Detailansicht

Extras in the theater of big data

fitting students into an algorithm

Thomas Kuipers

Art der Arbeit

Masterarbeit

Universität

Universität Wien

Fakultät

Fakultät für Sozialwissenschaften

Studiumsbezeichnung bzw. Universitätlehrgang (ULG)

Masterstudium Science-Technology-Society

Betreuer*in

Maximilian Fochler

URN

urn:nbn:at:at-ubw:1-11163.40821.529398-4

Link zu u:search

(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract

(Deutsch)

“Algorithmen”, “Big Data” und “Künstliche Intelligenz” stoßen sowohl in den Breitenmedien, als auch in mehreren akademischen Disziplinen, wie Wissenschafts- und Technikforschung (STS) und Kritische Datenstudien (CDS) auf reges Interesse. Diese Begriffe beziehen sich vorwiegend auf Methoden der Datenwissenschaft, werden jedoch auch oft gemeinsam mit abstrakten Behauptungen über deren disruptive Kräfte auf unterschiedliche Teile der Gesellschaft, wie z.B. die Privatwirtschaft als auch den öffentlichen Sektor in Verbindung gebracht. Auch im Bildungswesen kann man zum einen vermehrte Behauptungen über anstehende, durch Algorithmen ausgelöste Umwälzungen, und zum Anderen auch die tatsächliche, rasant fortschreitende Ausbreitung von algorithmischen Systemen beobachten. Obwohl sowohl Vertreter der STS- als auch der CDS-Studien sich bereits mit der Einführung von algorithmischen Systemen in das Bildungswesen befasst haben, gibt es jedoch relativ wenige Studien dazu, wie diese Systeme tatsächlich konstruiert werden. Den Kern dieser Masterarbeit bildet eine empirische Fallstudie über eine IT Beratungsfirma, welche ein algorithmisches System für eine niederländische Berufsbildungslehrgangseinrichtung (MBO) entwickelt hat. Der Algorithmus hatte ursprünglich zum Ziel, jene Studierende zu identifizieren, welchen eine hohe Wahrscheinlichkeit vorausgesagt wurde, die MBO zu verlassen, bevor sie ihr Diplom erhalten. Obwohl der Algorithmus eine hohe Treffsicherheit erzielte, wurder er jedoch nie in der Schule eingesetzt und das Projekt wurde letztendlich nicht fortgeführt. In dieser Arbeit gilt mein besonderes Interesse jenen, die vom Algorithmus “vermessen” und klassifiziert wurden: den Studierenden. Mit Hilfe der “Social Construction of Technology” - Theorie (SCOT) und der Akteur-Netzwerk-Theorie (ANT) analysiere ich wie dieses bestimmte algorithmische System im Rahmen eines sozialen Prozesses konstruiert wurde. Besonderes Augenmerk gilt dabei der Rolle der Studierenden innerhalb des sozialen Prozesses und wie die Rolle der Studierenden von den anderen relevanten Gruppen konzeptionalisiert wurde. Anhand der Grounded Theory Methodologie werden insgesamt sechs Interviews und mehrere relevante Dokumente analysiert. Die Forschungsergebnisse dieser Masterarbeit liefern wichtige Erkenntnisse über die soziale Konstruktion von algorithmischen Systemen. Ich verfechte dabei den Ansatz, dass die Entwicklung dieser Algorithmen im Kontext von einem stark auf Zahlen ausgerichteten Verwaltung-Stil verstanden werden muss und dass die Kritik an Algorithmen den breiteren gesellschaftlichen Rahmen beinhalten sollte. Ebenso hat die enge Zusammenarbeit zwischen der Bildungseinrichtung und der IT Beratungsfirma eine wesentliche Rolle im Zustandekommen dieses Projektes gespielt. Die Beobachtung liegt daher nahe, dass Akteure der Privatwirtschaft einen gewissen Einfluss darüber haben, welche Projekte von öffentlichen Einrichtungen verfolgt werden und welche nicht. Im Rahmen dieses Projektes war es weiters bemerkenswert, dass das Projekt schlussendlich auch darauf abgezielt hat, die Stärken von Big Data, im besonderen die zukünftigen Potentiale offenzulegen. Die Rolle der Studierenden war jedoch hauptsächlich darin beschränkt, als Datenquelle für diese Demonstration zu fungieren.

Abstract

(Englisch)

“Algorithms”, “Big Data”, and “AI” are drawing considerable interest in popular media and several academic fields, such as Science and Technology Studies (STS) and Critical Data Studies (CDS). These terms typically refer to data science techniques, and are often used in conjunction with abstract claims about the disruption of various spheres of society, such as corporate industries and the public sector. Also in the field of education do we see on the one hand claims about algorithmic revolutions and on the other hand the proliferation of algorithmic systems. While some work from STS and CDS has already looked at the practicalities of the introduction of these algorithmic systems into the field of education, there has been seemingly little research on how they are constructed in practice. At the heart of this thesis is an empirical case study of an IT consultancy firm which has developed an algorithmic system for a school of secondary post-vocational education (in dutch: MBO) in The Netherlands. The algorithm can predict which students are likely to drop out before they complete their diplomas. Despite its high accuracy, the system was never adopted in practice and the project was abandoned. In this thesis I am particularly interested in the role of those that were measured and classified by the algorithm: the students. By applying a mixture of The Social Construction of Technology (SCOT) and Actor-Network Theory (ANT), I analyze how the algorithmic system was socially constructed. I focus on the role of the students in the system and how they are conceptualized by the other relevant social groups. A total of six interviews and several documents were analyzed using a grounded theory approach. The results of this thesis provide important insights into the social construction of algorithmic systems. I contend that the development of this system is a continuation of numbers-based government styles and that critique of algorithmic approaches needs to take a broader societal context into account. Furthermore, the collaboration between the school and the IT consultancy firm proved vital in getting the project started. It appeared that private sector actors wield a certain influence over which problems are pursued by public sector institutions. Finally, it was striking that this project seemed focused on demonstrating the power of Big Data, thereby stressing especially its future potential. The students’ roles can be characterized as primarily providing the data that enabled this demonstration.

Autor*innen

Thomas Kuipers

Haupttitel (Englisch)

Extras in the theater of big data

Hauptuntertitel (Englisch)

fitting students into an algorithm

Publikationsjahr

2021

Umfangsangabe

118 Seiten : Diagramme

Sprache

Englisch

Beurteiler*in

Maximilian Fochler

Klassifikation

71 Soziologie > 71.43 Technologische Faktoren

AC Nummer

AC16261303

Utheses ID

59933

Studienkennzahl

UA | 066 | 906 | |

Detailansicht

Abstracts

Schlagwörter