Asegurar que los modelos estadísticos generen confianza pública
Aprender lecciones del enfoque para desarrollar modelos para otorgar calificaciones en el Reino Unido en 2020
Resumen ejecutivo
Objeto de este informe
En marzo de 2020, los ministros responsables de la educación en Inglaterra, Escocia, Gales e Irlanda del Norte anunciaron el cierre de escuelas como parte de la respuesta del Reino Unido al brote de coronavirus. Posteriormente, otros anuncios del gobierno confirmaron que no se llevarían a cabo exámenes públicos en el verano de 2020.
Los cuatro reguladores de calificaciones del Reino Unido: Ofqual (Inglaterra), Scottish Qualifications Authority (Escocia), Qualifications Wales (Gales) y el Consejo para el Currículo, los Exámenes y la Evaluación (Irlanda del Norte), recibieron instrucciones de sus respectivos gobiernos para supervisar el desarrollo de un enfoque para otorgar calificaciones en ausencia de exámenes. Si bien los enfoques adoptados fueron diferentes, todos los enfoques involucraron algoritmos estadísticos.
Cuando se publicaron las calificaciones en agosto de 2020, hubo una insatisfacción pública generalizada centrada en cómo se habían calculado las calificaciones y el impacto en la vida de los estudiantes. Las calificaciones en los cuatro países se volvieron a emitir en función de las calificaciones que las escuelas y universidades habían presentado originalmente como parte del proceso para calcular las calificaciones.
La aceptabilidad pública de los algoritmos y modelos estadísticos no había sido un tema tan importante para tantas personas antes, a pesar del aumento en su uso. Como regulador de las estadísticas oficiales en el Reino Unido, nuestro papel es mantener la confianza del público en las estadísticas.
Los modelos y algoritmos estadísticos utilizados por el gobierno y otros organismos públicos son una parte cada vez más frecuente de la vida contemporánea. A medida que aumenta la tecnología y la disponibilidad de datos, el uso de este tipo de modelos en el sector público genera importantes beneficios.
Nos preocupa que los organismos públicos estén menos dispuestos a utilizar modelos estadísticos para respaldar decisiones en el futuro por temor a una reacción de aceptabilidad pública, lo que podría obstaculizar la innovación y el desarrollo de estadísticas y reducir el bien público que pueden ofrecer. Esto se ilustra por el énfasis puesto en no usar algoritmos durante las discusiones sobre cómo se otorgarán las calificaciones en 2021 luego de la cancelación de los exámenes de este año. Por ejemplo, el Secretario de Estado de Educación, al delinear el enfoque para otorgar calificaciones en enero de 2021, declaró que “Este año, confiaremos en los maestros en lugar de en los algoritmos”. [1]
Por lo tanto, es importante que se aprendan lecciones para el gobierno y otros organismos públicos que deseen utilizar modelos estadísticos para respaldar sus decisiones. Esta revisión identifica lecciones para el desarrollo de modelos para respaldar la confianza pública en modelos y algoritmos estadísticos en el futuro.
Comentarios
Publicar un comentario