忻州小学查“户口式”收集信息引众怒：教 育管理别踩这三大“红线” （来源：纵览新闻） 近日，山西忻州长征小学（西校区）的一张“家校联系卡”， 把“家校沟通”这个本该温暖的话题推上了风口浪尖。表格里 “擅长技能”“社会资源”等与教学关联甚微的栏目已让家长犯嘀咕，“是否单亲”这类敏感隐私问题的出现，更是直接触碰 了公众的情绪红线。尽管校方迅速致歉止损，但这场舆情风 波留下的思考，值得所有教育从业者深思——家校沟通的边 波留下的思考，值得所有教育从业者深思——家校沟通的边 界在哪里？学校信息收集的“度”该如何把握？ 以下几类“红线”需重点规避，这不仅是对学生和家长的 尊重，更是对教育本质的坚守。 红线一：隐私边界模糊，把“管理便利”凌驾于“个人权 利”之上 “我的家庭情况和孩子上学有什么关系？”这是许多家长 看到“是否单亲”一栏时的直观疑问。在法治观念日益普及的 今天，“隐私权”早已不是抽象的法律概念，而是每个公民的 到特殊保护。 学校收集信息的逻辑，本应是“为了学生发展”而非“为了 管理便利”。诸如学生的健康状况、紧急联系人信息等，是保 障校园安全和教学活动的“必要信息”；而家长的职业细节、 社会资源、家庭结构等内容，除非涉及学生特殊帮扶需求且 经家长主动同意，否则都属于“非必要信息”。 部分学校之所以陷入“查户口”的误区，本质上是把行政 思维带进了教育场景——觉得“多收集点信息总没错”，却忽

发布调查结论，ChatGPT 以及用于收集用户数 据的技术违反欧盟《通用数据保护条例》 （GDPR）。早在 2023 年 3 月，Garante 就宣布禁止使用 ChatGPT，并限制 OpenAI 处理意大利用户信息。因为在 2023 年 3 月，ChatGPT 出现 用户对话数据和付款服务支付信息丢失情况。而且，OpenAI 没有就收集处理用户信息进行告知，缺乏大量收集和存储个 人信息的法律依据。OpenAI

的舆情分析方法，对收集到的信息进行深入分类与研判，精 准判断哪些属于正常的民意表达，哪些存在演变为舆情的可 能性。对于正常民情，可按照常规流程进行处理与回应；对 于可能转化为舆情的信息，则需启动应急预案，提前做好应 对准备。​ （二）积极回应民情，解决群众问题​ 各地政府纷纷开设网络问政平台，这一举措为民众提供 了便捷的诉求表达渠道。相关部门应安排专业、责任心强的 工作人员，负责收集整理民众在平台上的留言。对于民众反

在反恐和反间谍的旗号下，联邦政府大幅扩大了对公民的监 控权力。从“爱国者法案”到后续的监控体系建设，美国情报机 构和安全部门获得了几乎不受约束的权限，可以收集个人通话记 录、网络数据、社交媒体信息，甚至利用大数据和人工智能进行 预测性监控。多年前斯诺登揭露的“棱镜计划”显示，美国国家 安全局几乎全面收集民众的电话、邮件与网络记录，这种情况只 在增强，没有减弱。特朗普时期，美国政府以“防止中国渗透” 为由，扩大对华人学者与留学生的电子邮件、社交媒体监控，甚

型的开 源，

加剧模型缺陷扩散速度、

影响范围和修补难度，

为不法分⼦训练“作 恶模型”提供便利。 3.1.2 数据安全⻛险 （a）
违规收集使⽤数据。

⼈⼯智能训练数据的获取，

以及服务、

交互 过程中，

存在未经同意收集、

不当使⽤数据和个⼈信息的安全⻛险。 （b）
训练数据内容不当。

训练数据包含虚假、

偏⻅、

侵犯知识产权等 违法有害内容，

还⾯临攻击 现有管控体系失效，

加剧世界各地区和平安全威胁。 人工智能安全治理框架2.0 - 7 -3.2.4
认知安全⻛险 （a）
加剧“信息茧房”效应。 ⼈⼯智能将显著提升信息服务定制化能⼒，

更为准确地收集⽤⼾信息，
分析⽤⼾需求、

意图、

喜好、
⾏为习惯，
甚⾄特 定时段、
特定群体的意识思潮，
进⽽推送精准定制化信息服务,
加剧⽤⼾所 关注信息的局限性。 （b）
助⼒开展认知战。

⼈ 发等问题，

加速电⼒、

⼟地、

⽔ 等能源资源消耗，

对资源供需平衡、

绿⾊低碳发展带来新的挑战。 3.3.2
伦理安全⻛险 （a）
加剧社会偏⻅、

扩⼤智能鸿沟。

利⽤⼈⼯智能收集分析⼈类⾏为、 社会地位、

经济状态、

个体性格等，

对不同⼈群进⾏标识分类、

区别对待， 带来系统性、

结构性的社会歧视与偏⻅。

同时，

拉⼤不同地区⼈⼯智能鸿沟。 （b）
冲

着各种风险的考验和社会的压力：产品设计中存在的诱导分享让用户不知不觉的 陷入付费和打赏的陷阱，网络游戏中的低俗、暴力以及令人沉迷的倾向对青少年 可能产生的不利影响，应用产品推广过程中对用户数据信息的过度收集和由此扩 大的隐私泄露风险，业务运营过程中对利益的过度追求和对一些灰色地带有意无 意的放纵…… 这些或明或暗的问题，往往通过重大危机的突然发生、个别用户的网络投诉、 意见领袖的集中炮轰、主流

负面标签。 （三）防控负面舆情扩散 1.舆情监测与干预 “ ”“ ” 对重点传播 撤销荣誉 党员腐化 等极端话题的自媒体进行 标注监控，必要时启动约谈、限流或依法处置。加强对境外反华 媒体报道的收集与反制，及时在中文舆论场反驳。 2.内部协调与预案 建议中央宣传部与浙江省委宣传部协同，设立专项舆情小 组，每48小时提交研判简报。若舆情出现大规模联署或线下行动 苗头，应由政法系统介入提前稳控。—5—

《数 据安全法》《网络安全法》强调合法、必要、最小化原则， 尤其对跨境传输和敏感信息保护设有严格规范。9 月 16 日国 家网信办公布的执法案例显示，企业因未做安全评估、未加 密存储、超范围收集个人信息等行为被处罚。今年 5 月，迪 奥（上海）因客户数据跨境处理违规亦遭到查处。这表明，—4— 在中国市场运营的奢侈品牌若忽视数据合规，风险不仅限于 可能失去高端客户信任，还可能面临我国的监管处罚。

或科学知识。[2]这是人工智能的一种自信反应或“错觉”。 当生成式 AI 出现“幻觉”时，它会提供看起来合理但不正 确的信息，大概会影响到 15%至 20%的生成内容。例如， ChatGPT 会快速收集大量新闻资料并完成新闻撰写，但是生 成的新闻内容并不能完全反映实际情况，对于事实性错误也 能“一本正经胡说八道”。2023 年 2 月 8 日的《纽约时报》 报道，美国新闻可信度评估与研究机构

发酵和快速蔓延，对政府工作、社会稳定以及公众的正常 生活都会产生很大的影响。因此，如何在突发事件发生时， 提高多方有效应对网络舆情的能力，成为有待解决的重要 课题。基于中国知网（CNKI）所提供的文献，收集并整理了 2009 年至 2024 年国内学者对突发事件网络舆情研究的文 献资料，使用 CiteSpace 知识图谱软件作为工具进行可视图 的构建，系统分析过去不同领域和不同学者的研究内容和 里剔除综述型和评述型文献、各年份期刊会议文献、与“网 络舆情”和“突发事件”无关的泛义词等，保证样本数据 的精确性和分析结果的准确性，最终得到 401 篇有效中文 文献样本。 （二）发文量年限分布 对收集整理到的中文文献数据样本在 CiteSpace 软件 中进行时间年限分布分析，得出结果如图 1 所示。该图一 方面反映出 2009 年至 2024 年里突发事件网络舆情不同年份的研究占比；另一方面也体现出学术界对突发事件网络