/ en / Traditional / help

Beats Biblionetz - Texte

Künstliche Intelligenz und Fairness im Bildungskontext

Katharina Simbeck
Zu finden in: Algorithmen und Autonomie (Seite 91 bis 100), 2022 local web 
Erste Seite des Textes (PDF-Thumbnail)
Diese Seite wurde seit mehr als 7 Monaten inhaltlich nicht mehr aktualisiert. Unter Umständen ist sie nicht mehr aktuell.

iconZusammenfassungen

Algorithmen und AutonomieKatharina Simbeck widmet sich in ihrem Beitrag ebenfalls dem Schnittfeld von Bildung und KI, legt dabei aber den Fokus auf Fairness und Diskriminierung durch Machine Learning im Kontext von Learning Analytics. Durch die Verwendung von digitalen Lernmaterialien und Lernmanagementsystemen entstehen über verschiedene Datenpraktiken immer mehr Daten über Lernende, Lehrende und Lernprozesse, welche schließlich ausgewertet und für unterschiedliche Zwecke genutzt werden können. Hieran schließt nicht nur ein bestimmtes Bildungsverständnis an, sondern auch die grundlegende Frage, inwiefern digitale Technologien die Beziehung von Lehrenden und Lernenden untereinander und zum Lernen überhaupt beeinflussen. Es geht damit um die Implikationen von Learning Analytics und die adäquate Erfassung von Lernerfolgen. Dabei ist es, so Simbeck, weder nötig noch möglich, dass Lehrende und Lernende im Bildungsbereich eingesetzte KI-Systeme im Detail verstehen, nachvollziehen oder überprüfen können, da die Systeme große Datenmengen, die sich kontinuierlich ändern verwenden und die dahinter liegenden Modelle und Algorithmen auch für Expert*innen nur mit großem Zeitaufwand nachvollziehbar sind. Für viele Anwendungsgebiete ist es jedoch notwendig, die Ausgaben des Systems, also die Einflussfaktoren auf den Output verstehen zu können, um diese zu akzeptieren oder gegebenenfalls auch korrigieren zu können. Wenngleich Lehrende, Lernende und Entscheidungsträger*innen im Bildungssystem nicht über umfangreiches Spezial- und Expert*innenwissen der Technologien und Methoden verfügen müssen, sollten sie sich jedoch bewusst sein, dass den Chancen, die sich durch datengetriebene Verfahren ergeben, eine Reihe von Herausforderungen gegenüberstehen. Diese Herausforderungen betreffen zum einen Datenschutz, Transparenz und die informierte Möglichkeit, auf die Datenverarbeitung zu verzichten. Dementsprechend ergeben sich auch Herausforderungen hinsichtlich der Transparenz und Diskriminierungsfreiheit der eingesetzten Systeme, die sich entlang der Fragen abbilden, ob oder inwieweit die Daten hinsichtlich verschiedener Merkmale, wie Gender, sozialen Gruppen oder beispielsweise auch Migrationshintergrund unverzerrt sind.
Von Dan Verständig, Christina Kast, Janne Stricker, Andreas Nürnberger im Buch Algorithmen und Autonomie (2022) im Text Algorithmen und Autonomie

iconDieses Kapitel erwähnt ...


Personen
KB IB clear
Cathy O’Neil , Shirin Riazy , Katharina Simbeck , Nando Stöcklin

Aussagen
KB IB clear
Computer ermöglichen unmittelbare Rückmeldungen.

Begriffe
KB IB clear
Algorithmusalgorithm , Bildungeducation (Bildung) , datafication , datafication in education , Datendata , Digitalisierung , disparate impact , Ethikethics , Klassifikation , Künstliche Intelligenz (KI / AI)artificial intelligence , LehrerInteacher , Lernenlearning , machine learning , Mensch , Neuronneuron , Prognose , Schuleschool , Transparenz , Verantwortungresponsability
icon
Bücher
Jahr  Umschlag Titel Abrufe IBOBKBLB
2016  local  Weapons of Math Destruction (Cathy O’Neil) 4, 5, 3, 10, 12, 6, 1, 1, 4, 13, 1, 10 41 72 10 540
2018 local web  Computerunterstützte Gamifizierung in der Sekundarstufe I (Nando Stöcklin) 1, 7, 4, 3, 3, 14, 2, 1, 4, 12, 2, 8 1 81 8 726
2019 local web  DELFI 2019 (Niels Pinkwart, Johannes Konert) 4, 3, 4, 3, 4, 7, 17, 2, 1, 6, 2, 5 13 76 5 441
icon
Texte
Jahr  Umschlag Titel Abrufe IBOBKBLB
2019 Predictive Algorithms in Learning Analytics and their Fairness (Shirin Riazy, Katharina Simbeck) 2 2 0 0

iconDieses Kapitel erwähnt vermutlich nicht ... Eine statistisch erstelle Liste von nicht erwähnten (oder zumindest nicht erfassten) Begriffen, die aufgrund der erwähnten Begriffe eine hohe Wahrscheinlichkeit aufweisen, erwähnt zu werden.

iconTagcloud

iconZitationsgraph

Diese Grafik ist nur im SVG-Format verfügbar. Dieses Format wird vom verwendeteten Browser offenbar nicht unterstützt.

Diese SVG-Grafik fensterfüllend anzeigen

iconZitationsgraph (Beta-Test mit vis.js)

iconErwähnungen  Dies ist eine nach Erscheinungsjahr geordnete Liste aller im Biblionetz vorhandenen Werke, die das ausgewählte Thema behandeln.

iconVolltext dieses Dokuments

Künstliche Intelligenz und Fairness im Bildungskontext: Artikel als Volltext (lokal: PDF, 84 kByte)

iconAnderswo suchen  Auch im Biblionetz finden Sie nicht alles. Aus diesem Grund bietet das Biblionetz bereits ausgefüllte Suchformulare für verschiedene Suchdienste an. Biblionetztreffer werden dabei ausgeschlossen.

iconBeat und dieses Kapitel

Beat hat Dieses Kapitel während seiner Zeit am Institut für Medien und Schule (IMS) ins Biblionetz aufgenommen. Beat besitzt kein physisches, aber ein digitales Exemplar. (das er aber aus Urheberrechtsgründen nicht einfach weitergeben darf). Es gibt bisher nur wenige Objekte im Biblionetz, die dieses Werk zitieren.

iconBiblionetz-History Dies ist eine graphische Darstellung, wann wie viele Verweise von und zu diesem Objekt ins Biblionetz eingetragen wurden und wie oft die Seite abgerufen wurde.