یک مبانی جامع برای تمرینات ، تحولات یادگیری کتابخانه ، ابتکارات و مسائل مربوط به حفظ حریم خصوصی [کالج ها و کتابخانه های تحقیقاتی]


Translating…

Kyle M.L. Jones, Kristin A. Briney, Abigail Goben, Dorothea Salo, Andrew Asher, and Michael R. Perry

Universities are pursuing learning analytics practices to improve returns from their investments, develop behavioral and academic interventions to improve student success, and address political and financial pressures. Academic libraries are additionally undertaking learning analytics to demonstrate value to stakeholders, assess learning gains from instruction, and analyze student-library usage, et cetera. The adoption of these techniques leads to many professional ethics issues and practical concerns related to privacy. In this narrative literature review, we provide a foundational background in the field of learning analytics, library adoption of these practices, and identify ethical and practical privacy issues.

Introduction

In the wake of the ubiquitous computing infrastructure that higher education institutions have created, a “rising tide”1 of student data is overflowing as a result of interactions with digital systems. Institutions are motivated to mine this “gold,”2 to extract this “oil”3 as a social, political, and financial resource, and as a means to effect positive educational outcomes. This sociopolitical and sociotechnical movement to collect, describe, and act on student data has created momentum in the field of learning analytics (LA).

LA are defined as “the measurement, collection, analysis and reporting of data about learners and their contexts, for purposes of understanding and optimizing learning and the environments in which it occurs.”4 As a practice, LA focuses on student success and student learning contexts, and also on institutional efficiency and effectiveness.5 LA materialized in 2010 as a technology to watch for “on the horizon”6 and has gained significant interest among administrators, researchers, technologists, policymakers, and (increasingly) librarians.

As documented in the academic library impact (ALI)7 report, learning analytics are of great interest to academic libraries. Library LA projects and research have grown out of administrative pressure to demonstrate returns on investments and a desire to confirm which library practices and resources contribute to institutional priorities and impact student learning. Both of the initiatives of the Association of College & Research Libraries (ACRL), the Value of Academic Libraries (VAL) and Assessment in Action (AiA),8 not only encourage expanded data capture within the library but also the combination of those data with other campus data sets, including demographic and other identifying data. However, this encouragement is not fully aligned with professional ethics codes, such as that of the American Library Association (ALA).

Emerging research has begun to examine these LA projects through a critical lens to identify professional and other ethical problems.9 However, for librarians to make informed decisions about LA, it is essential for the profession to develop a foundational understanding of LA as a field, its recent impact on academic librarianship, and inherent privacy issues, which this narrative review aims to accomplish. Additionally, the review identifies useful privacy resources and areas where further research is necessary. We refer readers to the existing research on professional ethics to explore these issues through this particular analytical lens.

We have divided the review into four substantive parts: 1) background information on LA; 2) the adoption of LA by academic libraries, primarily in the United States; 3) the emerging ethical issues related to library LA; and 4) practical privacy issues arising because of library LA. In each of these sections, appendices point to useful resources. Finally, the article ends with a discussion that promotes ideas and strategies for addressing some of the ethical problems.

Background on Learning Analytics

The embrace of learning analytics (LA) echoes the 1970s rise of decision support practices10 and, more recently, business intelligence systems.11 However, LA are more accurately described as branching off of the academic analytics movement of the mid-2000s.12 Campbell, DeBlois, and Oblinger write that “[t]hanks to enterprise-wide systems that generate massive amounts of data, data warehouses that aggregate disparate types of data, and processing power that sifts, sorts, and surfaces patterns,” analytics have become a viable set of tools.13

LA researchers focus on digital learning environments because of the bountiful data collected by educational and other technologies in support of running complex academic institutions.14 One example is Unizin and its Common Data Model (UCDM).15 Unizin is an institutional consortium of more than 20 public universities and university systems serving a collective student body totaling more than 900,000.16 The UCDM maps a complex array of student-related data, which Unizin will aggregate in a centralized data warehouse for consortia members. The model contains demographic, economic, and academic information, among other things. It captures students’ academic work (such as assignments and discussion posts) and all their interactions with a learning management system (LMS)—logins, individual clicks, time-on-page—all the “digital footprints” expressed in an LMS’s logs and metadata.

Early LA efforts, such as those at Purdue University, used LMS data in combination with academic performance data to predict whether a student was at risk for academic failure in a specific course.17 Purdue’s predictive work continues to serve as a model for many LA developments, including feature changes to common LMSs like Blackboard and Canvas. Importantly, critics later discovered significant issues with Purdue’s predictive model. Jones and McCoy explain that the researchers responsible for the model came to inaccurate conclusions by staking their statistically significant—but wrong—claim on a spurious correlation, seeing patterns in the process that did not exist.18

Other LA systems increasingly “nudge” students toward certain behaviors, such as communicating with instructors or seeking campus resources, based on these predictions.19 Some analytics systems adapt course materials and assessments based on students’ learning styles, past performance, and system behaviors.20 LA designers have also developed predictive analytics, nudging strategies, and adaptive learning algorithms for advising systems, which provide personalized course and program recommendations and suggest advisor interventions when the system predicts students will do poorly in their academics or they are not engaged with the university community.21

Beyond education technologies, institutions can and often do capture data related to interactions with virtual assistants, smartphones, wearable devices, tablets, personal computers, sensors, and ID card readers (example: card swipes). For example, Northeastern University, St. Louis University, Arizona State University, and the University of Texas at Dallas started initiatives using Amazon Echo Dots, whose Alexa personal assistant can retrieve campus information and, in some cases, get personalized information from SISs.22 Both Amazon and these institutions gained access to student data.23 These data were so valuable to UT-Dallas’s IT department that it proposed refusing to allow students to turn the Dots off.24 Purdue and Oral Roberts University pursued “quantified self” technologies to inform students of their learning behaviors and track their nonacademic activities; the former university uses mobile, desktop, and smartwatch applications, while the latter required its students to wear Fitbits.25 At the University of Arizona, a researcher analyzed students swiping their identification cards at more than 700 campus locations to study routines and social networks.26

In addition to campus-based data, some LA proponents have advocated for integrating social media data.27 A significant majority of 18- to 29-year-olds use social media; the enormous amount of these data may explain the desire to mine them for analytics.28 Institutions have already monitored student social media behaviors on a small scale, though not always for educational purposes. Georgia Tech University profiled a student activist,29 and the University of Virginia hired a social media monitoring company to surveil students’ social media for threats to campus safety.30 Nevertheless, as Chen, Vorvoreany, and Madhavan demonstrate, it is becoming increasingly easy for institutions to collect their students’ Twitter content and metadata wholesale via APIs using Boolean search terms and geolocation filters.31

Beyond internal usage of student data, institutions have begun to aggregate their student data collaboratively. Reyes notes that new technology enables “institutions to access, collaborate and contribute their data in an effort to build single platforms with the capacity for sharing multiple data sets.”32 Maturing interoperability standards, like Caliper, are enhancing aggregation initiatives.33 One example of mass aggregation is Carnegie Mellon University’s DataShop, which serves as “a central repository for data on the interactions between students and educational software,”34 primarily for research purposes.

While proponents often argue that LA are focused solely on students and their learning,35 the accepted definition of LA and ongoing rhetoric around them reveals a variety of motivations and goals. The ability to surface, analyze, and act on the “data explosion”36 has led some to think that LA may serve as panaceas that can resolve seemingly intractable problems like recruitment, retention, and provide data useful for responding to external demands.37 Internal and external stakeholders believe LA can help demonstrate institutional “performance and cost-effectiveness” in ways that highlight solvency and increase public trust in and support of higher education as a costly investment.38 For instance, Mount St. Mary’s University planned to use predictive analytics to proactively dismiss students unlikely to be retained, arguing that such actions would improve its national ranking.39 Others have pushed back against the pressure to quantify student life, claiming that LA are leading institutions to count for the sake of counting without due consideration for ways such analytics and the infrastructures that support analytic practices can have “detrimental consequences.”40 Moreover, present evidence for the effectiveness of LA is mixed at best, raising a concern that the benefits are not worth the financial costs and/or possible harms.41

Academic Library Participation in Learning Analytics

Academic libraries, like the institutions they are part of, have identified many reasons to engage in LA, including a need to maintain alignment with greater institutional efforts and interests.42 Library administrators are facing pressure from their peers at the campus level to demonstrate their contributions to university-level goals.43 A survey of chief academic officers (CAOs) found that they desired quantitative evidence as a key requirement to support funding requests, arguing that correlational data “to retention, success, and even evidence of learning information literacy skills” is of the utmost importance to justify resource allocations. Twenty years of research focused on quantifying library value and impact (however defined) have resulted from these pressures to explain ever-increasing library budgets and an institution’s demand for a return on its investments in libraries.44 LA further advances these goals.

Information literacy instruction has seen an increased move toward outcomes-based assessment in the past two decades, which has normalized the capture of detailed and individual quantitative data for many academic librarians. The Association of College and Research Libraries (ACRL) Information Literacy Competency Standards, adopted in 2000, encouraged a granular approach to data gathering about students and the analysis practices that support LA.45 These standards specifically called for 22 performance indicators, each with multiple outcomes. One of the goals indicated by the implementation of the standards is to identify how information literacy would “enhance the institution’s effectiveness.”46 The ACRL Framework for Information Literacy in Higher Education, which was adopted in 2016 and supplanted the Standards, does not explicitly focus on assessment in the same quantitative way but does emphasize measuring impact.47

ACRL’s long-standing Value of Academic Libraries (VAL) initiative has also expanded library assessment and evaluation practices.48 The initial report, Value of Academic Libraries: A Comprehensive Research Review and Report, asserted that academic libraries need to “document and articulate”49 how a library contributes to its institution’s missions and goals, primarily due to ever-increasing accountability measures. The VAL report recognizes in the foreword that measuring library efficacy grates on some who feel such efforts signal a capitulation to neoliberal interests; additionally, the report acknowledged that attempts to quantify library efforts seem like further homogenization of academia. About these critiques, ACRL leadership commented that “this critical perspective […] seems impractical, given the realities we face today in our institutions.”50 Funding agencies and many academic libraries agreed. The VAL initiative has received several national grants in support of its work; notable related initiatives have emerged, including the “Assessment in Action: Academic Libraries and Student Success” program.51 Furthermore, VAL leaders have developed numerous reports demonstrating the success of and continued need for the research agenda.52 To date, hundreds of scholarly artifacts have been published and disseminated as a result of the VAL initiative.53

More recently, library LA literature is explicitly aligning with the methods and goals that higher education LA advocates espouse.54 Megan Oakleaf,55 in particular, has been an outspoken advocate of LA, highlighting how “many librarians have embraced the use of assessment and research to explore the links between student library interactions and student learning and success measures.”56 This argument moves beyond the documentation and assessment of library efforts to combining library data with identifiable student data from other sources to seek potential correlative trends. OCLC’s research with higher education administrators signaled that there is an ever-increasing interest in gathering identifiable student data.57 Furthermore, while those administrators did not explicitly identify data from the library as of interest, library LA advocates have mentioned it as a particular area of importance.

Library participation in institutional LA initiatives to date has been limited in part because library data are siloed from the rest of the campus.58 LA advocates argue that library data should be extracted from various library systems and integrated with centralized systems for cross-institution access and analysis, which some institutions have pursued.59 For example, the universities of Wollongong and Minnesota include sharing individual students’ library usage information with instructors/advisors to encourage them to nudge those students toward greater library use.60

Library LA studies are increasingly possible due to a growing amount of accessible data, in part because data exhaust and metadata are inherent to library systems’ main function. Library LA studies demonstrate that analyzing data for secondary purposes (that is to say, not for their designed purposes) provides several analytical opportunities, as does the combination of library data sources with campus-captured student information. Library LA studies harvest data from existing library systems such as integrated library systems (ILS) and EZproxy logs, using spreadsheet or statistical software to run analyses (examples: Excel, SPSS, Tableau). Checkout counts are baseline usage statistics in LA studies, including interlibrary loans,61 equipment checkouts,62 and books. Additional facilities data are available, such as card-swipe entries into the library,63 library computer logins,64 and study room reservations.65 Proxy servers provide data about e-resource use.66

Library LA additionally provide new possibilities to assess library interactions with students. Studies quantified transactions between students and library staff at the following service points: face-to-face reference services,67 asynchronous virtual reference services such as through e-mail,68 synchronous virtual reference services such as instant messaging,69 and instruction sessions.70 Others are mining text from chat reference transcripts.71 The scope of data collection varies from project to project; for example, course-based instruction allows for the aggregate analysis of students in an entire class section rather than individual-level analysis.72 Some libraries purchase Springshare’s LibAnalytics,73 OrangeBoy,74 Gale Analytics,75 WhoFi,76 and OCLC’s Wise to support analytic efforts.77 All these systems represent newer commercial library analytics tools, though vendors market these primarily to public libraries.

The majority of library LA studies also look to institutional sources for student data. Grade point averages (GPAs), obtained from an institutional research office, are one of the most common metrics of student success. Kogut found that more than 40 percent of studies evaluated GPA when examining academic library contributions to undergraduate academic success,78 which is consistent with trends in broader LA practices.79 Occasionally, studies evaluated individual assignments or examined course grades instead of overall GPA.80 Other library LA studies include data gathered from student participation in first-year experience programs81 and uses of tutoring services.82 To this is added data gathered outside classroom environments, such as four-year graduation rates83 and year-to-year retention.84

Additional information often obtained from institutional sources includes demographic information such as age, gender, and ethnicity to create subgroups for comparison.85 A small number of library studies examine sensitive demographic data like socioeconomic status86 and disability status.87 Other studies captured a student’s standardized test scores,88 major,89 and various statuses like on/off campus residence status,90 full/part-time enrollment status,91 and first-generation status.92 The scope of demographic data also fluctuates. Some articles amass a large amount of demographic information,93 while others collect relatively few data or only look at demographics in aggregate.94

The research methods by which libraries conduct LA studies are varied. However, the majority of studies correlate the use of library services with measures of student success or make means-based comparisons. These studies are most frequently quantitative, though some use a mixed-methods approach.95 One form of analysis is propensity score matching, where target students are paired and compared to students with similar characteristics from a control group.96 Most studies run analyses at the individual student level, though a small portion of studies perform analytics on aggregated data such as from IPEDS or library association statistics.97

Library Learning Analytics, Ethics, and Privacy Issues

As academic libraries engage in learning analytics, questions arise surrounding the ethics of capturing, retaining, and using these data as well as concerns about user privacy. Student privacy issues ebb and flow according to new sociotechnical challenges, which are exemplified by privacy issues brought to the fore by LA’s rise. Higher education is struggling to achieve a privacy balance that can both protect students and, simultaneously, lead to new data-based insights. The same holds true for academic libraries. Library ethics may form a foundation from which to examine these new challenges.

Professional librarians address privacy and related ethical issues in part by reviewing guidelines in ethics codes, such as those by the American Library Association (ALA),98 the International Federation of Library Associations (IFLA),99 and the National Information Standards Organization (NISO).100 Each organization, to various degrees, emphasizes the importance and roles of privacy and confidentiality in intellectual processes associated with library use.

Where the ALA Code of Ethics is concerned, Principles 1 through 4 and 6 are particularly relevant to library LA projects, as they focus on equitable access, intellectual freedom, privacy, confidentiality, rights of information users and rights holders, and not advancing “private interests at the expense of library users, colleagues, or our employing institutions.”101 Similarly, the Library Bill of Rights’ seventh point explicitly calls out a user’s “right to privacy and confidentiality in their library use.”102 Similarly, IFLA’s Statement on Privacy in the Library Environment states that “library and information services should reject electronic surveillance and any type of illegitimate monitoring or collection of users’ personal data or information behavior that would compromise their privacy and affect their rights to seek, receive, and impart information.”103

Notably, NISO’s Consensus Principles on Users’ Digital Privacy in Library, Publisher, and Software-Provider Systems is intended as “a starting point” for pragmatic discussions on user privacy in library systems and electronic resources.104 In the past, ALA has historically put the onus on libraries to protect user privacy; but, more recently, it has turned to NISO’s principles, which takes a more balanced approach. The principles express the joint privacy obligations that libraries and third parties share. Its principles state that “[l]ibraries, publishers, and software­providers have a shared obligation to foster a digital environment that respects library users’ privacy as they search, discover, and use those resources and services.”105 What is lacking from ALA, IFLA, and NISO’s documents is an explicit recognition that library data can be and are often used for research and organizational improvement purposes. Efforts to fill this gap have arisen from ALA itself,106 the Digital Library Federation,107 LITA,108 and the Library Freedom Project.109 Furthermore, the Institute of Museum and Library Services has distributed a significant amount of grant funding to support research into privacy and ethics issues associated with LA; see appendix B for a list of grants.

Outside of libraries, researchers and institutions have developed guiding principles for practice, policy, and technological design. The Asilomar conferences brought together researchers, technologists, and ethicists to develop “a framework to inform decisions about appropriate use of data and technology in learning research for higher education.”110 Other researchers, like Slade and Prinsloo, Sclater, and Pardo and Siemens, put forth their recommendations for principled practice.111

Some universities have developed institutional guidelines. The Open University was among the first to develop principles explicitly addressing privacy and LA.112 More recently, respective faculty at the University of California and the University of Hawaii passed resolutions around student data.113 Both of these institutions’ stated principles address data access, control, and ownership; freedom of expression; ethical uses; and transparency, among other things. Policies from these and other universities are available in appendix C.

Despite these efforts, there is very little evidence that libraries have begun to specifically address LA in local policies. The only data suggesting a policy reaction to LA by libraries comes from Perry et al., whose survey of institutional members of the Association of Research Libraries found that “[m]ost respondents indicated that LA has not caused changes in their privacy policies. Only one respondent indicated that they created a ‘Responsible Use of Library Data’ statement in alignment with their learning analytics project.”114

Since there is a notable gap in library policy and ethics vis-à-vis LA, several library-specific projects have sought to work through LA privacy ethics using a critical lens. Asher addresses the potential and demonstrated dangers of increasing data access, storage, and analysis of library users in higher-education environments.115 Building on Asher’s work, Jones and Salo analyzed how these issues clash with ALA’s Code of Ethics, arguing ways in which LA projects may inhibit intellectual freedom and privacy.116 In a recent piece, Jones, Rubel, and LeClere argue institutions are beholden to their students as “information fiduciaries,” that they have a moral obligation to use LA to benefit students and respect the trust students place in their university.117

Given these known ethical problems and quandaries related to LA, Asher et al. argue that librarians must update their sense of threats to user privacy by taking into account algorithmic bias, reidentification, widespread data trading and hoarding, and surveillance creep.118 Briney homes in on research ethics and LA projects, noting that, even though institutional review boards (IRB) are responsible for identifying ethical issues, many miss violations of library privacy ethics. This situation is due to differences in disciplinary ethics and the fact that studies may be marked exempt from review.

For instance, for those projects that do not include obvious demographic data or are internal assessment and evaluation practices, they fail to trigger reviews.119 It is unclear from the literature if any academic libraries have established clear internal review processes for addressing data privacy concerns.

Practical Library Ethical Privacy Issues

Practical ethical privacy issues appear in the library LA literature because of the intersection of data-handling issues and the ethical implications of data practices. These may include informed consent, data collection, data retention, and ethical review, among others. At present, no professional library association has provided comprehensive guidance or best practices for ethical data handling, though the Technologies of Surveillance Working Group of the Digital Library Federation is drafting guidelines and has created a glossary explaining research ethics intersecting with the use of library user data.120

A major ethical issue of data collection is the use of informed consent.121 In some instances, students may have the option to consent to or explicitly opt into LA practices and research projects. Alternately, LA initiatives may automatically include student data, putting the onus on students to opt out of data collection and analysis procedures to maintain their privacy. Consent is sometimes uneven across a project; it does not follow that, simply because students opt in to a focus group, the data representing those students should be included in other LA projects.122 For instance, Stone and Ramsden performed quantitative analytics without a reported consent process but then conducted a qualitative analysis via a focus group for which they obtained explicit consent.123 Very little information is available on opt-out procedures in academic libraries. One study was nearly unique in its description of how the studied library provided an, admittedly buried, opt-out mechanism.124 A review of data practices در کتابخانه LA متوجه شد که حدود 10 درصد از مطالعات منتشر شده در این زمینه صریحاً به رضایت ، انتخاب یا عدم امتناع اشاره می کنند. 125 این یافته مشابه نتایج با پری و همکاران است ، که دریافتند که فقط حدود 40 درصد از كتابخانه های پاسخ دهنده ، دانش آموزان را از تحلیلی آگاه می كنند ، و از این 60 درصد (تقریباً 20٪ كل) دانش آموزان این امکان را دارند كه از پروژه های تحلیلی استفاده كنند یا از آن خارج شوند. 126 از این گزارش ، آن را به نظر می رسد که در صورت عدم رضایت کامل دانش آموزان ، کتابخانه ها بیشتر تصمیم می گیرند

انتخاب و نگهداری داده ها یک مشکل عملی پیچیده برای پزشکان LA کتابخانه است. استدلالهایی وجود دارد كه نشان می دهد كتابخانه ها – و مؤسسات آنها – باید هرچه بیشتر داده ها را در بیشترین سطح ممکن جمع آوری كنند. با انجام این کار راه های تحلیلی باز می شود که با جمع آوری داده های کمتری زودرس خاموش می شوند. به طور طبیعی ، این تصمیمات با نگرانی های گسترده تر درباره حریم خصوصی دانشجویان در ارتباط است. به عنوان مثال ، پیگیری اینکه دانش آموزان کتاب ها را چک می کنند ، 127 در مقابل تعداد کتاب های بررسی شده ، 128 در مقابل نوع کتاب های بررسی شده 129 به پیامدهای حریم خصوصی دانشجویان. به طور مشابه ، استفاده از بانک اطلاعاتی الکترونیکی می تواند به عنوان مورد استفاده / استفاده نشده ، 130 ، تعداد جلسات ، 131 یا حتی به عنوان افزایش زمان بندی شده در یک بانک اطلاعاتی خاص اندازه گیری شود. 132 در انطباق داده ها در ادبیات LA کتابخانه و در عین حال ، بهترین روش یا معیار وجود ندارد.

در جایی که داده های دانشجویی به درستی تأمین نشده یا به جای حذف به طور نامحدود حفظ شوند ، احتمال بروز نشت ، سوء استفاده یا نقض حریم خصوصی افزایش می یابد. متأسفانه ، ادبیات كتابخانه LA نشان می دهد كه كتابخانه ها داده ها را برای مدت طولانی نگه می دارند ، اما كمترین اطلاعاتی درباره چگونگی ایمن بودن داده ها ندارند. بریین دریافت که تنها حدود 10 درصد از مطالعات چاپ شده در کتابخانه LA به شیوه های امنیت داده ها اشاره می کنند. 133 این یافته ها در پری و همکاران تکرار می شود ، جایی که کمی بیش از نیمی از پاسخ دهندگان این نظرسنجی ادعا می کنند که از امنیت محافظت می کنند ( فیزیکی و / یا دیجیتالی) روی داده های LA و فقط یک سوم از داده های امن در هنگام انتقال. علاوه بر این ، کمتر از نیمی از پاسخ دهندگان برنامه حفظ اطلاعات برای داده های LA را داشتند ، و 20 درصد کامل برنامه ریزی شده برای نگه داشتن این داده ها “به طور نامحدود” است. 134 یوز نمونه مثبتی مثبت مثبتی از کار با مبادلات تجاری بین آنها می دهد. جمع آوری داده های کافی برای تجزیه و تحلیل و حفظ ایمن داده ها با استفاده از شیوه هایی از قبیل به حداقل رساندن داده ها ، شناسایی مجدد و محدود کردن دسترسی به داده های حساس. 135 به طور کلی ، اطلاعات کمی در مورد امنیت داده ها در کتابخانه LA ، با مدارک کافی شناخته شده است. از داده های مشکوک نشان می دهد که کتابخانه ها باید با دقت بیشتری در این نگرانی های عملی شرکت کنند. بهترین روش ها برای مقابله با داده های حساس ، تجمع محدود داده های تجویز شده ، امنیت قوی و حفظ اطلاعات محدود و حذف در این زمینه کمک خواهد کرد. 136

وجه قابل توجهی در نحوه دسترسی کتابداران شرکت کننده در پروژه های LA به بررسی اخلاقی داخلی یا خارجی کار خود ، خواه از طرف IRB یا طرف مقابل وجود دارد. كتابخانه هاي دانشگاهي غالباً در تحقيقات خود گزارش مي كنند كه آنها فقط در صورت برنامه ريزي براي انتشار مركز IRB و — همانطور كه ​​قبلاً مورد بحث قرار گرفته بودند – به دنبال بازبيني بودند كه IRB ها ممكن است داده هاي “شناسايي نشده” را به صورت معاف يا به عنوان داده هاي موضوعي غير انساني گزارش دهند و نيازي به بررسي رسمي و هيچ روش رضايت آگاهي ندارند. 137 علاوه بر این ، برای ایالات متحده آمریکا ، پروژه های ارتقاء کیفیت ممکن است در نظر گرفته نشوند تحقیقاتی که مستلزم حمایت از موضوع انسانی باشد ، 138 و قانون آموزش حقوق و حفظ حریم خصوصی خانواده (FERPA) اجازه می دهد نهادی. کارمندان برای دستیابی به داده ها در هنگام داشتن “علاقه مشروع آموزشی”. FERPA شامل معافیت گسترده ای از بازیگران شخص ثالث وابسته به نهادهای وابسته به نهادهای وابسته ، که ممکن است فروشندگان کتابخانه هایی مانند Springshare یا استفاده گسترده از Google باشد ، می باشد. تجزیه و تحلیل در وب سایت های کتابخانه. 140 به دلیل این استثنائات ، مطالعات LA ممکن است هرگز تحت بررسی IRB قرار نگیرند و هیچ گونه نظریه ای درباره استانداردهای “نیکوکاری” دریافت نکنند (دوباره جستجوی موضوعات تحقیق و محافظت از آنها در برابر آسیب) و “عدالت” (اطمینان از توزیع عادلانه مزایا و مضرات تحقیق).

شناسایی مجدد همچنان یک مسئله مهم است با افزایش اندازه مجموعه داده ها و با سایر داده ها ترکیب می شوند. این مسئله که معمولاً ذکر شده خارج از متن آموزش عالی است ، دقیقاً در مورد کالج ها و دانشگاه ها و کتابخانه های آنها قابل اجرا است. ادبیات غالباً اطلاعات دانشجویی را كه برای اهداف LA استفاده می شود ، ناشناس است (و بنابراین دیگر اطلاعات خصوصی یك فرد مجزا) توصیف نمی كند. با این حال ، روش های به اصطلاح ناشناس سازی کافی نیستند. 141 روش های ناشناس سازی اغلب فقط به صورت سطحی توصیف می شوند ، با این استدلال که حذف شناسه های مستقیم (مانند نام و شماره شناسایی) در عین نادیده گرفتن این واقعیت که شناسه های دیگر که شامل اطلاعات آموزشی هستند می توانند به راحتی امکان شناسایی مجدد را بدست آورند. 142 چندین نشریه همچنین نتوانستند جمعیت های بسیار کوچک را برای محافظت از موضوعات فردی (“کوچک”) فازی ، ترکیبی یا از بین بکشند ، و باعث افزایش این موضوعات شدند. آسیب پذیری در شناسایی مجدد حداقل یک مطالعه گزارش کرده است که یک فرد 83 ساله که به راحتی قابل شناسایی است – استفاده از این کتابخانه دیگر از این کتابخانه خصوصی نیست. 143

توصیه ها

اعمال اخلاقی صرفاً به دلیل عدم نگرانی از مضراتی که ممکن است باعث ایجاد LA شود ، بوجود نمی آیند. مسائل فوق به احتمال زیاد به دلیل دسترسی به داده های بزرگتر است و كتابداران نیاز دارند با توجه به روشهای جدید ، مجدداً مجدد داده و تجدیدنظر كنند. همانطور که ون دیک 144 و کیچین 145 استدلال می کنند ، اطلاعات مربوط به زندگی انسان ، پارادایم تحقیق علمی جدیدی را ایجاد کرده است که همراه با تغییراتی در مطالعه ارزش ، دانش و هستی است. وضعیت فعلی ادبیات شکاف مهارت در این حرفه را نشان می دهد که نیاز به پرداختن به مشکلات اخلاقی پیرامون LA دارد. هنگامی که حرفه ای به این شکاف ها بپردازد ، ممکن است برخی از نگرانی های مربوط به حریم خصوصی کاهش یابد. p>

پویایی نهادی ، اخلاق LA را پیچیده می کند. سرپرستان نهادی می توانند در تلاش برای پیگیری شیوه های داده کاوی و نشان دادن نتایج اغلب ذکر شده مانند افزایش در حفظ و فارغ التحصیلی ، به نادیده گرفتن اصول اخلاقی حرفه کتابخانه فشار بیاورند. كتابداران ممكن است نسبت به جمع آوري هرچه بيشتر داده ها به ويژه به عنوان يك ابزار سياسي براي جلب رضايت بيشتر هنگام تقاضاي بودجه احساس كنند. جونز چنین فشارهایی را در مصاحبه با کتابداران ثبت کرده است. 146

چگونگی پیمایش در این شرایط دشوار سیاسی به شرایط محلی بستگی دارد ، اما چند اصل راهنمایی برای پیشروی وجود دارد. اول ، مواضع اخلاقی باید برای كتابداران واضح و روشن باشد و برای كسانی كه به آنها فشار می آورند ، برای پیگیری LA ، واضح باشند. كتابداران باید در اخلاق خود تأمل كنند و مواضع خود را با همسالان خود گفتگو كنند تا با دیدگاه روشن از جهت گیری وارد بحث های دانشگاهی شوند. برای دستیابی به ایده های بیشتر در این زمینه ، “دفترچه راهنما” توسط Young ، Clark ، Mannheimer و Hinchliffe را ببینید. 147 دوم ، در حالی که برخی اصول اخلاقی را به عنوان بخشنامه های سیاه و سفید یا خطوط روشن می تفسیر می کنند که نباید از آنها عبور کرد. در عوض ، آنها باید به صورت عملی به عنوان راهنمای هدفی مورد استفاده قرار گیرند که به نتایج بهینه اشاره می کنند و نیاز به تفسیر در سطح محلی دارند. انجام این کار منجر به بحث و گفتگوی مثمر ثمر با مدیران و سایر افراد می شود که دستور کار LA را دنبال می کنند. در کتابخانه های دانشگاهی ، دست اندرکاران و محققان نمونه هایی از چگونگی تعادل نگرانی های اخلاقی با نیازهای داده های عملی را ارائه داده اند. 148

كتابداران به شدت آماده انجام پژوهش هاي كيفي و اخلاقي اخلاقي نيستند. 149 تحقيقات قبلي نشان داده است كه هيچ ارتباطي بين گذراندن دوره روش هاي تحقيق در كتابخانه و برنامه فارغ التحصيل علوم اطلاعات و احساس آمادگي وجود ندارد. برای انجام تحقیقات به عنوان یک کتابدار حرفه ای 150 كتابداران احتمالاً برای پر كردن شکاف روشهای تحقیق در آموزش رسمی خود از آموزش خود و ادامه تحصیل استفاده می كنند. 151 مخصوصاً در LA ، بیشتر بیش از 15 درصد از پاسخ دهندگان نظرسنجی در پری و همکاران. گفت: کارمندان به هیچ وجه برای پروژه های تحلیلی آموزش نمی گیرند. حتی در مواردی که آموزش در حال انجام است ، یکنواخت یا کاملاً یکنواخت نیست و بیشتر اوقات شامل آموزش IRB و FERPA است. 152

LA به پزشكان نياز دارد كه در صورت پيگيري روش هاي مبتني بر تحليلي و انجام تحقيقات LA به روش هاي سخت و معتبر ، ظرفيت هاي روش شناختي خود را افزايش دهند. این امر هیچ مشکلی برای حرفه و دانش آموزانی که با استفاده از LA برای جذاب کردن مدیران – و استفاده از منابع گرانبها و وقت – صرفاً انجام این کار ضعیف نیست ، ندارد. علاوه بر این ، همانطور که رابرتشو و اشر تأکید می کنند ، استفاده نادرست از روشهای تحلیلی و نتیجه گیری بدون حمایت آماری مناسب ، یک عمل غیر اخلاقی است. 153

یک عامل ناراحت کننده برای کتابداران این است که موسسات انتظار دارند که کتابداران حرفه ای تحقیقاتی را انجام دهند ، اما هنوز پشتیبانی کافی را ارائه نمی دهند. هافمن ، برگ و کوفوگیانناکیس دریافتند که “ساختارهای مؤسسات و پشتیبانی” یکی از سه دسته وسیعی است که به بهره وری در تحقیق کمک می کند. 154 تدریس درون کتابخانه نیز به موفقیت تحقیق کمک می کند ، اما همه کتابخانه ها رسمی ارائه نمی دهند. مربیگری ؛ 155 کتابخانه هایی که تصدی وی را اعطا می کنند ، بیشتر از این نوع پشتیبانی را ارائه می دهند. 156 عدم وجود منابع مانند زمان ، پشتیبانی نهادی یا مشاوره حرفه ای ممکن است باعث شود که کتابداران 1) نباشند. از نظر روش شناختی آماده شوید ، 2) پیامدهای اخلاقی در طراحی و اجرای مطالعات خود را به طور کامل درنظر نگیرید ، و یا 3) وقت لازم را برای انجام تحقیقات خود به شیوه ای اخلاقی دقیق نداشته باشید. p>

كتابداران ، و به ويژه مديران كتابخانه ، بايد از طرف همكاران اداري و همكاران خود در دفاتر ديگر ، براي حمايت نهادي تلاش كنند. از نظر اخلاقی پیگیری LA برای ایجاد اهداف ، تأمل در شیوه ها ، بهبود زیرساخت ها و تدوین استراتژی ها به زمان و تلاش نیاز دارد. آموزش ویژه برای كتابداران در این زمینه از طریق پروژه های با بودجه IMLS و سازمان های حرفه ای آغاز می شود. 157 علاوه بر این ، كتابداران باید از كسانی كه تخصص آنها تكمیل كننده است ، پشتیبانی كنند. از کارشناسان آماری ، گرفتن راهنمایی از محققان نهاد و مشاوره با اساتید فلسفه برای کمک به آنها در جهت یابی در مسائل اخلاقی خارق العاده. این رویکردهای مشترک این پتانسیل را دارند که به شیوه های کاملاً آگاهانه تر و با اخلاق کامل در مورد LA منجر شوند.

عدم تعادل قدرت غیرقابل انکار بین دانشجویان و بازیگران نهادها ، از جمله کتابداران وجود دارد. موسسات می توانند با دسترسی ، تجزیه و تحلیل و اقدام به داده های دانش آموزان گرانول ، به صورت تحلیلی در زندگی دانش آموزان حفر کنند. جونز و مک کوی استدلال می کنند که اختلاف قدرت مؤسسات را قادر می سازد دانش آموزان را به عنوان سوژه های داده ای ارائه دهند که زندگی آنها مطابق علایق طراحان و مؤسسات آموزشی و فناوری آموزشی شکل می گیرد. 158 روبل و جونز هشدار می دهند که منافع نهادی نباید انجام شود. با توجه به این نکته که ، اگرچه مدیران قدرتمند ممکن است بخواهند نرخ احتباس و فارغ التحصیلی را افزایش دهند ، مورد توجیه قرار می گیرند ، این سؤال باقی می ماند که آیا وسیله تحلیلی برای دستیابی به این اهداف قابل توجیه است. 159

علاقه مندان به كل لس آنجلس ، يك سوال مهم است. جایی که محققان از دانش آموزان در مورد درک خود از یادگیری تحلیلی سؤال می کردند ، نظرات مثبت آنها تا حدودی به توانایی مدیریت حریم شخصی آنها بستگی دارد. 160 دانش آموزان ممکن است احساس نکنند که می توانند آزادانه از تجزیه و تحلیل خودداری کنند بدون اینکه به موفقیت تحصیلی خود آسیب برساند ، حتی هنگامی که آنها در مورد شیوه داده ها مطلع شوند. در داخل كتابخانه ، احتمالاً این امر به اضطراب موجود در كتابخانه ، 161 می افزاید و ممكن است به طرز ناگهانی و منفی بر نحوه مشاهده دانشجویان از كتابخانه به عنوان یك فضای روشنفكرانه تأثیر بگذارد. اگر در هنگام تعقیب كتابداران ، تعادل برق اتفاق بیفتد ، آنها موظف هستند كه با دانشجویان دست به دست هم دهند. درگیر شدن با یک هیئت مشاوره دانشجویی ممکن است این نگرانی را برطرف کند.

نتیجه گیری

با ادامه طرح های LA ، کتابداران باید تغییرات در این زمینه و تأثیر بالقوه بر عملکرد محلی و ملی را درک کنند. ملاحظات حفظ حریم خصوصی همچنان به وجود خواهد آمد که تهدیدهای احتمالی و واقعی برای حفظ حریم خصوصی دانش آموزان بوجود می آیند. 162 اخلاق کتابخانه مستقیماً از قاعده مشترک و تفسیرهای اخلاقی توسط IRB ها خبر نمی دهد ، بنابراین چنین مواردی نمی توانند پروژه های LA کتابخانه را راهنمایی کنند. ممکن است کتابداران آرزو کنند. در حالی که بسیاری از کتابداران درمورد ابتکارات LA اقدام به انتشار و نشر می کنند ، تحقیقات کنونی شکاف های مختلفی را از جمله نیاز به اتخاذ شیوه های حساس در مدیریت داده ها و نیاز به آموزش بیشتر و همکاری بین رشته ای برای بهبود شیوه های روش شناختی و اخلاقی نشان داده است. علاوه بر این ، كتابخانه ها باید مشاركت دانشجویی را برای مشخص كردن ترجیحات و نیازهای آنها ادغام كنند. تحقیقات بیشتر همچنین برای درک پروژه ها و شیوه های LA در کتابخانه های غیر جستجو و کتابخانه های دانشگاهی خارج از ایالات متحده ضروری است.

هدف كتابخانه هاي دانشگاهي ، تعادل بين پاداش هاي بالقوه از اقدامات LA با خطراتي است كه اين كار براي كاربران به وجود مي آورد. برای انجام این کار موفقیت آمیز ، کتابداران ابتدا باید بدانند که چه شیوه هایی باعث حفظ حریم خصوصی کاربر به قدری واضح و خطرناک می شود که هرگز تحت هیچ شرایطی مجاز نیستند. در مرحله بعد ، كتابداران برای تعادل مناسب نگرانی ها با مزایا ، به راهنمایی نیاز دارند. سرانجام ، كتابداران باید اطمینان حاصل كنند كه جمع آوری داده ها و شیوه های مدیریت داده با بهترین شیوه ها مطابقت دارند. با شناسایی و درک این ریسک ها ، کتابداران ممکن است از یک دیدگاه آگاهانه و مهم برای دستیابی به بهترین خدمات به دانشجویان خود ، به ابتکار عمل LA بپردازند.

ضمیمه A. اختصارات

ACRL = انجمن دانشکده ها و کتابخانه های تحقیقاتی

ALI = تأثیر کتابخانه دانشگاهی

ALA = انجمن کتابخانه های آمریکایی

ARL = انجمن کتابخانه های تحقیقاتی

CAO = رئیس ارشد دانشگاهی

GPA = میانگین درجه درجه

IFLA = فدراسیون بین المللی انجمن های کتابخانه ای

ILS = سیستم کتابخانه ای یکپارچه

IRB = هیئت بازنگری نهادی p>

LA = یادگیری تجزیه و تحلیل

LMS = سیستم مدیریت یادگیری

NISO = سازمان استاندارد ملی اطلاعات

OCLC = مرکز کتابخانه رایانه آنلاین p>

SIS = سیستم اطلاعات دانشجویی

UCDM = مدل داده عادی Unizin

VAL = ارزش كتابخانه هاي دانشگاهي

پیوست B. کمک هزینه های مؤسسه موزه و خدمات کتابخانه ای برای یادگیری تحلیلی

عنوان

مقدار

URL

اولویت بندی حریم خصوصی: آموزش بهبود عمل در پروژه های تحلیلی کتابخانه

249،198 $

https://imls.gov/grants/awarded/re-18-19-0014 -19

حریم خصوصی دانش آموزان در کلاس درس Databied: شناسایی شیوه های آموزشی حریم خصوصی دانشجویان برای تسهیل مکالمات کتابدار / دانشکده

306،682 $

https://imls.gov/grants/awarded/lg-18-19-0032 -19

آشنایی با مشاجرات داده های آنها

514،484 $

https://www.imls.gov/grants/awarded/lg-96 -18-0044-18

مقادیر کتابخانه و حفظ حریم خصوصی در استراتژی های دیجیتال ملی ما:
راهنماهای میدانی ، همایش ها و مکالمات

90،150 $

https://www.imls.gov/grants/awarded/lg-73 -17-0062-17

یک انجمن ملی در مورد حریم خصوصی وب و تجزیه و تحلیل وب

100،000 $

https://www.imls.gov/grants/awarded/lg-73 -18-0100-18

ادغام کتابخانه در تجزیه و تحلیل یادگیری نهادی (LIILA)

99،876 $

https://www.imls.gov/grants/awarded/lg-98 -17-0019-17

اتصال کتابخانه ها و تجزیه و تحلیل یادگیری برای موفقیت دانشجویان (CLLASS)

50،000 $

https://www.imls.gov/grants/awarded/lg-97 -18-0209-18

مقیاس حریم شخصی دیجیتال و سواد اطلاعات در کتابخانه ها

240،729 $

https://imls.cg-devel.com/grants/awarded / دوباره 06-15-0050-15

حریم خصوصی در کتابخانه ها

249،504 $

https://www.imls.gov/grants/awarded/re-95 -17-0076-17

ضمیمه ج. یادگیری کدهای اخلاقی و سیاستهای نهادی تحلیلی

یادداشت ها

1. لی P. Macfadyen و همکاران ، “در آغوش گرفتن داده های بزرگ در سیستم های آموزشی پیچیده: تحلیلی یادگیری Imperative و چالش خط مشی” ، تحقیق و عمل در ارزیابی 9 ، نه. 2014 (دوم) ، به صورت آنلاین در www.rpajournal.com/embracing-big-data-in-complex-educational-systems-the-learning-analytics-imperative-and-the-policy-challenge/ [دسترسی به 3 مارس 2020 ].

2. مت Asay ، “چه کسی در عجله طلای داده های بزرگ ثروتمند می شود؟” ReadWrite (وبلاگ ، نوامبر 11 ، 2013) ، به صورت آنلاین در https://readwrite.com/2013/11/11/whos-getting-rich-in-the-big-data-gold-rush/ [دسترسی به 3 مارس 2020]؛ دیوید اشتاینبرگ ، “باز کردن قفل بزرگ معدن طلای SMBs” ، WIRED (25 آوریل 2013) ، به صورت آنلاین در https://www.wired.com/insights/2013/04/unlocking-the-big-data-goldmine-for-smbs/ [دسترسی به 3 مارس 2020]؛ برد پیترز ، “Big Rush Gold Rush” ، فوربز em> (21 ژوئن 2012) ، به صورت آنلاین در https://www.forbes.com/sites/bradpeters/2012/06/21/the-big-data-gold-rush/ [دسترسی به 3 مارس 2020].

3. ادوین لین ، “مشاغل از داده های بزرگ برای رقیب های خارج از کشور استفاده می کنند” ، CNN ، به صورت آنلاین در https://www.cnn.com/2014/10/13/business/moneyball-businesses-outsmarting-rivals/index.html [دسترسی به 8 ژوئیه 2019]؛ ویکتور مایر شونبرگر و کنت کوکر ، داده های بزرگ: انقلابی که چگونه زندگی ، کار و فکر می کنیم را تغییر می دهد ، نسخه چاپی (بوستون ، MA: Eamon Dolan / Mariner Books، 2014)؛ پری روتلا ، “آیا داده جدید روغن جدید است؟” فوربز em> (2 آوریل 2012) ، به صورت آنلاین در https://www.forbes.com/sites/perryrotella/2012/04/02/is-data-the-new-oil/ [دسترسی به 3 مارس 2020]؛ شرکت سیمون ماس و شرکت پنومون ، “داده های بزرگ: روغن جدید یا روغن مار؟” WIRED (23 اکتبر 2014) ، به صورت آنلاین در https://www.wired.com/insights/2014/10/big-data-new-oil-or-snake-oil/ [دسترسی به 3 مارس 2020]. p > 4. جورج زیمنس ، “یادگیری تحلیلی: پیش بینی نظم و انضباط تحقیق و دامنه عمل” در مجموعه مقالات دومین کنفرانس بین المللی یادگیری تجزیه و تحلیل و دانش یادگیری em> (نیویورک ، نیویورک: ACM ، 2012) ، 4-8 ، https://doi.org/10.1145/2330601.2330605 .

5. آنگلا ون بارنولد ، کیمبرلی E. آرنولد ، و جان پی کمپل ، “تحلیلی در آموزش عالی: ایجاد یک زبان مشترک” ، آموزش و پرورش em> 1 ، شماره. 1 (2012): 1–11.

6. L. Johnson و همکاران ، گزارش افق 2010 (آستین ، TX: کنسرسیوم رسانه جدید ، 2010) ، به صورت آنلاین در https://eric.ed.gov/؟id=ED510220 [دسترسی به 3 مارس 2020.

7. انجمن دانشکده ها و کتابخانه های تحقیقاتی (ACRL) ، تأثیر کتابخانه های دانشگاهی: بهبود عمل و زمینه های ضروری برای تحقیق em> ، تهیه شده توسط لین لین سیلی پنی کاناوی ، ویلیام هاروی ، ونسا کیتزی و استفانی میکیشیش تحقیقات OCLC (شیکاگو ، IL: ACRL ، 2017) ، به صورت آنلاین در www.ala.org/acrl/sites/ala.org.acrl/files/content/publications/whitepapers/academiclib.pdf [دسترسی به 3 مارس 2020].

8. کارا مالنفانت ، “ارزیابی در عمل: کتابخانه های دانشگاهی و موفقیت دانشجویان” (متن ، انجمن کالج ها و کتابخانه های تحقیقاتی ، 9 اکتبر 2012) ، به صورت آنلاین در www.ala.org/acrl/AiA [دسترسی به 3 مارس 2020]؛ انجمن دانشکده ها و کتابخانه های تحقیقاتی ، “ارزیابی در روایت نهایی عمل” (30 سپتامبر 2015) ، به صورت آنلاین در www.ala.org/acrl/sites/ala.org.acrl/files/content/AiA٪20final٪20report٪20to ٪ 20IMLS٪ 20FINAL٪ 20no٪ 20cover.pdf [دسترسی به 3 مارس 2020]؛ انجمن دانشکده ها و کتابخانه های تحقیقاتی (ACRL) ، ارزش کتابخانه های دانشگاهی: یک بررسی جامع و گزارش پژوهشی em> ، تهیه شده توسط مگان اوکلاف (شیکاگو ، IL: ACRL ، 2010) ، بصورت آنلاین در www.acrl.ala.org/value [دسترسی به 3 مارس 2020].

9. کایل M.L. جونز و دوروته سالو ، “یادگیری تجزیه و تحلیل و کتابخانه دانشگاهی: تعهدات اخلاق حرفه ای در چهارراه ،” کالج ها و کتابخانه های تحقیقاتی em> 17 (2017): 304–23؛ کارن P. نیکلسون ، نیکول پاگوفسکی و مائورا سیل ، “فقط در زمان یا فقط در مورد؟ زمان ، یادگیری تحلیلی و کتابخانه دانشگاهی ، “ روندهای کتابخانه 68 (2019): 54-75؛ تامی الیفانت و مایکل آر. بروندین ، ​​”ارزش های متناقض: کاوش در تنش ها بین یادگیری تحلیلی و کتابداری دانشگاهی” ، روندهای کتابخانه ای em> 68 (2019): 5-23.

10. توماس اچ دیونپورت ، داده های بزرگ در محل کار: افشای اسطوره ها ، کشف فرصتها em> (بوستون ، کارشناسی ارشد: انتشارات بازنگری بازرگانی هاروارد ، 2014).

11 ژاکلین A. رئیسی ، “لاغر شدن بر روی داده های بزرگ در آموزش و پرورش: یادگیری تجزیه و تحلیل ساده شده” ، TechTrends 59 ، شماره. 2 (2015): 75-80.

12 ون بارنیولد ، آرنولد و کمپبل ، “تحلیلی در آموزش عالی”؛ کایل M.L. جونز ، “تمام داده هایی که می توانیم بدست آوریم: یک مطالعه زمینه ای از تجزیه و تحلیل یادگیری و حفظ حریم خصوصی دانشجویان” (دکترا ، دانشگاه ویسکانسین-مدیسون ، 2015) ، به صورت آنلاین در https://search.proquest.com/docview/1751011265/ab Abstract/F69EA27D0E3D4A43PQ/1.van [دسترسی به 3 مارس 2020]. p> 13 J.P. Campbell و D.G. اوبلگرگر ، “تجزیه و تحلیل دانشگاهی” (اکتبر 2007) ، به صورت آنلاین در www.educause.edu/library/res منابع/academic -analytics [دسترسی به 3 مارس 2020].

14. Abelardo Pardo و Carlos Delgado Kloos ، “پله از صندوق خارج: به سمت تجزیه و تحلیل خارج از سیستم مدیریت یادگیری” ، در مجموعه مقالات اولین کنفرانس بین المللی یادگیری تحلیلی و دانش AKLAK ’11 (اولین بین المللی کنفرانس ، بانف ، آلبرتا ، کانادا: ACM Press ، 2011) ، 163 ، https://doi.org/10.1145/2090116.2090142.pardo

15 کنسرسیوم Unizin ، “مدل داده عادی Unizin” ، به صورت آنلاین در https://docs.udp.unizin.org/ [قابل دسترسی 3 مارس 2020].

16. کنسرسیوم Unizin ، “درباره” ، Unizin (وبلاگ) ، به صورت آنلاین در https://unizin.org/about/ [قابل دسترسی 8 ژوئیه 2019].

17 کیمبرلی E. آرنولد ، “سیگنال ها: استفاده از آنالیز دانشگاهی” ، فصلنامه EDUCAUSE 33 ، شماره. 1 (2010) ، به صورت آنلاین در https://er.educause.edu/articles/ 2010/3 / سیگنال های اعمال شده-دانشگاهی-تحلیلی [دسترسی به 3 مارس 2020] 18 کایل M.L. جونز و چیس مک کوی ، “تجدیدنظر در داده ها در یادگیری تحلیلی: فرصت هایی برای تحقیقات انتقادی با استفاده از یک چارچوب مطالعات اسناد و مدارک ،” آموزش ، رسانه و فناوری em> 44 ، شماره. 1 (2 ژانویه 2019): 52–63 ، https://doi.org/10.108080/17439884.2018.1556216 . 19 C. Carmean و P. Mizzi ، “پرونده برای Analytics Nudge” ، فصلنامه EDUCAUSE 33 ، شماره. 4 (2010) ، به صورت آنلاین در www.educause.edu/ero/article/case-nudge-analytics [دسترسی به 3 مارس 2020]؛ جیل فرانکفورت و همکاران ، “Analytics ، Nudges ، و استقامت یادگیرنده” ، EDUCAUSE Review 19 (18 ژوئیه 2012) ، به صورت آنلاین در https://digitalcommons.tacoma.uw.edu/academic_affairs_pubs/19/ [دسترسی به 3 مارس 2020]. 20 مارک پری ، “داده های بزرگ در پردیس” ، نیویورک تایمز ، 18 ژوئیه 2012 ، ثانیه. آموزش زندگی ، به صورت آنلاین در https://www.nytimes.com/2012/07/22/education/edlife/colleges-awakening-to-the-opportunities-of-data-mining.html [دسترسی به 3 مارس 2020] p> 21 استفان آگیلار ، استیون لون ، و استفانی دی تیزلی ، “برداشت و استفاده از سیستم هشدار زود هنگام در طی برنامه انتقال آموزش عالی” ، در مجموعه مقالات چهارمین کنفرانس بین المللی یادگیری تجزیه و تحلیل و دانش یادگیری em> AKLAK ’14 (نیویورک ، نیویورک: ACM ، 2014) ، 113-17 ، https://doi.org/10.1145/2567574.2567625 ؛ استفانی كرافت تری و چری كائو ، “مراحل قابل اجرا برای اجرای مشاوره اطلاعات داده شده” (NACADA ، 2016) ، به صورت آنلاین در https://www.nacada.ksu.edu/Resource/Clearinghouse/View-Articles/Manageable-Steps-to-Implementing-Data-Informed -Advising.aspx [دسترسی به 3 مارس 2020]. 22 لیندسی مک کنزی ، “در اخبار: الکسا ، به هر حال چه معامله ای با شما دارد؟” آموزش بعدی em> (23 اوت 2018) ، آنلاین در https: /www.educationnext.org/news-alexa-whats-deal-anyway/ [دسترسی به 3 مارس 2020]. 23 الماس نگا سیو ، “نقاط آمازون اکو به هر اتاق خوابگاه دانشگاه سنت لوئیس می آیند” ، Mashable (16 اوت 2018) ، به صورت آنلاین در https://mashable.com/article/amazon-alexa-dot-saint-louis-university/ [دسترسی به 3 مارس 2020]. 24 توماس هابوم ، “‘ الکسا ، چرا اینجا هستی؟ ” عطارد em> (29 آوریل 2019) ، آنلاین در https: // utdmercury .com / alexa-Where-are-you-here / [دسترسی به 3 مارس 2020].

25. جسیکا چاسمار ، “دانشگاه اوکلاهوما برای اولین بار از دانش آموزان تازه کار نیاز به پوشیدن Fitbit برخوردار است ، روزانه 10 کیلومتر قدم می گذارد ،” واشنگتن تایمز (11 ژانویه 2016) ، به صورت آنلاین در https://www.washingtontimes.com/news/2016/jan/11/oklahoma-university -requires-newmen-to-wear-fitb / [دسترسی به 3 مارس 2020] استیو تالی ، “دانش آموزان می توانند عادات مطالعه خود را در مورد Apple Watch مطالعه کنند” ، اخبار دانشگاه پوردو (8 آوریل 2015) ، به صورت آنلاین در https://www.purdue.edu/newsroom/releases/2015/Q2/students- می توانید مطالعه کنید-عادت هایشان را مطالعه کنید-عادت های خود را در اپل مشاهده کنید.html [دسترسی به 3 مارس 2020].

26 الکسیس آبی و ارتباطات دانشگاهی ، “محقق به دنبال آثار دیجیتال برای کمک به دانشجویان است” ، UANews ، به صورت آنلاین در ht tps: //uanews.arizona.edu/story/researcher-looks-digital-traces-help-students [دسترسی به 12 آگوست 2018] ./p> 27 S. باکینگهام شوم و R. Ferguson ، “تجزیه و تحلیل یادگیری اجتماعی” ، مجله فناوری آموزشی و جامعه em> 15 ، شماره. 3 (2012): 3–26. 28. آرون اسمیت و مونیکا اندرسون ، “استفاده از رسانه های اجتماعی 2018: جمعیت و آمار | مرکز تحقیقات پیو »(اول مارس 2018) ، به صورت آنلاین در https: //www.pewinternet.org/2018/03/01/social-media-use-in-2018/ [دسترسی به 3 مارس 2020]. 29. جرمی بائر-گرگ ، “نظارت بر Georgia Tech از رسانه های اجتماعی دانش آموزان باعث نگرانی می شود” ، در داخل آموزش عالی (21 دسامبر 2017) ، به صورت آنلاین در [دسترسی به 3 مارس 2020]. 30 روت سروون ، “با ایمنی در ذهن ، پلیس UVa نظارت بر رسانه های اجتماعی” ، پیشرفت روزانه em> (11 فوریه 2018) ، به صورت آنلاین در https://www.dailyprogress.com/news/local /with-safety-in-mind-uva-police-monitoring-social-media/article_94dde34a-0f8e-11e8-b8c0-cba42c10d40f.html [دسترسی به 3 مارس 2020] ./p> 31 X. Chen ، M. Vorvoreanu ، و K. Madhavan ، “استخراج داده های رسانه های اجتماعی برای درک تجربه های یادگیری دانش آموزان” ، معاملات IEEE در فن آوری های یادگیری em> 7 ، نه. 3 (جولای 2014): 246–59 ، https://doi.org/10.1109/TLT.2013.2296520 . / p> 32 رئیسی ، “لاغر در داده های بزرگ در آموزش و پرورش” ، 76. 33 کنسرسیوم جهانی یادگیری IMS ، “فعالیتهای رهبری IMS” (2018) ، به صورت آنلاین در www.imsglobal.org/leadershipactivities [قابل دسترسی در 3 مارس 2020].

34. PSLC DataShop ، “درباره / سوالات متداول (سؤالات متداول)” ، DataShop @ CMU ، آنلاین در https: // pslcdatashop .web.cmu.edu / about / faq.html [دسترسی به 25 فوریه 2020].

35. مالکوم براون ، “یادگیری تحلیلی: موج سوم” (ابتکار یادگیری EDUCAUSE ، آوریل 2011) ، به صورت آنلاین در https://library.educause.edu/res منابع/2011/4/learning-analytics-the-oming-third-wave [دسترسی به 3 مارس 2020]. p >

36. P. Long و G. Siemens ، “نفوذ مه شکن: تجزیه و تحلیل در یادگیری و آموزش” ، بررسی EDUCAUSE 2011 (سپتامبر / اکتبر 2011): 30-40.

37 کالین بیر ، رولی تیکنر ، و دیوید جونز ، “سه راه برای یادگیری تجزیه و تحلیل و فراتر از آن: حرکت از بلاغت به واقعیت” در مجموعه مقالات سی و یکمین کنفرانس سالانه انجمن استرالیا برای رایانه ها برای یادگیری در آموزش سوم em > (ASCILITE 2014) ، ویرایش. برونوین هگارتی ، جنی مک دونالد و سوئی کین لوک (سی و یکمین انجمن استرالیا برای یادگیری در کنفرانس آموزش دوره سوم [ASCILITE 2014]: بلاغت و واقعیت: دیدگاههای انتقادی در مورد فناوری آموزشی ، سیدنی ، استرالیا: دانشگاه مک کواری ، 2014) ، 242– 50 ، به صورت آنلاین در http://ascilite.org/conferences/dunedin2014/files/fullpapers/185 -Beer.pdf [دسترسی به 3 مارس 2020].

38. تادیوس دبلیو دبلیو کانر و توماس م. رابوفسکی ، “مسئولیت پذیری ، قابلیت دسترسی ، دسترسی: مروری بر روندهای اخیر در تحقیقات سیاست آموزش عالی” ، مجله مطالعات سیاست em> 39 ، شماره. s1 (2011): 93–112، https://doi.org/10.1111/j.1541 -0072.2010.00389_7.x.tha .

39 پائولا یانگ لی ، “” غرق Bunnies “شوید: رئیس جمهور Mount St. Mary ، آتش سوزی خود را علیه برنامه” نگه داشتن یک سر خود را به سر آنها “، نگه داشت ،” سالن “(10 فوریه 2016) دانشکده را اخراج کرد. ، در دسترس آنلاین در https://www.salon.com/2016/02/10/drown_the_bunnies_mount_st_marys_president_fires_faculty_for_backlash_against_his_put_a_glock_to_their_heads_freshman_retention_plan/ [دسترسی به 3 مارس 2020]. 40 دراگان گاویویچ ، شین داوسون و جورج زیمنس ، “فراموش نکنیم: یادگیری تحلیلی در حال یادگیری است” ، TechTrends 59 ، نه. 1 (دسامبر 2014): 64-71 ، https://doi.org/10.1007/s11528-014-0822 -x . 41 داگ لدرمن ، “طرفداران ارزیابی دانش آموزی دانش آموزان می گویند زمان رسیدن به یک رویکرد متفاوت است” ، به صورت آنلاین در https://www.insidehighert.com/news/2019/04/17/advocates-student-learning-assessment-say-its-time-different-approach a> [دسترسی به 7 مه 2019]؛ اولگا وایبرگ و همکاران ، “چشم انداز فعلی یادگیری تحلیلی در آموزش عالی” ، رایانه ها در رفتار انسانی 89 (اول دسامبر 2018): 98-110 ، https://doi.org/10.1016/j.chb.2018.07.027 .

42. کایل M.L. جونز ، “فقط به خاطر اینكه شما نمی توانید معنی شما را بدان معنا دهید”: ادراک پزشك از یادگیری اخلاق تحلیلی ، “پورتال : كتابخانه ها و آكادمی 19 ، شماره. 3 (2019): 407–28، https://doi.org/10.1353/pla.2019.0025 .

43. بورلی P. لینچ و همكاران ، “نگرش روسای جمهور و مشاغل مربوط به كتابخانه دانشگاه” ، كتابخانه های دانشكده و تحقیقات em> 68 ، شماره. 3 (1 مه 2007) ، https://doi.org/10.5860/crl.68.3.213 .

44. آدام موری و اشلی ایرلند ، “ادراک کنندگان” از ارزش كتابخانه دانشگاهی و ترجیحات ارتباطات: مطالعه ملی ، “ كتابخانه ها و تحقیقات كالج و تحقیقات em> 79 ، شماره. 3 (2017) ، به صورت آنلاین در http://crl.acrl.org/index.php/ crl / Article / view / 16693 [دسترسی به 3 مارس 2020].

45. انجمن دانشکده ها و کتابخانه های تحقیقاتی ، “استانداردهای شایستگی سواد اطلاعاتی برای آموزش عالی” (ژانویه 2000) ، به صورت آنلاین در https: /alair.ala.org/handle/11213/7668 [دسترسی به 3 مارس 2020].

46 انجمن دانشکده ها و کتابخانه های تحقیقاتی ، “استاندارد شایستگی سواد اطلاعاتی برای آموزش عالی” ، 7. 47 انجمن دانشکده ها و کتابخانه های تحقیقاتی (ACRL) ، چارچوب سواد اطلاعاتی برای آموزش عالی (شیکاگو ، IL: ACRL ، 2015) ، به صورت آنلاین در www.ala.org/acrl/sites/ala.org.acrl/files/content/issues/infolit/Framework_ILHE .pdf [دسترسی به 3 مارس 2020].

48. Oakleaf ، ارزش كتابخانه هاي دانشگاهي em> انجمن دانشکده ها و کتابخانه های تحقیقاتی (ACRL) ، اتصال ، همکاری و ارتباط برقرار کردن: گزارشی از ارزش اجلاس کتابخانه های دانشگاهی (شیکاگو ، IL: ACRL ، 2012).

49. Oakleaf ، ارزش كتابخانه هاي دانشگاهي em> ، 6.

50. Oakleaf ، ارزش كتابخانه هاي دانشگاهي em> ، 7.

51. Malenfant ، “ارزیابی در عمل”.

52 کارن براون و کارا مالنفانت ، مشارکتهای کتابخانه دانشگاهی برای موفقیت دانش آموزان: تمرینهای مستند از این زمینه (شیکاگو ، IL: ACRL ، 2015) ، به صورت آنلاین در www.acrl.ala.org/value [دسترسی به 3 مارس 2020]؛ کارن براون و کارا جی مالنفانت ، مشارکتهای اسناد و مدارک مستند در یادگیری دانش آموزان و موفقیت: شواهد ساختمان با ارزیابی تیم محور در پروژه های پردیس اکشن em> (شیکاگو ، IL: ACRL ، 2016) ، بصورت آنلاین در www.ala.org/acrl/sites/ala.org. acrl / پرونده / محتوا / مسائل / ارزش / Beşی_y2.pdf [دسترسی به 3 مارس 2020]؛ کارن براون و کارا جی مالنفانت ، تأثیر کتابخانه دانشگاهی بر یادگیری دانش آموزان و موفقیت: یافته های حاصل از ارزیابی در پروژه های تیم اکشن em> (شیکاگو ، IL: ACRL ، 2017) ، به صورت آنلاین در www.ala.org/acrl/sites/ala.org.acrl/files/ محتوا / مسائل / ارزش / یافته_y3.pdf [دسترسی به 3 مارس 2020].

53. “ارزیابی در کتابشناختی عمل” | ارزش ACRL كتابخانه های دانشگاهی ، “به صورت آنلاین در https://www.acrl.ala.org/value/؟ page_id = 980 [دسترسی به 9 ژوئیه 2019]؛ “تجسم تأثیر کتابخانه دانشگاهی: صفحه داوری تجزیه و تحلیل ادبیات ACRL / OCLC” ، به صورت آنلاین در http://experimental.worldcat.org/valresearch [دسترسی به 9 ژوئیه 2019].

54. مگان اوکلاف و مارتا کیریلیدو ، “بررسی مجدد برنامه تحقیق ارزش تحقیق کتابخانه دانشگاهی: فرصتی برای شکل دادن به آینده” ، مجله کتابداری دانشگاهی em> 42 ، شماره. 6 (1 نوامبر 2016): 757-64 ، https://doi.org/10.1016/j.acalib .2016.10.005 ؛ مگان اوکلایف و همکاران ، “کتابخانه های دانشگاهی و تجزیه و تحلیل یادگیری نهادی: یک مسیر برای ادغام” ، مجله کتابداری دانشگاهی 43 ، شماره. 5 (1 سپتامبر 2017): 454–61 ، https://doi.org/10.1016/j.acalib .2017.08.008 .

55 مگان اوکلهف ، “مشارکت این کتابخانه در یادگیری دانش آموزان: الهامات و سوء استفاده ها” اوکلایف | کالج ها و کتابخانه های تحقیقاتی ، “ کالج ها و تحقیقات کتابخانه ها em> 76 ، شماره. 3 (2015) ، https://doi.org/10.5860/crl.76.3.353 ؛ M. Oakleaf ، “آماده شدن و شروع به کار: مشارکت کتابداران دانشگاهی در ابتکارات تجزیه و تحلیل یادگیری نهادی” ، مجله کتابداری دانشگاهی em> 42 ، شماره. 4 (2016): 472–75، https://doi.org/10.1016/j.acalib.2016.05.013 ؛ مگان اوکلاف ، “مشکلات و نوید یادگیری تجزیه و تحلیل یادگیری برای افزایش و نشان دادن ارزش و اثرات کتابخانه” ، اطلاعات و علم یادگیری em> 119 ، شماره. 1/2 (ژانویه 2018): 16–24 ، https://doi.org/10.1108/ILS-08 -2017-0080 .

56. اوکلهف ، “مشکلات و قول یادگیری تجزیه و تحلیل یادگیری برای افزایش و نشان دادن ارزش و اثرات کتابخانه” ، 17.

57. Connaway و همکاران ، تأثیر کتابخانه دانشگاهی. em>

58 مگان اوکلهف ، “ادغام کتابخانه در تجزیه و تحلیل یادگیری نهادی” ، EDUCAUSE (15 نوامبر 2018) ، به صورت آنلاین در https://library.educause.edu/-/media/files/library/2018/11/liila.pdf [دسترسی به 3 مارس 2020].

59. اوکلایف و همکاران ، “کتابخانه های دانشگاهی و تجزیه و تحلیل یادگیری نهادی”.

60. جان فرانسن و کیت پترسون ، “چهار سال فارغ التحصیل هستید؟ بله ، کتابخانه می تواند به این امر کمک کند! ” در کنفرانس ارزیابی کتابخانه em> (2016) ، آنلاین در http: // old.libarusassessment.org/bm~doc/77-fransen-2016.pdf [دسترسی به 3 مارس 2020]؛ Shane Nackerud و همکاران ، “حفظ ، موفقیت دانشجویان و درگیری دانشگاهی در مینه سوتا (دانشگاه مینه سوتا)” در کتابخانه تحلیلی و اندازه گیری ها: استفاده از داده ها برای تصمیم گیری ها و خدمات رانندگی ، ویرایش. Ben Showers (انتشارات Facet ، 2015) ، 58-66؛ Margie Jantti ، “کتابخانه ها و داده های بزرگ: نمای جدید در مورد تأثیرات و تأثیرات” ، در کیفیت و کتابخانه دانشگاهی: بررسی ، ارزیابی و تقویت ارائه خدمات ، ویرایش. جرمی اتکینسون (انتشارات Chandos ، 2016) ، 267-74.

61. میچل اسکات ، “استفاده از وام بین کتابخانه ای و GPA کاربر: یافته ها و پیامدهای خدمات کتابخانه ای” ، مجله خدمات دسترسی em> 11 ، شماره. 4 (اکتبر 2014): 229–38 ، https://doi.org/10.1080/15367967.2014.945116 . 62 لیزا ماسنگاله ، پتی پیوتروسکی ، و دیوین ساویج ، “شناسایی و بیان اتصالات کتابخانه با موفقیت دانشجویان” ، کتابخانه های کالج و تحقیقات em> 77 ، شماره. 2 (مارس 2016): 227–35 ، https://doi.org/10.5860/crl.77.2.227 a>.

63. جنیفر لینک جونز ، “با استفاده از داده های کارت تلفن برای اطلاع رسانی درباره تصمیم گیری ،” سخنرانی های دانشکده کتابخانه دانشگاه em> (2010) ، به صورت آنلاین در http://scholarworks.gsu.edu/univ_lib_facpres/21 [دسترسی به 3 مارس 2020]؛ ادیت A. اسکارلتو ، کنت جی. برهانا ، و الیزابت ریچاردسون ، “بیدار گسترده در 4:00: مطالعه رفتار کاربر کاربر اواخر ، درک و عملکرد کاربر در یک کتابخانه دانشگاهی ،” مجله کتابداری دانشگاهی em> 39 ، نه 5 (سپتامبر 2013): 371–77 ، https://doi.org/10.1016/j.acalib.2013.02 .006 .

64. Shane Nackerud و همکاران ، “تجزیه و تحلیل جمعیت شناسی: ارزیابی استفاده از کتابخانه در سراسر موسسه” ، پورتال : کتابخانه ها و آکادمی 13 ، شماره. 2 (14 آوریل 2013): 131–45 ، https://doi.org/10.1353/pla.2013.0017 .

65. Massengale ، Piotrowski و Savage ، “شناسایی و بیان روابط کتابخانه با موفقیت دانش آموزان”.

66 Tiffany LeMaistre ، “هزینه برای هر کاربر: تجزیه و تحلیل گزارش های EZProxy برای توسعه مجموعه” ، در کنفرانس چارلستون em> (Charleston، SC، 2015) ، به صورت آنلاین در https://docs.lib.purdue.edu/cgi/viewcontent.cgi؟article=1773&context=charleston [دسترسی به 3 مارس 2020] . 67 Massengale ، Piotrowski و Savage ، “شناسایی و بیان روابط کتابخانه با موفقیت دانش آموزان”. 68 Angie Thorpe و همکاران ، “تأثیر کتابخانه دانشگاهی بر موفقیت دانشجویان: اتصال نقاط” ، پورتال کتابخانه ها و آکادمی 16 ، شماره. 2 (2016): 373–92. 69 کریستا م. سوریا و همکاران ، “استفاده از کتابخانه و نتایج دانشجویان مقطع کارشناسی ارشد: شواهد جدید برای حفظ دانشجو و موفقیت دانشگاهی” ، پورتال کتابخانه ها و آکادمی 13 ، شماره. 2 (2013): 147-64 ، https://doi.org/10.1353/pla.2013/01/10 . p >

70. Shun Han Rebekah Wong و Dianne Cmor ، “انجمن اندازه گیری بین آموزش کتابخانه و فارغ التحصیل معدل ،” کالج ها و کتابخانه های تحقیقاتی em> 72 ، شماره. 5 (سپتامبر 2011): 464-73 ، https://doi.org/10.5860/crl-151 . 71 پاملا جی. هوارد ، “آیا رونوشت های پیام فوری کتابخانه دانشگاهی می توانند اسناد موفقیت دانشجویان در دوره کارشناسی ارشد را فراهم کنند؟” مجله کتابداری وب em> 13 ، شماره. 1 (4 فوریه 2019): 1–26 ، https://doi.org/10.1080/19322909.2018.1555504 .

72. مری اوکللی ، “کتابخانه های دانشگاهی و نگهداری دانشجویان: پیامدهای آموزش عالی” ، در کنفرانس ارزیابی کتابخانه em> (2016) ، به صورت آنلاین در https://scholarworks.gvsu.edu/library_proceedings/7/ [دسترسی به 3 مارس 2020].

73. “Springshare: سکوی SaaS برای کتابخانه ها و مؤسسات آموزشی” ، که بصورت آنلاین در https://springshare.com/ [قابل دسترسی 15 ژوئیه 2019].

74 OrangeBoy، Inc. (2017) ، به صورت آنلاین در https://www.orangeboyinc.com/ [دسترسی به 3 مارس 2020] در دسترس است.

75. گیل: یک شرکت Cengage ، “Gale Analytics” ، به صورت آنلاین در www.gale.com/databases/gale-analytics [دسترسی به 7 مه 2019].

76. WhoFi ، “تجزیه و تحلیل حضور در تجارت و دولت” ، به صورت آنلاین در https://whofi.com/presence-analytics/ [ دسترسی به 8 اکتبر 2019].

77. “OCLC Wise: سیستم نامزدی انجمن برای کتابخانه های عمومی” ، موجود در اینترنت به آدرس https://www.oclc.org/fa/en .html [دسترسی به 7 سپتامبر 2018].

78 اشلین کگوت ، “خدمات کتابخانه ای دانشگاهی و موفقیت تحصیلی دانشگاهی: روندهای ادبیات تحقیق” ، در کنفرانس ارزیابی کتابخانه em> (2016) ، به صورت آنلاین در http://old.libraryassessment.org/bm~doc/59-kogut-2016.pdf [دسترسی به 3 مارس 2020]. 79 تراویس T. York ، چارلز گیبسون ، و سوزان رانکین ، “تعیین و اندازه گیری موفقیت تحصیلی” ، ارزیابی عملی ، تحقیق و ارزیابی em> 20 ، شماره. 5 (مارس 2015) ، به صورت آنلاین در https://scholarworks.umass.edu/pare/vol20/iss1 / 5 / [دسترسی به 3 مارس 2020].

80. سو سامسون ، “نتایج یادگیری سواد اطلاعاتی و موفقیت دانشجویان” ، مجله کتابداری دانشگاهی em> 36 ، شماره. 3 (مه 2010): 202–10 ، https://doi.org/10.1016/j.acalib.2010.03. 002 .

81. فلی چیتنگ کوت و جنیفر ال جونز ، “تأثیر استفاده از منابع کتابخانه ای بر عملکرد علمی دانشجویان کارشناسی ارشد: یک طرح مطابقت با نمره گرایش ،” کالج ها و کتابخانه های تحقیقاتی 76 ، شماره. 5 (جولای 2015): 566-86 ، https://doi.org/10.5860/crl.76.5.566.

82. Soria و همکاران ، “استفاده از کتابخانه و نتایج دانشجویان مقطع کارشناسی ارشد.”

83. John K. Stemmer و David M. Mahan ، “ارزیابی تأثیر کتابخانه بر نتایج سطح اول سال اول و ارشد با نظرسنجی های کاربر” ، کتابخانه و عملکرد اطلاعات مبتنی بر شواهد em> 10 ، نه. 2 (ژوئن 2015): 8 ، https://doi.org/10.18438/B8PG62 .

84. الیزابت L. بلک و سارا آن مورفی ، “انتصاب بلند با صدای بلند: بیان کمکهای کتابخانه به موفقیت دانش آموزان سال اول” ، مجله کتابداری دانشگاهی em> 43 ، شماره. 5 (1 سپتامبر 2017): 409–16 ، https://doi.org/10.1016/j.acalib .2017.06.008 .

85. آدام موری ، اشلی ایرلند ، و یانا هاكاتورن ، “ارزش كتابخانه های دانشگاهی: خدمات كتابخانه ای به عنوان پیش بینی كنترل دانشجو” ، كتابخانه ها و تحقیقات كالج 77 و شماره. 5 (سپتامبر 2016): 631–42 ، https://doi.org/10.5860/crl.77.5.631 a>؛ Krista M. Soria، Jan Fransen، and Shane Nackerud، “Stacks، Serials، موتورهای جستجو و موفقیت دانشجویان: استفاده از کتابخانه دانشجویان سال اول مقطع کارشناسی ارشد ، پیشرفت تحصیلی و نگهداری” “ مجله کتابداری دانشگاهی em> 40 ، نه. 1 (ژانویه 2014): 84-91 ، https://doi.org/10.1016/j.acalib 2013.12 .002 ؛ Krista M. Soria، Jan Fransen، and Shane Nackerud، “تأثیر منابع کتابخانه دانشگاهی بر تکمیل مدارک دانشجویان” ، کالج ها و کتابخانه های تحقیقاتی em> 78 ، شماره. 6 (سپتامبر 2017): 812–23 ، https://doi.org/10.5860/crl.0.0.16626 a>.

86. گبی هادوو ، “استفاده از كتابخانه دانشگاهی و نگهداری دانش آموزان: یك تحلیل کمی” ، كتابخانه و تحقیقات علوم اطلاعات 35 ، شماره. 2 (آوریل 2013): 127-36 ، https://doi.org/10.1016/j.lisr 2012.12 .002 ؛ گبی هادوو و جیانتی جوزف ، “وام ، ورود به سیستم و ماندگاری دوره: استفاده از کتابخانه دانشگاهی و نگهداری دانشجویان” ، کتابخانه های علمی و پژوهشی استرالیا 41 ، نه. 4 (دسامبر 2010): 233-44 ، https://doi.org/10.1080/00048623.2010.10721478 . / p>

87. سو سامسون ، “استفاده از منابع الکترونیکی: ارزش مجازی جمعیت شناسی” ، مجله کتابداری دانشگاهی em> 40 ، شماره. 6 (2014): 620-25.

88. کوت و جونز ، “تأثیر استفاده از منابع کتابخانه ای بر عملکرد علمی دانشجویان مقطع کارشناسی ارشد.”

89. گراهام استون ، دیو الگوی و بریون رامسدن ، “آیا استفاده از کتابخانه بر پیشرفت دانش آموزان تأثیر می گذارد؟ گزارش مقدماتی در مورد پروژه داده های تأثیر کتابخانه ، “فصلنامه لیبر LIBER 21 ، شماره. 1 (اکتبر 2011): 5 ، https://doi.org/10.18352/lq.8005 ؛ Shun Han Rebekah Wong و T.D. Webb ، “کشف رابطه معنادار بین عملکرد تحصیلی دانش آموزان و استفاده از مواد کتابخانه ای” ، کالج ها و کتابخانه های تحقیقاتی em> 72 ، شماره. 4 (ژانویه 2011): 361–370 ، به صورت آنلاین در http: //crl.acrl. org / index.php / crl / Article / view / 16168 [دسترسی به 3 مارس 2020].

90. ساندرا کالم مک کارتی ، “در شماره: کاوش در استفاده از کتابخانه توسط دانش آموزان آنلاین با موفقیت دانشجویی ،” شرکت کالج جامعه em> 23 ، شماره. 2 (ژانویه 2017): 27-31.

91. Tiffany LeMaistre ، Qingmin Shi و Sandip Fali ، “اتصال استفاده از کتابخانه به موفقیت دانشجویان” ، “پرتال : کتابخانه ها و آکادمی 18 ، شماره. 1 (2018): 117-40، https://doi.org/10.1353/pla.2018.0006 . p >

92. ثریا ، فرانسن و ناکرود ، “تأثیر منابع کتابخانه دانشگاهی بر تکمیل مدارک تحصیلات تکمیلی”.

93. کوت و جونز ، “تأثیر استفاده از منابع کتابخانه ای بر عملکرد علمی دانشجویان مقطع کارشناسی ارشد.”

94. ژان ماری کوک ، “یک دوره اعتباری برای کتابخانه و میزان موفقیت دانشجویان: یک مطالعه طولی” ، کالج ها و کتابخانه های تحقیقاتی em> 75 ، شماره. 3 (مه 2014): 272-83 ، https://doi.org/10.5860/crl12-424 . p>

95. كگوت ، “خدمات كتابخانه هاي دانشگاهي و موفقيت تحصيلي دانشگاهي”. M. Brooke Robertshaw و Andrew Asher ، “اعداد غیر اخلاقی؟ متاآنالیز مطالعات تحلیلی یادگیری کتابخانه ، “ گرایش کتابخانه em> 68 ، شماره. 1 (24 اکتبر 2019): 76–101 ، https://doi.org/10.1353/lib.2019.0031 .

96. ثریا ، فرانسن و ناکرود ، “تأثیر منابع کتابخانه دانشگاهی بر تکمیل مدارک تحصیلات تکمیلی”.

97. Kogut ، “خدمات کتابخانه ای دانشگاهی و موفقیت تحصیلی دانشگاهی”.

98. ALA ، “کد اخلاق انجمن كتابخانه های آمریكا” (شیكاگو ، IL: انجمن كتابخانه های آمریكا ، 2008) ، به صورت آنلاین در http://www.ala.org/advocacy/sites/ala.org.advocacy/files /content/proethics/codeofethics/Code٪20of٪20Ethics٪20of٪20the٪20American٪20Library٪20Association.pdf کد اخلاق انجمن کتابخانه های آمریکا.pdf [دسترسی به 3 مارس 2020]؛ انجمن كتابخانه های آمریكا (ALA) ، “لایحه كتابخانه حقوق” ، متن ، مشاوره ، قانونگذاری و مسائل em> (30 ژوئن 2006) ، به صورت آنلاین در www.ala.org/advocacy/intfreedom/librarybill [دسترسی به 3 مارس 2020].

99. فدراسیون بین المللی انجمن های کتابخانه ای (IFLA) ، “بیانیه ایفلا در مورد حفظ حریم خصوصی در محیط کتابخانه” (14 اوت 2015): 2 ، به صورت آنلاین در https://www.ifla.org/publications/node/10056 [تاریخ دسترسی 3 مارس 2020].

100 سازمان ملی استاندارد اطلاعات (NISO) ، “اصول اجماع NISO در مورد حریم شخصی دیجیتال کاربران در کتابخانه ، ناشر و سیستم های ارائه دهنده نرم افزار” (10 دسامبر 2015) ، به صورت آنلاین در https://www.niso.org/publications/privacy-principles [دسترسی به 3 مارس 2020].

101. ALA ، “قوانین اخلاقی انجمن كتابخانه های آمریكا”.

102. ALA ، “لایحه حقوق کتابخانه”.

103. ایفلا ، “بیانیه ایفلا در مورد حفظ حریم خصوصی در محیط کتابخانه”.

104. NISO ، “اصول اجماع NISO در مورد حریم خصوصی دیجیتال کاربران در کتابخانه ، ناشر و سیستم های ارائه دهنده نرم افزار”. p>

105. NISO ، “اصول اجماع NISO در مورد حریم خصوصی دیجیتال کاربران در کتابخانه ، ناشر و سیستم های ارائه دهنده نرم افزار” ، 3.

106. Connaway و همکاران ، تأثیر کتابخانه دانشگاهی. em>

107. اندرو اشر و همکاران ، “اخلاق در استفاده از داده های پشتیبان کتابخانه: واژه نامه و توضیح” (2 اکتبر 2018) ، https://doi.org/10.17605/OSF.IO/XFKZ6 .

108. انجمن فناوری اطلاعات كتابخانه (LITA) ، “گروه علاقه به فن آوری های حفظ حریم خصوصی” (25 نوامبر 2014) ، به صورت آنلاین در www.ala.org/lita/about/igs/public/lit-Pp [دسترسی به 3 مارس 2020].

109 آلیسون Macrina ، “پروژه آزادی کتابخانه: تحقق بخشیدن به وعده آزادی فکری در کتابخانه ها” (2017) ، که بصورت آنلاین در https://libraryfreedomproject.org/ a> [به 3 مارس 2020 دسترسی پیدا کرد]. 110. “کنوانسیون Asilomar برای یادگیری پژوهش در آموزش عالی” ، به صورت آنلاین در http://asilomar-highert.info/ [قابل دسترسی 15 ژوئیه 2019].

111. شارون اسلید و پاول پرینسلو ، “یادگیری تحلیلی: مسائل اخلاقی و معضلات” ، دانشمند رفتاری آمریکایی em> 57 ، شماره. 10 (مارس 2013): 1510–29 ، https://doi.org/10.1177/0002764213479366 ؛ N. Sclater ، “آداب و رسوم تمرین یادگیری تحلیلی: مرور ادبیات موضوعات اخلاقی و حقوقی” (2014) ، موجود در اینترنت به http://repository.jisc.ac.uk/5661/1/Learning_Analytics_A-_Literature_Review.pdf [دسترسی به 3 مارس 2020]؛ Abelardo Pardo و George George ، “اصول اخلاقی و حفظ حریم خصوصی برای یادگیری تجزیه و تحلیل ،” مجله فناوری آموزشی انگلیس em> 45 ، شماره. 3 (2014): 438-50 ، https://doi.org/10.1111/bjet.12152 . p > 112. دانشگاه آزاد ، “استفاده اخلاقی از داده های دانشجویان برای یادگیری تجزیه و تحلیل” ، سیاستها و مقررات دانشجویی em> ، به صورت آنلاین در https://help.open.ac.uk/document/policies/ethical-use-of-student-data [دسترسی به 15 ژوئیه 2019]. p> 113 دانشگاه کالیفرنیا ، “دانشگاه کالیفرنیا: اصول حفظ حریم شخصی داده ها” (5 مارس 2018) ، به صورت آنلاین در https://www.ets.berkeley.edu/sites/default/files/general/university_of_california_learning_data_privacy_principles_handout.pdf 2020 دسترسی [مارس 2012] کمیته دانشگاه و برنامه ریزی دانشگاه هاوایی مونوآ ، “قطعنامه حمایت از اصول و اقدامات حفظ حریم خصوصی داده های یادگیری” ، Google Docs (14 نوامبر 2018) ، به صورت آنلاین در https://docs.google.com/document/d/1bqJTZ4tCK3SFdsS4rXVNK5x3S3s3ed3s3ed3SedSedSedSedSedSedSed_3s3/3ed

114. مایکل آر پری و همکاران ، “Learning Analytics، SPEC Kit 360” (4 سپتامبر 2018) ، به صورت آنلاین در https://publications.arl.org/Learning-Analytics-SPEC-Kit-360/ [دسترسی به 3 مارس 2020].

115. اندرو اشر ، “خطر ، مزایا و حریم خصوصی کاربر: ارزیابی اخلاق داده های کتابخانه” ، در محافظت از حریم شخصی حامی em> ، ویرایش ها. بابی نیومن و بانی تیجیرینا (Lanham، MA: Rowman & Littlefield، 2017)، 43-56.

116. جونز و سالو ، “یادگیری تجزیه و تحلیل و کتابخانه دانشگاهی”.

117. کایل M.L. جونز ، آلن روبل و الن لکلر ، “ماده اعتماد به نفس: مؤسسات آموزش عالی به عنوان مؤسسات اطلاعاتی در عصر داده کاوی آموزشی و تجزیه و تحلیل یادگیری”. مجله انجمن علم و فناوری اطلاعات ، https://doi.org/10.1002/asi.24327 .

118. اشر و همكاران ، “اخلاق در استفاده از پژوهش از داده هاي پشتيبان كتابخانه”.

119. کریستین ا. برینی ، “شیوه های مدیریت داده ها در تجزیه و تحلیل یادگیری در کتابخانه دانشگاهی: یک نقد انتقادی” ، مجله کتابداری و ارتباط بورس تحصیلی em> 7 ، شماره. 1 (22 فوریه 2019): 1–39 ، https://doi.org/10.7710/2162-3309.2268 .

120. کریستین برینی و همکاران ، “یک راهنمای عملی برای ارزیابی ریسک داده ها در یک کتابخانه (پیش نویس)” ، گروه فناوری کار گروه نظارت (فدراسیون کتابخانه دیجیتال ، اکتبر 2019) ، به صورت آنلاین در https://docs.google.com/document/d/1FF75widvFPW2Ean68FIu6ddN7bgjfk2LzntYpZV استفاده از داده های حامی کتابخانه. “

121. اشر ، “خطر ، مزایا و حریم خصوصی کاربر”.

122. ملیسا بولز تری ، “آموزش کتابخانه و موفقیت دانشگاهی: ارزیابی متدهای مختصر از یک برنامه آموزش کتابخانه” ، کتابخانه و شیوه اطلاعاتی مبتنی بر شواهد em> 7 ، شماره. 1 (مارس 2012) ، https://doi.org/10.18438/B8PS4D ؛ گراهام استون و برایونی رامسدن ، “پروژه داده تأثیر کتابخانه: به دنبال پیوند بین استفاده از کتابخانه و پیشرفت دانشجویان” ، کالج ها و کتابخانه های تحقیقاتی em> 74 ، شماره. 6 (2013): 546–59، https://doi.org/10.5860/crl12-406 . p >

123. استون و رامسدن ، “پروژه داده تأثیر کتابخانه”.

124. LeMaistre ، Shi و Fali ، “استفاده از كتابخانه را به موفقیت دانش آموزان متصل می كند.”

125. Briney ، “شیوه های مدیریت داده ها در تجزیه و تحلیل یادگیری کتابخانه دانشگاهی”.

126. پری و همکاران ، “Learning Analytics، SPEC Kit 360”.

127 موری ، ایرلند ، و هاكاتورن ، “ارزش كتابخانه های دانشگاهی”.

128 هادوو و یوسف ، “وام ، ورود به سیستم و دوره ماندگار”.

129. Becky Yoose ، “مراجعان ، حریم خصوصی و فناوری در کتابخانه” (2017) ، به صورت آنلاین در https://docs.google.com/presentation/d/14gaycdLUCiD71FlY2BAsNggsG3D6fmVQFDmkSSdD1XA/edit#slide=id.p [دسترسی به 3 مارس 2020].

130. فرانسن و پترسون ، “چهار سال فارغ التحصیل هستید؟ بله ، کتابخانه می تواند به آن کمک کند! ”

131. الن کالینز و گراهام استون ، “درک الگوهای استفاده از کتابخانه در بین دانشجویان مقطع کارشناسی ارشد رشته های مختلف” ، کتابخانه و عمل اطلاعات مبتنی بر شواهد em> 9 ، نه. 3 (سپتامبر 2014): 51 ، https://doi.org/10.18438/B8930K ؛ LeMaistre ، “هزینه برای هر کاربر”.

132. آلیسون پپر و مارگی جانتی ، “نکته مهم: چگونه آمار دانه می تواند تفاوت زیادی را در درک و نشان دادن ارزش ایجاد کند” در کتابخانه و اطلاعات انجمن اطلاعات استرالیا (سیدنی ، استرالیا ، 2015) ، در دسترس است آنلاین در https://works.bepress.com/mjantti/34/ [دسترسی به 3 مارس 2020]؛ ماکسیمیلیان مونته نگرو و همکاران ، “منابع کتابخانه و نتایج یادگیری دانشجویان: آیا همه منابع تأثیر یکسانی در یادگیری دارند؟” 42 ، نه 5 (2016): 551-56.

133. Briney ، “شیوه های مدیریت داده ها در تجزیه و تحلیل یادگیری کتابخانه دانشگاهی”.

134. پری و همکاران ، “Learning Analytics، SPEC Kit 360”.

135. بکی یوز ، “تعادل حفظ حریم خصوصی و نیازهای برنامه ریزی استراتژیک: یک مطالعه موردی در شناسایی شخصیت های داده های پشتیبان ،” مجله آزادی فکری و حفظ حریم خصوصی em> 2 ، شماره. 1 (جولای 2017): 15–22 ، https://doi.org/10.5860/jifp.v2i1.6250.

136. یوز ، “تعادل حفظ حریم خصوصی و نیازهای برنامه ریزی استراتژیک”؛ Simson L. Garfinkel، “NISTIR 8053: عدم شناسایی اطلاعات شخصی” (2015) ، https://doi.org/ 10.6028 / NIST.IR.8053 ؛ محمد خلیل و مارتین ابنر ، “شناسایی مجدد در یادگیری تحلیلی” ، مجله یادگیری تحلیلی 3 ، شماره. 1 (آوریل 2016): 129–38 ، https://doi.org/10.18608/jla.2016.31.8 a>.

137. Briney ، “شیوه های مدیریت داده ها در تجزیه و تحلیل یادگیری کتابخانه دانشگاهی”.

138. “49 CFR قسمت 11 سیاست فدرال برای حمایت از افراد انسانی ،” ثبت نام فدرال 82 ، شماره. 12 (19 ژانویه 2017): 7149-7274.

139. وزارت آموزش آمریكا ، “قانون آموزش حقوق خانواده و حفظ حریم خصوصی (FERPA)” ، راهنما em> (اول مارس 2018) ، به صورت آنلاین در https://www2.ed.gov/policy/gen/guid/fpco/ferpa/index.html [دسترسی به 3 مارس 2020].

140. اسکات W.H. جوان ، “دستیابی به حفظ حریم خصوصی در عصر تحلیلی” (2018) ، در اینترنت بصورت آنلاین در https: /scottwhyoung.com/talks/web-privacy-web-analytics-niso-2018/ [دسترسی به 3 مارس 2020]؛ M Ryan Hess ، “Google Analytics and Privacy” ، Fail! Lab (وبلاگ ، 27 آوریل 2016) ، به صورت آنلاین در https://faillab.wordpress.com/2016/04/27/google-analytics-and-privacy/ [دسترسی به 3 مارس 2020].

141. Briney ، “شیوه های مدیریت داده ها در تجزیه و تحلیل یادگیری کتابخانه دانشگاهی”.

142. پری و همکاران ، “Learning Analytics، SPEC Kit 360”.

143. Briney ، “شیوه های مدیریت داده ها در تجزیه و تحلیل یادگیری کتابخانه دانشگاهی”.

144. خوزه وان دیجک ، “داده شناسی ، داده شناسی و تفسیر داده ها: داده های بزرگ بین پارادایم علمی و ایدئولوژی” ، نظارت و جامعه em> 12 ، شماره. 2 (9 مه 2014): 197-2020 ، https://doi.org/10.24908/ss.v12i2.4776 .

145 Rob Kitchin ، “داده های بزرگ ، معرفت شناسی های جدید و تغییرات پارادایم” ، بزرگ داده و جامعه em> 1 ، شماره. 1 (1 ژانویه 2014): 2053951714528481، https://doi.org/10.1177/2053951714528481 .

146. جونز ، “فقط به این دلیل که شما نمی توانید به معنی شما باید باشید.”

147. اسکات W.H. یانگ و همکاران ، “یک مجمع ملی در مورد حفظ حریم خصوصی وب و تجزیه و تحلیل وب: کتابچه راهنمای اقدام ،” (مه 2019) ، https://doi.org /10.15788/20190416.15446 .

148. یوز ، “تعادل حفظ حریم خصوصی و نیازهای برنامه ریزی استراتژیک”؛ LeMaistre ، Shi و Fali ، “استفاده از كتابخانه را به موفقیت دانش آموزان متصل می كند.”

149. Soyeon Park ، “بررسی روش های تحقیق در آموزش LIS: موضوعات در دانشگاه های کره و ایالات متحده ،” تحقیقات کتابخانه و علوم اطلاع رسانی em> 26 ، شماره. 4 (1 سپتامبر 2004): 501–10 ، https://doi.org/10.1016/j.lisr .2004.04.009 ؛ جوریس دییلکو ، “آمار استنباطی و کتابداری” ، تحقیقات کتابخانه و علوم اطلاع رسانی 29 ، شماره. 2 (1 ژوئن 2007): 209–29 ، https://doi.org/10.1016/j.lisr. 2007.04.003 .

150. R.R. پاول ، L.M. Baker و J.J. میکا ، “دست اندرکاران و تحقیقات علوم کتابخانه و اطلاع رسانی” ، کتابخانه و تحقیقات علوم اطلاعات 24 ، شماره. 1 (2002): 49–72، https://doi.org/10.1016/S0740-8188(01 ) 00104-9 ؛ ماری R. کندی و کریستین آر. برانکولین ، “تحقیقات کتابداری دانشگاهی: بررسی نگرش ها ، دخالت و توانایی های درک شده” ، کالج ها و تحقیقات کتابخانه ها em> 73 ، شماره. 5 (سپتامبر 2012): 431–48 ، https://doi.org/10.5860/crl-276 .

151. ماری کندی و کریستین برانکلینی ، “تحقیقات کتابداری دانشگاهی: به روزرسانی در بررسی نگرش ها ، درگیری و توانایی های درک شده” ، کالج ها و تحقیقات کتابخانه ها em> 79 ، نه. 6 (2018): 822–51، https://doi.org/10.5860/crl.79.6.822 .

152. پری و همکاران ، “Learning Analytics، SPEC Kit 360”.

153. روبرتشو و اشر ، “اعداد غیر اخلاقی؟”

154. کریستین هافمن ، سلیندا آدل برگ ، و دنیس کوهوگیانناکیس ، “بررسی موفقیت: شناسایی عوامل مؤثر در بهره وری تحقیق در سراسر کتابخانه و سایر رشته ها” ، کتابخانه و تحقیقات اطلاع رسانی 38 ، شماره. 119 (2014): 13–28 ، https://doi.org/10.29173/lirg639 .

155. کاترین ساسن و دایان وهل ، “تقویت تحقیقات و انتشار در کتابخانه های دانشگاهی” ، کالج ها و کتابخانه های تحقیقاتی em> 75 ، شماره. 4 (ژوئیه 2014): 458-91 ، https://doi.org/10.5860/crl.75.4.458.

156. الیزابت م. Smigielski ، Melissa A. Laning ، و Caroline M. Daniels ، “بودجه ، زمان و مشاوره: مطالعه روشهای تحقیق و پشتیبانی از انتشار کتابخانه های عضو ARL ،” مجله مدیریت کتابخانه 54 ، نه 4 (19 مه 2014): 261-76 ، https://doi.org/10.1080/01930826.2014.924309

157. سارا هارتمن-کورلی و الکس چیشولم ، “دیجیتال خرد شده: ابزار سوادآموزی برای حفظ حریم خصوصی” ، به صورت آنلاین در https://sites.psu.edu/digitalshred / [دسترسی به 8 اکتبر 2019]؛ ماکروینا ، “پروژه آزادی کتابخانه”؛ اسکات W.H. یانگ و همکاران ، “یک نقشه راه برای دستیابی به حریم خصوصی در عصر تحلیلی: مقاله سفید از یک انجمن ملی در مورد حفظ حریم خصوصی وب و تجزیه و تحلیل وب” (مه 2019) ، https://doi.org/10.15788/20190416.15445 ؛ اسکات W.H. یانگ و همکاران ، “یک مجمع ملی در مورد حفظ حریم خصوصی وب و تجزیه و تحلیل وب: راهنمای فعالیت” (دانشگاه ایالتی مونتانا ، 30 آوریل 2019) ، https : //doi.org/10.15788/20190416.15446 ؛ الکس چیشولم و سارا هارتمن-کاورلی ، “اگر نه ما ، کی؟ آموزش سوادآموزی رازداری در کتابخانه های دانشگاهی ، اتصال و ارتباط برقرار کردن “(کالج و بخش تحقیقات انجمن کتابخانه های پنسیلوانیا) ، به صورت آنلاین در https://www.youtube.com/watch؟v=49mDqex6K1o&feature=youtu.be [دسترسی به 8 اکتبر 2019].

158. جونز و مک کوی ، “تجدیدنظر در داده ها در یادگیری تحلیلی”.

159. آلن روبل و کایل M.L. جونز ، “حریم خصوصی دانش آموزان در یادگیری تجزیه و تحلیل: یک دیدگاه اخلاق اطلاعات” ، جامعه اطلاعاتی em> 32 ، شماره. 2 (مارس 2016): 143-59 ، https://doi.org/10.108080/01972243.2016.1130502 . / p>

160. Clara Schumacher و Dirk Ifenthaler ، “ویژگیهای دانش آموزان واقعاً از یادگیری تحلیلی انتظار دارند” ، رایانه ها در رفتار انسانی em> 78 (1 ژانویه 2018): 397-407 ، https://doi.org/10.1016/j.chb.2017.06.030 ؛ لین D. رابرتز و همكاران ، “نگرش دانش آموزان به یادگیری تحلیلی در آموزش عالی: نسخه متناسب با دنیای یادگیری” ، Frontiers in Psychology 7 (2016) ، https://doi.org/10.3389/fpsyg.2016.01959 .

161. کنستانس A. ملون ، “اضطراب کتابخانه: یک تئوری بنیادی و توسعه آن” ، کالج ها و کتابخانه های تحقیقاتی em> 76 ، شماره. 3 (مارس 2015): 276–82 ، https://doi.org/10.5860/crl.76.3.276 a>.

162. استیو ویت ، “تکامل حریم شخصی در انجمن کتابخانه های آمریکا ، 2002 – 1906” ، روندهای کتابخانه em> 65 ، شماره. 4 (8 سپتامبر 2017): 639–57 ، https://doi.org/10.1353/lib.2017.0022 .

                کپی رایت کایل M.L. جونز ، کریستین ا. برینی ، ابیگیل گوبن ، دوروتیا سالو ، اندرو اشر ، مایکل آر. پری

٪٪ مورد_read_more_button ٪٪