Poigrajmo se s podatki

Da bi preučili vlogo podatkov v izobraževanju, poglejmo primer personaliziranega učenja, ki je opredeljeno kot ena od glavnih obljub storitev na podlagi umetne inteligence na področju izobraževanja¹:

"UI bo imela ključno vlogo pri uresničevanju obljube o personaliziranem učenju (tj. sposobnosti prilagajanja izvajanja, vsebine in tempa učenja posebnim potrebam vsakega posameznega učenca). Sposobnost zajemanja podatkov iz več virov podatkov, njihovega pregledovanja in pridobivanja vpogledov (z orodji, kot sta napovedna analitika in strojno učenje) je tisto, zaradi česar je umetna inteligenca tako vznemirljiv napredek na področju izobraževalne tehnologije in zakaj se bo njena uporaba izkazala kot preobrazba na mnogih področjih izobraževanja za vse zainteresirane strani, od posameznih učencev do ministrstev za izobraževanje."

Za izvajanje takšnih, na umetni inteligenci temelječih personaliziranih učnih sistemov je treba med učenjem zbirati, prikazovati in analizirati različne vrste kvantitativnih in kvalitativnih podatkov (kot so ocene in učni zapisi, interesi, zdravje, vedenje ali demografski podatki, vključno s starostjo, spolom, državo itd) . Z analizo teh podatkov orodja AIEd (Artificial Intelligence for Education) pripravijo priporočila, ki naj bi učencem pomagala izboljšati njihove učne izkušnje in učne rezultate.

Za izračun teh prilagojenih priporočil izobraževalna programska oprema uporablja računalniške metode za avtonomno odločanje. Uporablja modele na osnovi pedagoškega znanja, vsebinskega znanja in profilov učencev. Na podlagi teh modelov lahko algoritem predlaga ukrepe za naslednji učni korak.

V poročilu Skupnega raziskovalnega središča o nastajajočih tehnologijah in poučevanju (Joint Research Centre Report on Emerging technologies and the teaching profession) je bilo opredeljenih več pomislekov glede izobraževalnih podatkov in aplikacij za odločanje²:

• "Katere podatke bi aplikacija uporabljala in v kakšne namene? Kako so zgrajeni podatkovni modeli, na podlagi katerih teoretičnih konstruktov in kako sledljive so odločitve, ki jih sprejme programska oprema (npr. pojasnljivost)? Katere vrednote in predpostavke se odražajo v teh podatkovnih modelih in kdo jih določa?"
• "Kolikšno škodo bi povzročila napačna odločitev, ki bi temeljila na računalniških metodah, uporabljenih za avtonomno odločanje?".

Z vidika okvira Splošne uredbe o varstvu podatkov (GDPR) se pojavalja tudi nasedlnji pomislek: "Pri izobraževanju in usposabljanju je treba zagotoviti ravnovesje med zbiranjem digitalnih podatkov in poseganjem v osebno sfero posameznika."

____________________________

1. "AI in Education: Change at the Speed of Learning". UNESCO IITE Policy Brief. Author: Steven Duggan. Editor: Svetlana Knyazeva - ISBN : 978-5-6046449-2-8. ↩

2. "Emerging technologies and the teaching profession: Ethical and pedagogical considerations based on near-future scenarios"- Vuorikari Riina, Punie Yves, Marcelino Cabrera - Joint Research Center report - 2020. ↩