Digitalisering en onderwijs: een exploratief onderzoek naar de sturende werking van algoritmes
Juffrouw Google
“Nothing has changed and you claim to prepare students for the future?”
Deze aanklacht maakt Prince Ea tegen het onderwijs in zijn video ‘I just sued the school system’ die viraal ging. Hierin klaagt Prince Ea de school aan dat zij verouderd is en 100 jaar is blijven stilstaan. Maar heeft het krijtbord in de meeste basisscholen dan geen plaats gemaakt voor het smartboard (vergelijkbaar met een grote tablet)? En gebeurt de meeste interne en externe communicatie niet via digitale snelwegen (zoals bijvoorbeeld SmartSchool of Facebook) in plaats van papieren wandelpaden? En bezit niet iedere school of klas minstens een computer, laptop of tablet? En …
Digitalisering
De vragen verwijzen naar een aantal voorbeelden van de digitalisering van onderwijs. Het is vanzelfsprekend dat de manier van werken en lesgeven in het onderwijs is veranderd door de intrede van digitale apparaten. Hoewel scholen niet zo gedigitaliseerd zijn zoals sommige mensen hopen, is het ronduit verkeerd om te stellen dat scholen verouderd en niet-gedigitaliseerd zijn.
Vandaar dat in deze masterproef de digitalisering van een klaspraktijk visueel in kaart werd gebracht als een netwerk van mensen en dingen (zie Figuur). Door de alledaagse klaspraktijk visueel in kaart te brengen, was het mogelijk om te kijken naar hoe deze digitale apparaten macht verwerven en de manier van werken en lesgeven in het onderwijs sturen.
Vijf handelingen, drie mechanismen
Het eerste dat opvalt in de figuur is dat deze bestaat uit vijf clusters van mensen en dingen. Iedere cluster verwijst naar een specifieke handeling in de klaspraktijk. De vijf gevonden handelingen in de klaspraktijk zijn: hoorbaar maken (groene cluster; bv. een cd afspelen), hanteerbaar maken (paarse cluster; bv. tablet opstarten met sluimerknop), raadpleegbaar maken (blauwe cluster; bv. informatie opzoeken op Wikipedia), beheersbaar maken (gele cluster; bv. Agenda invullen via iOmniWize) en presenteerbaar maken (rode cluster; bv. MS PowerPoint gebruiken om slideshow te tonen). Opvallend is bijvoorbeeld dat de handeling om iets hanteerbaar te maken voornamelijk buiten de typische schooluren valt. Het is ook interessant om op te merken dat de leerling verder van de handeling presenteerbaar maken staat dan de leraar.
Daarnaast doet de figuur geen wenkbrauwen fronzen door de leraar centraal in het netwerk te plaatsen. De leraar is immers in heel wat klaspraktijken nog steeds een cruciale figuur om de klaspraktijk en de vijf specifieke handelingen mogelijk te maken. Het is immers de leraar die een stem geeft in iedere handeling. Opmerkelijker is het feit dat Google Afbeeldingen, Google Maps en internet op dezelfde lijn staan als de leraar. Dit betekent dat deze digitale actoren[1], net als de leraar, een cruciale rol spelen in iedere handeling. In tegenstelling tot de leraar gaat het bij deze actoren niet om ‘stem geven’ maar om zich verbinden en iets tonen.
Samengevat betekent dit dat de manier van lesgeven door de digitalisering bestaat uit iets zeggen (verbalisering), iets tonen (visualisering) en zich verbinden (verbinding). Deze drie verzelfstandigde werkwoorden (verbalisering, visualisering en verbinding) zijn de mechanismen van de klaspraktijk. Of nog, de klaspraktijk bestaat uit klank, beeld en connectie.
De macht van het algoritme
Het is een interessante vaststelling dat Google Afbeeldingen en Google Maps op dezelfde lijn staan als de leraar en zich hiermee eenzelfde macht toe-eigenen. De grondstof van Google geniet de laatste jaren dan ook veel aandacht, namelijk algoritmes. Denk bijvoorbeeld aan de toenemende initiatieven (zoals CoderDojo) om kinderen te leren programmeren waarbij ze computationeel of algoritmisch leren denken en leren om zelf algoritmes te schrijven. Maar wat zijn nu precies algoritmes?
Een algoritme kan het best vergeleken worden met een recept. Bijvoorbeeld, om een chocoladecake te maken, heb je bepaalde ingrediënten nodig zoals eieren, cacaopoeder, melk enz. Deze ingrediënten vormen de input voor het maken van een chocoladecake. Hoe je de chocoladecake precies moet maken, staat stapsgewijs genoteerd. Iedere stap neemt de vorm van een gedetailleerde instructie aan (Klop de eieren op, voeg melk toe, voorverwarm de oven op x graden enz.). Deze stapsgewijze instructies vormen de procedure. Na het afronden van de procedure heb je tenslotte je chocoladecake. De chocoladecake is het resultaat van het recept of naar ‘computertaal’ vertaald: de chocoladecake is de output van de procedure.
Tot zover de gelijkenis tussen een algoritme en een recept want in tegenstelling tot een recept, is een algoritme meestal een black box. Dit betekent dat niemand de precieze stapsgewijze procedure kent. Dit is op zijn minst zorgwekkend aangezien dit wil zeggen dat in de klaspraktijk algoritmes (die op dezelfde lijn van de leraar staan en bijna even veel macht hebben) aanwezig zijn waarvan de werking niet gekend is maar die wel de klaspraktijk sturen (Welke afbeeldingen krijgt welke leerling te zien? Welke informatie wordt als eerste resultaat weergegeven voor wie in Google?)
[1] Actoren kunnen zowel mensen als dingen zijn. Een actor is iets of iemand die handelt of ergens bij betrokken is.
Ashby, R. (1956). An introduction to cybernetics. New York: John Wiley & Sons Inc. Opgehaald van https://archive.org/stream/introductiontocy00ashb#page/n7/mode/1up
Bauer, F. L. (2010). Origins and Foundations of Computing. Heidelberg: Springer. Opgehaald van https://link.springer.com/content/pdf/10.1007%2F978-3-642-02992-9.pdf
Beer, D. (2009). Power through the algorithm? Participatory web cultures and the technological unconscious. New Media & Society, 11(6), 985-1002. doi:10.1177/14614448093336551
Beer, D. (Ed.). (2017a). The Social Power of Algorithms [Special issue]. Information, Communication & Society, 20(1).
Beer, D. (2017b). The social power of algorithms. Information, Communication & Society, 20(1), 1-13. doi:10.1080/1639118X.2016.1216147
Blondel, V.D., Guillame, J.-L., Lambiotte, R., & Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, 1-12. doi:10.1088/1742-5468/2008/10/P10008
Breslow, L., Pritchard, D. E., DeBoer, J., Stump, G., Ho, A. D., & Seaton, D. T. (2013). Studying Learning in the Worldwide Classroom: Research into edX's Firs MOOC. Research & Practice in Assessment, 8, 13-25. Opgehaald van http://www.rpajournal.com/dev/wp- content/uploads/2013/05/SF2.pdf
Bucher, T. (2012). Want to be on the top? Algorithmic power and the threat of invisibility on Facebook. New Media & Society, 14(7), 1164-1180. doi:10.117/1461444812440159
Bucher, T. (2016). Neither Black Nor Box: Ways of Knowing Algorithms. In S. Kubitschko, & A. Kaun (Eds.), Innovative Methods in Media and Communication Research (pp. 81-98). Basingstoke: Palgrave Macmillan.
Bucher, T. (2017). The algorithmic imaginary: explorating the ordinary affects of Facebook algorithms. Information, Communication & Society, 20(1), 30-44. doi:10.1080/1369118X.2016.1154086
Buss, S.R., Kechris, A.S., Pillay, A., & Shore, R.A. (2001). The prospects for mathematical logic in the twenty-first century. The Bulletin of Symbolic Logic, 7(2), 169-196.
Ceglowski, M. (2016, juni). The moral economy of Tech. Paper gepresenteerd op SASE conferentie, Berkeley. Geraadpleegd via http://idlewords.com/talks/sase_panel.htm
Ceulemans, C. (2015). Het beroepsprofiel van de leraar als ‘black box’: Over de werking van onderwijsstandaarden. Antwerpen: Garant.
Cheney-Lippold, J. (2011). New algorithmic identity: soft biopolitics and the modulation of control.
Theory, Culture and Society, 28(6), 164-181. doi:10.1177/0263276411424420 Chistian, B., & Griffiths, T. (2016). Algorithms to Live By. New York: Henry Holt and Co.
Cormen, T.H., Leiserson, C.E., Rivest, R.L., & Stein, C. (2009). Introduction to Algorithms. Cambridge: MIT Press, 3e editie.
Crawford, K. (2016). Can an Algorithm be Agonistic? Ten scenes from Life in Calculated Publics.
Science, Technology & Human Values, 41(1), 77-92. doi:10.1177/0162243915589635
Crowstone, K. (1994). Electronic communication and new organizational forms: a coordination theory approach, Working Paper Series, 175, MIT Center for Coordination Science.
Dasgupta, S., Papadimitriou, C.H., & Vazirani, U.V. (2006). Algorithms. Ohio: McGraw-Hill Education.
de la Cruz Paragas, F., & Lin, T. T. (2016). Organizing and reframing technological determinism. New Media & Society, 18(8), 1528-1546. doi:10.1177/1461444814562156
Decuypere, M., & Simons, M. (2014a). An Atlas of Academic Practice in Digital Times. Open Review of Educational Research, 1(1), 116-143. doi:10.1080/23265507.2014.973899
Decuypere, M., & Simons, M. (2014b). On the composition of academic work in digital times. European Educational Research Journal, 13(1), 89-106. doi:10.2304/eerj.2014.13.1.89
Decuypere, M., & Simons, M. (2016). On the critical potential of sociomaterial approaches in education. Teoría de la Educación. Revista Interuniversitaria, 28(1), 25-44. doi:10.14201/teoredu201628125
Diakopoulos, N. (2015). Algorithmic Accountability. Digital Journalism, 3(3), 398-415. doi:10.1080/21670811.2014.976411
Fioravanti, C., & Velho, L. (2010). Let's follow the actors! Does Actor-Network Theory have anything to contribute to science journalism? Journal of Science Communication, 9(4), 1-8.
Foote, B., & Yoder, J. (1997 september). Big Ball of Mud. Paper gepresenteerd op the Fourth Conference on Patterns Languages of Programs, Illinois. Geraadpleegd via http://www.laputan.org/pub/foote/mud.pdf
Foucault, M. (2004). De geboorte van de biopolitiek. Amsterdam: Boom.
Gillespie, T. (2014). The relevance of Algorithms. In T. Gillespie, P. Boczkowski & K. Foot (Eds.), Media Technologies (pp. 167-194). Cambridge: MIT Press.
Gillespie, T. (2017). Algorithmically recognizable: Santorum's Google problem, and Google's Santorum problem. Information, Communication & Society, 20(1), 63-80. doi:10.1080/1369118X.2016.1199721
Gillespie, T. & Seaver, N. (2016). Critical Algorithm Studies: a Reading List [Visual Timeline]. Afgehaald van https://socialmediacollective.org/reading-lists/critical-algorithm-stud…
Goffey, A. (2008). Algorithm In M. Fuller (Ed.), Software studies\ a lexicon (pp. 15-20). Cambridge: The MIT Press.
Gordon, D. (2000). The Digital Classroom: How Technology is changing the way we teach and learn.
Cambridge: Harvard Education Pr.
Graham, S. (2005). Software-sorted Geographies. Progress in Human Geography, 29(5), 562-580. doi:10.1191/0309132505ph568oa
Harel, D., & Feldman, Y. (1987). Algorithmics: The Spirit of Computing. Berlin: Springer Hazewinkel, M. (1990). Algorithm. In Encyclopaedia of Mathematics (Vol.5, pp. 131-152). Henderson, H. (2009). Algorithm. In Encyclopedia of Computer Science and Technology (pp. 7-8).
Introna, L. (2016). Algorithms, Governance, and Governmentality: On Governing Academic Writing.
Science, Technology, & Human Values, 41(1), 17-49. doi:10.1177/0162243915587360
Jacomy, M., Venturini, T., Heymann, S., & Bastian, M. (2014). ForceAtlas2, a continuous Graph Layout Algorithm for Handy Network Visualization Designed for the Gephi Software. PLoS ONE, 9(6). doi:10.1371/0098679
John, P.D., & Wheeler, S. (2008). The Digital Classroom: Harnessing Technology for the Future of Learning and Teaching. Michigan: Routledge.
Kitchin, R. (2017). Thinking critically about and researching algorithms. Information, Communication & Society, 20(1), 14-29. doi:10.1080/1369118X.2016.1154087
Kitchin, R., & Dodge, M. (2011). Code/space: Software and Everyday Life. Cambridge, Massachusetts: The MIT Press.
Lash, S. (2007). Power after Hegemony: Cultural Studies in Mutation? Theory, Culture & Society, 24(3), 55-78. doi:10.1177/0263276407075956
Latour, B. (1987). Science in Action. Cambridge, Massachusetts: Harvard University Press.
Latour, B. (2005). Reassembling the social: An introduction to Actor-Network-Theory. Oxford: Oxford University Press.
Lupton, D. (2016). The diverse domains of quantified selves: Self-tracking modes and dataveillance.
Economy and Society, 45(1), 101-122. doi:10.1080/03085147.2016.1143726
MacCormick, J. (2013). Nine Algorithms That Changed the Future: The ingenious idea that drive
today’s computers. Princeton: Princeton University Press.
MacKenzie, A. (2006). Cutting Code: Software and Sociality. New York: Peter Lang.
Moschovakis, Y.N. (2001). What is an algorithm? In B. Engquist, & W. Schmid, (Eds.), Mathematics Unlimited. Verlag: Springer (pp. 919-936).
Neyland, D. (2016). Bearing Account-able Witness to the Ethical Algorithmic System. Science, Technology, & Human Values, 41(1), 50-76. doi:10.1177/0162243915598056
Neyland, D., & Möllers, N. (2017). Algorithmic IF ... THEN rules and the conditions and consequences of power. Information, Communication & Society, 20(1), 45-62. doi:10.1080/1369118X.2016.1156141
O’Neil, C. (2016). Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy, New York: Crown.
Pariser, E. (2011). The Filter Bubble: What the Internet is Hiding from You. New York: Penguin Press. Pasquale, F. (2015). The Black Box Society. Cambridge, Massachusetts: Harvard University Press.
Perrotta, C., & Williamson, B. (2018). The social life of Learning Analytics: cluster analysis and the 'performance' of algorithmic education. Learning, Media and Technology, 43(1), 3-16. doi:10.1080/17439884.2016.1182927
Rieder, B. (2017). Scrutinizing and algorithmic technique: the Bayes classifier as interested reading of reality. Information, Communication & Society, 20(1), 100-117. doi:10.1080/1369118X.2016.11811995
Ruming, K. (2009). Following the Actors: mobilising an actor-network theory methodology in geography. Australian Geographer, 40(4), 451-469. doi:10.1080/00049180903312653
Salavati, S. (2016). Use of Digital Technologies in Education: The complexity of Teachers’ Everyday Practice (Doctoral dissertation). Afgehaald van https://www.diva- portal.org/smash/get/diva2:1039657/FULLTEXT01.pdf
Seaver, N. (2013). Knowing Algorithms. Media in Transition 8, Cambridge. Afgehaald van https://static1.squarespace.com/static/55eb004ee4b0518639d59d9b/t/55ece… 8302e1e/1441587647177/seaverMiT8.pdf
Serres, M. (2014). De wereld onder de duim: leve de internetgeneratie!. Amsterdam: Boom.
Sörensen, E. (2009). The Materiality of Learning: Technology and Knowledge in Educational Practice.
Cambridge: Cambridge University Press.
Souto-Otero, M., & Beneito-Montagut, R. (2016). From governing through data to governmentality through data: Artefacts, strategies and the digital turn. European Educational Research Journal, 15(1), 14-33. doi:10.1177/1474904115617768
Strathern, M. (1996). Cutting the Network. The Journal of the Royal Anthropological Institute, 2(3), 517-535. doi:10.2307/3034901
Tondeur, J., De Bruyne, E., Van Den Driessche, M., McKenney, S., & Zandvliet, D. (2015). The physical placement of classroom technology and its influences on educational practices. Cambridge Journal of Education, 45(4), 537-556. doi:10.1080/0305764X.2014.998624
Tufekci, Z. (2015). Algorithmic harms beyond Facebook and Google: Emergent challenges of computational agency. Journal on Telecommunications and High Technology Law, 13, pp. 203-218.
Turing, A.M. (1950). Computing Machinery and Intelligence. Mind, 49, 433-460.
Valenti, C. (2000). Preparing Teachers for the High-Tech Classroom. In D. Gordon (Ed.), The Digital Classroom: how technology is changing the way we teach and learn (pp. 78-87). Cambridge: Harvard Education Letter.
Vanden Buverie, L., & Simons, M. (2017). School stuff: a pedagogical regime of enunciation?
Pedagogy, Culture & Society, 25(1), 105-119. doi:10.1080/14681366.2016.1229689
Venturini, T., Jacomy, M., & Pereira, D. (2015). Visual Network Analysis [Working Paper]. 1-20.
Opgehaald van http://www.tommasoventurini.it/wp/wp- content/uploads/2014/08/Venturini-Jacomy_Visual-Network-Analysis_WorkingPaper.pdf
Williamson, B. (2014). Algorithmic skin: health-tracking technologies, personal analytics and the biopedagogies of digitized health and physical education. Sport, Education and Society, 20(1), 133-151. doi:10.1080/13573322.2014.962494
Williamson, B. (2015). Governing software: networks, databases and algorithmic power in the digital governance of public education. Learning, Media and Technology, 40(1), 83-105. doi:10.1080/17439884.2014.924527
Williamson, B. (2016). Digital education governance: an introduction. European Educational Research Journal, 15(1), 3-13. doi:10.1177/1474904115616630
Williamson, B. (2017a). Big Data in Education: The digital future of learning, policy and practice.
London: Sage Publications Ltd.
Williamson, B. (2017b). Computing brains: learning algorithms and neurocomputation in the smart city. Information, Communication & Society, 20(1), 81-99. doi:10.1080/1369118x.2016.1181194
Willson, M. (2017). Algorithms (and the) every day. Information, Communication & Society, 20(1), 137-150. doi:10.1080/1369118X.2016.1200645
Yeung, K. (2017). 'Hypernudge': Big Data as a mode of regulation by design. Information, Communication & Society, 20(1), 118-136. doi:10.1080/1369118X.2016.1186713
Ziewitz, M. (Ed). (2016a). Governing Algorithms [Special issue]. Science, Technology, & Human Values, 41(1).
Ziewitz, M. (2016b). Governing Algorithms: Myth, Mess, and Methods. Science, Technology, & Human Values, 41(1), 3-16. doi:10.1177/0162243915608948