Otázka bezpečnosti dat v daty řízeném vzdělávání
Zakládat svá rozhodnutí, co se vzdělávacích cest týče, na datech je otázkou efektivity a dobře využitých zdrojů. Nicméně tak jako u každého data-driven fenoménu je třeba alespoň na chvíli vystoupit na povinné zastávce: Co bezpečnost a soukromí dat?
Daty řízené vzdělávání označuje využití tvrdých dat (zejména kvantitativních) a technologií za účelem zvýšení výkonnosti studentů, evaluaci vyučujících, zlepšení výukových technik, úprav studijních programů na míru a celkové optimizace vzdělávacího systému. [1] Zúženě může označovat i systémy, které vykonávají esenciální výukové úkony bez účasti lidského agenta, [2] přičemž se s překotným vývojem a implementací nových technologií rozsah tématu rozšiřuje o všechny možné buzzwordy, od AI, přes IoT po Blockchain. Data, která jsou běžně schraňována a analyzována, jsou známky a hodnocení, logy, čas, ale také metadata jako identifikátory zařízení, nebo geografická poloha. [2] To ovšem nemusí být z kompromitujících materiálů vše!
Biosenzorická data
Do vzdělávání začínají pronikat i biosenzorické technologie, které mají potenciál kvantifikovat a převést na data aspekty, které jdou spočítat jen stěží-motivace, emoce a nálady. Biosenzory mohou sledovat data zobrazující srdeční tep a kroky v reálném čase — tato data pak mohou být v rámci “vzdělávání 4.0” využita k evaluaci a sledování studentova chování a doposledka tak dále pozitivně ovlivňovat jeho studijní úspěšnost. [3] Tyto aparáty navíc nepatří mezi drahou a nedostupnou technologií, mluvíme zde o běžně dostupných senzorech chytrých hodinek a telefonů.
Tyto zdroje informací navíc představují velký potenciál pro vzdělávání v kombinaci s jejich zpracováním umělou inteligencí, jejichž výsledkem může být např. menší pravděpodobnost ukončení studia. [3] Je zároveň nasnadě, že senzory v podstatě umožňují i daty řízený tělocvik či jinou praktickou výuku-tyto technologie tak tvoří novou vrstvu biopedagogiky, někdy se hovoří o “digitalizovaných biopedagogických platformách”. [4]
Soukromí studentských dat
S takovým množstvím a rozsahem dat je zapotřebí se otázat na jejich zabezpečení a soukromí. Systémy shromažďují tato data jak o vyučujících, tak o studentech a pro třetí strany představují zajímavý zdroj k využití pro komerční účely. Zejména pro rodiče by pak měla být důležitá otázka, jak s informacemi jejich nezletilých dětí škola nebo firma nakládá. Existující dokumenty sice o regulacích pojednávají (jako například FERPA), nicméně v praxi je jejich aplikace složitější. Často navíc pracují s předpokladem, že škola má pouze edukační zájmy a nebere v potaz nátlaky z jiných stran. [2]
Neméně důležitými jsou obavy o posílení stigmatizace a rozdělení akademické společnosti na základě výsledků z dat získaných. Odhalení ve skutečnosti špatných výsledků prestižních škol, systematického biasu přijímacích řízení, nebo v datech “zakotvit” cestu k bílým či modrým límečkům. [1] Existuje případ, kdy byla data zneužívána akademickými zaměstnanci ve snaze zjistit, kteří nováčci mají špatné výsledky a ty pak cíleně nabádat k odchodu ve snaze zlepšení statistik. [2]
Data sama o sobě tak nemohou být spásným a magickým prostředkem pro vzdělávání a je potřeba připomenout vykřičník za domnělou neutralitou algoritmů a objektivitou čísel. Je stále třeba mít na mysli, že algoritmy, stejně jako biosenzory, jsou dílem a “plny lidských rukou, očí a myslí, které tyto technologie navrhly ve snaze ocenit a nedocenit vybrané aspekty”. [4] Stejně tak jsou tyto ruce, oči a mysli těmi, kdo rozhoduje, zda budou pouze využity nebo i zneužity.
Zdroje:
[1] POLONETZKY, Jules a Omer TENE. The Ethics of Student Privacy: Building Trust for Ed Tech. International Review of Information Ethics [online] 2014, Vol.21, 25–34 [cit. 2022–04–26]. Dostupné z: https://deliverypdf.ssrn.com/delivery.php?ID=727098123007094068094064126127020072052025093049028051091115068078022026070110064018029005000115006016107029019100081031101075019007013060013105124067016025005081075025087028006097089069104085023094068007097003017090084000097065109021098003088066102108&EXT=pdf&INDEX=TRUE
[2] ZEIDE, Elana. The Structural Consequences of Big Data-Driven Education. Big Data [online]. 2017, 5(2), 164–172 [cit. 2022–04–26]. ISSN 2167–6461. Dostupné z: doi:10.1089/big.2016.0061
[3] CIOLACU, Monica Ionita, BINDER, Leon a Heribert POPP. Enabling IoT in Education 4.0 with BioSensors from Wearables and Artificial Intelligence. In: 2019 IEEE 25th International Symposium for Design and Technology in Electronic Packaging (SIITME). Cluj-Napoca: 2019, Dostupné z: https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=8990763
[4] WILLIAMSON, Ben. The digitised future of physical education: Activity trackers, biosensors and algorithmic biopedagogies. In: Transformative Learning and Teaching in Physical Education. London: 2017. Dostupné z: https://www.researchgate.net/profile/Ben-Williamson-2/publication/317002192_The_digitised_future_of_physical_education_Activity_trackers_biosensors_and_algorithmic_biopedagogies/links/591d6f86a6fdcc233fce7acb/The-digitised-future-of-physical-education-Activity-trackers-biosensors-and-algorithmic-biopedagogies.pdf
