DATA & CIVIL RIGHTS:
EDUCATION PRIMER
Permítanme iniciar este
ensayo con una anécdota. Hace algunos años, mientras cursaba la carrera de
Antropología tuve la oportunidad de asistir a un grupo de trabajo organizado
alrededor del gran Carlos Reynoso. En aquella época, era una persona muy famosa
en el mundo académico y suponía un aire fresco para nosotros, estudiantes saturados
de etnografías clásicas de más de 200 años. Se nos presentó una demostración de
las bondades de la Antropología Aplicada a unos pocos alumnos y profesores. El
uso de algoritmos genéticos y otras herramientas o metodologías que no recuerdo
bien ya. Uno de los ejemplos trataba sobre la implementación de salidas de
emergencia en recintos cerrados mediante IAs y redes neuronales. Observamos
como, poco a poco, el algoritmo establecía comportamientos que iban maximizando
la eficiencia en la salvación de esos puntitos rojos que representaban personas.
En ese entonces me pregunté acerca de la entidad epistémica de esos puntitos.
¿Qué relaciones guardaban entre ellos, había familias? ¿Esos puntitos representaban
algún bebe o algún niño? ¿Alguna persona en silla de ruedas o con una pierna
fracturada? ¿Dónde estaba ese recinto? ¿En qué país o ciudad o barrio? ¿Cuál es
la formación de esas personas en emergencias?
De igual forma, años después,
me pregunto acerca de la entidad epistémica del Big Data, como herramienta. El
texto que he analizado nos presenta una situación de desigualdad manifiesta en
el seno de diferentes instituciones dedicadas a la enseñanza y propiciado por
un sistema social desigual. Al principio nos comenta las bondades del big data
como forma de generar información útil y precisa que permita la implementación
de medidas quirúrgicas insistiendo mucho en la expresión “EFICIENCIA”. A
continuación, nos expone las críticas que reciben estos planteamientos en
relación a la obtención de esos datos, ya que puede vulnerar políticas de
confidencialidad; o la utilización de forma incorrecta de la información y análisis
realizados para incrementar las desigualdades.
Incluso en un resumen tan
escueto, observamos tres ideas que serán capitales en la mayoría de artículos
de similar naturaleza. ¿Qué es el big data?, eficiencia y problemáticas.
1º
En cuanto a la naturaleza
del big data, parece bien explicado en el recurso web que acompaña la actividad[1]. Lo que me resulta de más
interés, más allá de la simple acumulación, discriminación y análisis
computacional, es su capacidad para representar.
“Basta
haber intentado una vez someter al análisis secundario un material recogido en
función de otra problemática, por aparentemente neutral que se muestre, para
saber que los data más ricos no podrían nunca responder completa y
adecuadamente a los interrogantes para los cuales y por los cuales no han sido
construidos” (Bourdieu et al, 2002, 55)
El dato, como tal, no es
un hecho. El dato, y podemos aventurarnos a decir que su vertiente masiva y acumulada
también, se construye en función a un objeto de estudio que en sí mismo también
es construido. Trabajar con ellos, al contrario de lo que nos diga el sentido
común, no es trabajar con la realidad, ni siquiera con una realidad. El peligro
del big data reside en la calidad de la información discriminada. Por
naturaleza, la acumulación de tal vasta cantidad de información no saldría
rentable si no tuviera una variedad de usos futuros, es decir, usos secundarios.
Abordar algo tan complejo
como los sistemas educativos y de enseñanza, las relaciones sociales y prácticas
que en ellos se desarrollan y la forma en la que se materializan las jerarquías
de poder que dominan la sociedad donde se ven inmersos tales sistemas
educativos con big data más que un error es una irresponsabilidad por parte de
las ciencias sociales y especialmente por las ciencias de la educación.
2º
Ciertamente, establecer
un sistema basándonos en las orientaciones que nos indica el análisis
computacional de determinada big data, traerá como consecuencia una mejora en
la eficiencia del sistema. ¿Qué entendemos por eficiencia? Desde un punto de
vista económico, un sistema educativo eficiente puede no querer tener en cuenta
el número de alumnos por clases o la jornada laboral de profesor. Nuevos
sistemas de evaluación pueden revelar que, con objeto de la incorporación al
mercado laboral, la educación obligatoria puede prescindir de la educación
crítica y de calidad y sustituirla por profesorado virtual, etc. Hablar de eficiencia
en los sistemas de enseñanza, hoy en día, no debería de significar nada más que
una amenaza más a la que hacer frente desde la enseñanza.
“Algorithmic analysis of these vast
datasets can generate inferences about instructional
content and methodology, student aptitude, progress, and engagement, helping to
identify students’ strengths, weaknesses and “learning styles,” and guide students
through the next-best piece of content so as to learn with maximum efficiency.”
(Alarcon et al. 2014, 2)
Problematizar algo que de base no es un
problema es una de las cualidades de la mentalidad de silíceo, definida por
Mozorov (2016). También lo es, sin embargo, problematizar la consecuencia de un
problema y no el problema en sí para luego darle solución a la consecuencia,
ahora problema, mediante el uso de las nuevas tecnologías. Bajo determinados estándares,
una aptitud concreta o actitud en particular puede ser definida como pendiente
de actuación por el análisis generalizado del algoritmo diseñado según los
prejuicios no reflexionados del grupo de personas encargadas.
3º
Algunas de las
problemáticas que he encontrado en el texto son expuestas por las autoras a
modo de conclusión. En este caso, me gustaría resaltar aquella relacionada con
el uso de la información recabada por otro tipo de entidades.
“it may also perpetuate persistent labeling, deepen rather than lessen concerns
about resources, violate peoples’ expectations of privacy, and enable
inappropriate or harmful repurposing of educational data in non-educational
contexts” (Alarcon et al, 2014, 5)
No resalto esta frase con intención
de exponer malintencionadas prácticas o empresas. Los alumnos ya se encuentran
expuestos a diferentes formas de control y evaluación que los obligan a
competir entre ellos bajo una lógica económica de gestión y administración de
cualidades y oportunidades. La enseñanza dirigida por datos supone incorporar
nuevos, más abundantes y más exhaustivas formas de control y, en consecuencia, un
mayor grado de competición. El alumnado y profesorado, incluso la propia
institución convertida en una cifra tal y como expone Deleuze (2006) acerca de
las sociedades de control y sus mecanismos.
Pudiera aparentar que el big data, el
conocimiento que puede producir y la tecnología que envuelve representan el
advenimiento de un anticristo electrónico que nos condenará. No es el caso.
Pero, frente al optimismo que muchas veces parece ocupar la mayoría de páginas
relacionadas con los avances en análisis de big data, prefiero posicionarme en
la actitud crítica. Es necesaria un conocimiento previo sobre la discriminación
que somete el dato a la realidad, así como seguir una metodología exhaustiva para
construir un objeto de estudio que pueda verse enriquecido por el análisis de
grandes masas de datos. Pero también, es necesario que exista un conocimiento a
nivel general, sobre las posibilidades y limitaciones del mismo. Creo que el
data-driven Learning no supone, en ningún caso una solución a los problemas que
se menciona en el artículo. Quizás, su utilidad roce más en el ámbito del rol
de indicador más o menos general como apoyo a herramientas y metodologías de
calado mucho más profundo.
Referencias bibliográficas
Alarcon,
A., Zeide, E,. Rosenblat, A., Wikelius, K., Boyd, d., Peña, S & Yu, C. (2014)
Data & Civil Rights : Education Primer Data & Civil Rights Conference. http://dx.doi.org/10.2139/ssrn.2542268
Bourdieu,
P., Chamboredón, JC., Passerón, JC., (2002). El oficio del sociólogo. Presupuesto epistemológico. Siglo XXI Editores: Argentina.
Deleuze, G., «
Post-scriptum sobre las sociedades de control », Polis [En línea], 13 |
2006 , Publicado el 14 agosto 2012, consultado el 13 de Marzo 2019. URL: http://journals.openedition.org/polis/5509
Mozorov, E.,
(2006), La locura del solucionismo tecnológico, KATZ Editores: Buenos Aires.
Common
Craft (n.d.). Big data
[Video file]. Retrieved from
https://www.commoncraft.com/video/big-data
https://www.commoncraft.com/video/big-data
[1] Common Craft (n.d.). Big data [Video file]. Retrieved from
https://www.commoncraft.com/video/big-data
https://www.commoncraft.com/video/big-data
