Knowledgebase Dataondersteund onderwijs
Ik wil aan de slag met richtlijnen en kaders
AI in het onderwijs: dit zijn de belangrijkste ethische aandachtspunten
Leren met digitale leermiddelen die zich direct aanpassen aan de persoonlijke ontwikkeling van de leerling: artificial intelligence (AI) maakt het in de toekomst waarschijnlijk mogelijk. Dit kan voor grote veranderingen in het onderwijs zorgen en de rol van de leraar aan het schuiven brengen. Welke ontwikkelingen vinden we wel en niet wenselijk? Het onderwijs kan hier actief in sturen en belangrijke onderwijswaarden voorop zetten. Een overzicht van de belangrijkste ethische aandachtspunten helpt u op weg.
Bron:
Een ethisch gesprek over data, hoe doe je dat?
Onderwijs verandert razendsnel. Nieuwe ontwikkelingen zorgen er voor dat we steeds meer data genereren. Bewust, maar vaak ook onbewust. Het is belangrijk om hierover met elkaar een ethisch gesprek te voeren, zodat we als docent, team en instelling stilstaan bij wat er allemaal gebeurt met (studie)data. Verslag van een datadinsdag met een workshop ethiek, met diverse doorverwijzingen en bronnen.
Bron:
Data-ethiek gaat over een bewuste, reflectieve omgang met data, waarin de wenselijkheid van het datagebruik en de doelen ervan wordt bevraagd. Hiervoor is geen pasklaar format, maar zijn wel handvatten te geven. Men kan de eenvoudige drietrapsvraag stellen (kan, mag, wil) en een aantal waarden centraal stellen in de overweging.
Bronnen:
VU ethisch kader:
https://www.vu.nl/nl/Images/Code-of-practice-privacy-ethiek-SA2017_v1_CC_tcm289-878414.pdf
Kennisnet, waarden wegen
https://www.kennisnet.nl/app/uploads/kennisnet/publicatie/Kennisnet-Ethiekkompas-Waardenwegen.pdf
Jisc code of practice
https://www.jisc.ac.uk/guides/code-of-practice-for-learning-analytics
Referentiekader Privacy en Ethiek Studiedata
Heb je vragen over privacy en ethiek met studiedata? De zone Veilig en betrouwbaar studiedata benutten stelt de 0.8 conceptversie van het Referentiekader privacy en ethiek voor studiedata beschikbaar. Het Referentiekader beschrijft zowel de ethische uitgangspunten als de juridische (privacy) kaders waar instellingen voldoende aandacht aan moeten besteden bij het verantwoord gebruik van studiedata.
Bron:
Houd controle over AI toepassingen op het gebied van learning analytics
Dankzij kunstmatige intelligentie (AI) en big data zijn we in staat om onderwijs en opleiden meer toe te spitsen op het niveau en het leergedrag van de individuele lerende. De bijdrage Discrimination in a Sea of Data: Exploring the Ethical Implications of Student Success Analytics laat zien dat deze ontwikkeling ook negatieve kanten kan hebben. Bepaalde lerenden kunnen daardoor baat hebben bij de combinatie AI en learning analytics, maar anderen juist niet.
Bron:
Verantwoord inzetten van artificial intelligence
De verwachtingen rondom artificial intelligence (AI) of kunstmatige intelligentie zijn hooggespannen. De technologie kan intelligente taken waar voorheen menselijke intelligentie voor nodig was steeds beter en sneller uitvoeren. Hierbij worden algoritmes ingezet die grote hoeveelheden data verwerken om op basis daarvan een beslissing te nemen. Alleen is niet altijd duidelijk hoe zo’n algoritme die beslissing neemt. En dat kan voor ongewenste effecten zorgen. Hoe zetten we artificial intelligence verantwoord in?
Bron:
Kansen(on)gelijkheid en adaptieve leertechnologie
Digitale technologie in het onderwijs kan bijdragen aan kansengelijkheid maar die kansengelijkheid juist ook in de weg zitten. Hoe zit dat precies? In deze podcast spreken we dr. Inge Molenaar en prof. dr. Eddie Denessen over de invloed van adaptieve leertechnologie op kansengelijkheid.
Bron:
Discrimination in a Sea of Data: Exploring the Ethical Implications of Student Success Analytics
Bron:
Start je binnenkort een BI- of Analytics-traject waarbij persoonsgegevens worden verwerkt en wil je weten of je een Data Protection Impact Assessment (DPIA) dient uit te voeren? Aan de hand van deze checklist kun je bepalen of je een DPIA nodig hebt.
Verwerkingen van persoonsgegevens in een BI & Analytics-context kennen specifieke privacyrisico’s die anders zijn dan in primaire bedrijfsprocessen. Vaak worden grote hoeveelheden persoonsgegevens met elkaar gecombineerd, voor veel verschillende doeleinden gebruikt en voor een groot aantal eindgebruikers beschikbaar gesteld. Treedt er een datalek op of krijg je te maken met oneigenlijk gebruik van de gegevens? Dan is de impact groot.
Met een DPIA beoordeel je de consequenties en risico’s van de verwerking voor de privacy van de betrokkenen, zodat je passende maatregelen kunt nemen.
Checklist:
DPIA in een BI & Analytics-context
De Europese privacytoezichthouders hebben een lijst met negen
criteria opgesteld om te beoordelen of een voorgenomen
verwerking van persoonsgegevens een hoog privacyrisico
DPIA moet uitvoeren als een verwerking aan twee of meer van deze criteria voldoet.
checklist: https://www.hotitem.nl/wp-content/uploads/2020/01/e-paper483765-Checklist-Wanneer-is-een-DPIA-verplicht-in-een-BI-omgeving-Hot-ITem.pdf
Geef eens wat privacy op (en maak de wereld zo een beetje mooier)
In het Wilde Westen van de techgiganten is de sheriff gearriveerd, die waakt over onze privacy. Maar zijn regels en boetes hebben ook hun keerzijde, schrijven Hans de Bruijn en Bram Klievink, want data zijn hard nodig voor betere zorg, beter onderwijs en meer veiligheid.
Bron: