Kansengelijkheid in het hoger onderwijs ontrafeld
12 september 2024
Zonder kwantitatieve inzichten blijft kansengelijkheid een loze belofte.
Zonder kwantitatieve inzichten blijft kansengelijkheid een loze belofte
Hoe bewust zijn we ons van de werkelijke impact van beleidsmaatregelen en technologische ontwikkelingen op kansengelijkheid binnen het hoger onderwijs? De oproep van Theo Bakker, lector Learning Technology & Analytics, klinkt als een waarschuwende klok: ‘'No Fairness Without Awareness.'’ Tijdens zijn intreerede op 21 november pleit hij met een heldere boodschap voor meer bewustzijn: '‘zonder kwantitatieve inzichten blijft kansengelijkheid een loze belofte.’'
Kansengelijkheid: een diepgeworteld probleem
Binnen het hoger onderwijs wordt vaak gesproken over kansengelijkheid. Vooral in reactie op nieuwe overheidsmaatregelen, zoals het herintroduceren van de langstudeerboete. Of in relatie tot de opkomst van technologieën zoals AI. Maar er is een belangrijk gebrek aan concrete data om te begrijpen hoe en voor wie deze veranderingen nadelig kunnen uitpakken, vindt Bakker. ‘'We spreken wel over eerlijkheid, maar hebben vaak geen helder beeld van welke studenten daadwerkelijk benadeeld worden,’' legt hij uit.
Veel beslissingen in het onderwijs zijn gebaseerd op onderbuikgevoelens en kwalitatief onderzoek, terwijl er een groot gebrek is aan kwantitatieve methoden die kansengelijkheid nauwkeurig kunnen meten. '‘Zonder deze data blijven we gissen en kunnen we geen gerichte acties ondernemen om ongelijkheid te bestrijden,’' stelt hij.
Het gebruik van sensitieve gegevens
De huidige tendens om sensitieve gegevens, zoals geslacht of leeftijd, niet meer te verzamelen om discriminatie te voorkomen, is volgens Bakker een misvatting. Deze gegevens zijn cruciaal om ongelijkheden in het onderwijs bloot te leggen. ‘’Als we deze informatie niet opnemen, verdwijnt discriminatie niet; we maken het alleen moeilijker om het te herkennen en aan te pakken,’’ waarschuwt hij.
Met het weglaten van sensitieve gegevens verdwijnt discriminatie niet
De structuur van het onderwijs bevoordeelt nog steeds bepaalde groepen, zoals het blanke, autochtone meisje met een hoge Nederlandse vooropleiding. Door sensitieve kenmerken in datasets op te nemen, kunnen onderzoekers zicht krijgen op waar en hoe ongelijkheid plaatsvindt, en kunnen ze gerichte interventies ontwikkelen.
Technologie als instrument voor gelijkheid
Een belangrijk aspect van Bakkers’ onderzoek is de rol van technologie in het bevorderen van kansengelijkheid. Met behulp van machine learning is het mogelijk om kansengelijkheid niet alleen kwalitatief, maar ook kwantitatief te onderzoeken. Bakker: ‘’We kunnen met deze technologieën analyseren of er verschillen zijn in de kansen van diverse groepen studenten, bijvoorbeeld in het behalen van hun diploma.’’
Wanneer er disproportionele verschillen aan het licht komen, kan dit wijzen op een bias in de data, wat een vorm van (onbewuste) discriminatie kan zijn. Door deze inzichten kunnen instellingen hun onderwijs en begeleiding aanpassen om rechtvaardiger te worden voor alle studenten.
De weg naar gelijke kansen
Volgens Bakker biedt learning analytics een waardevolle manier om onderwijs en studentenondersteuning te verbeteren. ‘’We kunnen per opleiding en per groep studenten zien waar het onderwijs goed werkt en waar het in kansengelijkheid tekortschiet,’’ legt hij uit. Deze analyses helpen instellingen te bepalen welke groepen studenten extra ondersteuning nodig hebben en waar in hun studieloopbaan knelpunten ontstaan.
Learning Analytics helpen instellingen te bepalen welke groepen studenten extra ondersteuning nodig hebben voor echte kansengelijkheid
Hij hoopt dat onderwijsinstellingen de resultaten van dit soort analyses zullen gebruiken om kansengelijkheid actief te verbeteren. Zijn ambitie is om deze aanpak breed beschikbaar te maken, zodat andere instellingen de methode kunnen toepassen en systematisch kunnen werken aan het verkleinen van kansenongelijkheid.
Toekomst van Learning Technology & Analytics
De toekomst van het kersverse lectoraat Learning Technology & Analytics is niet zonder uitdagingen. De opkomst van AI biedt kansen, maar brengt ook complexe vraagstukken met zich mee. Vooral met betrekking tot de nieuwe Europese AI-act. Deze wetgeving stelt dat algoritmes in het onderwijs niet mogen discrimineren, wat onderwijsinstellingen voor nieuwe verantwoordelijkheden stelt.
Bakker wil zijn onderzoeksmethoden verder ontwikkelen en testen in verschillende onderwijsinstellingen om te zien of de resultaten consistent zijn. Hij wil ook analyseren welke vakken of stages mogelijk bijdragen aan ongelijkheid en hoe deze kunnen worden aangepakt.
Maatstaf voor kwaliteit van opleidingen
Tot slot is Bakkers grootste wens dat kansengelijkheid een formele indicator wordt binnen de kwaliteitszorg van opleidingen en vakken. ‘’Wanneer het structureel onderdeel wordt van formele procedures, zal het niet langer afhangen van individuele welwillendheid of toeval,’’ zegt hij.
Door ons bewust te worden van deze ongelijkheid, kunnen we écht beginnen met het oplossen ervan
Met zijn intreerede hoopt Bakker zijn publiek te overtuigen van het cruciale belang van kansengelijkheid in het hoger onderwijs. ’‘Het is een breed en essentieel vraagstuk dat veel studenten raakt. Maar door ons bewust te worden van deze ongelijkheid, kunnen we écht beginnen met het oplossen ervan. No Fairness Without Awareness!’’
Aanmelden voor intreerede
Op 21 november presenteert Theo Bakker de onderzoeksthema’s en ambities van het lectoraat Learning Technology & Analytics. Het lectoraat is verbonden aan de faculteit IT & Design en maakt deel uit van het Centre of Expertise Global & Inclusive Learning.