OBERHAUSEN. „Stammestrommel“, die Medienkolumne von Marco Fileccia, Lehrer in Oberhausen. Heute: Data-Mining in die Schule!
Vor wenigen Wochen ließ uns das Bundeskriminalamt schaudern, weil es offenbar mit einer Technik sympathisiert, die in vielen Bundesstaaten der USA angewendet wird. Durch „Data-Mining“ leisten die Sheriffs „predictive policing“, vorbeugende Polizeiarbeit, der „Minority Report“ (vom Autor Philip K. Dick 1956 erschienen und mit Tom Cruise von Steven Spielberg verfilmt) lässt grüßen! Dabei werden durch die Software-Analyse von Daten aus den unterschiedlichsten Quellen Verbrechens-Muster erkannt. Dadurch wollen die Polizisten erkennen können, wann, zum Beispiel an welchen Tagen, um welche Uhrzeit oder bei welchem Wetter in welcher Gegend eine bestimmte Straftat wahrscheinlich ist. Oder auch welcher Täter wann tätig wird, zum Beispiel nach einer Kommunikation mit seinen Kumpels oder eben nicht. Heraus kommen Wahrscheinlichkeiten, die bei Regen in einer Reihenhaussiedlung am Stadtrand mit Autobahn-Zubringer im Umkreis von 10 Kilometer um 18.30 Uhr an einem Donnerstag einen Einbruch wahrscheinlich und eine Polizeistreife sinnvoll erscheinen lassen. Nicht wenige Kritiker nennen das permanente Rasterfahndung und ob diese Methode in Deutschland überhaupt rechtens wäre, ist noch völlig offen.
Lassen wir derlei Kleinigkeiten wie Recht und Gesetz beiseite und übertragen wir Data-Mining in Gedanken in die Schule. Die personenbezogenen Daten aus einer erweiterten Schülerakte, verknüpft mit öffentlich zugänglichen Datenquellen, Videokameras und einer Handy-Überwachung auf dem Schulgelände… „predictive educating“ kann wahr werden… an der George-Orwell-Schule (für die ich zugegebenermaßen so langsam eine kleine Obsession entwickele, die in Wahrheit eine große Angst ist.
Es böten sich ganz neue Möglichkeiten, die es notorischen Zuspätkommern und Schulflüchtern schwer machen würden. Läuft zum Beispiel am Abend das Finale von „Germanys next Topmodel“ (wahlweise „Schlag den Raab“ oder „Promi-Shopping-Queen“), sind Posts der Zielperson in Facebook nach 24 Uhr zu lesen, lebt sie in einem Haushalt mit berufstätigen Eltern und ohne Geschwister, über 5 Kilometer von der Schule entfernt, ist die Wahrscheinlichkeit hoch, dass sich die Zielperson am nächsten Morgen verspätet. Hier könnte das Sekretariat „predictive educating“ leisten und durch einen rechtzeitigen Telefonanruf für Pünktlichkeit sorgen.
Oder… ist in Schulbus-Erreichbarkeit unter 20 Minuten ein großes Einkaufzentrum zu finden, mit einem Medienmarkt inklusive neuester Computerspiele-Technik, der um 10 Uhr öffnet, fehlen die Zielpersonen Y und Z im Unterricht, hat X keinen Breitband-Anschluss zu Hause, ist die Wahrscheinlichkeit hoch, Zielperson X genau dort zur Mathestunden-Zeit ab 10.35 Uhr anzutreffen. Eine kurze Ansprache durch Lehrpersonen um 8 Uhr und X traut sich nicht mehr weg. „Predictive educating“!
Ein Hoch auf Data-Mining! Selbstverständlich müssten die Wetterdaten einbezogen werden (im Winter ist zu spät kommen wahrscheinlicher, Schwänzen seltener, im Sommer umgekehrt), die Dichte beliebter Fächer / beliebter Lehrer in den ersten Stunden und die Frage, welche Filme in den vergangenen 48 Stunden gestreamt wurden (vielleicht mit einem kleinen Klassifizierungsverfahren nach sozialer Erwünschtheit… „Oi!Warning“ erhielte eine 10, „Knallhart“ eine 5 und „Club der toten Dichter“ eine 0).
Vielleicht sagen Sie als Lehrkraft dem jeweiligen Schüler dann, noch bevor ein Wort fällt, einfach „Ich weiß“, wenn der nächste Schüler verspätet in den Unterricht kommt oder sich für das gestrige Fehlen entschuldigen möchte. Und diskutieren anschließend die Gefahren des „Data-Mining“.
Weitere Texte von Marco Fileccia:
Wie ich Technik individuell fördere
Meine Klassenfahrt in digitalen Zeiten
Ein Blick in die „George-Orwell-Schule 2014“
Warum Sie Ihre Schüler im Quizduell besiegen sollten
