Si no te gusta tu nota, tenemos otra para ti. Parafrasear a Groucho Mark es inevitable ante la esperpéntica situación que se está viviendo en el Reino Unido, donde miles de estudiantes del equivalente de nuestro bachillerato se han visto afectados por las notas que han sacado en este curso. Dichas notas no se las ha puesto un profesor, sino un algoritmo.
La pandemia de COVID-19 y la ausencia de exámenes presenciales ha obligado a las autoridades académicas a utilizar ese algoritmo para calificar a los alumnos. El problema es que el algoritmo ha tomado en cuenta factores discutibles que han hecho que ahora cualquiera alumno pueda recurrir esas calificaciones que determinan parte de su futuro académico y laboral.
Un desastre causado por un (mal) algoritmo
Los exámenes GCE Advanced Level, más conocidos como A Level, son unas pruebas que los estudiantes de Inglaterra, Gales e Irlanda del Norte realizan tras los dos últimos años de la enseñanza secundaria. Es un concepto similar al que se maneja en España con la EBAU (la antigua Selectividad) y que es determinante para que muchos alumnos puedan cursar los estudios universitarios que desean y la carrera profesional a la que intentan encaminar sus pasos.
El problema es que el confinamiento ha hecho imposible que se celebre dicha evaluación, lo que ha provocado que la nota obtenida por los alumnos no se determine por un exámen calificado por un profesor, sino por un algoritmo.
Ese algoritmo, como se ha descubierto a posteriorijum, ha resultado tomar en cuenta factores coherentes como el historial del estudiante, pero también influyen otros más polémicos como el propio historial de sus compañeros y el centro al que pertenece ese estudiante.
El Departamento de Educación del Reino Unido ha anunciado la puesta en marcha de un sistema de "triple bloqueo" (triple lock) para esos estudiantes, y que permitirá a los estudiantes recibir la máxima calificación de tres alternativas: la nota calculada por el algoritmo, las notas de exámenes de prueba preliminares ('mock exams', celebrados entre noviembre y marzo) o la nota de un futuro exámen presencial que se celebrará en otoño.
Las críticas a ese sistema son también notables, pero es el algoritmo el que ha generado las mayores protestas y unos resultados especialmente llamativos. En ellos se revela que dicho algoritmo es injusto con las minorías étnicas de entornos más pobres o de entornos desfavorecidos.
A veces la gente me pregunta qué es eso de estudiar política digital. Que no entienden cómo un WiFi o una aplicación puede tener algo que ver con las ideologías.
— Roy Cobby (@WilliamRLark) August 14, 2020
Pues aquí va un ejemplo: el sistema de predicción de notas para los estudiantes preuniversitarios en Gran Bretaña 👇
Stephen Curran, profesor y experto en educación, indicaba que "chicos de cierto origen pueden encontrarse con que su nota ha disminuido", y eso parece haber ocurrido por ejemplo en Escocia, donde los chicos de entornos más desfavorecidos tenían el doble de posibilidades de ver sus notas rebajadas en comparación con los chicos que viven en zonas más ricas.
Eso ha provocado una avalancha de apelaciones por parte de los alumnos que no estaban conforme con sus notas, pero incluso este proceso parece haber levantado nuevas ampollas. En Inglaterra, por ejemplo, la decisión de si se apela o no la nota no corresponde al alumno, sino al centro educativo, algo que otros expertos califican de "escandaloso".
Como apuntan en Wired, este caótico escenario ha hecho que la situación educativa se convierta en una situación política "y los estudiantes de hoy son los votantes de mañana".
Para los responsables del acceso a las universidades el problema es aún más importante cuando afirman que al final "muchos estudiantes -al menos los de colegios que se pueden permitir apelar las notas- acabarán obteniendo básicamente la nota que quieran" porque no hay una fuente de información fiable para establecer esa nota.
Vía | Wired
via Magazine - robotica-e-ia https://ift.tt/314qyqK
Con 2.600 millones de usuarios activos mensuales Facebook sigue siendo la reina de las redes sociales, y como tal, también es el objetivo de muchos ataques, timos y robos contra el propio usuario. No estamos hablando de herramientas digitales súper sofisticadas, sino del simple ataque de un usuario sobre otro, algo muy difícil de detectar con sistemas automáticos. Al fin y al cabo el comportamiento humano individualizado sigue siendo imprevisible, muy difícil de encajar en un patrón para inteligencia artificial. Fruto de su equipo de investigación, Facebook acaba de presentar WES o «Web-Enabled Simulation», un primer intento de conseguir simular un entorno complejo de red social pero usando bots. Con WW, el WES específico de Facebook el equipo de investigación toma la plataforma de Facebook sin interfaz y sin sus usuarios humanos, y la llenan de bots. Los bots pueden hacer lo mismo que los seres humanos en la red social, hacerse amigos entre ellos, mandarse mensajes o comentar el contenido de otros bots. Hasta aquí es exactamente lo mismo que tenemos en Facebook con millones de bots interactuando entre ellos, pero lo interesante viene cuando se «recompensa» a alguno de esos bots por comportarse inapropiadamente, ahí es cuando ocurre la «magia», y los científicos pueden ver qué pasa y con los datos que obtienen, predecir comportamientos inapropiados de usuarios reales. Obviamente todo este entorno está aislado del Facebook del usuario. Cuando hablamos de «recompensar» un bot, no es como entendemos dar un premio a un ser humano, sino que se le especifica un objetivo al bot que actúa como recompensa, y el robot busca la manera más eficiente de llegar a ese objetivo en millones de repeticiones. Es lo que se conoce como «deep learning», decirle al robot dónde tiene que llegar pero sin decirle el cómo. Usando estas metodologías, se encuentran nuevas formas de comportamiento inapropiado, replicando la velocidad, escala y realismo de la redes sociales, con escenarios altamente complejos, y así llegar a preverlos. Mark Harman, el científico investigador responsable de WES en Facebook, explicó en una analogía que lo que quieren crear es el equivalente del badén. El radar de velocidad pone la multa cuando ya se han infringido las reglas, eso es fácil de detectar y el resultado en Facebook es cancelar la cuenta del usuario que lo hace, pero los badenes te avisan para que reduzcas la velocidad antes de sobrepasarla, o lo que es lo mismo, previenen la infracción. El objetivo de Facebook es que este sistema funcione en cualquier red social y sea capaz de prevenir malos comportamientos antes de que ocurran. Por ejemplo, si un usuario de Facebook intenta comprar armas a través de la red social, bloquear ese comportamiento antes de que llegue a otros usuarios. Siguiendo con el espíritu de apertura de los centros de investigación de Facebook todo este entorno está disponible para cualquier investigador o científico que se quiera unir a la plataforma aportando sus datos, y mejorando así sus conclusiones. Y aunque WW es el entorno simulado de Facebook, WES se puede utilizar para reproducir cualquier red social. En las redes sociales de escala masiva, es de suponer que también hay usuarios que intentan infringir sus normas de uso. Estas investigaciones buscan prevenir esas infracciones antes de que ocurran, identificando el complejo proceso que supone el comportamiento humano.
