Een nieuwe Teaching in Focus: hoe geven (wiskunde)leerkrachten les?

Door de data van PISA met TALIS te combineren heeft de OESO een nieuw Teaching in Focus gepubliceerd waarbij ze – volgens zichzelf – trachten de zwarte doos te openen die de klas zou zijn. Wat men in feite doet is wat leerkrachten vertellen over hun klaspraktijk vergelijken met wat leerlingen zeggen.

Wat stelt men vast?

  • Almost all mathematics teachers across participating countries use clear and structured teaching practices, according to both teachers and students. A vast majority of teachers also use student-oriented practices and enhanced learning activities in their classroom.
  • Cross-country differences are weak regarding the use of structuring practices, but moderate regarding the use of student-oriented practices and enhanced learning activities.
  • Overall, mathematics teachers tend to report, more often than students, that they use a given teaching practice.
  • The gap between teacher and student reports about the use of a given teaching practice varies across countries. Overall, the highest degree of convergence is observed for structuring practices, and the smallest is observed for student-oriented practices.

Samengevat volgens de OESO:

Structuring practices are the most commonly used teaching practice in mathematics classrooms, according to both teachers and students. Since they aim to deliver an orderly and clear lesson, they could be seen as the necessary foundation for the development of any other practice. This would explain why they are so predominant in the teaching strategies implemented by teachers. However, classroom instruction time is a scarce resource, and an overemphasis on structuring practices could limit teachers in their use of other potentially more innovative strategies, such as enhanced learning activities and student-oriented strategies.

 

Ouderbetrokkenheid en schoolsucces: geen zwart-witverhaal

Interessante masterproef over een hot topic!

DUURZAAM ONDERWIJS

Draagt ouderbetrokkenheid bij tot schoolsucces? In haar masterproef legde Stéphanie Vanhoenacker enkele recente media-uitspraken van minister Crevits daarover op de rooster. Crevits riep, naar aanleiding van cijfers over de sociale kloof in ons onderwijs, allochtone ouders op om actiever te participeren in het schoolleven, onder andere door naar oudercontacten te komen en te helpen op ouderavonden. Maar helpt dat wel? Stéphanie Vanhoenacker doorploegde de beschikbare onderzoeksliteratuur en kwam tot genuanceerde conclusies.

Ten eerste, “ouderbetrokkenheid” is een heel brede term waaronder veel verschillende dingen schuilgaan. Onderzoekers maken daarbij een verschil tussen “ouderbetrokkenheid op school” en “ouderbetrokkenheid thuis”. De eerste categorie is zeer zichtbaar voor directies en leerkrachten. Bijvoorbeeld, komen ouders naar het oudercontact? Steken ze op schoolactiviteiten een handje toe? De tweede categorie is veel minder zichtbaar voor schoolteams: Tonen de ouders thuis interesse in het schoolleven van hun kind? Ondersteunen ze het kind bij het maken van huiswerk? Zorgen ze…

View original post 461 woorden meer

Een heerlijk twitterduel tussen twee musea

Twitter kan een plaats zijn van fijne conversaties en interessante ontmoetingen, maar laten we eerlijk zijn: ook vaak van helse debatten (en scheldpartijen), maar als 2 musea in duel gaan, dan wordt het mooi.

Het begon met een onschuldige vraag:

Met al snel een eerste antwoord:

Maar dat kon het Science museum natuurlijk niet laten passeren:

Tja, dat verdient een antwoord?

Veel antwoorden:

En hoe eindigt dit na twee (!) dagen?

“De disruptieve kracht van onderwijs”

Door de wekelijkse nieuwsbrief van Fredo De Smet besefte ik dat ik deze podcast hier nog niet gedeeld had. Fredo en Stijn interviewden me op donderdag 31 augustus, net voor de start van het nieuwe schooljaar in Vlaanderen. Zag net dat de podcast al meer dan 1500 keer beluisterd werd – en dan is dat alleen al op soundcloud – slik.

Wetenschap en activisme

De voorbije week kreeg ik een vraag via mail van iemand van een belangenorganisatie die me vroeg of hij niet regelmatig met me samen kon zitten om zo een directe lijn te hebben met een BP, een bekende pedagoog (zijn woorden). Ik weet niet wat me het meest ongemakkelijk maakte, die BP of de vraag of hij me regelmatig zou mogen beïnvloeden, iets wat in zijn ogen een win-win zou opleveren. In een vervolgmail gaf de man aan dat hij wellicht ondertussen meer activist dan wetenschapper was geworden.

Later in de week las ik dit stuk van Elma Drayer in de Volkskrant over Roos Vonk die volgens de columniste geen wetenschapper is maar… een activiste. Op Twitter las ik vervolgens ook de nodige commentaren heen en weer.

Het is iets dat me al langer bezighoudt en ik heb eerder de keuze gemaakt om vooral duiding te geven en te pogen – in de mate van dat kan – objectiviteit na te streven. Voor mij is dit een tegenpool is van activisme, al besef ik dat objectiviteit onmogelijk is. Iemand merkte terecht op dat het fout is om kennis te vergaren en daar dan niks mee te doen. Dit klopt, maar dat is dan mijn keuze om te doen: kennis verder verspreiden.

Activisme en wetenschap hoeven echter geen tegenpolen te zijn, voor alle duidelijkheid. Meer nog: het kan een mooie motor zijn voor waarom je onderzoek doet en je aandacht mee richten. Maar zeker dat laatste maak volgens mij activisme net ook voor wetenschappers extra moeilijk. Los van het feit dat je uitspraken – zelfs al is het gewoon je mening – meer kracht kunnen hebben, ‘want de wetenschapper zegt’. Dit zorgt voor een enorme verantwoordelijkheid. Maar er zijn ook meer subtielere uitdagingen. Je moet je constant blijven afvragen of je je wel laat leiden door de data en analyses die je doet, of dat je bril vertroebeld wordt door je overtuiging. Het is een goed punt dat de meeste onderzoeken vandaag niet meer individueel gedaan worden, maar groepsovertuigingen bestaan zeer zeker ook in wetenschappelijke kringen waardoor de correctie van samenwerken en peer review niet altijd even optimaal werkt. Het is volgens mij ook dergelijke groepsovertuiging die er mee voor zorgde dat bijvoorbeeld Roos Vonk niet zag hoe Stapel de wereld aan het belazeren was. De resultaten pasten te goed in haar visie?

Terwijl ik stuk schrijf, besef ik door het vele schaven en veranderen aan deze tekst dat ik er zelf nog lang niet uit ben. Ik merk dat ik me zelf erger aan te veel activisme bij wetenschappers, maar dat ik tegelijk zie hoe het energie kan geven. Oja, ik ben niet ingegaan op de vraag in de mail om samen te zitten en ik blijf me hoogstens een BBP noemen (een beetje bekende pedagoog 😉 ).

De tol van geheimen moeten bewaren (onderzoek)

Stel: je hebt een geheim of kreeg een geheim toevertrouwd dat je echt niet mag delen met niemand. Ik vrees dat ik slecht nieuws heb: de kans is groot dat dit je aandacht zal verminderen in het dagelijkse leven en zo tot mindere prestaties kan leiden.

De onderzoekers Michael Slepian, Jinseok Chun, en Malia Mason ontwikkelden en valideerden eerst een vragenlijst over geheimen houden op basis van 2000 deelnemers om daarna hun survey te gebruiken bij 600 nieuwe respondenten waarvan 96% aangaf een of meerdere geheimen te hebben. In dit onderzoek bekeek men nakeek welk effect deze geheimen kunnen hebben op het dagelijks handelen.De onderzoekers stelden vast dat de deelnemers meer last hadden van piekeren over geheimen dan met moeite doen om het geheim te verbergen.

Maar… het onderzoek toont vooral een correlatie – het zou onethisch zijn een causaal onderzoek hierin te doen – én gaat vooral ook uit van zelfrapportering. Toch suggereert het onderzoek dat terwijl vaak mensen vrezen dat het pijn zal doen als een geheim uitkomt, dat een geheim bewaren ook met een grote prijs kan komen.

Abstract van het onderzoek:

The concept of secrecy calls to mind a dyadic interaction: one person hiding a secret from another during a conversation or social interaction. The current work, however, demonstrates that this aspect of secrecy is rather rare. Taking a broader view of secrecy as the intent to conceal information, which only sometimes necessitates concealment, yields a new psychology of secrecy. Ten studies demonstrate the secrets people have, what it is like to have a secret, and what about secrecy is related to lower well-being. We demonstrate that people catch themselves spontaneously thinking about their secrets—they mind-wander to them—far more frequently than they encounter social situations that require active concealment of those secrets. Moreover, independent of concealment frequency, the frequency of mind-wandering to secrets predicts lower well-being (whereas the converse was not the case). We explore the diversity of secrets people have and the harmful effects of spontaneously thinking about those secrets in both recall tasks and in longitudinal designs, analyzing more than 13,000 secrets across our participant samples, with outcomes for relationship satisfaction, authenticity, well-being, and physical health. These results demonstrate that secrecy can be studied by having people think about their secrets, and have implications for designing interventions to help people cope with secrecy.

Deze leerkracht toverde zijn hele klas om in Hogwarts van Harry Potter

Een beetje heel erg veel werk in gestoken…

Lectuur op zaterdag: 3 woorden, onderwijs, wetenschap en Jim Carrey

De weekendbijlage bij deze blog:

En dan was er nog dit aparte interview met Jim Carrey, de man die ooit Andy Kaufman speelde in Man on the Moon:

Factcheck: kan AI seksuele oriëntatie vaststellen op basis van gezichtsherkenning? (Linda Duits)

Deze blogpost verscheen eerst op dieponderzoek.nl.

Een verontrustend bericht in het nieuws afgelopen week (oa The GuardianDe Morgen): kunstmatige intelligentie kan op basis van je gezichtskenmerken raden of je homo of hetero bent. De Chinese informaticus Yilun Wang en de Amerikaanse psycholoog Michal Kosinski deden hier onderzoek naar [preprint is vrij beschikbaar], of liever gezegd: hebben een Artifical Intelligence (AI) dit geleerd. De eerste vraag die daarbij opkomt is de waarom: waarom zou je een computer dit willen laten leren? De onderzoekers doen daar geen uitspraken over.

De gaydar van deze AI zou significant beter zijn dan die van mensen. Met die uitspraak ontstaat er een loskoppeling tussen de mens die de machine wat laat leren, en de machine die beter in staat zou zijn dan de mens een bepaalde werkelijkheid te vatten. The Guardian schrijft:

“Human judges performed much worse than the algorithm, accurately identifying orientation only 61% of the time for men and 54% for women. When the software reviewed five images per person, it was even more successful – 91% of the time with men and 83% with women. Broadly, that means “faces contain much more information about sexual orientation than can be perceived and interpreted by the human brain”, the authors wrote. The paper suggested that the findings provide “strong support” for the theory that sexual orientation stems from exposure to certain hormones before birth, meaning people are born gay and being queer is not a choice. The machine’s lower success rate for women also could support the notion that female sexual orientation is more fluid.”

Hier staat dat een computermodel aanleiding is om aan te nemen dat seksuele voorkeur vastligt in de biologie en dat er daarbij een biologisch verschil bestaat tussen mannen en vrouwen. Is het echter niet andersom? Heeft de AI niet geleerd om onze eigen, culturele ideeën over homoseksualiteit te reproduceren? Zo denkt de AI in termen van een dichotomie (he OF ho, zonder iets er tussenin) en zijn het de onderzoekers, en niet de computer, die speculeren over wat de resultaten nu precies betekenen.

Het paper
Op Facebook zag ik een reactie op het bericht van Mathijs Tratsaert, een Vlaamse dichter die ik verder niet ken. Hij had de moeite genomen het paper te lezen en hij constateert dat de nieuwsberichten onjuist zijn. De percentages uit bovenstaande quote kloppen niet volgens hem. Laten we dus het paper bekijken. Wat houdt de studie precies in?

De onderzoekers willen weten:

“whether an intimate psycho–demographic trait, sexual orientation, is displayed on human faces beyond what can be perceived by humans. We address this question using a data-driven approach” (p. 8).

Seksuele voorkeur wordt gezien als aangeboren kenmerk van de geest. Het paper begint bij de fysiognomie, de leer die stelt dat je iemands karakter kunt aflezen aan het gelaat. De onderzoekers gaan daarbij snel langs een aantal bezwaren op historische perspectieven hierop (Lombroso bijvoorbeeld), om vervolgens vrolijk te stellen dat zulke verbanden er wel degelijk zijn. Bijvoorbeeld: vrouwen die vroeg in het leven extravert waren, worden later mooier. De onderzoekers citeren allerlei onderzoek waar mensen aan gelaatstrekken kenmerken konden aflezen, zoals politieke voorkeur.

Op basis van prenatal hormone theory (PHT) veronderstellen de onderzoekers een verband tussen gezichtskenmerken en seksuele oriëntatie. Homomannen zouden volgens PHT meer vrouwelijke gelaatskenmerken hebben, terwijl lesbiennes meer mannelijk zouden zijn. Deze biologische kenmerken worden volgens de onderzoekers versterkt door cultuur: homomannen gaan hun haar op een bepaalde manier dragen bijvoorbeeld. Ook hier wordt veel onderzoek geciteerd, en het zijn deze studies die ‘gevoerd’ zijn aan de kunstmatige intelligentie.

Methode
De onderzoekers gebruikten foto’s van datingsites. Ze begonnen met 130.741 foto’s van 36.630 mannen en 170.360 foto’s van 38.593 vrouwen. Let op: de computer baseerde zich dus op meerdere foto’s van dezelfde persoon. De helft was op zoek naar een partner van hetzelfde geslacht en de andere helft zocht een partner van het andere geslacht. Er was dus een gelijke verdeling tussen homo en hetero (als in: wat deze mensen zochten op deze sites). Biseksualiteit wordt genegeerd. Een groot aantal foto’s werd ongeschikt bevonden, omdat er meerdere mensen op stonden of omdat de afstand tussen de ogen te klein was. Daarnaast werden alleen witte volwassenen toegelaten tot de uiteindelijke steekproef. De keuze hiervoor wordt niet beargumenteerd.

Een bestaand deep neural network genaamd VGG Face werd gebruikt. Deze AI ‘vertaalt’ een portretfoto in 4.096 scores, die verwijzen naar gezichtskenmerken (denk aan de vorm van de neus). De steekproef van foto’s werd in twintig delen opgehakt. Negentien ervan werden gebruikt om de AI te trainen, dus aan te leren welke personen op de foto’s homo en welke hetero waren. De laatste set werd gebruikt om te toetsen of de AI het goed had geleerd. De 4.096 gezichtsscores zijn dan de onafhankelijke variabele, en seksuele oriëntatie de afhankelijke variabele.

Resultaten
De accuraatheid van de AI wordt uitgedrukt met een coëfficiënt:

“Across this paper, the accuracy is expressed using the area under receiver operating characteristic curve (AUC) coefficient. AUC represents the likelihood of a classifier being correct when presented with the faces oft wo randomly selected participants—one gay and one heterosexual” (p. 15).

De AI beoordeelde dus een set van twee personen, een homo en een hetero, en moest dan aangeven wie de homo was. Dat is echt iets anders dan raden of een voorgelegde foto hoort bij een homo of hetero – zoals De Morgen stelde:

“Onderzoekers van de universiteit van Stanford ontwikkelden een computeralgoritme dat bij 81 procent van mannenfoto’s correct kon aangeven of ze homo waren of niet”.

Dat klopt niet. De AI kon bij 81 procent van de voorgelegde sets mannenfoto’s correct vaststellen wie de homo was. Dat gold voor 71 procent van de sets vrouwenfoto’s. Het gaat daarbij om een afweging tussen het aantal goed geclassificeerde homo’s en het werkelijk aantal homo’s in de steekproef. De AI was beter in herkennen wanneer er meerdere foto’s van dezelfde persoon werden voorgelegd. De onderzoekers plaatsen daar belangrijke kanttekening bij. In hun steekproef bestond de helft van de mensen uit homo’s en de andere helft uit hetero’s. Dat is niet geval in de Amerikaanse populatie, waar naar schatting 6-7 procent van de bevolking gay is. Toen de AI werd gevraagd een willekeurige steekproef van duizend mensen te beoordelen bleek de computer dat veel slechter te kunnen.

De onderzoekers voerden meerdere studies uit. In een daarvan moesten mensen op basis van de foto’s vaststellen wie van de twee voorgelegde personen homoseksueel was, in de andere ging het alleen om de AI. Welke gezichtskenmerken waren nu het meest veelzeggend voor de AI? Bij homomannen ging het om neus, ogen, wenkbrauwen, jukbeenderen, haarlijn en kin. Bij vrouwen om de neus, mondhoeken, haar en neklijn. Het gaat daarbij om kenmerken die ‘gender a-typical’ zijn: vrouwelijke gezichten voor de homomannen en mannelijke gezichten voor de lesbische vrouwen. Ook hier wordt een culturele bias gereproduceerd, namelijk dat homomannen verwijfd zijn en lesbiennes butch. Je zou de AI eens graag meenemen naar een gay bar. Let op: niet alle gezichtskenmerken zijn biologisch. De AI had geleerd dat lesbische vrouwen minder vaak make-up dragen en dat homomannen beter geschoren gezichten hebben. Bovendien lachen lesbiennes minder vaak op hun datingsiteprofielfoto’s.

Conclusie
De claims die gedaan worden in de nieuwsberichten over dit onderzoek kloppen niet. De journalisten hebben de studie niet goed gelezen of – waarschijnlijker – de fouten van hun collegajournalisten overgeschreven. De ontwikkelde AI kan redelijk goed vaststellen welke van twee personen homo is, als daadwerkelijk een van die twee homo is. De AI doet dat op basis van variabelen die door mensen zijn ingegeven en die culturele ideeën over homoseksualiteit weerspiegelen. Het is dus niet zo dat AI een biologische waarheid heeft ontdekt. De machine reproduceert gebrekkige, menselijke opvattingen en leert de wereld op die manier te zien.

De onderzoekers merken op dat technologie die seksuele voorkeur kan vaststellen levensbedreigend kan zijn. Gek genoeg zien zij dat als reden om precies die technologie te gaan ontwikkelen om, in hun woorden, beleidsmakers te waarschuwen over de accuraatheid van zulke intelligentie. Het is bijzonder bedenkelijk dat zulk onderzoek langs ethische commissies komt en het is gevaarlijk dat nieuwsmedia er niet in slagen correct verslag te doen van deze technologische ontwikkelingen.