Goedemorgen! Deze week mag ik het account beheren. In dit draadje zal ik me even voorstellen. Mijn naam is Maranke Wieringa (@MarankeWieringa), ik ben promovenda aan de @UniUtrecht. Mijn promotieonderzoek richt zich op 'algorithmic accountability' in Nederlandse gemeenten.
Kort gezegd ben ik benieuwd naar hoe gemeenten rekenschap afleggen over algoritmische systemen. Die systemen kunnen ingewikkeld zijn (bijv. met machine learning fraude ontdekken) of juist simpel (heb je hetzelfde bedrag terugbetaald als overeengekomen in je betalingsregeling?).
Naast mijn promotieonderzoek heb ik ook een gedeeltelijke onderwijsaanstelling. Normaliter geef ik lessen over (geesteswetenschappelijke) data-analyse en tool kritiek (daarover ook meer!).
Ik zeg normaliter, want ik geef sinds deze zomer helaas geen onderwijs omdat ik herstellend ben van een burn-out. Op dit moment ben ik weer 3 uur per dag aan het werk (🎉).
Ik ben opgeleid als media- en cultuurwetenschapster en ben gespecialiseerd in 'critical data studies'/'critical algorithm studies'. Mijn onderzoek bevindt zich ook deels in de bestuurskunde, dus ik ben de laatste jaren een heel nieuw vakgebied aan het ontdekken!
Die interdisciplinariteit is iets wat ik erg waardeer en waarin ik als onderzoeker ook floreer. Ik ben dan ook heel blij dat ik me in verschillende interdisciplinaire groepen bevindt: @data_school, @DatafiedSociety en ons focusgebied Governing the Digital Society. Later meer!
Waar jullie deze week ook e.e.a. over zullen lezen is over hoe het is om de universiteit te navigeren met een handicap.
@ErwinDijkstra6 schreef daar eerder op dit account al over mbt zijn visuele beperking, ik zal jullie iets meer vertellen over het kruispunt tussen fysieke beperkingen en de universiteit.
Vanwege mijn chronische ziekte ben ik chronisch vermoeid en heb ik een beperkte fysieke belastbaarheid. Dat brengt af en toe uitdagingen met zich mee, want hoewel we graag doen voorkomen dat het in de wetenschap vooral om je hoofd gaat, zit dat hoofd toch vast aan een lijf. 😉
Tot slot ben ik erg benieuwd waar jullie graag iets meer over zouden willen horen! Schroom dus niet om iets te vragen en mijn warrige burn-out hoofd en ik zullen ons best doen om het te beantwoorden de komende week! 🙂
• • •
Missing some Tweet in this thread? You can try to
force a refresh
Er zijn inderdaad veel manier waarop data gebiased kan zijn, zeker in dit soort contexten. Heel veel van dit soort oplossingen staan of vallen met hoe goed mensen zich er van bewust zijn dat data nooit een 'gegeven' is maar gemaakt wordt.
Data is nooit een doorgeefluik van de werkelijkheid, we máken data. We kiezen ervoor om iets te tellen bijvoorbeeld, en maken keuzes in wat wel en niet meegenomen wordt. Tot op zekere hoogte is dat arbitrair (goede nieuws: daar kunnen we wel verantwoording over afleggen!).
Met dat in het achterhoofd is een eerste stap om je sterk afvragen wat zegt deze data wel en vooral ook niet. En vervolgens: wat kunnen/mogen/willen we hier dan wel of niet mee? Wat betekenen deze keuzes voor gebruikers of burgers?
Mijn dag verloopt iets anders dan gepland. Ik zou nu eigenlijk aan een methodologisch artikel werken met twee collega's over hoe je een data-tool kunt bevragen vanuit meerdere perspectieven, maar de afspraak is verschoven naar februari.
Nu dus eerst de middag voorbereiden! @yloukissas komt iets vertellen over zijn boek 'All data are local' bij ons departement. Aansluitend gaan we als departement nadenken of we een boek kunnen schrijven over een media/cultuurwetenschappelijk perspectief op data.
Of ik zelf mee werk daaraan weet ik nog niet. Mijn focus moet echt liggen bij mijn promotieonderzoek de komende tijd. Met een beperkte energie (= niet kunnen overwerken) en een beperkte inzetbaarheid (momenteel ca. 3 uur per dag), moet je immers keuzes maken. 🙂
Alvast iets meer over mijn onderzoek. 'Algorithmic accountability' betekent zoveel als hoe kunnen we rekenschap geven van (de keuzes rondom) algoritmes. Tekst en uitleg dus, over de proportionaliteit bijvoorbeeld, of waarom je dingen doet met je algoritme zoals je doet.
Belangrijk is dat rekenschap niet consequentieloos en vrijblijvend is. Het is daarmee meer dan 'transparant zijn', omdat je iemand tekst en uitleg verschuldigd bent en op je handelen aangesproken kan worden en in een uiterst geval sancties opgelegd kan krijgen.
Algorithmic accountability is daarmee iets anders dan bijvoorbeeld explainable AI (XAI), waarin er modellen worden gemaakt om algoritmes transparant te maken. Wel is zulke transparantie enorm behulpzaam in rekenschapsprocessen.
Laatste avond! Zoals dat hoort in de wetenschap, ronden we af met de literatuurlijst. In dit geval wil ik verschillende bronnen en mensen met jullie delen, die mij hebben geinspireerd, in de loop der jaren. Het is geen volledige lijst, natuurlijk.
Ik studeerde af bij de magnifieke @Pim_Haselager, theoretisch psycholoog en filosoof. Ik denk dat ik nog altijd ergens in mijn achterhoofd met Pim een gesprekje voer, als ik over dingen nadenk. Hij spreekt geregeld in het land, over robots, en ethiek, dus gaat hem vooral zien.
Tijdens mijn studie had ik veel diepgaande discussies met @IrisVanRooij, tegenwoordig ook een actieve en invloedrijke twitteraar in de cognitiewetenschap, die ook zeker het volgen waard is, als je haar niet al lang volgt.
Wat hebben we aan geschiedenis als het om het burqa-verbod (al gaat het in Nederland vooral om de niqab, waarbij je de ogen nog steeds kunt zien) gaat? Bevinden we ons op een glijdende schaal van steeds verdergaande stigmatisering van moslims? (een draadje)
In mijn proefschrift over de geschiedenis van zigeuners (1990) heb ik de theorie van mijn promotor Dik van Arkel gebruikt om antisemitisme in de afgelopen 2000 jaar te verklaren. Volgens zijn model moet er aan 3 voorwaarden worden voldaan voordat pogroms daadwerkelijk uitbreken
1) systematisch verspreiden van 'n negatief beeld door gezaghebbende instanties (de kerk, de staat); 2) sociale afstand waarbij de gestigmatiseerde groep gesegregeerd woont, slechts in bepaalde beroepen werkzaam is, onderling trouwt; 3) geweld door of getolereerd door de staat
Ik ga het niet hebben over allerlei vormen van kwalitatief onderzoek (kwal), of over analyse methodes omdat eea dan mogelijk te complex en technisch wordt voor twitter. Focus is dus vooral interviews (1-op-1) en focusgroepen (met een groep mensen in gesprek).
1. “Dat doe ik wel even”. Soms wordt gedacht dat interviewen/een focusgroep leiden makkelijk is, maar het vergt nogal wat van iemand. Je dient veel tegelijkertijd te doen: luisteren, laten zien dat je luistert, parafraseren, doorvragen waar nodig en nagaan of je alles hebt.
Je probeert een constante balans te houden tussen hetgeen jij als onderzoeker wilt weten en hetgeen de geïnterviewde vertelt (en de volgorde daarvan). En dit komt niet altijd overeen.