技術的提醒方面不存在顯著差異（=0.552），其數據統計如表5所示。表5顯示，僅有68.6%的APP隱私政策為用戶提供明確拒絕或禁止追蹤技術操作指引，有28.6%說明了技術使用標準，有40%提及了技術使用安全性。

（3）信息共享、轉讓及公開披露

經Fisher精確檢驗，各類在線學習APP隱私政策在信息公開披露（=0.106）、轉讓（=0.206）、無須授權（=0.711）方面不存在顯著差異，但在個人信息共享方面存在顯著差異（=0.018）。對個人信息共享題項做進一步Fisher分割檢驗，結果顯示不存在顯著差異（＞0.05）。在35個典型的APP隱私政策中，83%提到未經許可不公開披露個人信息，74%對第三方共享信息情況進行了說明，51%提及業務轉讓時消費者信息也會被轉讓，66%含有無須征得授權同意的情形。

表5 Cookie、Beacon及相關技術提醒的數據統計

（4）信息主體的權利

經Fisher精確檢驗，各類在線學習APP隱私政策在訪問權（=0.001）、更正權（=0.008）、注銷權（=0.001）、限制處理權（=0.013）等方面均存在顯著差異，但在信息主體的其他子類目上均不存在顯著差異（＞0.05）。對上述存在顯著差異的四個條目進行Fisher分割檢驗，僅有“限制處理權”存在顯著差異，具體如表6所示。在“限制處理權”的Fisher分割檢驗結果中，大學教育類APP與學習工具類APP（=0.005）、兒童早教類APP與學習工具類APP（=0.005）均存在顯著差異。據統計，APP隱私政策在學習者權利方面的占比差異較大：更正權占97%、訪問權占94%、刪除權占80%、限制處理權占66%、注銷權占57%、訴訟權占43%、使用權占43%。可見，各類在線學習APP隱私政策在信息主體的權利方面尚未形成統一標準。

表6 五類在線學習APP在“限制處理權”的Fisher分割檢驗結果

（5）未成年個人信息保護

經Fisher精確檢驗，各類在線學習APP隱私政策在未成年個人信息保護方面不存在顯著差異（＞0.05）。據統計，100%的在線學習APP隱私政策包含未成年隱私保護條目，但缺少對收集的未成年人信息類型（51.4%）、未成年人問題反饋渠道（48.6%）、更正和刪除兒童信息（48.6%）和監護人身份認定（34.3%）等條目的設置，具體如表7所示。

（6）用戶隱私保護措施及投訴

經Fisher精確檢驗，各類在線學習APP隱私政策在用戶隱私保護措施及投訴方面不存在顯著差異（＞0.05）。在用戶隱私保護措施方面，91%的APP隱私政策涉及技術保障措施，80%提到員工素養與責任，49%包含制度保障和保護標準。而在用戶隱私投訴方面，97%的APP隱私政策告知了用戶主要的投訴渠道，94%提供了投訴電話和維權地址，41%提供了電子郵箱，6%設立了維權部門。在投訴后的響應階段，83%的APP隱私政策向用戶說明了投訴響應時間，其中6%的投訴響應時間是7個工作日、83%是15～20個工作日、11%是20個工作日以上。

表7 未成年個人信息保護

四 優化在線學習APP隱私政策的建議

結合上述在線學習APP隱私政策的相關數據分析，本研究從內容的易取性、可讀性、規范性三個角度提出優化在線學習APP隱私政策的建議。

1 提高在線學習APP隱私政策內容的易取性

隱私政策的易取性主要表征用戶從在線學習APP首頁點擊進入讀取隱私政策的便利性。前述隱私政策可見性分析結果顯示，部分在線學習APP隱私政策頁面的位置不明顯、圖標設置不規范等問題較為突出，導致學習者無法便捷地讀取隱私政策。對此，本研究建議根據《APP違法違規收集使用個人信息行為認定方法》中的相關要求[23]，從信息組織、信息架構、視覺美化等角度優化窗口、菜單、標簽、圖標等界面元素，依托主流的隱私政策位置設置方案，將隱私政策鏈接置于醒目位置或進行特殊標識，使界面空間層級的呈現更加清晰、簡明，以幫助學習者或監護人高效找到所需的隱私政策信息。對于兒童早教類、學習工具類等主要面向未成年學習者的在線學習APP，則應制定專門的兒童隱私政策，以重點保護未成年學習者的數據信息。

2 優化在線學習APP隱私政策內容的可讀性

隱私政策的可讀性主要表現為用戶直觀感受到的隱私政策長度和閱讀難度[24]。前述隱私政策可讀性分析結果顯示，部分在線學習APP隱私政策篇幅冗長、用詞晦澀，雖在一定程度上保證了隱私政策的完整性，但也增加了用戶的閱讀難度和認知負荷，易導致用戶中途放棄閱讀，無法有效提升隱私保護效果。因此，隱私政策語言描述應做到簡潔清晰、準確易懂，以滿足不同年齡段學生用戶對隱私保護的實際需求。對此，本研究建議采用分層目錄的形式來呈現APP隱私政策；針對難點內容，可綜合運用圖表或注釋、鏈接等予以闡釋；針對重點內容，可適當調節字體、間距、色調等頁面顯示設置或盡量縮減篇幅，以提升隱私政策的用戶友好度。

3 加強在線學習APP隱私政策內容的規范性

前述隱私政策的文本內容分析結果顯示，運營商往往按照自己的理解來設計在線學習APP隱私政策，致使其文本內容在改善產品或服務、限制處理權等方面存在顯著差異。加上在線學習APP隱私政策缺乏嚴格的規范，致使用戶在閱讀和理解不同的政策文本時易產生困惑與迷茫。對此，本研究建議在線學習APP運營商從用戶的實際使用需求著手，參考《中華人民共和國數據安全法》《中華人民共和國個人信息保護法》中有關個人信息安全的基本原則，按照《規范》中的隱私政策模板與編寫要求，制定統一的隱私政策行業標準，嚴格規范在線學習APP隱私政策的相關內容，以確保教師和學生能夠準確地理解并應用這些隱私政策。

五 結語

隱私政策既是在線學習APP用戶個人信息安全的“第一道防線”，也是提升用戶潛在隱私風險認知水平、提高在線學習APP用戶個人信息處理的透明度、消除信息不對等的前提。本研究以35個典型的在線學習APP隱私政策為樣本，對APP隱私政策的外部特征和文本內容進行了分析，在此基礎上提出了優化在線學習APP隱私政策的建議。后續研究將面向在線學習APP用戶，開展APP隱私政策的用戶感知與保護路徑研究，以期為教育領域的在線學習APP用戶提供更加安全、可信賴的隱私保護環境，促進教育信息化的可持續發展。

[1]祝智庭,鄭浩,許秋璇,等.教育數字化轉型的政策導向與生態化發展方略[J].現代教育技術,2022,(9):5-18.

[2]全國信息安全標準化技術委員會.國家標準GB/T 35273-2020《信息安全技術個人信息安全規范》[S].北京:中國質檢出版社,2020:2.

[3]中國人大網.中華人民共和國數據安全法[OL].

[4]中國人大網.中華人民共和國個人信息保護法[OL].

[5]逯行,王良輝,周躍良.智能時代教育主體失范的分析框架與類型演化[J].電化教育研究,2023,(1):20-27.

[6]Andrews J C, Walker K L, Kees J. Children and online privacy protection: Empowerment from cognitive defense strategies[J]. Journal of Public Policy & Marketing, 2020,(2):205-219.

[7]李默妍.基于聯邦學習的教育數據挖掘隱私保護技術探索[J].電化教育研究,2020,(11):94-100.

[8]蔣艷雙,崔璨,劉嘉豪,等.教育領域中的情感計算技術:應用隱憂、生成機制與實踐規約[J].中國電化教育,2022,(5):91-98.

[9]Wottrich V M, Van Reijmersdal E A, Smit E G. APP users unwittingly in the spotlight: A model of privacy protection in mobile APPs[J]. Journal of Consumer Affairs, 2019,(3):1056-1083.

[10]彭紅超,姜雨晴.多模態數據支持的教育科學研究發展脈絡與挑戰[J].中國遠程教育,2022,(9):19-26、33、78.

[11]張曉娟,徐建光.政務APP個人隱私信息保護評價指標體系研究及實證分析[J].現代情報,2019,(7):133-142.

[12]李延舜.我國移動應用軟件隱私保護政策的合規審查及完善——基于49例隱私保護政策的文本考察[J].法商研究,2019,(5):26-39.

[13]Iwendi C, Moqurrab S A, Anjum A, et al. N-sanitization: A semantic privacy-preserving framework for unstructured medical datasets[J]. Computer Communications, 2020,161:160-171.

[14]侯浩翔.人工智能時代學生數據隱私保護的動因與策略[J].現代教育技術,2019,(6):12-18.

[15]Hakimi L, Eynon R, Murphy V A. The ethics of using digital trace data in education: A thematic review of the research landscape[J]. Review of Educational Research, 2021,(5):671-717.

[16]姚勝譯,吳丹.APP隱私保護政策用戶友好度評價研究[J].信息資源管理學報,2021,(1):30-39、58.

[17]艾媒咨詢.移動APP指數[OL].

[18]互聯網周刊.2022年度APP分類排行[OL].

[19]任弢,黃萃,蘇竣.公共政策文本研究的路徑與發展趨勢[J].中國行政管理,2017,(5):96-101.

[20]Gyan G W, Bernard H R. Handbook of qualitative research[M]. Thousand Oaks, CA: Sage Publication, 2000:769-802.

[21]安琳.公共圖書館隱私政策框架與透明度優化研究[J].圖書館工作與研究,2022,(5):52-58.

[22]趙靜,袁勤儉,陳建輝.基于內容分析的B2C網絡商家隱私政策研究[J].現代情報,2020,(4):101-110.

[23]中國網信網.關于印發《App違法違規收集使用個人信息行為認定方法》的通知[OL].

[24]馬騁宇,劉乾坤.移動健康應用程序的隱私政策評價及實證研究[J].圖書情報工作,2020,(7):46-55.

Research on the Privacy Policy of Online Learning APP Based on Content Analysis——Taking the Privacy Policies of 35 Typical Online Learning APPs as Samples

SHANG Chao-wang ZHENG Yu-min[Corresponding Author]LIU Lin CHENG Feng HAN Yue

The privacy policy of online learning APP is not only an important way for operators to self-regulate in the field of learner data protection, but also a legal guarantee for learners’ personal information protection. In order to deepen the research of privacy policy of online learning APP, this paper adopted the content analysis method, and took the privacy policies of 35 typical online learning APPs as samples to independently coded the privacy policy samples of 35 APPs according to the privacy policy text coding table of online learning APP and conducted consistency test. Meanwhile, the privacy policies of APP were analyzed from two dimensions of external features and text content. The results indicated that some privacy policy pages of online learning APPs had problems such as unclear placement and non-standard icon settings. Additionally, some privacy policies of online learning APPs were verbose and hard to understand, and there were significant differences in the text contents in terms of improving the product or service and limiting the disposal right. Based on this, the paper proposed suggestions for optimizing the privacy policy of online learning APP from three angles of the accessibility, readability and standardization of contents, expecting to provide reference for improving the privacy policy norms and management evaluation of online learning APP.

privacy policy; content analysis; online learning APP; information security

G40-057

A

1009—8097（2023）11—0091—08

10.3969/j.issn.1009-8097.2023.11.009

本文為國家自然科學基金項目“信息生命周期視角下教育大數據隱私泄露的風險評估與追溯消解機制研究”（項目編號：61977036）、湖北省高校省級教學研究項目“人工智能賦能下師范生信息化教學素養構建與培育研究”（項目編號：2022084）、華中師范大學人工智能教育學部人工智能+教育創新課題“FFT框架下基于過程性評價的線上自主學習質量優化研究”（項目編號：2022XY020）的階段性研究成果。

上超望，教授，博士，研究方向為教育大數據隱私保護、智能知識服務，郵箱為scw@mail.ccnu.edu.cn。

2023年3月14日

編輯：小米