Deze notitie beoogt een bijdrage te leveren aan de discussie over sociale integratie in Limburg in het algemeen en aan de emancipatie en integratie van enkele (doel)groepen in de provincie Limburg, te weten: jongeren, allochtonen en homoseksuelen in het bijzonder.
Learning Analytics en bias – Learning analytics richt zich op het meten en analyseren van studentgegevens om onderwijs te verbeteren. Bakker onderscheidt hierin verschillende niveaus, zoals student analytics en institutional analytics, en focust op inclusion analytics, waarin gekeken wordt naar kansengelijkheid. Bias – systematische vooroordelen in data – kan vooroordelen in algoritmen versterken en zo kansenongelijkheid veroorzaken. De onderzoeksmethode maakt gebruik van het 4/5-criterium, waarbij fairness in uitkomsten gemeten wordt door te kijken of de kansen voor de beschermde groep minstens 80% zijn van die van de bevoorrechte groep.Onderzoeksaanpak – Bakker gebruikt machine learning om retentie na het eerste studiejaar te voorspellen en onderzoekt vervolgens verschillen tussen groepen studenten, zoals mbo-en vwo-studenten. Hij volgt drie stappen: (1) Data voorbereiden en modellen bouwen: Data worden opgesplitst en opgeschoond om accurate voorspelmodellen te maken. (2) Variabelen analyseren: Invloed van kenmerken op uitkomsten wordt beoordeeld voor verschillende groepen. (3) Fairness berekenen: Het 4/5-criterium wordt toegepast op metrics zoals accuraatheid en statistische gelijkheid om bias en ongelijkheden te identificeren. Resultaten, aanbevelingen en vervolgonderzoek – Uit het onderzoek blijkt dat kansengelijkheid bij veel opleidingen ontbreekt, met name voor mannen en mbo-studenten, die een hogere kans op uitval hebben. Bakker adviseert sensitieve kenmerken zoals migratieachtergrond mee te nemen in analyses op basis van informed consent. Daarnaast pleit hij voor meer flexibiliteit in het beleid, geïnspireerd door maatregelen tijdens de coronacrisis, die een positief effect hadden op studiesucces.Toekomstvisie – Bakker benadrukt dat niet elke ongelijkheid het gevolg is van discriminatie en roept op tot data-informed interventies om sociale rechtvaardigheid in het onderwijs te bevorderen. Zijn methode wordt open access beschikbaar gesteld, zodat ook andere instellingen deze kunnen toepassen en kansengelijkheid systematisch en bewust kunnen onderzoeken.
Dit paper is gepresenteerd op de slotbijeenkomst van het EU-Comenius project 'A School for All', waarvan Fontys OSO voorzitter was, op 19 mei 2006 in Tilburg. Hierin wordt, vanuit het perspectief van gelijkheid en sociale rechtvaardigheid, een profiel geschetst van de professionaliteitsopvatting (model of professionalism) van de 'inclusieve leerkracht', de leerkracht die voorbereid is op het geven van inclusief onderwijs. Dit gebeurt op basis van analyse van: - sociale, historische en politieke context; - de 'models of teacher professionalism'die op dit moment in de Nederlandse situatie herkenbaar zijn binnen de lerarenopleidingen, de wetgeving en de literatuur. (In het Engels, op te vragen per e-mail)
De alliantie tussen professionals en cliënten in de jeugdzorg is een krachtige algemeen werkzame factor in de hulp aan kinderen en ouders met opvoedproblemen. De alliantie tussen professionals en cliënten bestaat uit de persoonlijke klik, overeenstemming over de doelen waaraan gewerkt wordt en de wijze waarop er samengewerkt wordt aan die doelen. Een positieve alliantie in een vroeg stadium van het hulpverleningstraject is een betrouwbare voorspeller van een positieve uitkomst. Het vroegtijdig zicht krijgen op de kwaliteit van de alliantie geeft de mogelijkheid om breuken en deuken in beeld te brengen en vroegtijdig bespreekbaar te maken en te herstellen. Het ritueel om de alliantie bespreekbaar te maken wordt in de praktijk nog weinig gestalte gegeven. Het vergt van professionals een scherp observatievermogen, goede reflectievaardigheden en de nodige creativiteit om het ritueel in het primair proces te passen. Met de te ontwikkelen experimentele leerlijn waar deze aanvraag op ingaat willen werkveldpartners inzetten op het aanleren van deze vaardigheden.
De maatschappelijke discussies over de invloed van AI op ons leven tieren welig. De terugkerende vraag is of AI-toepassingen – en dan vooral recommendersystemen – een dreiging of een redding zijn. De impact van het kiezen van een film voor vanavond, met behulp van Netflix' recommendersysteem, is nog beperkt. De impact van datingsites, navigatiesystemen en sociale media – allemaal systemen die met algoritmes informatie filteren of keuzes aanraden – is al groter. De impact van recommendersystemen in bijvoorbeeld de zorg, bij werving en selectie, fraudedetectie, en beoordelingen van hypotheekaanvragen is enorm, zowel op individueel als op maatschappelijk niveau. Het is daarom urgent dat juist recommendersystemen volgens de waarden van Responsible AI ontworpen worden: veilig, eerlijk, betrouwbaar, inclusief, transparant en controleerbaar.Om op een goede manier Responsible AI te ontwerpen moeten technische, contextuele én interactievraagstukken worden opgelost. Op het technische en maatschappelijke niveau is al veel vooruitgang geboekt, respectievelijk door onderzoek naar algoritmen die waarden als inclusiviteit in hun berekening meenemen, en door de ontwikkeling van wettelijke kaders. Over implementatie op interactieniveau bestaat daarentegen nog weinig concrete kennis. Bekend is dat gebruikers die interactiemogelijkheden hebben om een algoritme bij te sturen of aan te vullen, meer transparantie en betrouwbaarheid ervaren. Echter, slecht ontworpen interactiemogelijkheden, of een mismatch tussen interactie en context kosten juist tijd, veroorzaken mentale overbelasting, frustratie, en een gevoel van incompetentie. Ze verhullen eerder dan dat ze tot transparantie leiden.Het ontbreekt ontwerpers van interfaces (UX/UI designers) aan systematische concrete kennis over deze interactiemogelijkheden, hun toepasbaarheid, en de ethische grenzen. Dat beperkt hun mogelijkheid om op interactieniveau aan Responsible AI bij te dragen. Ze willen daarom graag een pattern library van interactiemogelijkheden, geannoteerd met onderzoek over de werking en inzetbaarheid. Dit bestaat nu niet en met dit project willen we een substantiële bijdrage leveren aan de ontwikkeling ervan.
Sociale media zorgen voor een grillig verloop van het publieke debat. Dat komt doordat iedereen via deze media zijn zegje kan doen en velen van die mogelijkheid ook inderdaad gebruik maken. Vaak is dat spontaan en ongefilterd. De gevolgen daar¬van kunnen voor iedereen en zeker voor politiek, publieke organisatie en bedrijfsleven heftig zijn. Vandaar de onder communicatieprofessionals steeds terugkerende vraag: wat doen we met al die beroering die via sociale media tot ons komt? Tegenspreken? Negeren? Meedoen? Om aan die vraag tegemoet te komen hebben we in twee voorlopende Raak Publiek projecten de BEP ontwikkeld. BEP staat voor Bird’s Eye Perspective. BEP biedt communicatieprofessionals een vogelper-spectief in online conversaties. Het perspectief helpt die conversaties en eventueel daaropvolgende inter-acties op waarde te schatten. Communicatieprofes¬sionals gebruiken inzichten uit BEP om bewuster te zijn van de gevoeligheden en weerstanden in gesprekken die gaande zijn en aan te sluiten op wat leeft in het publieke debat. Dit stelt hen in staat om in gesprek te blijven én de stap te kunnen maken naar een anticiperende communicatiestrategie., De KIEM subsidie zullen wij gebruiken om een RAAK PUBLIEK-aanvraag te schrijven, waarin de basis wordt gelegd voor een discursief psycho¬logisch onderzoek naar een beeld-BEP die helpt patronen in beeldgebruik te ontdekken, te zien uit welke elementen de verschillende beelden bestaan, en ingrediënten biedt voor een reactie in beeld. Daarbij kijken we met nadruk naar het beeld aspect van online uitingen in een gesprekscontext en de patronen die zich daarin voordoen, de dynamiek en het verloop van interacties. In samenspraak met consortiumpartners zullen wij de KIEM subsidie gebruiken om: > de aanvraag inhoudelijk vorm te geven > geschikte casussen te selecteren die als onderzoeksmateriaal zullen dienen > werkpakketten samen te stellen en een activiteitenplan te maken > meer instellingen en praktijkorganisaties betrekken en uitnodigen voor deelname
