Non c’è più scelta: o si fa amicizia con la tecnologia e si cavalca la rivoluzione digitale oppure si rimane esclusi dalle dinamiche sociali, culturali ed economiche.
Poco spazio al romanticismo e alla nostalgia perché ora, in molti campi, è l’algoritmo a definire dinamiche, processi e giudizi.
Dati, dati e ancora dati per profilare e automatizzare il processo decisionale: in una sola parola, algoritmo.
“L’algoritmo ha il tuo ritmo” sentenzia Willy Peyote nella celebre canzone Algoritmo
che aggiunge “io le mie emozioni le ho criptate, le ho nascoste tipo in codice ma le ho cifrate”.
La realtà supera l’immaginazione dell’autore visto che esistono algoritmi che spiano anche l’umore degli utenti, sempre con lo stesso scopo: profilare e automatizzare le decisioni.
Educational Data Mining: quando l’algoritmo decide le valutazioni degli studenti
Non c’entra il Grande Fratello di Orwell ne si fa riferimento ai tanto in voga complotti delle lobby guidate da spionaggio costante.
Si tratta invece di quotidianità, basta guardarsi intorno: non esiste settore che sfugga alla regola dell’algoritmo, nemmeno il mondo legato all’istruzione.
L’educational Data Mining significa testualmente conoscenza dei dati nel mondo della formazione.
Il concetto è tanto semplice quanto rivoluzionario: la creazione di un modello basato sull’analisi, da più prospettive, di dati quantitativi.
L’obiettivo di questo modello è prevedere le prestazioni e gli apprendimenti degli allievi, la valutazione dei risultati, la partecipazione, l’impegno e le interazioni.
Come funziona l’Educational Data Mining
Questo modello è utilizzato per la didattica online, nei cosiddetti Massive Open Online Courses (MOOOC, corsi online aperti su larga scala).
La dinamica e i principi sono i medesimi dei cookie: ogni sessione di ogni utente genera una pressoché infinita mole di dati.
I dati raccolti più importanti sono il tempo trascorso sulla piattaforma, il tipo e il numero di interazioni, l’attività nel complesso, l’uso del mouse, la velocità e il tipo di movimento degli occhi sullo schermo.
A cosa servono questi dati? Sono 3 le azioni principali possibili:
- Classificazione: mappare i dati in classi predefinite;
- Clustering: filtrare e associare valori simili su utenti differenti
- Association rule: scoprire regole di apprendimento in base alle caratteristiche degli utenti.
I problemi dell’Educational Data Mining
Agli evidenti vantaggi caratteristici dell’approccio data driven, vanno contrapposte criticità abbastanza eloquenti:
- Problemi tecnici: che attendibilità ci si può aspettare da una quantità così ampia di dati?
- Problemi etici: è giusto che l’essere umano venga giudicato su parametri standard da una macchina?
- Problemi pedagogici: esistono diverse teorie sull’apprendimento, qual è quella corretta da utilizzare nell’Educational Data Mining?
- Problemi giuridici: è garantito il rispetto del GDPR?
Profilazione e automatizzazione del processo decisionale: cosa dice il GDPR
E’ proprio sull’ultimo punto, quello legato ai problemi giuridici derivanti dall’utilizzo del modello di Educational Data Mining che vogliamo focalizzare l’attenzione perché il GDPR ha posto dei limiti sui processi decisionali automatizzati.
In particolare il paragrafo 1 dell’articolo 22 del General Data Protection Regulation è chiaro: “L'interessato ha il diritto di non essere sottoposto a una decisione basata unicamente sul trattamento automatizzato, compresa la profilazione, che produca effetti giuridici che lo riguardano o che incida in modo analogo significativamente sulla sua persona.”
Esistono solamente 3 casi in cui il processo decisionale automatizzato è consentito:
- Sono necessari per la conclusione di un contratto tra un soggetto e il titolare del trattamento;
- Esiste una legge dell’Unione Europea o di quel particolare Stato che autorizza il processo;
- E’ presente il consenso esplicito da parte dell’interessato.
In uno dei 3 casi e quindi in presenza di deroga e possibilità di attuare un processo decisionale automatizzato, il GDPR ha comunque definito dei doveri in carico al titolare:
- Illustrare il funzionamento del processo, quali sono i criteri, parametri e le conseguenze;
- Dimostrare che questi metodi sono necessari al raggiungimento dell’obiettivo;
- Specificare quali sono le basi giuridiche;
- Garantire la possibilità di esprimere l’opinione e contestare da parte dell’interessato.
