学情数据能交给 AI 吗？学生信息的敏感分级

班级成绩表、错题记录、学情小结，这些数据能不能直接丢给 AI 分析？很多老师图省事，把带姓名学号的整表复制进对话框，问题往往就出在这一步。学生信息里相当一部分属于敏感个人信息，未成年人信息尤其敏感；交给 AI 之前，先分级、再去标识，是比「信任工具」可靠得多的做法。本文给一份学生信息的敏感分级对照与课堂里可落地的处理步骤，具体执行以学校规定与最新法律法规为准。

学生信息敏感在哪一级

把老师手里常见的数据摆开，敏感程度可以分三层。第一层是直接标识：姓名、学号、身份证号、人脸照片，单独出现就能定位到个人，属于最敏感的一档。第二层是间接标识：单看无害、组合起来致命——班级加分数段加特长，几列信息拼在一起，班里是谁基本能猜出来；家长职业、座位表、值日表也常被忽略，其实都在间接标识之列。第三层是内容信息：作文、周记、心理周测里写下的家庭变故、情绪状态，比成绩表私密得多，一旦进入外部系统，泄露的伤害也最大。还要记住一个大前提：学生都是未成年人，对未成年人个人信息的处理要求比成年人更严，这一点让上面三层全部上调一档。

交给 AI 前的处理步骤

第一步做最小化：问自己「AI 要完成这件事，最少需要哪几列」，用不上的字段删掉再上传。第二步做去标识：姓名学号替换成编号，编号与真名的对照表留在自己手里，不进任何对话框。第三步分清两个概念：去标识之后仍能通过对照表复原的是假名化，仍按个人信息管理；彻底切断复原路径的才是匿名化，两者的差异与合规含义见假名化与匿名化一篇——很多老师以为换了编号就万事大吉，其实数据性质没变，谨慎程度不能降。第四步对内容信息单独处理：作文喂给 AI 前先做摘要脱敏，家庭细节、心理描述这类内容，能人工评就不外传。

去标识化的课堂做法

落到几个高频场景。做成绩分析：上传编号加分数的表，AI 算出分布与趋势后，回本地再把编号贴回姓名，全程外发的只有编号。做错题归因：只传错题内容与知识点标签，不传「谁错的」，个体问题教师自己心里有数。写家长沟通材料：AI 生成的报告初稿里，凡能识别到具体学生的描述逐一核对改写。选工具也有一层判断：优先选承诺不留存、不用于训练的服务；用豆包、Kimi 这类通用助手算班级学情时，同样遵循先去标识再上传的顺序，别因为工具常用就放松要求。

把规矩立下来的四条

个人习惯之外，把规矩固化下来更可靠。第一条，给自己定一张允许清单：哪些数据可以给 AI、哪些永远不行，写下来贴在手边。第二条，上传前过一眼字段：有没有直接标识、组合起来能不能反推，两问过后再发。第三条，AI 的结果复核后再对外：给家长的报告、给同事的分享，过人这一关再出手。第四条，对照底线清单校准：学生信息保护本来就是教师用 AI 的三条底线之一，见教师使用 AI 的三条底线一篇；职场里处理他人信息的同类思路，也可以参考 HR 处理简历的合规做法，见简历能喂给 AI 吗一篇。学生数据的事没有「先用了再说」的余地，事前一分谨慎，省去事后十分麻烦。

本文为教师工作方法介绍，涉及学生个人信息的具体处理，以学校制度与最新法律法规为准。

延伸阅读：数据安全法对用 AI 的影响、学校对 AI 使用的规范、企业数据外传的风险自查。

学生信息敏感分级对照

• 直接标识：姓名、学号、照片，上传前必须替换
• 间接标识：班级、分数段、特长组合可反推，最小化处理
• 内容信息：作文周记里的私事，能人工评就不外传
• 通用前提：对象是未成年人，标准整体上调一档

学情数据快问快答

• 用编号替换姓名之后就能随便传吗？：不能，编号属于假名化，数据仍按个人信息对待，最小化与复核的要求一样不省。
• 学校采购的 AI 批改平台，要重点看什么？：看数据存哪里、留多久、会不会用于模型训练、能否按流程删除，四问都清楚再签。
• 家长要求删除孩子的数据怎么办？：按学校流程办理并留记录，所用 AI 服务侧的删除路径提前问清，别等出了请求再找。