Kaos opstået efter algoritmen fastlagt UK studerendes karakterer

Del denne historie!
image_pdfimage_print
I kølvandet på, at skoler blev lukket ned over COVID-19, besluttede Technocrats i Storbritannien at bruge AI til at klassificere studerende til den årlige "resultatdag." Wired rapporterer, at "lærere er skøre over det rod, der har fået lov til at udfolde sig." ⁃ TN Editor

Resultater-dagen har en tidslidt rytme, fuld af årlige tropes: lokale avisbilleder af kuvert-koblende piger, der hopper i luften i trekanter og firere, spaltister klager over, at eksamener er blevet alt for nemme, og de samme fem eller seks berømtheder, der er værdige Twitter-tråde om, hvorfor eksamensresultater ikke betyder noget, fordi alt fungerede okay for dem.

Men i år er det meget anderledes. Coronavirus-pandemien betyder, at eksamener blev annulleret og erstattet med lærervurderinger og algoritmer. Det har skabt kaos.

I Skotland blev regeringen tvunget til helt at skifte tack, efter at titusinder af studerende blev nedgraderet af en algoritme, der ændrede karakterer baseret på en skoles tidligere præstation og andre faktorer. I påvente af lignende scener til dagens resultater på A-niveau har regeringen i England introduceret, hvad den kalder en 'tredobbelt lås' - hvor studerende via appelstadier effektivt vil vælge deres lønklasse fra en lærervurdering, deres dårlige eksamensresultater, eller en genoptagelse, der skal tages i efteråret.

Selvom det skulle hjælpe med at mindske nogle uretfærdigheder, kan resultatet af dagsordenen stadig have en uforholdsmæssig effekt på studerende med dårligt stillede baggrunde med knock-on-effekter på deres universitetsapplikationer og karriere. Rotet skinner lys over enorme, langsigtede mangler ved bedømmelses-, eksamens- og universitetsoptagelsessystemer, der systematisk forringer elever fra visse grupper.

Glem tredobbeltlåsen, etniske minoritetsstuderende med dårligere baggrunde kunne blive ramt af en tredobbelt whammy. For det første kan deres lærervurderinger være lavere end hvide studerende på grund af ubevidst bias, argumenterer Pran Patel, en tidligere assisterende hovedlærer og en aktieaktivist ved Decolonise Curriculum. Han peger på en undersøgelse i 2009 af forudsigelser og resultater i Key Stage 2 engelsk, hvori det konstateredes, at pakistanske elever var 62.9 procent mere sandsynlige end hvide elever forudsagt en lavere score, end de faktisk opnåede, for eksempel. Der er også en stigning opad i resultater for drenge med sort og caribisk baggrund i en alder af 16 år, hvilket Patel siger svarer til første gang i deres skolekarriere, at de vurderes anonymt.

Ikke alle er enige om dette punkt. Forskning ledet af Kaili Rimfeld ved King's College London, baseret på data fra mere end 10,000 elever, har fundet, at lærervurderinger generelt er gode forudsigere for den fremtidige eksamenspræstation, selvom den bedste prediktor for succes i eksamener er tidligere succes i eksamener.

Men på grund af frygt for lønklasse forårsaget af lærere, der vurderer deres egne studerende, bruges disse karakterer ikke isoleret. I år blev disse potentielt partiske lærervurderinger på grund af coronavirus ændret - under hensyntagen til skolens historiske præstation og andre faktorer, der måske har haft lidt at gøre med den enkelte elev. I henhold til TES er 60 procent af dette års A-niveau-karakterer faktisk bestemt via statistisk modellering og ikke lærervurdering.

Læs hele historien her ...

Deltag i vores mailingliste!


Om forfatteren

Patrick Wood
Patrick Wood er en førende og kritisk ekspert på bæredygtig udvikling, grøn økonomi, Agenda 21, 2030 Agenda og historisk teknokrati. Han er forfatter af Technocracy Rising: The Trojan Horse of Global Transformation (2015) og medforfatter til Trilaterals Over Washington, bind I og II (1978-1980) med afdøde Antony C. Sutton.
Tilmeld
Underretning af
gæst
1 Kommentar
Ældste
Nyeste Mest afstemt
Inline feedbacks
Se alle kommentarer

[…] Læs mere: Kaos opstået efter algoritmen fastlagt UK-studerendes karakterer […]