data en ethiek

Data en Ethiek

Integratie in Onderwijs en Onderzoek

"Voor docenten  -     Hogeschool Rotterdam"

trump en misleiding. 20.000 onwaarheden in 4 jaar. het aantal toeschouwers op 1,5 miljoen bij zijn inauguratie (dus was niet waar) of tijdens corona waarbij hij met regelmaat statistieken liet zien om zijn gelijk te krijgen. 

introductie & doelstellingen - 5 minuten

inleiding why en what - 10 minuten

ijsbreker - 10 minuten

case study - 30 minuten

Welke kennis heb je al op het gebied van data en ethiek?

Moeten we cijfers niet wat minder belangrijk maken in onze samenleving? Moeten we niet ont-cijferen (Het best verkochte boek. Blauw, S.)

- data (cijfers) op de kinderopvang.

- data in de vorm van te late evaluatiecijfers bij Uberbezorgers die worden ontslagen.

- data in de vorm van een boetequotem voor politieagenten.

Van kleine data (facebookslikes) tot grote bigdata-algoritmes schieten uit de grond. 

Steeds vaker zijn het geen mensen, maar modellen die beslissingen nemen. 

Het lijkt wel of we massaal gehypnotiseerd zijn geraakt door data. Waar woorden worden bekritiseerd krijgen harde data vaak vrij spel. 

Mijn conclusie is dat data veel te belangrijk is geworden in ons leven. Data is zo belangrijk geworden in ons leven we het misbruik niet langer kunnen negeren. Het is tijd om data ethisch te wegen. 

Leerdoel

Je weet welke waarden we nastreven binnen HR.  

Je kan handelen naar ethische waarden binnen HR. 

Je kan waarden wegen op basis van data gebruik.  

Met welk doel zit je in deze workshop?

Ethische waarden data

 Het WHY en WHAT

Informatief (max 5 minuten)

1. Wat is data en ethiek?

Data verwijst naar alle informatie die digitaal wordt verzameld, opgeslagen en verwerkt. In de context van onderwijs kan dit variëren van studentgegevens (zoals cijfers, aanwezigheid, en feedback) tot gegevens die door software of platforms worden gegenereerd (zoals leeranalyses, klikgedrag, of gebruikspatronen van leermiddelen).

Klein beetje geschiedenis (data is nog niet zo oud):
Dit stamt al van het eerstgeschreven op een kleitablet waarop wordt bijgehouden hoeveel gerst een handelaar had ontvangen. In 1085 ging Willem de veroveraard nog een stapje verder door alle bezittingen in Engeland vast te willen leggen. Vanaf 1820 is men begonnen om meer data te noteren en ook te gaan analyseren. tussen 1890 en 1940 wordt dit ook wel gezien als de statistische verlichting.  Tegenwoordig kan je krant open slaan en de data vliegt je om de oren. 

Ethiek is het systeem van morele principes die bepalen wat goed of fout is in menselijke handelingen. In de context van data-ethiek gaat het om het maken van weloverwogen beslissingen over hoe data wordt verzameld, gebruikt, gedeeld, en bewaard, rekening houdend met respect voor privacy, toestemming, eerlijkheid, transparantie, en verantwoordelijkheid.

Voorbeeld in het Onderwijs:

Stel je voor dat een docent gebruik maakt van een digitaal leermanagementsysteem (zoals Blackboard of Moodle) dat de voortgang van studenten bijhoudt. Het systeem verzamelt data over hoe lang studenten bepaalde opdrachten bekijken, welke bronnen ze raadplegen, en wanneer ze inloggen. Hoewel deze data waardevol kan zijn om het leerproces te verbeteren, kan het ook privacykwesties oproepen. De vraag is dan: hoe verantwoord is het om deze gegevens te gebruiken zonder expliciete toestemming van studenten? En hoe zorg je ervoor dat deze data niet op een manier wordt gebruikt die studenten schaadt of bevoordeelt?

2. Waarom is het belangrijk om ethische overwegingen te integreren in datagebruik?

Het integreren van ethische overwegingen in datagebruik binnen het onderwijs is cruciaal omdat het gaat om het beschermen van de rechten van studenten, het bevorderen van eerlijkheid en transparantie, en het opbouwen van vertrouwen tussen studenten en de instelling. Hier zijn enkele redenen waarom dit belangrijk is:

a) Bescherming van de privacy van studenten

Studenten hebben recht op privacy en moeten ervan verzekerd zijn dat hun persoonlijke informatie veilig en vertrouwelijk wordt behandeld. Het verkeerd omgaan met data kan leiden tot datalekken of ongeoorloofde toegang tot gevoelige informatie. Bijvoorbeeld, als een school besluit om gedragspatronen van studenten te volgen via hun laptops of andere apparaten, kan dit worden beschouwd als een inbreuk op hun privacy als dit zonder hun medeweten of toestemming gebeurt.

b) Voorkomen van Bias en Discriminatie

Data-analyse kan onbedoeld leiden tot vooroordelen of discriminatie. Algoritmen die worden gebruikt om studentenprestaties te voorspellen of om toegang te krijgen tot bepaalde programma's kunnen gebaseerd zijn op historische data die inherent bevooroordeeld is. Als een algoritme bijvoorbeeld besluitvorming baseert op factoren zoals geslacht, etniciteit of sociaaleconomische status, kan dit leiden tot oneerlijke uitsluitingen.

c) Bevorderen van Vertrouwen en Transparantie

Wanneer instellingen open en transparant zijn over hun datagebruik, bevordert dit vertrouwen tussen studenten, ouders en de onderwijsinstelling. Studenten moeten erop kunnen vertrouwen dat hun data wordt gebruikt op een manier die eerlijk en verantwoord is. Dit houdt in dat instellingen duidelijk moeten communiceren over welke data wordt verzameld, hoe deze wordt gebruikt, en met welk doel.

d) Naleving van Wet- en Regelgeving

Er zijn strikte regels en wetten, zoals de Algemene Verordening Gegevensbescherming (AVG) in Europa, die voorschrijven hoe persoonsgegevens moeten worden behandeld. Door ethische overwegingen te integreren in datagebruik, voldoen instellingen niet alleen aan deze wettelijke vereisten, maar tonen ze ook respect voor de rechten en vrijheden van hun studenten.

Concrete Voorbeeld:

Een school verzamelt gegevens van studenten voor deelname aan een project en wil deze data delen met een derde partij voor verdere analyse. Volgens de AVG moeten studenten expliciet toestemming geven voor het delen van hun gegevens met derden. Als deze gegevens zonder toestemming worden gedeeld, overtreedt de instelling niet alleen de wet, maar stelt het ook het vertrouwen van de studenten in gevaar.

Conclusie:

Ethische overwegingen in datagebruik zijn van essentieel belang om de privacy van studenten te beschermen, vooroordelen en discriminatie te voorkomen, vertrouwen en transparantie te bevorderen, en te voldoen aan wettelijke verplichtingen. Door als docent bewust om te gaan met deze overwegingen, draag je bij aan een rechtvaardige en inclusieve leeromgeving waarin alle studenten zich veilig en gerespecteerd voelen.

Het onderwerp ethiek in datagebruik is niet alleen relevant voor beslissers, maar ook voor docenten die dagelijks te maken hebben met data van studenten en hierdoor direct invloed hebben op de leerervaringen en privacy van hun studenten.

Wat zijn de vier kernwaarden van de Hogeschool?

Rechtvaardigheid	Verantwoordelijkheid
Veerkracht	Verbondenheid

De 4 kernwaarden van de Hogeschool

Rechtvaardigheid	Verantwoordelijkheid
Privacy	Transparantie

De 4 ethische waarden van data

Deelnemers krijgen kaarten met de kernwaarden en ethische waarden.

Opdracht: Selecteer een waarde die je persoonlijk het meest aanspreekt en leg uit waarom.

Deel in tweetallen of kleine groepjes

Privacy

Bespreking van privacy in relatie tot datagebruik en ethische overwegingen.

• persoonlijke informatie
• academische gegevens
• gedragsdata
• gezondheids- en welzijnsdata 

Omdat digitale mogelijkheden zich zeer snel ontwikkelen en op een laagdrempelige manier beschikbaar is hebben we niet altijd inzicht in en grip op de tools die we gebruiken. Terwijl hier wel risico's voor onder andere de privacy aan verbonden is voor de Hogeschool, docenten en studenten. Dit gebeurt niet alleen buiten de Hogeschool, maar ook binnen. Dus moeten we onze verantwoordelijkheid nemen en moet iedere medewerker conform onze waarden handelen. 

Wat is Privacy in de Context van Datagebruik in het Onderwijs?

Privacy, in het kader van onderwijs, verwijst naar het recht van studenten, docenten, en medewerkers om te bepalen hoe hun persoonlijke gegevens worden verzameld, gebruikt, gedeeld en beschermd. Dit omvat alle soorten informatie die tot een persoon te herleiden is, zoals:

Persoonlijke informatie: Naam, adres, contactgegevens, geboortedatum.

Academische gegevens: Cijfers, aanwezigheid, studievoortgang, feedback van docenten.

Gedragsdata: Klikgedrag op leermanagementsystemen, inlogtijden, en digitale interacties.

Gezondheids- en welzijnsdata: Eventuele informatie die te maken heeft met counseling, psychologische ondersteuning, of medische gegevens.

Waarom is Privacy Belangrijk in het HBO?

Bescherming van Persoonlijke Gegevens:

In het onderwijs worden grote hoeveelheden persoonlijke gegevens verzameld, vooral met de toename van digitaal leren en onderwijsplatforms. Het beschermen van deze gegevens is essentieel om te voorkomen dat ze in verkeerde handen vallen, zoals hackers, of worden misbruikt door bedrijven voor commerciële doeleinden.

Voorbeeld: Stel je voor dat een onderwijsinstelling de leerdata van studenten deelt met een extern commercieel bedrijf zonder toestemming. Dit kan leiden tot een schending van de privacy van studenten en kan ernstige gevolgen hebben, zoals identiteitsdiefstal of ongewenste marketing.

Naleving van Wetgeving en Regels:

Onderwijsinstellingen moeten zich houden aan privacywetten, zoals de Algemene Verordening Gegevensbescherming (AVG) in Europa. Deze wetten zijn bedoeld om de persoonlijke gegevens van individuen te beschermen en vereisen dat instellingen duidelijk communiceren over welke data ze verzamelen en waarom.

Voorbeeld: Als een docent een nieuw online leermiddel wil gebruiken dat data verzamelt over studenten, moet deze tool voldoen aan de AVG-wetgeving. Dit betekent dat studenten moeten weten welke data wordt verzameld, hoe het wordt gebruikt, en dat ze expliciet toestemming moeten geven voor het verzamelen van deze gegevens.

Vertrouwen en Ethische Verantwoordelijkheid:

Privacy beschermt de vertrouwensrelatie tussen studenten en docenten. Als studenten weten dat hun persoonlijke gegevens veilig en ethisch worden behandeld, zijn ze eerder bereid om actief deel te nemen aan het leerproces en om hun data te delen wanneer dat nodig is.

Voorbeeld: Een student kan zich ongemakkelijk voelen bij het delen van informatie over zijn mentale gezondheid als hij niet zeker weet hoe die informatie wordt gebruikt of wie er toegang toe heeft. Duidelijke en ethische richtlijnen over privacy kunnen helpen dit vertrouwen te versterken.

Vermijden van Discriminatie en Ongelijke Behandeling:

Het onzorgvuldig omgaan met data kan leiden tot vooroordelen of discriminatie. Het is belangrijk dat data ethisch wordt gebruikt om te voorkomen dat studenten ongelijk worden behandeld op basis van hun gegevensprofiel.

Voorbeeld: Als een algoritme, dat is ontworpen om de academische prestaties van studenten te voorspellen, gevoed wordt met bias data, kan dit leiden tot bevooroordeelde conclusies die bepaalde groepen studenten benadelen. Transparantie over de manier waarop deze data wordt gebruikt en gemanipuleerd kan helpen om dit risico te verminderen.

rechtvaardigheid

veerkracht

verantwoordelijkheid

verbondenheid

DATA

transparantie

privacy

Opdracht:

Werk in groepen van 4-5 personen:

Analyseer de case vanuit de kernwaarden van de hogeschool en ethische waarden van data.

Benoem kansen, risico's en handelingsopties.

Kies een oplossing en onderbouw deze.

De case wordt uitgeschreven voorgelegd aan de groepjes en de slide blijft zichtbaar in beeld voor de focus op de ethische en kernwaarden

De case:
De hogeschool overweegt om een functionaliteit binnen Brightspace open te zetten. Dit biedt mogelijkheden om het leerproces van studenten nog beter te monitoren.

Het registreert gegevens zoals tijd besteed aan online leermaterialen, deelname aan discussies, deadlines gehaald of gemist, en quizscores.

Het genereert persoonlijke dashboards voor studenten met voorspellingen over hun kans op succes in een vak of project.

Het geeft docenten inzicht in welke studenten risico lopen op vertraging of uitval.

Om de functionaliteiten optimaal te benutten, verzamelt Brightspace veel persoonlijke data over studenten. Dit roept vragen op over privacy en hoe deze data verantwoord gebruikt kan worden:

Toestemming en transparantie: Studenten zijn verplicht om in te loggen en gegevens worden automatisch verzameld. Er is echter onduidelijkheid over hoe goed studenten begrijpen welke data wordt verzameld en waarvoor deze wordt gebruikt.

Noodzakelijkheid: Is het verzamelen van deze hoeveelheid data écht noodzakelijk voor het verbeteren van het leerproces?

Toegang: Wie heeft toegang tot de gegevens? Kunnen studenten zelf bepalen wie hun data mag inzien?

Bias: De voorspellingen van het systeem kunnen onbedoeld studenten benadelen door verkeerde interpretaties (bijv. een student die tijdelijk minder actief is, wordt onterecht als "risicogeval" bestempeld).

Stappenplan voor de deelnemers:

Stap 1: Analyseren vanuit de Kernwaarden van de Hogeschool

Gebruik de kernwaarden van de hogeschool om het scenario te analyseren:

Verantwoordelijkheid: Hoe kunnen we verantwoord omgaan met deze data om maatschappelijke waarde te creëren zonder de privacy van studenten te schenden?

Rechtvaardigheid: Hoe waarborgen we gelijke kansen voor alle studenten, en voorkomen we dat data-gebaseerde voorspellingen leiden tot bias of ongelijkheid?

Veerkracht: Hoe kunnen we experimenteren met dit systeem en tegelijkertijd leren van mogelijke fouten of ethische dilemma’s?

Verbondenheid: Hoe zorgen we ervoor dat de relatie tussen student en docent versterkt wordt door het systeem, in plaats van dat studenten zich "gecontroleerd" voelen?

Stap 2: Bespreken van Kansen en Risico’s

Bespreek in kleine groepen:

• Welke kansen biedt Brightspace voor studenten en docenten?
• Welke risico’s zijn er verbonden aan het verzamelen en analyseren van deze data?

Stap 3: Formuleren van een Advies

Stel als groep een advies op aan de hogeschool over het gebruik van Brightspace, waarbij je aangeeft:

Welke randvoorwaarden nodig zijn om de privacy van studenten te waarborgen.

Hoe het systeem kan bijdragen aan de kernwaarden van de hogeschool.

Praktische tips voor docenten om privacy te waarborgen

1. Gebruik privacyvriendelijke tools en platforms.
2. Ontwikkel duidelijke richtlijnen en communicatieplannen. 
3. stel beleid voor dataminimalisatie op. 
4. Implementeer een feedbackmechanisme. 

Gebruik privacyvriendelijke tools en platforms die voldoen aan de AVG-normen. Vermijd platforms die onnodig gegevens verzamelen of delen met derden.

Ontwikkel duidelijke richtlijnen en communicatieplannen om studenten te informeren over hoe hun gegevens worden verzameld, gebruikt, en beschermd.

Stel beleid voor dataminimalisatie op – verzamel alleen de gegevens die strikt noodzakelijk zijn voor het onderwijsdoel.

Implementeer een feedbackmechanisme waarmee studenten hun zorgen over datagebruik kunnen uiten en proactief betrokken kunnen worden bij beslissingen die hun gegevens beïnvloeden.

Formatieve data-toets

hier volgen 5 stellingen

Hebben de studenten expliciet toestemming gegeven voor het gebruik van hun gegevens?

JA

NEE

WEET IK NIET

Studenten moeten geïnformeerde toestemming geven voor het verzamelen en gebruiken van hun data. Dit betekent dat ze volledig op de hoogte moeten zijn van welke gegevens worden verzameld, hoe deze zullen worden gebruikt, en voor welke doeleinden.

Verzamelen we meer gegevens dan nodig is?

JA

NEE

WEET IK NIET

Wat is het legitieme doel van het verzamelen van deze specifieke gegevens?

Verzamel alleen de gegevens die absoluut noodzakelijk zijn voor het doel van onderwijs en verbetering. Het verzamelen van extra gegevens zonder een duidelijk doel kan onethisch zijn en in strijd met de AVG.

Zijn er goede maatregelen genomen om de gegevens te beschermen? Is deze veilig en voldoet deze aan de regelgeving?

JA

NEE

WEET IK NIET

Docenten moeten ervoor zorgen dat de gegevens die zij gebruiken veilig worden opgeslagen en beschermd tegen ongeoorloofde toegang of lekken. Dit kan betekenen dat data versleuteld moet worden of dat er strenge toegangslimieten moeten worden gesteld.

Zijn studenten volledig geïnformeerd over hoe hun data wordt gebruikt? Hebben zij toegang tot informatie over hun eigen data?

JA

NEE

WEET IK NIET

Docenten moeten open zijn over hoe zij de gegevens van studenten gebruiken. Transparantie betekent dat studenten op de hoogte zijn van hun rechten en de manier waarop hun gegevens worden beheerd.

Zijn de gebruikte data en methoden vrij van bias?

JA

NEE

WEET IK NIET

Bij het gebruik van data voor analyses en voorspellingen moeten docenten zich bewust zijn van de mogelijkheid van bias in hun data. Beslissingen die voortkomen uit data-analyse moeten regelmatig worden geëvalueerd om ervoor te zorgen dat ze eerlijk zijn en geen onbedoelde nadelige effecten hebben voor bepaalde groepen studenten.

Transparantie

Belang van transparantie in datagebruik en ethische implicaties.

• Welke data wordt verzameld
• Waarom??
• Hoe wordt het gebruikt
• Wie heeft toegang
• Hoe lang wordt het bewaard

Transparantie in het onderwijs, vooral met betrekking tot data en ethiek, betekent het duidelijk en open communiceren over hoe gegevens van studenten worden verzameld, gebruikt, opgeslagen, en gedeeld. Het is een essentieel onderdeel van een ethisch verantwoorde benadering van datagebruik, omdat het bijdraagt aan vertrouwen en wederzijds respect tussen onderwijsinstellingen en hun studenten. Hieronder vind je een verdiepende uitleg over transparantie gericht op het hoger beroepsonderwijs (HBO), met specifieke voorbeelden en aanbevelingen voor docenten.

Wat is Transparantie in het Onderwijs?

Transparantie houdt in dat onderwijsinstellingen, inclusief docenten, duidelijk maken:

Welke data wordt verzameld: Welke soorten informatie over studenten worden vastgelegd? Dit kan variëren van basisgegevens (zoals naam en studentnummer) tot gedetailleerde data over leeractiviteiten (zoals inlogtijden, klikgedrag op digitale platforms, aanwezigheid, toetsresultaten, etc.).

Waarom data wordt verzameld: Wat is het doel van het verzamelen van deze data? Gebeurt dit bijvoorbeeld om de leerervaringen te personaliseren, de onderwijskwaliteit te verbeteren, of om aan administratieve vereisten te voldoen?

Hoe data wordt gebruikt: Wordt de data gebruikt om studenten te monitoren, om analyses uit te voeren, of om aanbevelingen te doen voor hun verdere studie? Het is belangrijk om studenten te laten weten hoe de data hen kan beïnvloeden.

Wie toegang heeft tot de data: Welke medewerkers, afdelingen, of externe partijen hebben toegang tot de verzamelde data? Is er een strikt beleid over wie deze data kan zien en gebruiken?

Hoe lang data wordt bewaard: Wat is het bewaarbeleid voor de data? Worden gegevens voor een specifieke periode bewaard, en hoe worden ze beveiligd tegen onbevoegde toegang?

Waarom is Transparantie Belangrijk in het HBO?

1. Vertrouwen tussen studenten en onderwijsinstellingen bevorderen

Transparantie helpt om een vertrouwensrelatie op te bouwen tussen studenten en de onderwijsinstelling. Studenten moeten erop kunnen vertrouwen dat hun gegevens op een ethische en verantwoordelijke manier worden beheerd. Een gebrek aan transparantie kan leiden tot wantrouwen en weerstand tegen bepaalde vormen van datagebruik, zoals digitale surveillance tijdens online tentamens.

Voorbeeld:

Een HBO-instelling gebruikt een nieuw digitaal leermanagementsysteem (LMS) dat uitgebreide gegevens verzamelt over het gebruik van studiemateriaal door studenten. Als studenten niet worden geïnformeerd over welke data wordt verzameld en waarom, kan dit leiden tot wantrouwen en het gevoel dat ze continu in de gaten worden gehouden. Door duidelijk te communiceren over het doel en de voordelen van dataverzameling (bijvoorbeeld voor het verbeteren van lesmateriaal en gepersonaliseerd leren), voelen studenten zich meer op hun gemak en zijn ze eerder bereid om mee te werken.

2. Ethische datagebruik en naleving van wetgeving garanderen

Transparantie is ook essentieel voor het naleven van wetgeving, zoals de Algemene Verordening Gegevensbescherming (AVG). Deze regelgeving vereist dat instellingen duidelijk communiceren over dataverzameling en -gebruik en dat zij de toestemming van studenten verkrijgen wanneer dat nodig is. Door transparant te zijn over het databeleid, kunnen instellingen juridisch compliant blijven en voorkomen ze mogelijke boetes of reputatieschade.

Voorbeeld:

Een docent wil de effectiviteit van bepaalde lesmethoden evalueren door het analyseren van data over studentprestaties. Volgens de AVG moeten studenten geïnformeerd worden over het gebruik van hun data en kunnen zij het recht hebben om bezwaar te maken. Transparantie over dit proces helpt om eventuele juridische problemen te voorkomen.

3. Bevorderen van verantwoorde besluitvorming door studenten

Wanneer studenten goed geïnformeerd zijn over welke data wordt verzameld en hoe deze wordt gebruikt, kunnen ze weloverwogen keuzes maken over hun deelname aan bepaalde activiteiten of platforms. Dit geeft hen een gevoel van controle over hun persoonlijke gegevens en versterkt hun autonomie.

Voorbeeld:

Een HBO-instelling wil gebruik maken van een extern platform voor online leren. Studenten moeten weten welke gegevens door dit platform worden verzameld en hoe deze gegevens worden gebruikt. Door hen hierover te informeren, kunnen studenten een bewuste keuze maken om deel te nemen of hun voorkeur voor privacy te behouden door alternatieven te kiezen.

4. Ondersteunen van onderwijskundige doelen en pedagogische relaties

Transparantie kan bijdragen aan het pedagogisch klimaat door studenten te betrekken bij hun leerproces. Als studenten begrijpen hoe hun gegevens worden gebruikt om bijvoorbeeld feedback te geven of hun studievoortgang te monitoren, kunnen ze actiever deelnemen aan hun eigen leerproces en kan dit het onderwijskundig resultaat verbeteren.

Voorbeeld:

Een docent deelt met studenten dat data over hun leeractiviteiten wordt gebruikt om gerichte feedback te geven en om studenten te helpen beter te begrijpen waar ze staan in hun leertraject. Dit kan studenten motiveren om meer betrokken te raken bij hun eigen leerproces en om open te staan voor data-gedreven inzichten die hen helpen verbeteren.

Transparantie

Veerkracht

Verbondenheid

DATA

Opdracht: Hoe zorg je voor veerkracht en verbondenheid door transparant te zijn in de beschikbare data.

Veerkracht: Uitdagingen worden gezien als kansen om van te leren en te groeien. Studenten worden opgeleid tot veerkrachtige professionals1.

Verbondenheid: De hogeschool brengt mensen samen om samen te werken en te leven. Iedereen moet zich welkom, veilig en gezien voelen

Hoe verhoudt data met de ethische waarden privacy zich tot de waarden veerkracht en verbondenheid

Aanbevelingen voor docenten om transparantie te bevorderen

1. Communiceer openlijk over data
2. Geef studenten keuzes
3. Gebruik ethische verklaringen
4. Stimuleer kritisch denken
5. Evalueer en pas beleid regelmatig aan
6. Maak gebruik van privacy by disign 

Aanbevelingen voor Docenten om Transparantie te Bevorderen

Communiceer Openlijk over Data

Leg aan het begin van een cursus of project duidelijk uit welke data je gaat verzamelen, waarom je dat doet, en hoe je de gegevens gaat gebruiken. Doe dit op een manier die begrijpelijk is voor studenten, zonder gebruik van te veel jargon.

Geef Studenten Keuzes

Bied studenten opties over hoe hun data wordt gebruikt. Bijvoorbeeld, geef hen de keuze om deel te nemen aan data-analyseprojecten of geef hen controle over welke gegevens zij willen delen.

Gebruik Ethische Verklaringen

Maak gebruik van ethische verklaringen of beleidsteksten die eenvoudig uitleggen hoe data wordt gebruikt en welke rechten studenten hebben. Deze verklaringen kunnen worden opgenomen in syllabi, lesplannen, of digitaal gedeelde documenten.

Stimuleer Kritisch Denken

Bespreek tijdens je lessen regelmatig de ethische aspecten van datagebruik. Stimuleer studenten om kritisch na te denken over de ethische implicaties van data in hun eigen studie- en beroepspraktijk. Gebruik hiervoor actuele voorbeelden of casestudies.

Evalueer en Pas Beleid Regelmatig Aan

Evalueer regelmatig de manier waarop data wordt verzameld en gebruikt in je onderwijspraktijk en pas je beleid aan als dat nodig is. Vraag ook om feedback van studenten over hoe zij het datagebruik ervaren.

Maak Gebruik van Privacy by Design

Gebruik technologieën en tools die privacy respecteren en minimaliseer dataverzameling waar mogelijk. Informeer studenten over deze keuzes om transparantie te versterken.

Conclusie:

Transparantie in het datagebruik binnen het onderwijs is essentieel om vertrouwen op te bouwen, juridische compliance te garanderen, ethische overwegingen te integreren, en verantwoorde besluitvorming door studenten te ondersteunen. Voor docenten betekent dit niet alleen dat zij zich bewust moeten zijn van de data die zij gebruiken, maar ook dat zij actief moeten communiceren met hun studenten over het waarom en hoe van dataverzameling. Het helpt om een onderwijsomgeving te creëren waarin studenten zich veilig, gerespecteerd en betrokken voelen bij hun eigen leerproces.

Verantwoordelijkheid

1. Datagebruik en beveiliging
2. Eerlijke data-analyse
3. Verantwoorde dataopslag

Verantwoordelijkheid in de context van data en ethiek betekent dat docenten bewust en zorgvuldig omgaan met de gegevens van studenten en collega’s. Het gaat om de juiste balans tussen het benutten van data voor onderwijsdoeleinden en het respecteren van de privacy en rechten van individuen.

Belangrijke Aspecten van Verantwoordelijkheid:

Datagebruik en Beveiliging:

Docenten moeten ervoor zorgen dat studentgegevens veilig worden opgeslagen en verwerkt. Denk aan het gebruik van veilige wachtwoorden, versleutelde systemen, en toegangsbeperkingen.

Voorbeeld: Geen gegevens opslaan op persoonlijke apparaten die niet voldoende beveiligd zijn.

Eerlijke Data-analyse:

Zorg ervoor dat data correct wordt geïnterpreteerd en gebruikt zonder bias of vooroordelen. Data-analyse mag niet leiden tot discriminatie of bevooroordeling van studenten.

Voorbeeld: Bij het analyseren van prestaties op basis van data, controleren op onbewuste vooroordelen die bepaalde groepen studenten kunnen benadelen.

Verantwoordelijke Dataopslag:

Beperk de hoeveelheid data die wordt bewaard en houd deze slechts zolang als nodig is voor het beoogde onderwijsdoel.

Voorbeeld: Verwijder oude toetsen of opdrachten uit digitale systemen die niet meer nodig zijn.

Praktische tips voor docenten

• Maak gebruik van AVG-compliant tools.
• Bied studenten opties.
• Evalueer regelmatig.

Maak gebruik van AVG-compliant tools en zorg dat je op de hoogte bent van het privacybeleid van de gebruikte software.

Bied studenten opties om te kiezen welke data ze willen delen.

Evalueer regelmatig hoe data wordt gebruikt in jouw lessen en of dit in lijn is met ethische standaarden.

Filmpje datashow

Nog te plaatsen

Rechtvaardigheid in Datagebruik

(kernwaarde SA)

Gelijke toegang tot kansen

Zorg ervoor dat het gebruik van data niet bijdraagt aan ongelijkheden in het onderwijs. Bijvoorbeeld, datagebruik mag geen vooroordelen versterken of bepaalde groepen studenten uitsluiten van leer- en ontwikkelingskansen.

Voorbeeld: Docenten kunnen ervoor zorgen dat analysetools voor studentenprestaties niet alleen kijken naar cijfers, maar ook naar contextuele factoren zoals taalbarrières of socio-economische achtergrond.

Rechtvaardigheid in Datagebruik
(kernwaarde SA)

Voorkomen van Bias in Data-analyse

Data-analysetools of algoritmen kunnen ingebouwde vooroordelen bevatten. Docenten moeten kritisch kijken naar de tools die zij gebruiken en hoe deze kunnen leiden tot bevooroordeelde uitkomsten.

Voorbeeld: Wanneer je gebruik maakt van software die voorspellingen doet over studentensucces, controleer dan of het algoritme geen onbedoelde voorkeur heeft voor bepaalde groepen studenten.

Rechtvaardigheid in Datagebruik
(kernwaarde SA)

Inclusiviteit bij dataverzameling

Verzamel data op een manier die representatief is voor de gehele studentenpopulatie. Data moet de diversiteit van de studentenpopulatie weerspiegelen, zonder bepaalde groepen uit te sluiten of te benadelen.

Voorbeeld: Zorg dat evaluaties of digitale tools toegankelijk zijn voor studenten met een beperking, zoals visuele of motorische beperkingen, zodat iedereen kan deelnemen.

Rechtvaardigheid in Datagebruik
(kernwaarde SA)

Eerlijkheid in beoordeling

Gebruik data op een eerlijke manier om prestaties te beoordelen, zonder vooroordelen die bepaalde groepen oneerlijk benadelen.

Voorbeeld: Wanneer je gebruik maakt van data om beslissingen te nemen over bijvoorbeeld toelating tot een programma of het toekennen van studiebeurzen, zorg ervoor dat de data die wordt gebruikt, niet onevenredig zwaar weegt voor één specifieke groep.

Enkele voorbeelden

- Bescherming van de privacy van studenten

- Voorkomen van Bias en discriminatie

- Bevorderen van vertrouwen en transparantie

Concrete Voorbeeld:

Een docent gebruikt een proctoring tool om studenten te monitoren tijdens online tentamens. Deze software kan de camera, microfoon en browseractiviteiten van de student in de gaten houden. Hoewel het doel is om fraude te voorkomen, roept dit privacyvragen op: hoe lang worden deze beelden bewaard, wie heeft toegang tot deze gegevens, en is er transparantie over hoe deze data wordt gebruikt? Dit kan leiden tot een gevoel van wantrouwen onder studenten als zij zich continu gecontroleerd voelen.

Concrete Voorbeeld:

Een school besluit om een voorspellend analysesysteem te gebruiken om te bepalen welke studenten het risico lopen om een vak niet te halen. Als de data die het systeem gebruikt gebaseerd is op historische cijfers die beïnvloed zijn door sociale ongelijkheden (bijv. minder kansen voor studenten uit bepaalde achtergronden), dan kan het systeem dezelfde ongelijkheden versterken in plaats van helpen deze op te lossen. Dit zou een onethisch gebruik van data zijn omdat het bijdraagt aan systemische vooroordelen.

Concrete Voorbeeld:

Een docent besluit data te verzamelen over de leergewoonten van studenten om de cursusinhoud te verbeteren. Door dit openlijk te communiceren naar de studenten, uit te leggen waarom de data wordt verzameld, en hoe deze zal helpen om de leerervaring te verbeteren, voelen studenten zich waarschijnlijk meer op hun gemak en meer betrokken bij het proces.

Filmpje datashow

Nog te plaatsen

DISCUSSIE

CASE: Het gebruik van studentgegevens om academische prestaties te voorspellen.

• 5 minuten
• max. 4 personen

DISCUSSIE

CASE: Implementatie van surveillancesoftware tijdens online examens.

• 5 minuten
• max. 4 personen

DISCUSSIE

CASE: Gebruik van sociale media gegevens voor onderzoeksdoeleinden.

• 5 minuten
• max. 4 personen

Filmpje datashow

Nog te plaatsen

Het data-debat

Aan de hand van een drietal stellingen wordt het debat geleid door de workshopleider. Deze stelt de kandidaten in staat om naar de kant van 'eens' of 'oneens' te gaan. Een paar deelnemers krijgen de kans om hun standpunt toe te lichten. 

“Het gebruik van data-analyse in het onderwijs verbetert de kwaliteit van het onderwijs.”

“Privacy moet altijd boven innovatie gaan.”

“Ethiek is een persoonlijke verantwoordelijkheid, geen institutionele.”

data en ecologische voetafdruk

Uit een onderzoek uit 2019 bleek dat een gemiddeld taalmodel dat data genereert voor natuurlijke taalverwerking 300000 kg CO2 uit stoot. Dat is gelijk aan 125 retourvluchten van New York - Peking. En dan te bedenken dat de afgelopen jaren met de doorbraak van chatGPT alleen maar meer systemen gebruikt worden en deze ook op hoge schaal worden ingezet. Microsoft gaf aan dat het watergebruik in 2023 met 34% is gestegen, Het totale gebruik komt neer op zo'n 6.5 miljard liter water. Een waterverbruik die met alle waterschaarste niet te verantwoorden is in deze tijd. En de verwachting is dat dit alleen maar zal toenemen. 

Schrijf twee dingen op die je graag beantwoord had willen hebben in deze workshop? Wat is niet aan bod gekomen?

Benadruk

Gebruik alleen de tools die door HR in EDU010 zijn opgenomen.