Er zijn aanzienlijke verschillen in het onderwijssysteem van Zuid-Afrika. Scholen zijn onderverdeeld in kwintielen, van één tot vijf; de armste, in kwintiel één, worstelen enorm met een gebrek aan middelen en ondersteuning. Ze hebben ook vaak slechtere onderwijsresultaten. Dat heeft direct effect op toelating tot de universiteit en resultaten.

Een van de pogingen van de regering om deze ongelijkheden aan te pakken, is door middel van technologie. Dit begon al in 2003 met het concept-witboek over e-onderwijs. Dit en soortgelijk beleid is bedoeld om meer gemarginaliseerde scholen te voorzien van middelen, universiteiten en hogescholen met digitale tools. Dit, in een poging om "haast over" toegang te krijgen tot interactieve leerinhoud en verbeterde administratieve mogelijkheden. COVID-19-lockdowns hebben deze aanpak "noodzakelijk gemaakt ... nu het enige wat we kunnen doen, " volgens het ministerie van Basisonderwijs van het land.

Meer en meer, data en datagestuurde tools komen naar voren als een centraal kenmerk van deze digitale respons. Ontwikkelaars van deze technologieën beloven een nieuw niveau van inzicht en automatisering dat menselijke intelligentie nabootst. Zij stellen dat dit zal leiden tot meer efficiëntie en effectiviteit in zowel het onderwijzen en leren als in de administratieve processen. Ze suggereren dat prestatiedashboards, geautomatiseerde beoordelingen, chatbots en adaptieve leertechnologieën kunnen veel van de uitdagingen waarmee de leraren in het land worden geconfronteerd, verminderen, docenten, districtsmanagers en universiteitsbestuurders.

Er is een groeiend wereldwijd bewijsmateriaal om dit soort benaderingen te ondersteunen. Bijvoorbeeld, leraren in scholen met weinig middelen en grote klassen zouden technologie kunnen gebruiken om geïndividualiseerde gegevens te verzamelen. Hiermee kunnen ze meer gepersonaliseerde leerervaringen voor leerlingen ontwikkelen op basis van hun sterke en zwakke punten.

Gegevens vormen de ruggengraat van deze tools. De groei van machine learning en andere intelligente toepassingen is gestimuleerd door de toegenomen verzameling en beschikbaarheid van gegevens. Dergelijke gegevens liggen ten grondslag aan de soorten adaptieve toepassingen en opkomende technologieën die worden voorgesteld voor gebruik in het onderwijssysteem.

We hebben meegewerkt aan een gids die onderzoekt hoe Zuid-Afrika ervoor kan zorgen dat zijn databeleid en bestuur rekening houden met een aantal van de lessen en zorgen uit eerdere implementaties van technologie in het onderwijs. Het gaat ook in op de praktische stappen die hiervoor nodig zijn. De gids maakt deel uit van een serie samengesteld door het Policy Action Network (PAN), een project van de Human Sciences Research Council (HSRC) van Zuid-Afrika.

Hier zijn enkele dingen waar een gegevensbeleid voor het onderwijssysteem van Zuid-Afrika rekening mee moet houden.

Technologische impact

De ervaring leert dat het simpelweg aanbieden van technologie aan docenten of leerlingen een beperkt effect heeft op de onderwijsresultaten. De voordelen van online, geassisteerd leren en gedragsinterventies variëren ook afhankelijk van hoe technologie wordt gebruikt, en in welke context. Dit wordt benadrukt in werkdocumenten die de effectiviteit van onderwijstechnologie wereldwijd en in ontwikkelingslanden beoordelen.

In Zuid Afrika, vragen over effectiviteit worden versterkt. Dat komt door zorgen over ongelijke internettoegang. Kosteneffectiviteit en de perceptie van docenten zijn ook kwesties.

Gegevensbeheer

Een belangrijk probleem is de manier waarop gegevens worden verzameld, gedeeld en gebruikt. Het is van cruciaal belang dat persoonlijke informatie privé blijft. Onderwijsinstellingen moeten voldoen aan de Wet Bescherming Persoonsgegevens (POPIA), die later in 2021 van kracht wordt.

Een andere vraag betreft het delen en hergebruiken over het bredere spectrum van onderwijsgegevens. Dit varieert van de inhoud van boeken en tijdschriftartikelen tot administratieve gegevens, zoals studenteninschrijvingen en diploma-uitreikingen. Het op een verantwoorde manier delen of publiceren van deze data kan de ontwikkeling van veel creatieve en nuttige toepassingen stimuleren. Maar het delen van gegevens kruist met veranderende auteursrechtwetten en debatten over eigendom en hergebruik. Deze zullen gevolgen hebben voor datagedreven innovatie in de sector.

Een derde punt is om rekening te houden met goed gedocumenteerde zorgen over vooringenomenheid ingebed in bestaande gegevens die worden gebruikt in besluitvormingsondersteunende toepassingen. Als dit niet wordt aangepakt, datagestuurde toepassingen kunnen historische vooroordelen en praktijken met betrekking tot onderwijs versterken.

Een holistische beleidsreactie

Zuid-Afrika hoeft het wiel niet opnieuw uit te vinden om met deze problemen om te gaan. Andere landen onderzoeken beleidsbenaderingen die de aanpak ervan zouden kunnen sturen of informeren. Bijvoorbeeld, een gouvernementele denktank in India ontwikkelde een nationale strategie voor kunstmatige intelligentie (AI). Dit wijst op verschillende voorbeelden van hoe het land AI-technologieën kan gebruiken om het onderwijs te ondersteunen. belangrijk, echter, het stelt ook voor om het Britse Centre for Data Ethics and Innovation te repliceren om ethisch en veilig gebruik van gegevens te garanderen.

In navolging van deze benadering, een rapport in opdracht van het Australian National Department of Education, schetst hoe cruciaal het is dat de toepassing van AI aansluit bij de mensenrechten.

Er zijn ook bestaande middelen in Zuid-Afrika. Deze omvatten het onlangs uitgebrachte rapport 4e Industriële Revolutie (4IR) en aanbevelingen van een discussie van het ministerie van Hoger Onderwijs en Training in 2019 over de implicaties van 4IR. POPIA en aanverwante wetgeving bieden richtlijnen over hoe gegevens moeten worden gepubliceerd, gebruikt en behandeld, ook voor geautomatiseerde besluitvorming.

Deze bronnen erkennen dat een verscheidenheid aan onderliggende problemen moet worden aangepakt om te profiteren van gegevensgestuurde innovatie, zoals connectiviteit en verwerkingscapaciteit. AI-aangedreven systemen zijn arbeidsintensief. Elke introductie van datadiensten vereist een ondersteunend digitaal infrastructuurplan dat gericht is op prestaties, veiligheid en inclusie.

Een andere prioriteit zijn vaardigheden. Er zijn bestaande richtlijnen om leerkrachten te ondersteunen bij het gebruik van digitale technologieën. Deze richtlijnen erkennen de onderlinge afhankelijkheid van inhoud, manieren van lesgeven, en technologie. Aanvullende training en bijgewerkte richtlijnen zijn nodig om de rol en het gebruik van gegevens aan te pakken, waarschijnlijk beginnend met een breed datageletterdheidsprogramma.

Maar er zal meer nodig zijn. Technologiebeleid, adoptie en uitgaven in het onderwijs zijn vaak meer dan één ministerie. Dit maakt vroege betrokkenheid en communicatie belangrijk.

Specifiek beleid zal moeten worden bijgewerkt of ontwikkeld om het gebruik en de implementatie van gegevens te begeleiden, machine learning en het bredere spectrum van geautomatiseerde besluitvormingstools. Deze moeten bepalen hoe gegevens worden verzameld, behandeld en gedeeld om de relevante transparantie in evenwicht te brengen, privacy- en ethische principes en wetten. Opvoeders, beleidsmakers, onderzoekers en innovators in de sector moeten allemaal meedoen.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.