Met trots kan Moonen de lijst nu presenteren op de duurzaamheidswebsite van de TU/e. “Zoals je ziet, is het al met al een hele onderneming geweest om tot die lijst te komen.”

Hulpmiddel

Het is belangrijk dat nu in kaart is gebracht welke SDG’s precies per welk vak behandeld worden, zodat studenten makkelijker kunnen kiezen welke vakken ze willen volgen als ze meer willen weten over bepaalde SDG’s. “Het is nu zeker makkelijker geworden om vakken bij andere faculteiten vinden, of als je bijvoorbeeld in een bepaalde SDG geïnteresseerd bent.”

Moonen heeft berekend dat ongeveer vijf procent van alle vakken (master én bachelor) aan de TU/e zijn gerelateerd aan sustainability. Dat lijkt weinig, maar Moonen haast zich te zeggen dat er meer in het vat zit. “Je moet niet vergeten dat er ook vakken zijn die er indirect mee te maken hebben. Ik heb zelf bouwkunde gestudeerd (waar ze ook haar EngD heeft afgerond, red.) en daar leer je bijvoorbeeld bij materiaalkunde hoe de stoffen die je gebruikt gewonnen of gerecycled worden, maar het vak heeft geen sustainabilty-term in de naam. Tip aan docenten: Vertel studenten waarom je ze iets leert. Dat je die bepaalde manier van programmeren bijvoorbeeld kan toepassen om duurzamer te werken.”

Lees onder de foto over twee concrete voorbeelden.

Concreet

In de lijst die het SustainableTU/e-team maakt, staan bij de faculteit Industrial Engineering & Innovation Sciences maar liefst 44 vakken vermeld die met duurzaamheid te maken hebben. Bij Applied Physics zijn dat er 6 en bij Built Environment 28. Cursor spreekt met docente Hilde Weerts, artificial intelligence engineer bij Mathematics & Computer Science, die het vak Responsible Data Science geeft, het enige vak dat Data Science op de lijst kreeg, en met Dirk Fahland die kan vertellen hoe hij met CBL zoveel mogelijk rekening houdt met de SDG’s.

Het vak dat Hilde Weerts geeft  past bij de SDG’s 8, 10 en zéker 5. Die gaan respectievelijk over Eerlijk werken, Verminderen van ongelijkheid binnen en tussen landen en Gendergelijkheid. Het is het derde jaar dat dit keuzevak gegeven wordt en er komen zo rond de honderd studenten op af. De meesten zijn Data Science- en Computer Sciencestudenten, maar ze ziet ook studenten van Biomedical Engineering of Psychology &Technology-studenten in de collegebanken.

“Ze leren er hoe ze met Machine Learning de wereld een beetje beter kunnen maken in plaats van slechter”, zegt Weerts en ze verduidelijkt: “Ze moeten zorgen dat hun modellen voor alle groepen mensen even goed werken. Dat gaat namelijk wel eens fout, zie de toestand van Proctorio waarbij donkere huidskleuren niet goed herkend werden. Ook wanneer je een model maakt waarmee automatisch cv’s van sollicitanten worden gescreend, moet je voorkomen dat er een bias is -of wordt geïntroduceerd- op geslacht, nationaliteit of leeftijd.”

In het groepsproject bouwen studenten een eigen model, waarbij ze in aanraking komen met de praktische uitdagingen van een meer verantwoord ontwerp van systemen voor machine learning.  “Hoe test je of een model goed werkt voor een hele kleine subgroep in de data? Bijvoorbeeld wanneer slechts enkele respondenten aangeven een non-binair persoon te zijn en er twee grote groepen man en vrouw voorhanden zijn.”  En op een nog hoger niveau komt pure ethiek aan de orde: “Is machine learning hier überhaupt wel de aangewezen methode? Ik wil de studenten opleiden tot kritische engineers, die niet alleen maar doen wat er mogelijk is omdat het mogelijk is.”

Ongelijkheid verminderen

Weerts zegt dat Responsible Design een grotere rol speelt bij het voorkomen of verergeren van ongelijkheid bínnen landen dan tússen landen. “Een van de dingen die aan bod komt is algorithmic accountability. We hebben het over de steeds groter wordende invloed van grote (tech)bedrijven, veelal in de westerse wereld en ook in China en hoe we deze bedrijven verantwoordelijk kunnen houden voor hun impact. Grote technologiebedrijven maken soms gebruik van data uit armere landen zonder hen daar fatsoenlijk voor te compenseren.” Ze voegt eerlijkheidshalve toe dat dit laatste slechts in mindere mate terugkomt in het vak. De reden daarvoor is de beperking in tijd.

Stap voor stap

“Omdat de cursussen slechts acht weken duren, kunnen de studenten het probleem meestal niet volledig oplossen”, zegt Fahland. Maar juist het omgaan met deze beperking acht hij nuttig. “We leren onze studenten de vaardigheden en de mentaliteit om een echt groot, maatschappelijk relevant probleem aan te pakken dat ze zelf niet kunnen oplossen, door een belangrijk element in dit grote probleem te identificeren dat ze grondig onderzoeken om een kleine maar geldige bijdrage te leveren. Een klein stukje per keer.”

In sommige jaren kon in de USE-leerlijn waar Data Challenge 3 onder valt een challenge opnieuw gebruikt worden door verder te gaan op de inzichten van het voorgaande jaar. In andere jaren moest de docent op zoek naar een nieuwe uitdaging omdat het punt was bereikt waarop de betrokken organisatie nu zelf de volgende stappen kon zetten.

“Bij het zoeken naar nieuwe uitdagingen hebben we tot nu toe niet expliciet gezocht naar uitdagingen die verband houden met SDG's. Maar de focus op samenwerking met publieke en non-profitorganisaties bracht ons daar.” En als hij eerlijk is, moet Fahland ook bekennen dat hij ook een beetje opportunistisch moet zijn; “Niet elke organisatie heeft dat aantal deskundigen en gegevens beschikbaar om ons te ondersteunen bij het organiseren van een dergelijke uitdaging voor meer dan 120 studenten.”

Toekomst

“Nu de SDG's meer in beeld komen, denk ik dat we ons best moeten doen om bewuster te zoeken naar uitdagingen die wel verband houden met de SDG's. Wat ik wel zie, is dat studenten het erg leuk vinden om aan echt relevante problemen te werken. Onze leerlingen zijn echt eigenaar van het probleem en zetten alles op alles om het op te lossen. We proberen de studenten zoveel mogelijk vrijheid te geven in hun werk en tot nu toe heeft dat altijd veel nieuwe ideeën opgeleverd.”