Date
Akademický rok 2024/2025 v Dánsku svedl dohromady tři původně české vysokoškolské studijní dráhy a výsledkem bude doslova neopakovatelná možnost zjistit, jaké poznatky si na těchto cestách osvojily. Zpět do Čech přivezou v říjnu 2025 perspektivy a výstupy z Erasmu, magisterského studijního programu Applied Cultural Analysis a doktorského studijního programu Social Data Science na University of Copenhagen a volně tak navazují na sérii přednášek Sociologického zahraničení, tentokrát v edici Dánsko.
1. příspěvek: Dánský welfare state aneb Řídit stát skrze solidaritu
Dánský model sociálního státu je v Evropě často považován za příkladný. V průběhu 21. století se ale i on potýká s rostoucími tlaky na přechod od principu univerzalismu k vyšší zásluhovosti, s narůstajícími nerovnostmi a s tendencí snižovat výdaje státního rozpočtu. První příspěvek proto na základě poznatků z absolvovaného předmětu Advanced Welfare, Inequality and Mobility představí klíčové aspekty skandinávského "welfare state" v oblastech jako je trh práce, vzdělávací systém a sociální mobilita, a to jednak s důrazem na změny, které se v těchto oblastech odehrály v posledních 25 letech a jednak se záměrem porovnat tyto aspekty se stavem v Česku. Posluchačstvo se v tomto příspěvku mj. dozví, zda česká "flexinovela" zákoníku práce z tohoto roku skutečně snese označení "inspirováno Dánskem", jaké je postavení českých a dánských vysokoškolských studentů v kontextu nedávných reforem financování vysokoškolských studií v obou zemích, nebo jak vypadá "American Dream" v zemi, kterou lze z mnoha důvodů označit za protipól Spojených států amerických.
2. příspěvek: Využití counterdat ve veřejném prostoru: Veřejné záchody a ženy bez přístřeší
S nárůstem zájmu o strategie Smart-cities a datafikaci urbánních prostor se data využívají v nejrůznějších oblastech urbánních politik. Shromažďování dat tak slouží pro rozhodování o fyzické formě a využití veřejných prostor a o osobách, která je využívají a definují za jakých podmínek. Veřejné prostory měst nejsou využívány homogenní skupinou obyvatelstva, z tohoto důvodu je nutné data sbírat a zpracovávat v definovaném a lokálním kontextu, podporovat pluralitu a zahrnovat nejen kvantitativní postoj, a to pro zohlednění reálného, nejen předpokládaného využívání prostorů. V mém výzkumu se soustředím na možnost využívání counterdat v participačním výzkumu pro ilustraci mocenských struktur, které v datech existují. Má případová studie se soustředí na data o veřejných záchodech v Kodani jako prostoru klíčového pro ženy bez přístřeší. Využívá sběru kvalitativních a kvantitativních counterdat ve spolupráci s lokální neziskovou organizací dle cílů datové informovanosti radnice města Kodaně. Výsledky ukazují, že aktuální data o veřejných záchodech nereflektují potřeby žen bez přístřeší. Participační výzkum umožnil vytvořit cílené návrhy změn v různých oblastech využití dat a jejich začlenění. Současně pracuje s přetrvávajícím nedostatkem dat o potřebách a zkušenostech žen bez přístřeší.
3. příspěvek: Férovost prediktivních algoritmů v systémech včasného varování vzdělávacího neúspěchu
Prediktivní modely pracující s masivním množstvím dat čím dál častěji rozhodují o tom, komu se dostane podpory a to i ve vzdělávání. Jedním z příkladů takových prediktivních modelů jsou tzv. systémy včasného varování, které mají za cíl identifikovat studenty v riziku předčasného ukončení studia a umožnit včasnou intervenci. Tyto systémy mohou fungovat průběžně, od nástupu do studia až po několik let jeho průběhu. V reálném prostředí se však mění jak samotní studenti, tak jejich studijní dráhy, což může ovlivnit jak přesnost, tak férovost predikcí mezi různými skupinami například podle pohlaví, původu nebo socioekonomického zázemí studentů. V našem výzkumu využíváme celostátní data o vysokoškolských studentech v Dánsku a sledujeme, jak se férovost algoritmu pro predikci předčasného ukončení studia vyvíjí v různých fázích akademického kalendáře. Zjišťujeme, že férovost není neměnná. Největší rozdíly mezi skupinami se objevují přibližně po roce studia, což je zároveň běžný moment pro hodnocení těchto systémů. Tato zjištění přinášejí poznatky pro návrh spravedlivých datových systémů ve veřejné sféře, kde AI a prediktivní modely stále častěji rozhodují o přístupu k podpoře.
