Aarhus Universitets segl

Mød en forsker i SHAPE: Lindsay Weinberg

AIAS-SHAPE fellow Lindsay Weinberg forsker i, hvordan digitaliseringsindsatsen på universiteter i Danmark og Skotland har omfattende konsekvenser for digitalt medborgerskab og demokrati. Læs mere om hendes forskningsbaggrund og igangværende projekter i portrættet her.

Hvad er din professionelle baggrund og dit primære forskningsområde?     

Min uddannelse er inden for Science and Technology Studies, mediestudier og feministiske studier med fokus på de sociale og etiske implikationer af digital teknologi. Jeg har en ph.d. fra afdelingen for History of Consciousness på University of California, Santa Cruz (California, USA) og har efterfølgende været ansat på John Martinson Honors College på Purdue University (Indiana, USA). 

Min interesse ligger i den konstituerende rolle, som historie og ulige magtrelationer spiller i udformningen af design, anvendelse og modtagelse af teknologiske innovationer. Jeg har skrevet om problematikker vedrørende race, klasse og kønsulighed inden for digital markedsføring og kunstig intelligens (AI), begrænsningerne i eksisterende privatlivslov i USA og EU i forhold til at rette op på skaderne ved masseindsamling af data samt den stigende integration af digitale værktøjer til universitetsstyring over studenter- og fakultetsliv. Min kommende bog fra John Hopkins University Press, Smart University: Student Surveillance in the Digital Age (2024), undersøger værdier, mål og antagelser indlejret i digitale teknologier, der markedsføres for at gøre universiteter “smartere”. Disse værktøjer lover at hjælpe offentlige universiteter i USA med at bruge data til at beskytte sig mod risici og usikkerhed i en tid med stigende ulighed, faldende studenterindskrivninger og klimakatastrofe. Mange af disse værktøjer intensiverer dog i praksis overvågningen af læring og arbejdsforhold i det akademiske miljø på en måde, der underminerer bestræbelserne på et mere retfærdigt universitetssystem og tilsidesætter reformer, der ikke lader sig løse teknisk. 

 

Hvad handler dine igangværende forskningsprojekter i SHAPE om? 

Mit AIAS-SHAPE-projekt undersøger digitaliseringsindsatsen på universiteter i Danmark og Skotland, herunder brugen af digitale værktøjer til at overvåge og automatisere aspekter af studerendes læring og fremskridt mod uddannelsesgraden; styre faciliteter og ressourcer; skabe nye indtægtsstrømme; samt styrke sikkerheden og trivslen for studerende på campus. Disse initiativer har omfattende implikationer for digitalt medborgerskab og især rettighederne for studerende og fakulteter til gennemsigtige, ansvarlige og demokratisk organiserede institutioner. Sådanne initiativer lover enorm forbedring af studerendes læring og maksimering af effektiviteten og miljømæssig bæredygtighed på universitetsområder. Dog kan disse værktøjer også fastholde uligheder i deres bestræbelser på at prioritere institutionelle besparelser og samtidig intensivere overvågningen og udnyttelsen af data om studerende og fakulteter. 

 

Hvilke fremtidige projekter har du i støbeskeen? 

Jeg planlægger at udvide den geografiske rækkevidde af min forskning om Smart Universities til andre dele af Skandinavien. Jeg arbejder i øjeblikket også på en artikel om mulighederne og begrænsningerne ved eksisterende initiativer for mangfoldighed, lighed og inklusion på nordiske universiteter i samarbejde med flere kolleger på Aarhus Institute of Advanced Studies (AIAS). Endelig samarbejder jeg med flere kolleger på Purdue University om et forskningsprojekt, der trækker på Science and Technology Studies samt feministiske studier for at implementere og vurdere etikundervisning i teknologi til STEM-studerende med fokus på retfærdighedsovervejelser. 

 

Nylige akademiske udgivelser af Lindsay Weinberg: 

Lindsay Weinberg, Smart University: Student Surveillance in the Digital Age (forthcoming with John Hopkins University Press, October 2024), https://www.press.jhu.edu/books/title/12902/smart-university.   

Lindsay Weinberg, “Rethinking Fairness: An Interdisciplinary Survey of Critiques of Hegemonic ML Fairness Approaches,” Journal of Artificial Intelligence Research 74 (2022): 75-109, https://doi.org/10.1613/jair.1.13196.