Algorithms of Education: How Datafication and Artificial Intelligence Shape Policy

نقد آنچه در پشت استفاده از داده ها در سیاست آموزشی معاصر نهفته است 
 

در حالی که داستان های علمی تخیلی هوش مصنوعی که بشریت را تحت الشعاع قرار می دهد، هنوز هم تخیلات بسیار زیادی هستند، در الگوریتم های آموزش نویسندگان داستان های واقعی از چگونگی تغییر الگوریتم ها و ماشین ها در مدیریت آموزش و پرورش می گویند و بحث و نقد جذابی را ارائه می کنند. داده ها و نقش آن در سیاست آموزشی.

الگوریتم های آموزش بررسی می کند که چگونه، برای سیاست گذاران، حجم روزافزون داده های امروزی این توهم را ایجاد می کند. کنترل بیشتر بر آینده آموزشی دانش آموزان و کار مدیران و معلمان مدرسه. نویسندگان استدلال می‌کنند که افزایش داده‌سازی آموزش، کنترل کمتر و کمتری را ارائه می‌دهد، زیرا الگوریتم‌ها و هوش مصنوعی تجربه آموزشی و سیاست‌گذاران فاصله‌ای را از آموزش و یادگیری انتزاع می‌کنند. با تمرکز بر شرایط در حال تغییر برای سیاست آموزشی و حکمرانی، الگوریتم های آموزش پیشنهاد می کند که مدارس و دولت ها به طور فزاینده ای به «حکمرانی ترکیبی» روی می آورند - حکومتی که در آن انسان و ماشین چیست. به عنوان یک استراتژی برای بهینه‌سازی آموزش، کمتر واضح می‌شود.

کاوش در مطالعات موردی زیرساخت‌های داده، تشخیص چهره، و استفاده روزافزون از علم داده در آموزش، < span>Algorithms of Education از حوزه های بسیار متنوعی استفاده می کند - از نظریه انتقادی و مطالعات رسانه ای گرفته تا مطالعات علم و فناوری و مطالعات سیاست آموزشی - نقشه برداری جهت گیری های سیاسی و روش شناختی برای درگیر شدن با داده سازی و هوش مصنوعی در حاکمیت آموزش و پرورش به گفته نویسندگان، ما باید فراتر از بحث هایی که انسان ها و ماشین ها را از هم جدا می کند، برویم تا راهبردهای جدید و سیاست جدیدی برای آموزش ایجاد کنیم.

A critique of what lies behind the use of data in contemporary education policy 
 

While the science fiction tales of artificial intelligence eclipsing humanity are still very much fantasies, in Algorithms of Education the authors tell real stories of how algorithms and machines are transforming education governance, providing a fascinating discussion and critique of data and its role in education policy.

Algorithms of Education explores how, for policy makers, today’s ever-growing amount of data creates the illusion of greater control over the educational futures of students and the work of school leaders and teachers. In fact, the increased datafication of education, the authors argue, offers less and less control, as algorithms and artificial intelligence further abstract the educational experience and distance policy makers from teaching and learning. Focusing on the changing conditions for education policy and governance, Algorithms of Education proposes that schools and governments are increasingly turning to “synthetic governance”—a governance where what is human and machine becomes less clear—as a strategy for optimizing education.

Exploring case studies of data infrastructures, facial recognition, and the growing use of data science in education, Algorithms of Education draws on a wide variety of fields—from critical theory and media studies to science and technology studies and education policy studies—mapping the political and methodological directions for engaging with datafication and artificial intelligence in education governance. According to the authors, we must go beyond the debates that separate humans and machines in order to develop new strategies for, and a new politics of, education.