Zoekresultaten

Face detection in de winkel

Zicht op studentontwikkeling: een doorgaande leerlijn met doelgerichte formatieve activiteiten

Mbo-scholen worstelen met de strikte scheiding tussen onderwijs en examinering. Docenten krijgen daardoor moeilijk zicht op de ontwikkeling van hun studenten richting de examinering. Zij zetten formatieve evaluatie-activiteiten (FE-activiteiten) in, maar niet om doelgericht zicht te krijgen op die ontwikkeling. Uit Gulikers & Baartman (2017) blijkt dat 'learning progressions' (leerpaden) kunnen helpen om FE-activiteiten meer doelgericht en onderling samenhangend te maken. Het doel van dit onderzoek was daarom: (1) een learning progression maken, (2) bijpassende FE-activiteiten maken met de learning progression als kapstok. Vier mbo-teams hebben aan de hand van verschillende ontwerpactiviteiten een learning progression gemaakt, FE-activiteiten ontworpen en deze uitgevoerd. In het onderzoek zijn deze ontwerp- en experimenteeractiviteiten geëvalueerd, wat betreft hun bijdrage aan het inzicht van mbo-docenten in het leerpad van hun studenten en het kunnen ontwerpen en inzetten van meer doelgerichte FE-activiteiten. Het innemen van het studentperspectief bleek cruciaal. De mbo-docenten rapporteerden inzichten en geleerde lessen over vakoverstijgend kijken in langere leerlijnen, inzicht in een kernaspect van hun beroep en hoe studenten zich ontwikkelen, en FE-activiteiten die meer doelgericht 'vangen' waar studenten staan hun ontwikkeling op dat kernaspect.

HBO-medewerkers over de maatschappelijke impact van AI

De opkomst van Chat GPT laat zien hoe AI ingrijpt in ons dagelijks leven en het onderwijs. Maar AI is meer dan Chat GPT: van zoekmachines tot de gezichtsherkenning in je telefoon: data en algoritmes veranderen de levens van onze studenten en hun toekomstige werkveld. Wat betekent dit voor de opleidingen in het HBO waar voor wij werken? Voor de inspiratie-sessie De maatschappelijke impact van AI tijdens het HU Onderwijsfestival 2023 hebben wij onze collega’s uitgenodigd om samen met ons mee te denken over de recente AI-ontwikkelingen. We keken niet alleen naar de technologie, maar juist ook naar de maatschappelijke impact en wat de kansen en bedreigingen van AI zijn voor een open, rechtvaardige en duurzame samenleving. Het gesprek voerde we met onze collega’s (zowel docenten als medewerkers van de diensten) aan de hand van drie casussen met. De verzamelde resultaten en inzichten van deze gesprekken zijn samengebracht op een speciaal ontwikkelde poster voor de workshop (zie figuur 1). We hebben deze inzichten gebundeld en hieronder zijn ze te lezen.

De slimme stad

Technologie wordt door steden steeds vaker gebruikt om innovatieve beleidsoplossingen te ontwikkelen om de stedelijke omgeving leerbaar en veilig te houden (Yigitcanlar et.al, 2018; zie Allam & Newman, 2018). In de literatuur wordt naar een stad die technologie gebruikt, verwezen als een Smart City (Holland 2008; Kitchin, 2015; zie ook Meijer & Bolivar, 2016 voor uitgebreide conceptualisering van Smart City). Rotterdam gebruikt bijvoorbeeld gezichtsherkenning in het openbaar vervoer om onder meer zwartrijden tegen te gaan. De data die verzameld wordt, is niet alleen in bezit van de openbaar vervoersorganisatie. Maar is ook in handen van de ontwikkelaar van de gezichtsherkenning-software. Soms wordt de data ook gedeeld met de politie en gemeentelijke toezichthouders. Ook in Amsterdam speelt technologie een rol. De Johan Cruijff Arena investeert in technologische oplossingen om de veiligheid en de leefbaarheid in het gebied rondom het stadion op orde te houden. Hierbij werken zij samen met de gemeente Amsterdam, maar ook technologiebedrijven zoals Huawei en KPN. De bovenstaande voorbeelden wordt technologie ingezet om vraagstukken effectief en efficiënt aan te pakken. Dit creëert echter ook nieuwe uitdagingen. Er treden nieuwe partijen, zoals Huawei en KPN, toe tot het beleidsproces. Daarnaast wordt van publieke professionals verwacht dat zij de vaardigheden en kennis bezitten om digitaal beleid te ontwikkelen en uit te voeren.

Annotatie: ECLI:CE:ECHR:2023:0740JUD001151920

Gebruik gezichtsherkenning vormt inbreuk op art. 8 en art.10 EVRM.

Contextinformatie verbetert identificatie

We laten steeds meer sporen na: door op internet te surfen, door onze mobiele telefoon te gebruiken, door RFID-labels bij ons te dragen of door ons binnen het blikveld van camera’s te bewegen. Door de contextuele informatie die dit genereert te gebruiken als aanvulling op de ‘klassieke’ methode van gezichtsherkenning kunnen we de identificatie van personen sterk verbeteren. Bob Hulsebosch en Wouter Teeuw van het Telematica-instituut leggen uit hoe. Identificatie is het herkennen van een specifiek persoon – van wie de identiteit bekend is – in de menigte. Gezichtsherkenning speelt hierbij een grote rol. Uit camerabeelden leiden we een aantal gelaatskenmerken af, die we vergelijken met profielen in een database. Een match is mede afhankelijk van de tolerantie die we instellen. Bij een strenge instelling, met weinig ruimte voor onnauwkeurigheid, is de kans klein dat iemand ten onrechte wordt herkend (een lage false acceptance rate, of FAR), maar wordt de kans groter dat iemand uit de database ten onrechte niet wordt herkend (hogere false rejection rate, of FRR).