Actividad 3 - 4. Ética y privacidad

4. Ética y privacidad

A la hora de tratar datos de estudiantes y profesores, como con cualquier tipo de dato que se pueda dar y recoger digitalmente, es importante informar a las partes implicadas del proyecto del que van a tomar parte, en este caso, un proyecto de analítica de datos. 

Cuando se trata de plataformas digitales como las de una red social, se hace "firmar" al usuario, confirmando que ha "leído y aceptado las condiciones de privacidad". Cuando se trata de una página web, tipo blog, periódico digital o similar, hace no demasiados meses aparecieron las llamadas cookies, sin la aceptación de las cuales se hace difícil (a veces imposible) navegar por dichas webs.

En el caso de la analítica de datos que nuestra empresa realizaría, estamos hablando de un paso más allá. Por ello, es importante informar del servicio y los procedimientos que se van a llevar a cabo (con los datos del alumnos, sus clicks, actividad en la plataforma, visita de contenidos, entrega de tareas, etc) mediante lo que se conoce como consentimiento informado. Según Domínguez (2018), este es el arma más poderosa para afrontar los posibles problemas éticos que puedan surgir tras el uso y trato de los datos.

Otro aspecto a tener en cuenta es la plataforma que se use para llevar a cabo el proceso enseñanza-aprendizaje del curso online en cuestión. Existe numerosas aplicaciones cuyas herramientas y espacios son inmejorables, pero que pertenecen a una empresa mayor que también recaba los datos que se comparten. Es decir, mediante el uso de determinadas aplicaciones, como Google Classroom, Additio o Idoceo, se está compartiendo información de gran valor a terceros, lo que podría llevar a un mal uso de dichos datos por estos terceros "dueños" de los mismos. Es necesario que los docentes sean conscientes de este hecho antes de proceder implementar un tipo de actividad online en general (ya sea dentro o fuera de un curso) y que informen a los alumnos (y a los padres si son menores de edad) de las implicaciones que tiene usar una u otra plataforma. 

Para intentar lograr un análisis de los datos lo más ético posible, volvemos al comienzo de este informe (introducción), donde se propusieron 5 prácticas a llevar a cabo en el análisis de datos en educación, para obtener un enfoque predictivo de forma ética (Domínguez, 2018 y Ekowo & Palmer, 2016):

1. Tener una visión y un plan: a la hora de usar datos, establecer un plan ayudará a su análisis predictivo, evitando un posible mal uso de los mismos. Así se consigue también la implicación del personal, escogiendo al mejor posible para los resultados que se quieren obtener, y evitando personal poco comprometido con la causa. 

2. Construir una infraestructura de apoyo: asegura el cumplimiento del plan. Se sigue en tres pasos: 1) comunicando los beneficios del plan predictivo para la institución, es decir, los nuevos ingresos que se generarán del éxito del proyecto (mayor finalización y satisfacción general de estudiantes); 2) desarrollar procesos sólidos de gestión de cambio, implicando a los gestores en el propio proceso; 3) evaluar la capacidad institucional en cuanto a su disponibilidad de tecnología apropiada para llevar a cabo el curso online, talento del personal, servicios que ofrece, recursos y materiales y habilidades para analizar los datos siguiendo el plan inicial.

3. Trabajar para garantizar un uso adecuado de los datos: es uno de los apartados más importantes en el aspecto ético del proyecto. Se trata de establecer una serie de algoritmos lo más precisos posible para que la predicción que proporcionan los datos ayude a los estudiantes en su progreso durante el curso. Para ellos hay que: 1) asegurar que los datos estén completos, sean de calidad suficiente y sean interpretados con precisión; 2) asegurar que los estudiantes y el personal sean conscientes del uso de sus datos para el proyecto (como comentábamos anteriormente); 3) garantizar la privacidad de los datos y vigilar su seguridad, evitando en la medida de lo posible plataformas digitales de terceros o posibles hackeos de las plataformas más seguras.

4. Diseñar modelos de análisis predictivo y algoritmos que eviten sesgos: en muchas ocasiones han sido y son utilizados los algoritmos para dejar fuera a determinados sectores de la población. Garantizar el no-sesgo de los algoritmos desde nuestra empresa es una tarea compleja, pero fundamental para mantener el valor ético del proyecto, ya que de lo contrario se estaría yendo contra el derecho de igualdad que tenemos los seres humanos. Para ello, el personal programador de los algoritmos deberá ser de alta confianza y estar bien instruido en no generar algoritmos que, intencionada o desintencionadamente, creen un sesgo.

5. Aplicar intervenciones adecuadas y coordinadas: como último paso en la garantía de aplicación ética, es necesario 1) comunicar al personal y a los estudiantes el modelo concreto de análisis de datos que se va a llevar a cabo desde nuestra empresa; 2) incorporar la predicción a las medidas de apoyo a los profesores y estudiantes; 3) comunicar a los implicados antes mencionados la puesta en práctica de las intervenciones de nuestra empresa; 4) formar al personal sobre los sesgos implícitos e inevitables en muchos casos que se dan en el análisis predictivo; 5) formar a los propios estudiantes del curso para que sepa utilizar sus propios datos; 6) evaluar y probar la efectividad de las intervenciones de la analítica de datos antes de su aplicación a un caso real.

Como se dice en Davidson (2019), la capacidad de recopilar datos será una habilidad muy importante en las próximas décadas. En manos de empresas como la nuestra, Data For Education, es nuestra misión que esos datos no acaben en manos indeseadas, y que todo uso que se pueda hacer de ellos sea para implementar mejoras, no para abusar de ellos.