Massadata leveren oplossingen en ethische dilemma’s voor hoger onderwijs
Hoe een onderwijsinstelling presteert is niet meer goed uit te drukken zonder data, en datzelfde geldt voor de medewerkers, schrijft Maarja Beerkens, Universitair Docent Internationaal Bestuur bij de Universiteit Leiden. Tegelijkertijd bestaat het gevaar dat data onder invloed van politieke besluiten anders worden gelezen terwijl er in wezen niets is veranderd. Het meten van een prestatie door een onderwijsinstelling wordt zo meer bepaald door politieke beslissingen dan door de daadwerkelijke resultaten.
Meld u hier aan voor de ScienceGuide Nieuwsbrief
Nu dat er steeds meer data beschikbaar worden, beïnvloedt dat ook de manier waarop onderwijsinstellingen beoordeeld worden en hun medewerkers beoordelen, stelt Beerkens in haar onderzoek naar de evolutie van prestatiedata in het bestuur van hoger onderwijs. Zij merkt op dat universiteiten en hogescholen door politieke veranderingen gedurende de jaren tachtig gestimuleerd werden om bedrijfsmatige strategieën toe te passen. Aan de ene kant zodat de overheid meer inzicht had in het hoger onderwijs, maar bijkomend voordeel was dat hogescholen en universiteiten zelf ook een beter zicht op interne zaken kregen. Prestatiebonussen en interne competitie werden populaire maatregelen. Daarvoor was echter data nodig, die dankzij de digitalisering steeds makkelijker opgeslagen en gebruikt kon worden.
Zo werd het dankzij digitalisering makkelijker om indicatoren zoals citatiescores bij te houden. Wetenschappers werden daarmee op een feitelijke manier beoordeeld en vergeleken door een universiteit. Daarnaast konden instellingen bijhouden hoe het met hun studenten ging en konden studenten hun docenten middels online enquêtes evalueren.
Indicatoren veranderen mee met prioriteiten
Daarbij was echter te weinig aandacht voor het effect van die indicatoren op de prestaties, schrijft Beerkens. Zo kan er een tunnelvisie ontstaan die wetenschappers alleen op publiceren doet mikken zonder daarbij te denken aan de andere taken die een wetenschapper heeft. Dat dit probleem werkelijk is blijkt uit de ingezonden brief van jonge onderzoekers aan ScienceGuide, waarin zij ageren tegen de telzucht binnen de wetenschap.
Dat kwaliteit zich niet aan enkele indicatoren laat aflezen hebben ook de overheid en de onderwijsinstellingen zelf geleerd, meent Beerkens. Zo zijn de te meten kwaliteitsindicatoren door de jaren heen meerdere keren veranderd. Dat de prioriteiten elders kwamen te liggen wil echter niet zeggen dat de kwaliteit beter werd, benadrukt Beerkens. De tunnelvisie verschoof slechts.
Massadata: veel en snel
De beschikbaarheid van massadata kan helpen bij het omzeilen van de oude valkuilen, denkt Beerkens. Met de enorme hoeveelheid data die aan de lopende band verzameld wordt kunnen onderzoekers, docenten en studenten op basis van allerlei factoren beoordeeld worden. Daarnaast hoeft er niet meer gewacht te worden op data. Zo is er altijd genoeg informatie te vinden wanneer een manager iets wil weten over een medewerker.
Voor de leidinggevenden binnen een universiteit of hogeschool kan dit ook met betrekking tot externe belangen nieuwe kansen opleveren. Door kunstmatige intelligentie en machine learning toe te passen kunnen instellingen sociale media analyseren en potentiële toekomstige studenten benaderen middels marketingacties. Daarnaast kunnen politieke trends in de gaten gehouden worden, waardoor onderwijsinstellingen beter kunnen inspelen op hetgeen van hen verwacht wordt door politici.
Kunstmatige beoordeling
Ook met betrekking tot studenten kan het gebruik van massadata voordelen opleveren, wat reeds gebeurt in de digitale leeromgevingen die tijdens de coronacrisis zijn gecreëerd. In zulke digitale omgevingen wordt enorm veel data geproduceerd en opgeslagen. Die data kunnen weer worden gebruikt door de aanbieders van leermateriaal en door docenten. De techniek is zelfs al zo ver dat de gezichtsuitdrukkingen van studenten kunnen worden afgelezen en geanalyseerd middels kunstmatige intelligentie. Op deze manier zou bijvoorbeeld op tijd aangegeven kunnen worden dat een student extra hulp nodig heeft.
Op dezelfde wijze zijn er al manieren om het gedrag van een student buiten de leeromgeving te analyseren. In een tijd waarin steeds meer studenten worstelen met hun mentale gezondheid is het misschien een voordeel als onderwijsinstellingen daar zelf vroegtijdig achter kunnen komen zonder dat de student hier actief achteraan moet gaan, denkt Beerkens. Deze technologische toepassing is echter niet alleen te gebruiken bij het voorkomen van problemen; studenten die excelleren zouden ook vroeg opgemerkt kunnen worden, zodat hen extra-curriculaire activiteiten kunnen worden aangeboden.
Ethisch dilemma
Toch is niet alles aan massadata positief, benadrukt Beerkens. Zo levert de gegevensverzameling grote vraagstukken rondom ethiek en privacy van studenten op. Alles wat iemand doet wordt immers bijgehouden, vaak zonder dat diegene het weet. Wil dit in de praktijk toegepast kunnen worden, dan zullen er strenge richtlijnen moeten zijn, beseft de Leidse onderzoeker.
Verder is nog niet met zekerheid te zeggen dat massadata echt de problemen oplossen die opgelost moeten worden. Dat er veel meer data is betekent namelijk niet dat alle data gebruikt worden. Uiteindelijke beslissingen zullen daardoor mogelijk alsnog een politiek karakter blijven houden, denkt Beerkens. Ook zijn de algoritmes die gebruikt worden vaak complex en niet transparant, waardoor het niet voor iedereen duidelijk zal zijn wat precies gemeten wordt. Sturing vanuit de ontwikkelaars en politieke belanghebbenden is daardoor niet uit te sluiten.
