The issues with data
1 2023-01-04T08:37:05+00:00 Jotsna Iyer 4f2bfb514a09301de0e5275ee45bf5db41479839 8 1 plain 2023-01-04T08:37:05+00:00 Jotsna Iyer 4f2bfb514a09301de0e5275ee45bf5db41479839This page is referenced by:
-
1
2023-01-04T08:37:04+00:00
Govorica UI: Sistemi, ki temeljijo na podatkih - 1. del
8
plain
2023-03-04T15:03:42+00:00
Odločanje v razredu
Kot učitelj imate dostop do številnih vrst podatkov, ki so bodisi oprijemljivi, npr. redovalnice ali razne evidence prisotnosti, bodisi neoprijemljivi, npr. telesna govorica učencev. Razmislite o odločitvah, ki jih sprejemate v svojem poklicnem življenju: kateri podatki vam pomagajo pri sprejemanju teh odločitev?
Danes so na voljo številne aplikacije, ki vam lahko pomagajo pri vizualizaciji ali obdelavi podatkov. Sistemi UI uporabljajo podatke za personaliziranje učenja ter za napovedovanje in sprejemanje odločitev, ki vam lahko pomagajo pri poučevanju in upravljanju razreda kot celote. Ali mislite, da lahko na nekatere vaše zahteve/potrebe odgovori tehnologija? Če je odgovor pritrdilen, razmislite o tem, katere podatke bi takšen sistem potreboval za izvedbo naloge.
Izobraževalni sistemi so od nekdaj zbirali in obdelovali določene podatke - osebne podatke učencev, podatke o akademskih (učnih) dosežkih, podatke o prisotnosti itd. Z digitalizacijo in razmahom aplikacij UI v izobraževanju (AIED) se danes beležijo in shranjujejo še veliko večje količine podatkov: število klikov, število odprtih strani, časovni žigi in število pritiskov na tipkovnico.1 Dandanes se vse vrti okrog podatkov, kar je postalo svojevrstna norma v družbi, zato se ob tem upravičeno sprašujemo, kako ravnati z vsemi temi podatke tako, da bi ustvarili nekaj zares pomembnega in koristnega. Na primer, ali lahko učencem zagotovimo bolj personalizirane povratne informacije? Ali lahko oblikujemo boljša orodja za vizualizacijo, obveščanje o spremembah ipd.?2
Ne glede na to, kakšno tehnologijo uporabljajo učitelji v učilnicah, mora ta izpolnjevati dejanske, čisto konkretne zahteve. Ko identificiramo določeno potrebo, lahko pregledamo razpoložljive podatke in se vprašamo, kaj je pomembno za želeni rezultat. To vključuje odkrivanje tudi tistih dejavnikov, ki učiteljem omogočajo sprejemanje zelo natančnih, prilagojenih odločitev. Ali razpoložljivi podatki omogočajo upoštevanje teh dejavnikov? Ali so podatki in sistemi, ki temeljijo na podatkih, najboljši možni način za obravnavanje konkretne zahteve/potrebe? Kakšne so lahko neželene posledice takšne uporabe podatkov? 3
Strojno učenje nam omogoča, da številna od teh vprašanj "preložimo" na podatke same.4 Aplikacije strojnega učenja se učijo s pomočjo podatkov. Delujejo tako, da obdelujejo podatke. Iščejo vzorce in splošne zakonitosti ter jih shranjujejo kot modele - modeli pa niso nič drugega kot podatki, ki se lahko uporabijo za prihodnje situacije.4 Tudi odločitve in napovedi, ki jih nato sprejemajo tako ustvarjeni modeli, ter njihov vpliv na učenje - vse to so spet podatki. Prav zato je poznavanje tega, kako programerji, uporabniki in stroji ravnajo s podatki, pomemben del razumevanja delovanja UI.Več o podatkih
Podatki se v splošnem vedno nanašjo na določeno entiteto iz sveta okrog nas - npr. na osebo, predmet ali dogodek. Vsako entiteto lahko opišemo s številnimi atributi (lastnostmi, značilnostmi ali spremenljivkami).5 Na primer, ime, starost in razred so nekatere izmed lastnosti vsakega učenca. Celota teh lastnosti predstavlja podatke, ki jih imamo o učencu. Ti podatki sicer niti približno niso enaki entiteti kot takšni (učencu samemu), vendar nam o njej povedo vsaj nekaj. Podatke, ki se zbirajo, uporabljajo in obdelujejo v izobraževalnih sistemih, imenujemo izobraževalni podatki.1
Podatkovni niz (tudi: nabor podatkov, sklop podatkov) vsebuje podatke o zbirki entitet, pri čemer so ti podatki razporejeni v vrstice in stolpce. Evidenca prisotnosti učencev v razredu je primer podatkovnega niza. Vsaka vrstica vsebuje zapis o enem učencu/učenki. Stolpci pa lahko, na primer, vsebujejo podatke o prisotnosti ali odsotnosti na določen dan v tednu ali na posamezni učni uri. Vsak stolpec torej pomeni določen atribut.
Podatke ustvarimo z izbiro in merjenjem atributov; vsak podatek je rezultat človeških odločitev in izbir. Zato je ustvarjanje podatkov subjektiven, parcialen in neurejen proces, dovzeten za različne tehnične težave.4,5 Poleg tega ima lahko to, kar merimo in česar ne, bistven vpliv na pričakovane rezultate.
Podatkovne sledi se nanašajo na podatke, ki so ustvarjeni kot rezultat aktivnosti uporabnikov - učencev, npr. število klikov z miško, število odprtih strani, čas interakcij ali število pritiskov na tipkovnico.1 Metapodatki so podatki, ki opisujejo druge podatke.5 Izpeljani podatki so podatki, izračunani ali izpeljani iz drugih podatkov, npr., posamezen rezultat nekega učenca je podatek, povprečje celega razreda pa je izpeljan podatek. Pogosto so izpeljani podatki bolj uporabni pri raznih vpogledih, iskanju vzorcev in napovedovanju. Aplikacije za strojno učenje generirajo izpeljane podatke in jih povežejo z metapodatkovnimi sledmi ter tako ustvarjajo poglobljene učne modele, ki pomagajo pri personalizaciji učenja.1
Za uspešno uporabo katerekoli aplikacije, ki temelji na podatkih, je treba atribute skrbno izbrati in jih pravilno meriti. Potrebno je preveriti, ali imajo odkriti vzorci smiselno uporabo v kontekstu izobraževanja. Pravilno zasnovani in vzdrževani sistemi, ki temeljijo na podatkih, so lahko izjemno dragoceno orodje.
V tem poglavju predstavljamo le osnovne informacije o podatkih in tehnologijah, ki temeljijo na uporabi in obdelavi podatkov. S tem je povezana zelo pomembna veščina podatkovne pismenosti, v katero se splača vložiti čas in trud ter jo nenehno posodabljati.1
Zakonodaja, ki jo morate poznati
Zaradi bistveno nižjih stroškov shranjevanja podatkov se danes shranjuje vse več podatkov in metapodatkov, ki se tudi veliko dlje hranijo.6 To lahko privede do kršitev zasebnosti in pravic. Zakoni, kot je Splošna uredba o varstvu podatkov (GDPR), odvračajo od takšnih praks in državljanom EU omogočajo večji nadzor nad njihovimi osebnimi podatki. Zagotavljajo pravno izvršljive predpise o varstvu podatkov v vseh državah članicah EU.
V skladu z omenjeno uredbo so osebni podatki vse informacije v zvezi z določeno ali določljivo osebo (osebo, na katero se podatki nanašajo). Šole poleg sodelovanja s podjetji, ki obdelujejo njihove podatke, hranijo ogromne količine osebnih podatkov o učencih, starših, zaposlenih, vodstvu in dobaviteljih. Kot upravljavci podatkov morajo podatke, ki jih obdelujejo, hraniti na zaupen in varen način ter imeti vzpostavljene postopke za varstvo in pravilno uporabo vseh osebnih podatkov.1
Pravice, določene s Splošno uredbo o varstvu podatkov, vključujejo:- pravico do dostopa, na podlagi katere morajo biti posamezniki obvezno seznanjeni s tem, kateri podatki se zbirajo o njih;
- pravico do obveščenosti o načinih uporabe njihovih podatkov;
- pravico do izbrisa podatkov, ki posamezniku, katerega podatke je zbrala določena platforma, omogoča, da zahteva odstranitev teh podatkov iz nabora podatkov te platforme (ki so lahko predmet prodje tretjim osebam);
- pravica do pojasnila, pri čemer je treba zagotoviti pojasnilo, kadarkoli je to potrebno, v zvezi z avtomatiziranimi postopki odločanja, ki vplivajo na posameznika.
V članku GDPR for dummies si lahko ogledate analizo, ki so jo opravili neodvisni strokovnjaki iz Odbora za državljanske svoboščine Evropskega parlamenta (LIBE), ki skrbi za varstvo človekovih pravic vseh prebivalcev Evropske unije.
------------------------------------------------------------------------------------------------------
1 Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators, European Commission, October 2022
2 du Boulay, B., Poulovasillis, A., Holmes, W., Mavrikis, M., Artificial Intelligence And Big Data Technologies To Close The Achievement Gap,in Luckin, R., ed. Enhancing Learning and Teaching with Technology, London: UCL Institute of Education Press, pp. 256–285, 2018
3 Hutchinson, B., Smart, A., Hanna, A., Denton, E., Greer, C., Kjartansson, O., Barnes, P., Mitchell, M., Towards Accountability for Machine Learning Datasets: Practices from Software Engineering and Infrastructure, Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, Association for Computing Machinery, New York, 2021
4 Barocas, S., Hardt, M., Narayanan, A., Fairness and machine learning Limitations and Opportunities, yet to be published
5 Kelleher, J.D, Tierney, B, Data Science, London, 2018
6 Schneier, B., Data and Goliath: The Hidden Battles to Capture Your Data and Control Your World, W. W. Norton & Company, 2015
7 Kant, T., Identity, Advertising, and Algorithmic Targeting: Or How (Not) to Target Your “Ideal User.”, MIT Case Studies in Social and Ethical Responsibilities of Computing, 2021
-
1
2023-01-04T08:37:05+00:00
Prosto dostopno?
7
A section for chapter 8
plain
2024-01-04T20:01:19+00:00
Izobraževalni viri se nanašajo na vsako gradivo (danes večinoma digitalno), ki ima vlogo v izobraževanju: učbeniki, diapozitivi, učni načrti, izpiti... O odprtih virih govorimo takrat, ko jih je mogoče prosto deliti z drugimi (natančnejša opredelitev sledi).
Odprti izobraževalni viri (OER) in njihova zgodovina
V skladu s priporočili UNESCO sta bili novembra 2019 oblikovani definiciji OER in odprtih licenc:1
1. Odprti izobraževalni viri (OER) so materiali za učenje, poučevanje in raziskovanje na kateremkoli mediju, ki so objavljeni pod javno domeno ali opremljeni z odprtimi licencami in dopuščajo prost dostop, uporabo, predelavo ter redistribucijo brez ali z določenimi omejitvami.
2. Odprta licenca je licenca, ki spoštuje pravice intelektualne lastnine lastnika avtorskih pravic in zagotavlja dovoljenja, ki javnosti podeljujejo pravico do dostopa, uporabe, predelave, ter redistribucije izobraževalnih gradiv.
Izraza odprta vsebina in OER se nanašata na katerokoli delo, ki je avtorsko zaščiteno (razen programske opreme, tam se uporablja izraz odprtokodna), in praviloma zaščiteno z licenco Creative Commons, ki določa načine uporabe avtorskega gradiva (znanih tudi kot 5 R - retain, reuse, revise, remix, redistribute)2. OER del gibanja za odprto izobraževanje (open education); so digitalni izobraževalni viri, ki so brezplačni in prosto dostępni vsem, z numenom da te vire uporabljajo, izmenjujejo, kombinirajo, prilagajajo in nadgrajujejo pri učenju, poučevanju in raziskovanju. OER naj bi bili objavljeni v formatih oz. na nosilcih, ki omogočajo čim enostavnejši dostop, uporabo, (pre)urejanje in predelavo.
Zakaj UI potrebuje odprte podatke
Kot smo v tem pripročniku že večkrat omenili in kar je razvidno tudi iz finančnih naložb s tem povezane industrije, lahko na izobraževanje gledamo kot na trg. In ker je strojno učenje glavna gonilna sila UI, lahko sklepamo, da bo za uspeh UI tudi UI v izobraževanju potrebovala podatke.Razlika med podatki o uporabnikih in podatki o znanju
Podatki, ki jih potrebuje UI v izobraževanju, so dveh vrst.
Podatki o uporabnikih. Kako se učijo? Kaj sproži kakovostno učenje? Kaj omogoča boljše učenje? Kot je nekoč dejala Daphne Koller: ‘Izobraževalno znanost spremenimo v podatkovno znanost!’
Te podatke lahko zagotovijo samo uporabniki sami. Zato je bistveno, da imajo podjetja platforme, ki od uporabnikov zahtevajo interakcijo. To je bil ključ do uspeha številnih podjetij za UI in bo ključ do uspeha UI v izobraževanju.
Druga vrsta podatkov se nanaša na znanje. V izobraževanju predstavlja velik del tega znanja učno gradivo. Ti podatki se delijo ali pa ne: ustvarjalci znanja pogosto ne poznajo filozofije licenc, gradivo, ki so ga ustvarili, ostane skrito v univerzitetnih repozitorijih, objavljeno na čudaških blogih ali v uporabi znotraj določenih skupin na družabnih omrežjih. To znanje je lahko tudi plačljivo, ali se pojavlja na spletnih straneh, kjer poslovni model sicer vključuje brezplačno ponudbo znanja, vendar od uporabnika zahteva, da pri tem gleda (neželeno) oglaševanje, da bi dobil ali ohranil dostop.Uporabniške podatke je treba zaščititi
V prvem primeru je treba podatke - podatke o uporabniku - zaščititi. Še toliko bolj, če ti podatki pripadajo mladoletnim učencem. Kar pomeni, da šola ali učitelj teh podatkov ne bi smela deliti s platformami, razen če jim je to izrecno dovoljeno in ne glede na to, ali platforma morda ponuja zanimivo storitev. Iz istega razloga ni nikoli dobra zamisel, da za sodelovanje v neki dejavnosti učitelji registrirajo imena in naslove svojih učencev. Oglejte si video o podatkih in ponovni identifikaciji.
Evropska unija je zagotovila močan okvir za zaščito svojih državljanov, njihove zasebnosti in digitalnih pravic. Ta okvir se imenuje Splošna uredba o varstvu podatkov (GDPR), ki državljanom dodeljuje pravice, ki jih morajo platforme odobriti, ne glede na to, ali so namenjene izobraževanju ali ne.Podatke o znanju je treba deliti
Po drugi strani pa se lahko podatki o znanju delijo, oz., jih je treba deliti. Seveda je to mogoče le, če ima nekdo za to pravico, kar pomeni razumevanje delovanja licenciranja. Licence Creative Commons so običajno tiste, ki se najbolje obnesejo pri OER.
Oglejte si primer projekta X5-GON.
------------------------------------------------------------------------------------------------------
1Wiley, D., & Hilton, J. (2018). Defining OER-enabled pedagogy. International Review of Research in Open and Distance Learning, 19(4). https://doi.org/10.19173/irrodl.v19i4.3601
2The Access Compromise and the 5th R David Wiley, 2014. https://opencontent.org/blog/archives/3221
2UNESCO. (2021a). Open educational resources. https://en.unesco.org/themes/building-knowledge-societies/oer/recommendation
UNESCO. (2019). Recommendation on open educational resources (OER). http://portal.unesco.org/en/ev.php-URL_ID=49556&URL_DO=DO_TOPIC&URL_SECTION=201.html