calendar tag arrow download print
Doorgaan naar inhoud

Leren digitaliseren (2): Ethiek als motor van digitale onderwijsinnovatie

Artikel
09 november 2020

Illustratie: Max Kisman

Image
Een getekend meisje schreeuwt een tekst tegen haar beeldscherm en komt die tekst vervolgens op andere plekken tegen

Het gebruik van data over studenten en hun studiegedrag staat nog in de kinderschoenen. Werken met data biedt veel mogelijkheden om de kwaliteit van het onderwijs te verbeteren, maar het levert ook risico’s op voor zaken die we als samenleving belangrijk vinden. In deze aflevering van de blogserie 'Leren digitaliseren' gaat het om de vraag hoe het hoger onderwijs kan voorkomen dat digitale toepassingen ten koste gaan van rechtvaardigheid.

In het kort:

  • Data over leergedrag en achtergronden van studenten kunnen onderwijsprestaties verbeteren.
  • Ondoordachte inzet van data kan leiden tot discriminatie, uitsluiting en kansenongelijkheid.
  • Aandacht voor ethiek kan de digitalisering versnellen.

De Universiteit van Wollongong in Australië analyseert al een paar jaar de gesprekken die studenten onderling en met hun docenten voeren op online discussiefora. Studenten die hier actief vragen stellen en beantwoorden, blijken in de regel betere studieresultaten te boeken. Data-analyse maakt studenten die zich afzijdig houden duidelijk zichtbaar voor de docent. Die kan daardoor gericht interveniëren en studenten die het nodig hebben aanzetten tot actievere deelname om zo hun studieresultaten te verbeteren.

De mogelijkheden van studiedata

Werken met studiedata valt uiteen in learning analytics en student analytics. Learning analytics heeft als doel het leerproces van studenten beter te begrijpen. Hiervoor worden direct meetbare gegevens gebruikt van het leergedrag dat zich binnen de digitale leeromgeving afspeelt, waaronder live klikgedrag, duur van websitebezoek en deelname aan digitale leeractiviteiten, zoals online discussiefora.

Student analytics maakt gebruik van data die minder veranderlijk zijn zoals de woonsituatie en sociaaleconomische achtergrond van een student, of gegevens over instroom van studenten, studieresultaten en de doorstroom naar de arbeidsmarkt.

Op basis van learning analytics kunnen voorspellingen gedaan worden over toekomstig studiesucces. Ook worden interventies mogelijk op individueel niveau waaronder personalisatie van de leeromgeving, studiebegeleiding en persoonlijk studieadvies. Student analytics heeft ook tot doel het verhogen van studiesucces maar richt zich in de regel meer op het verbeteren van de opleiding dan op de individuele student.

Vanwege de uiteenlopende toepassingsmogelijkheden die learning analytics en student analytics bieden, kunnen zowel studenten, docenten en opleidingsinstellingen baat hebben bij het gebruik van studiedata.

Verbetering onderwijskwaliteit

Als het gaat om de inzet van studiedata in het Nederlandse hoger onderwijs behoort de Vrije Universiteit tot de koplopers. Zo is de aanpak van de Erasmus Universiteit en de Hanzehogeschool Groningen op die van de VU geïnspireerd.

De VU werkt met een kleinschalig, gespecialiseerd team van data-analisten en juristen. Teamleider Theo Bakker licht toe dat de verbetering van onderwijskwaliteit hoofddoel is van de data-analyse. ‘We proberen om het onderwijs te veranderen in plaats van de student.’

Zo is onderzocht waar in de bacheloropleidingen van de VU vertragingen ontstaan, wat bijvoorbeeld heeft geleid tot een andere invulling van het curriculum bij de bachelor culturele antropologie. De VU wil haar opleidingen zo evidence based verbeteren.

Vooralsnog gebruikt de VU alleen student analytics en geen learning analytics. ‘Met learning analytics kom je veel dichter op de huid van de student’, legt VU-privacyjurist Tom Paffen uit. ‘Met student analytics gaat iemand als onderdeel van een groep in een bak, met learning analytics als individu.’ Bij student analytics worden geen conclusies getrokken over een individuele student. De inzichten die worden opgedaan via student analytics worden gebruikt om beleid te verbeteren, waarbij het belang van de student voorop staat. De privacy-impact hiervan is anders dan bij learning analytics.

Risico op onrechtvaardigheid

Discriminatie, uitsluiting en kansenongelijkheid worden het meest genoemd  als potentiële risico’s van het werken met studiedata. Het risico op discriminatie valt goed te illustreren met het voorbeeld van de online discussiefora. Onderzoek in de VS heeft aangetoond dat blanke, mannelijke studenten bijna twee keer zoveel kans hebben om op een discussiepost een reactie te krijgen van een docent dan een niet-blanke student. Doordat die minder reacties krijgen, worden ze inactiever en categoriseert het computerprogramma hen als mindere studenten. Docenten zullen hen vervolgens ook als zodanig benaderen, terwijl ze waarschijnlijk helemaal niet onder doen voor andere studenten.

Inclusiviteit komt onder druk te staan wanneer op basis van learning analytics negatieve adviezen over vervolgopleidingen worden gegeven. Studenten worden dan bijvoorbeeld ontmoedigd om een masteropleiding te kiezen die ze misschien wel het leukst vinden. Ongelijkheid tenslotte, kan toenemen doordat gepersonaliseerde leeromgevingen in de regel beter aansluiten bij studenten die al een hoge mate van zelfwerkzaamheid hebben.

Ethiek als gaspedaal

Deze drie negatieve effecten zijn vaak niet direct aan de oppervlakte waarneembaar. Daarom is het van groot belang ethische afwegingen een integraal onderdeel te maken van het werken met studiedata. De VU bevindt zich ook daarmee in de voorhoede.

Mede op aangeven van studieadviseurs die een ‘onethisch gevoel’ kregen bij het benaderen van studenten op basis van statistische waarschijnlijkheden, heeft de VU een Code of Practice voor privacy en ethiek opgesteld. Deze code fungeert als afwegingskader voor het gebruik van studiedata. De meerwaarde voor studenten staat daarbij voorop: ‘Je krijgt pas draagvlak als je ook het belang van de student laat zien’, aldus Theo Bakker.

Rekening houden met ethiek kost tijd, erkent Iris Huis in ’t Veld van SURF, de ICT-coöperatie voor het hoger onderwijs. Toch ziet ze ethiek juist als een gaspedaal voor die digitalisering. Onduidelijkheid over privacy en ethiek houdt digitale onderwijsinnovatie tegen. Zij houdt zich daarom binnen de zone ‘Veilig en betrouwbaar benutten van studiedata’ van het Versnellingsplan Onderwijsinnovatie met ICT bezig met de ontwikkeling van een landelijk ethisch kader, dat onder meer is geïnspireerd op de Code of Practice van de VU.

Meediscussiëren over de rol van techbedrijven en ethiek?

Breed gedragen bewustwording

Huis in ’t Veld geeft aan dat een ethisch kader onderwijsinstellingen helpt om scherp te beargumenteren waarom ze bepaalde gegevens gebruiken. Verzameling en analyse van studiedata mag volgens de Algemene Verordening Gegevensbescherming (AVG) alleen als daarmee een ‘gerechtvaardigd belang’ wordt gediend.

Voor de VU staat daarbij het belang van studenten voorop. Of dit belang inderdaad de doorslag geeft vraagt soms om een complexe afweging. Een ethische gedragscode is dan behulpzaam maar het is geen checklist die je even kunt nalopen en afstrepen. Daarom benadrukken zowel Bakker als Huis in ’t Veld dat een normatief kader breed gedragen moet worden in de instelling die met studiedata werkt.

Met de Code of Practice in de hand is het VU Analytics team in diverse lagen van de organisatie het gesprek aangegaan over een verantwoorde inzet van studiedata. Ook heeft het team het spel De beste bachelor ontwikkeld waarmee bij VU-medewerkers het bewustzijn van zowel de positieve als de negatieve effecten van data-analyse moet worden vergroot.

Huis in ’t Veld suggereert verder dat een ethische commissie kan worden aangesteld die digitale toepassingen toetst op gewenste en ongewenste effecten. Aan de Erasmus Universiteit is men bijvoorbeeld bezig om zo’n commissie op te zetten.

Het gebruik van studiedata maakt nu nog geen structureel onderdeel uit van het hoger onderwijs. Wanneer dit in de toekomst gaat veranderen, is het meer dan wenselijk dat zich parallel hieraan een breed gedragen ethisch bewustzijn ontwikkelt. De uitdaging is om te zorgen dat het gesprek over studiedata niet slechts over mensen gaat, maar gevoerd wordt met betrokken studenten, docenten en bestuurders.

 

Leren digitaliseren (2)

2020 kan wel eens de geschiedenis ingaan als het jaar waarin het onderwijs onherkenbaar veranderde. De digitalisering die de afgelopen jaren sluipenderwijs voortschreed, maakte een reuzensprong. Gedwongen door een klein virus volgden miljoenen leerlingen hun lessen thuis vanachter de computer. Maar wat betekent digitalisering voor de onderwijskwaliteit? En wat is de impact op kernwaarden als autonomie, rechtvaardigheid en menselijkheid? Welke zeggenschap hebben scholen, leerlingen en hun ouders over de kant die het onderwijs met digitalisering op gaat? En hoe draagt deze ontwikkeling eraan bij dat scholieren en studenten zich ontwikkelen tot de burgers waaraan een democratische samenleving behoefte heeft? Via praktijkvoorbeelden zoeken we in de blogserie Leren digitaliseren naar een antwoord op deze vragen.