In: Frank Gadinger, Martina Kopf, Ayşem Mert, and Christopher Smith (eds.). Political Storytelling: From Fact to Fiction (Global Dialogues 12) This essay presents a summary of important perspectives concerning the distinction between what counts as truth or fiction. As a source of inspiration, it starts with two examples found in literature – the first a classical Spanish novel and the second a collection of stories written by the leader of a social movement in Mexico. These two examples of the conflictive relations between truth and fiction, authenticity and imagination serve as a source of inspiration for the rest of this article, which shows that this issue has been a subject of intense debate in philosophy and in the philosophy of science and still presents a challenge in the 21st century. The essay states that absolute, objective truth is a myth. It describes that what counts as ‘truth’ in a particular era, is, among other things, the result of power relations. It suggests productive ways to deal with this problem in modern society, through deliberative, emancipatory processes of reflexivity (Weick 1999), participatory research and dialogue, facilitating innovation and generation of new solutions.
LINK
De analyse van data over het leren van studenten kan waardevol zijn. 'Learning analytics' gebruikt studentdata om het leerproces te verbeteren. Welke organisatorische vaardigheden hebben Nederlandse instellingen voor hoger onderwijs nodig om learning analytics succesvol in te zetten?Doel We onderzoeken welke organisatievaardigheden er nodig zijn om in het hoger onderwijs met 'learning analytics' te werken. Met learning analytics krijgen studenten, docenten en studiebegeleiders inzicht in het leerproces. Dit doen ze door data van studenten te analyseren. In de praktijk blijkt het lastig voor onderwijsinstellingen om hier over de hele breedte van de organisatie mee te gaan werken. We kijken in dit onderzoek welke vaardigheden er nodig zijn binnen een organisatie om 'learning analytics' slim in te zetten. Resultaten Dit onderzoek loopt. Tot nu toe hebben we drie wetenschappelijke artikelen gepubliceerd: A First Step Towards Learning Analytics: Implementing an Experimental Learning Analytics Tool Where is the learning in learning analytics? A systematic literature review to identify measures of affected learning From Dirty Data to Multiple Versions of Truth: How Different Choices in Data Cleaning Lead to Different Learning Analytics Outcomes Looptijd 01 december 2016 - 01 december 2020 Aanpak Het onderzoek bestaat uit literatuuronderzoek, een case study bij Nederlandse onderwijsinstellingen en een validatieproject. Dit leidt tot de ontwikkeling van een Learning Analytics Capability Model (LACM): een model dat beschrijft welke organisatorische vaardigheden nodig zijn om learning analytics in de praktijk toe te passen.
De analyse van data over het leren van studenten kan waardevol zijn. 'Learning analytics' gebruikt studentdata om het leerproces te verbeteren. Welke organisatorische vaardigheden hebben Nederlandse instellingen voor hoger onderwijs nodig om learning analytics succesvol in te zetten?Doel We onderzoeken welke organisatievaardigheden er nodig zijn om in het hoger onderwijs met 'learning analytics' te werken. Met learning analytics krijgen studenten, docenten en studiebegeleiders inzicht in het leerproces. Dit doen ze door data van studenten te analyseren. In de praktijk blijkt het lastig voor onderwijsinstellingen om hier over de hele breedte van de organisatie mee te gaan werken. We kijken in dit onderzoek welke vaardigheden er nodig zijn binnen een organisatie om 'learning analytics' slim in te zetten. Resultaten Dit onderzoek loopt. Tot nu toe hebben we drie wetenschappelijke artikelen gepubliceerd: A First Step Towards Learning Analytics: Implementing an Experimental Learning Analytics Tool Where is the learning in learning analytics? A systematic literature review to identify measures of affected learning From Dirty Data to Multiple Versions of Truth: How Different Choices in Data Cleaning Lead to Different Learning Analytics Outcomes Looptijd 01 december 2016 - 01 december 2020 Aanpak Het onderzoek bestaat uit literatuuronderzoek, een case study bij Nederlandse onderwijsinstellingen en een validatieproject. Dit leidt tot de ontwikkeling van een Learning Analytics Capability Model (LACM): een model dat beschrijft welke organisatorische vaardigheden nodig zijn om learning analytics in de praktijk toe te passen.
Dit onderzoeksproject heeft als doel om na te gaan wat de gevolgen zijn van het ge-bruik van door algoritmes gestuurde tools op de onafhankelijkheid, objectiviteit, be-trouwbaarheid en transparantie van de journalistiek en hoe het bewustzijn over de werking van algoritmes onder journalisten vergroot kan worden. Een van de grote problemen van de huidige journalist is de overdosis aan informatie. Terwijl nieuwsmakers voorheen, gewapend met pen en papier, met hun informanten in gesprek gingen en een overzichtelijke hoeveelheid (papieren) documenten door-spitten, is het tegenwoordig onmogelijk zicht te houden op alle beschikbare informa-tie. Het wereldwijde datavolume neemt naar verwachting exponentieel toe: wat in 2013 nog 4.4 zettabyte was, zal in 2025 gegroeid zijn naar 163 zettabyte. Maar soft-ware-tools die zoek- en selectieprocessen automatiseren, faciliteren het werk van journalisten. In afgelopen jaren zijn er ten behoeve van het journalistieke research-, redactie- en verificatieproces steeds meer digitale, geautomatiseerde en zelflerende ofwel zogenoemde AI (artificial intelligence) tools op de markt verschenen. Hoewel AI-tools en zoekmachines efficiënt zijn in het ordenen, selecteren en verifi-eren van data, zijn deze tools verre van objectief. Dit komt met name door de achter-liggende algoritmes. Die zijn niet neutraal. Vandaar deze kritische blik op de inzet van geautomatiseerde tools in de journalistiek, nodig vooral in deze zogenaamde ‘post-truth’-tijden. Door alle ophef over de verspreiding van desinformatie, staat de journa-listiek onder druk. De noodzaak van objectieve, relevante en onafhankelijke journalis-tiek is groter dan ooit. Uit gesprekken met journalisten en data-experts uit de journalistieke praktijk blijkt dat velen de werking van algoritmes niet begrijpen, laat staan dat ze door hebben hoezeer ze daardoor bij het vinden, selecteren en verifiëren van informatie gestuurd worden. Vandaar dit onderzoek: na te gaan hoe journalisten AI kunnen inzetten zonder dat het de journalistieke waarden van onafhankelijkheid, betrouwbaarheid en transparantie ondermijnt.
