当“人工智能”进入校园，“学生隐私”就不再只是技术部门的后台议题，而会直接影响课堂使用、作业评价、成长记录和家校沟通。2026年9月9日，美国教师联合会、纽约市教师联合会与微软公布面向学校的人工智能安全与隐私标准，提出不得用学生和教职员工数据训练模型、不得持续追踪学生，并要求重要决定保留人工监督。该事件由微软公告和美国教师联合会公告分别披露，可以作为讨论人工智能与学生隐私关系的新切口。
人工智能与学生隐私为何必须放在一起讨论
传统教育软件通常收集账号、班级、成绩等结构化信息，而生成式人工智能还可能接触学生输入的提问、上传的文件、生成结果、语音图像以及交互记录。单次对话看似普通，长期积累后却可能呈现学习习惯、兴趣偏好和行为特征。因此，学校不能只问“工具是否好用”，还应追问数据去了哪里、保存多久、是否参与模型训练，以及谁能访问这些信息。
根据2026年9月9日发布的联合公告，新标准强调学校相关数据不得被用于训练人工智能模型，学生不得遭到追踪，涉及学生的重要判断不能脱离人工监督，供应商还应以通俗语言说明工具如何运作。微软披露的标准要点与教师组织发布的信息在这些核心内容上相互印证。
从“九不准”和“七条底线”看论坛讨论边界
在中文论坛讨论这一事件时，可将《互联网信息服务管理办法》相关禁止性要求以及“七条底线”作为内容治理框架。讨论应坚持法律法规、公共秩序、社会公德、合法权益和信息真实性等基本边界，避免把未经证实的个案包装成普遍事实，也不能借隐私议题散布恐慌、攻击学校或技术企业。
首先，不应公开学生姓名、照片、学号、联系方式、聊天记录等可识别信息。即便发帖者希望揭示某款工具的问题，也应先做匿名化处理，删除学校、班级及家庭信息。其次，不能把模型生成的结论当成事实证据，例如仅凭人工智能给出的“风险标签”就评价某名学生的能力、性格或品行。再次，讨论产品风险时要区分已公布条款、媒体报道和个人推测，避免使用“全面监控”“秘密建档”等缺乏证据的绝对化表述。
合规讨论的重点不是压制质疑，而是让质疑建立在可核验资料之上，同时不对未成年人、教师、学校和企业造成无依据的名誉损害。
新标准释放了哪些实际信号
一、数据不能默认成为模型训练材料
人工智能产品常以改进服务为由处理用户交互数据，但校园场景涉及未成年人，授权能力和风险承受能力都更有限。新标准把“不得用于训练”写成可执行要求，说明教育机构采购人工智能服务时，有必要明确区分提供当前服务所必需的数据处理与模型研发所需的数据利用，不能用一份笼统授权覆盖所有目的。
二、自动化建议不等于自动化决定
人工智能可以辅助整理作业、发现知识薄弱点或生成教学建议，但不宜独立决定处分、分班、升学推荐和教师评价。这类决定直接影响个人权益，一旦模型受到数据偏差、提示误导或上下文缺失影响，后果很难通过一句“算法判断”解释。保留有实际意义的人工复核，应包括查看依据、允许申诉和纠正错误，而不是在系统输出后机械点击批准。
三、透明说明需要让普通家长看得懂
隐私政策如果充满专业术语，形式上公开并不等于真正透明。学校和供应商应说明收集哪些数据、用于什么目的、保存多长时间、是否交由第三方处理，以及用户如何申请访问、更正或删除。对于新功能上线、数据用途变化和风险边界调整，也应主动通知，而不是把责任全部推给用户自行阅读更新后的长篇条款。
学校与家庭可以如何落实
- 建立工具清单：记录人工智能产品的使用场景、数据类型、账号范围和责任人员，避免教师或学生自行接入来源不明的服务。
- 坚持数据最小化：能够用匿名材料完成的任务，不上传真实姓名、成绩单、家庭情况、医疗记录或完整学生档案。
- 设置人工复核：凡涉及评价、纪律、资源分配和学生发展机会的输出，都应由具备相应职责的人员重新核验。
- 开展隐私教育：提醒学生不要在提示词中透露个人身份、账号凭证以及他人秘密，也不要把模型回答当作权威结论。
- 准备退出机制：家长或学生对特定人工智能功能存在合理顾虑时，学校应说明是否可以关闭，并提供不受歧视的替代方案。
总结
人工智能与学生隐私并非相互排斥。真正值得推广的校园人工智能，应在数据用途受限、重要决定有人负责、产品机制清晰可解释的前提下提升教学效率。对中文论坛而言，讨论这一新标准的价值不在于照搬境外规则，而在于形成一套可操作的问题清单：谁在收集数据、为何收集、保存多久、能否删除、是否用于训练，以及错误决定由谁纠正。遵守“九不准”和“七条底线”，坚持事实核验、隐私保护与理性表达，才能让公共讨论既有监督力度，也守住合法合规边界。
事件及资料日期：2026年9月9日。美国教师联合会、纽约市教师联合会与微软公布学校人工智能安全与隐私标准，核心内容参见微软官方公告[1]及美国教师联合会公告[2]。
