par Mais certains peuvent affirmer que l’optimisation des connexions réseau est une tâche plus nébuleuse que l’optimisation des résultats des tests. Quelle(s) fonction(s) objectif(s) devraient être précisément ?
Un cadre pour explorer cela peut impliquer de se concentrer sur la façon dont les réseaux que les enfants et les familles sont imbriqués dans la forme et évoluent en premier lieu. Dans le contexte de la scolarisation, cela implique le large éventail de politiques que les districts scolaires conçoivent pour déterminer les écoles que les élèves peuvent fréquenter (« politiques d’affectation des écoles »), ainsi que les pratiques que les familles adoptent lorsqu’elles choisissent des écoles pour leurs enfants dans le cadre de ces politiques. Ces politiques et pratiques ont historiquement perpétué des caractéristiques néfastes telles que la ségrégation scolaire fondée sur la race et le statut socio-économique, qui, malgré près de 70 ans depuis son interdiction officielle, continue de définir l’éducation publique aux États-Unis. De nombreux chercheurs affirment que l’intégration démographique a toujours été l’une des méthodes les plus efficaces non seulement pour améliorer la préparation académique des groupes historiquement défavorisés, mais aussi pour favoriser une plus grande compassion et compréhension – disons, une éthique du pluralisme – entre des personnes d’horizons différents.
L’IA peut aider à soutenir la conception de politiques d’affectation scolaire plus équitables qui favorisent des écoles diversifiées et intégrées, par exemple, en soutenant les efforts de planification au niveau du district pour redessiner les “zones de fréquentation scolaire” – c’est-à-dire les zones de recrutement qui déterminent quels quartiers alimentent quelles écoles – de manière à atténuer les schémas sous-jacents de ségrégation résidentielle sans imposer de lourdes charges de déplacement et d’autres inconvénients aux familles.
Les partenariats existants entre chercheurs et praticiens – et certaines de mes propres recherches avec les collaborateurs Doug Beeferman, Christine Vega-Pourheydarian, Cassandra Overney, Pascal Van Hentenryck, Kumar Chandra et Deb Roy – tirent parti des outils de la communauté de la recherche opérationnelle et de l’IA basée sur des règles comme programmation de contraintes pour explorer des politiques d’affectation alternatives qui pourraient optimiser l’intégration raciale et socio-économique dans les écoles.
Ces algorithmes peuvent aider à simplifier un processus autrement fastidieux d’exploration d’un nombre apparemment infini de changements de limites possibles pour identifier les voies potentielles vers des écoles plus intégrées qui équilibrent un certain nombre d’objectifs concurrents (comme les temps de déplacement en famille et le changement d’école). Ils peuvent également être combinés avec des systèmes d’apprentissage automatique – par exemple, ceux qui tentent de prédire le choix de la famille face aux changements de frontières – pour estimer de manière plus réaliste comment l’évolution des politiques pourrait affecter la démographie scolaire.
Bien sûr, aucune de ces applications de l’IA n’est sans risques. Le changement d’école peut être perturbateur pour les élèves, et même avec l’intégration au niveau de l’école, la ségrégation peut persister à des échelles plus petites comme les salles de classe et les cafétérias en raison du suivi des programmes, d’un manque de pratiques d’enseignement adaptées à la culture et d’autres facteurs. En outre, les applications doivent être formulées dans une infrastructure sociotechnique appropriée qui intègre les voix de la communauté dans le processus d’élaboration des politiques. Pourtant, l’utilisation de l’IA pour aider à informer les élèves et les familles qui fréquentent l’école les uns avec les autres peut déclencher des changements structurels plus profonds qui modifient les réseaux auxquels les élèves se connectent et, par extension, les résultats de vie qu’ils obtiennent finalement.
Cependant, des changements dans les politiques d’affectation des écoles sans changement dans les comportements de sélection des écoles parmi les familles sont peu susceptibles d’entraîner des transformations durables dans les réseaux dans lesquels les élèves sont exploités. Ici aussi, l’IA peut avoir un rôle à jouer. Par exemple, les plateformes numériques d’évaluation des écoles comme GreatSchools.org façonnent de plus en plus la façon dont les familles évaluent et sélectionnent les écoles pour leurs enfants, d’autant plus que leurs évaluations sont souvent intégrées à des sites de logement comme Redfin, ce qui peut influencer le choix de résidence des familles.
