acm-header
登录

ACM通信

教育

是时候进行更批判性的CS教育了


带有数字和符号的头部,插图

图片来源:Andrij Borys Associates, Shutterstock

我们生活在不确定的时代。一场全球性流行病打乱了我们的生活。我们支离破碎的经济正在迅速重组。气候变化迫在眉睫,虚假信息泛滥,战争一如既往地笼罩着数百万人的生命。每一场全球危机的核心都是长期得不到服务、处于边缘地位、受压迫和受迫害的人,他们往往是社会、经济、环境和技术变革悲剧的第一个受害者。3.

您可能认为这些问题与计算没有什么关系。但你错了。计算在社会中的交织不仅使计算卷入了这些危机,而且在许多方面将计算置于危机的中心。计算机越来越多地成为我们交流的中介。自动化正在加速经济结构调整,使工作不稳定,并使劳动力贬值。对信息的需求增加了碳排放和稀有金属的开采。社交媒体正在放大谎言。互联网是现代战争的新战场。在所有这些系统中,数据和算法放大了种族主义、性别歧视、异性恋歧视、残疾歧视、年龄歧视、仇外心理、顺异性恋规范,以及其他形式的不平等、不公正和偏见。23.计算不是在真空中发生的:它塑造了并被不断发展的社会、文化、制度和政治力量所塑造。

许多人似乎看不到计算与不公正之间的联系,包括那些首当其冲遭受这些不公正待遇的人。一些年轻人在成长过程中将电脑视为带来快乐、逃避和联系的神奇机器。其他人则将其视为暴力、性骚扰、网络欺凌、成瘾和孤立的载体。一些成年人认为计算机是经济增长和进步的力量。另一些人则在贷款资格、工作安排和失业保险方面受制于不公平的算法决策,但缺乏计算能力来对抗这些算法设计的权威声音。与此同时,我们许多从事计算学科的人,虽然高兴地庆祝计算作为社会变革的工具,1忽视它在这些不公正中的作用,2在某些情况下,不要认为计算机是一种独立于社会的价值中立工具。

我们和其他人一样争论,5让社会看到这些不公正是计算机科学教育者的责任。毕竟,教育工作者掌握着塑造公众对计算机的看法的力量。我们通过课堂上关注的问题来做到这一点;通过我们选择的教学对象;我们如何塑造学生的职业选择;以及我们如何向记者、社会科学家和社会概念化计算。这个世界对计算机有一些关键的问题,现在是我们开始教授更多关键答案的时候了。

虽然可以教授的观点有很多,但我们认为有三个观点是关键。

回到顶部

计算已经限制

计算是强大的,这种能力的诱惑是令人信服的。正是它驱使着学生们来到我们的教室,正是它引发了全世界中小学全民计算机教育的呼吁,正是它使我们中的一些人的生活比以往任何时候都更好,它提供了更多的信息、联系、机会和声音。

但是对计算的无限力量的信念让我们中的许多人相信计算总是会让事情变得更好。1这与事实相去甚远。例如,法官们已经开始将量刑决定委托给累犯预测软件,而对这些预测所依据的带有种族偏见的数据一无所知。我们的全球气候协议在很大程度上建立在这样一种假设之上:拯救我们于灾难的将是技术,而不是行为的改变。投资者扩大了以计算为基础的零工经济,不是因为它本质上是一种更人道的人力劳动形式,而是因为它使一小部分私人投资者获利,为那些有手段和金钱的人节省了一点时间。

所有这些令人不安的趋势都来自于一组新狂热的神话:软件永远是正确的,软件永远是价值中立的,软件可以解决所有问题。计算机科学教育必须用软件往往是错误的现实来取代这些观念;软件总是嵌入它的创造者的价值观和偏见;软件只能解决一些问题,而很多情况下会产生新的问题。

回到顶部

数据的限制

没有数据,计算就没有什么价值。人们上Facebook不是为了新闻推送算法,而是为了他们的朋友和家人写的内容。人们访问谷歌、百度和Yandex不是为了排名算法,而是为了数百万人精心编写的网页。人们看Netflix、爱奇艺和腾讯不是为了他们的推荐,而是为了看电视、电影和活动。虽然这些算法很有用,但它们的价值取决于它们处理的数据质量:不完美的、有偏差的输入会导致不完美的、有偏差的输出。3.


无论是通过直接收集还是通过间接使用,数据都对计算造成了许多危害。


但计算往往是数据的下属,忽略了创建数据的成本、数据产生的个人和社会背景,以及数据在全球危机和不公正中的作用。毕竟,是对数据的渴望驱动着数据中心的碳输出;正是有偏见的数据集,使得面部识别算法对白人如此有效,使其他所有人都面临被自动监控意外起诉的更大风险;机场安检扫描仪对顺性规范的身体进行了双重分类,导致变性人和非变性人因“身体异常”而受到身体上的骚扰。2无论是通过直接收集还是通过间接使用,数据都对计算造成了许多危害。

因此,所有计算机科学教育者必须教授信息科学和图书馆员早就知道的东西:数据总是关于过去而不是未来;数据总是一种不完美和有偏见的记录,编码了其创造者的价值观、信念和想法;对数据不正确的解释和使用会以不平等的方式伤害人们。4

回到顶部

CS有责任

CS教育的许多早期概念都将计算视为一种表达媒介。这种观点占据了主导地位:我们赞美学生和公司创造的东西,部分原因是认识到编程固有的困难。但是,尽管我们非常关注学生如何创造东西,以及他们的创造对世界的影响程度,我们却常常把创造什么的道德选择留给个人和投资者。

然而,开发人员在使用计算进行创作时所做的选择并不纯粹是个人或资本主义的。它们本质上是社会性和群体性的,并充满了价值判断。例如,当一个计算机专业的毕业生接受他们的第一份工作时,他们是在支持和投资他们所选择的公司的价值观;应该支持学生反思这一背书。同样,当谷歌的工程师在内部抗议为中国创建一个受审查的搜索引擎时,他们这样做不仅代表他们自己,也代表中国和世界其他地区。

各级计算机科学教育必须以这些责任和价值紧张关系为中心,确保所有人——不仅仅是计算机科学专业的人——理解开发软件是对社会的集体责任。

回到顶部

的方式前进

许多人对这些担忧的回应是提倡每个人都学习编码,认为编程迫使我们面对计算的局限性、数据的必要性以及程序员在塑造软件中的作用。但学习编程往往会让人们认为程序是强大的而不是危险的,数据是抽象的和没有偏见的,程序员是聪明的巫师而不是社会演员。然而,知道如何编码的人比以往任何时候都多,在CS教育和工业中,对计算的批判性观点仍然很少。

什么会让它们变得更普遍?旨在培养计算机的批判性素养,帮助每个人理解驱动计算机的社会和文化系统,以及被计算机破坏的社会和文化系统。这意味着教育小学、中学和高等学校的计算机教师,他们可以帮助每个人把计算机看作是一种强大的表达媒介而且一个危险的压迫工具。这意味着要培养能够培养学生集体公民责任感的CS教师。它不仅仅意味着计算机专业的道德要求:它意味着从道德、伦理和社会的角度重新塑造计算机本身。


要实现更加批判性的CS教育,不仅需要教师,还需要CS教育研究。


要实现更加批判性的CS教育,不仅需要教师,还需要CS教育研究。我们如何教授计算机的局限性,并将其转移到工作场所?我们如何让学生相信他们对自己的创造负责?乍一看,数据似乎毫无生气,我们怎么能让它的巨大力量和潜在危害显现出来呢?教育如何为那些有意义地优先考虑社会公益事业的组织创造路径,而那些不这么做的公司的薪水却在不断上涨?我们如何培养优秀的小学、中学和大专教师,以一种符合当地需求和价值观的方式,公平地向每个人教授这些思想?

如果我们能回答这些研究问题,并在我们的教学中实施它们的影响,我们可能会看到学生们为计算机创造(并要求)一个更包容的未来。我们可能会看到社交媒体稳定了自由新闻和民主,而不是取代它。我们可能会看到新一代的学生选择将他们的技能投入到更广泛的全球问题中,如医疗保健、能源、教育和政府。我们可能会看到算法和机器学习的更公正的使用。

这些未来的工作才刚刚开始。世界各地的研究人员正在将他们的注意力转移到算法公平、数据偏差和CS伦理教育上。基层社区正在推进设计公正,批判性地分析计算在社会中的作用。2即使是ACM自己的未来计算学院(Future of Computing Academy),它定期召集新的计算教师来展望这一学科,最近也呼吁计算机科学不要有更多的创新、影响力或影响,而是要更加谦逊。这些计算机领域之外的草根运动,以及我们自己在计算机领域的新对话,都激发了一些希望。现在是时候将这种希望转化为更关键的CS教育了。

回到顶部

参考文献

1.埃姆斯M.G.魅力机器:每个孩子一台笔记本电脑的生、死和遗产。麻省理工学院出版社,2019年。

2.Costanza-Chock, S。设计公正:社区主导的实践来构建我们需要的世界。麻省理工学院出版社,2020年。

3.奥尼尔,C。数学毁灭的武器:大数据如何增加不平等和威胁民主。百老汇图书,2016年。

4.鲁宾(Rubin):学习用数据推理:我们是如何走到这一步的?我们知道什么?学习科学杂志291(2020)。

5.伦理、认同和政治愿景:在计算机科学教育中走向以正义为中心的公平方法。哈佛教育评论881(2018)。

回到顶部

作者

艾米·j . Koajko@uw.edu)是美国华盛顿州西雅图市华盛顿大学信息学院的教授。

Alannah奥尔森olesona@uw.edu)是美国华盛顿州西雅图市华盛顿大学信息学院的博士生。

尼尔·瑞恩neilryan@cs.washington.edu)是美国华盛顿州西雅图市华盛顿大学保罗·g·艾伦计算机科学与工程学院的博士生。

Yim注册yreg@uw.edu)是美国华盛顿州西雅图市华盛顿大学信息学院的博士生。

本杰明谢bxie@uw.edu)是美国华盛顿州西雅图市华盛顿大学信息学院的博士生。

米娜塔里minatari@uw.edu)是美国华盛顿州西雅图市华盛顿大学信息学院的博士生。

马修•戴维森mattjd@uw.edu)是美国华盛顿州西雅图市华盛顿大学教育学院的博士生。

普Drugast3f@uw.edu)是美国华盛顿州西雅图市华盛顿大学信息学院的博士生。

Dastyni Loksadloksa@towson.edu)是美国陶森大学的助理教授。

回到顶部

脚注

本专栏摘自第一作者2019年在ACM科利呼叫会议上的主题演讲,可在以下网站获得http://faculty.uw.edu/ajko/talks


版权归作者所有。
向所有者/作者请求(重新)发布权限

数字图书馆是由计算机协会出版的。版权所有©2020 ACM, Inc.


没有发现记录

登录为完全访问
»忘记密码? *创建ACM Web帐户
文章内容:
Baidu
map