Kan artificial intelligence schietincidenten op scholen voorkomen?

Schietincidenten op scholen in the United States zijn niet zeldzaam. Gemiddeld komt dit bijna wekelijks voor. Bij een recente schietpartij in mei dit jaar op een high school in Texas, zijn tien studenten en docenten overleden. Dit was nog een extra aanleiding om in te grijpen. Er worden nu nieuwe manieren gezocht om dit geweld door leerlingen in te dammen. Hierbij staan nieuwe technologieën en artificial intelligence voorop.

Artificial intelligence preventie

De University of Alabama School of Continuing Education en Firma, een bedrijf voor crisismanagement, hebben een preventieprogramma ontwikkeld met AI, het BERTHA project. Met AI hopen ze patronen te kunnen vinden in signalen, zoals gedrag of taalgebruik van leerlingen, die mogelijk gewelddadig gedrag voorspellen. Zo kunnen de kinderen geselecteerd worden die hulp of interventie nodig hebben voordat ze suïcidaal of gewelddadig worden.

Vaak wordt er na een incident pas nagegaan wat de signalen waren die aangaven dat een kind gewelddadig gedrag kon gaan vertonen, zoals online pesten of interesse in wapens. Het idee van AI is juist het van tevoren vaststellen van dit soort signalen. AI kan helpen om snel big data te doorzoeken, waaronder social media en forums.

Signalen gewelddadig gedrag

De AI analyseert taalgebruik, context, locatie en gerelateerde links. Op basis hiervan ontstaat een lijst voor mogelijke interventie. De adviseurs, psychologen en leraren kunnen vanaf hier instappen, door te onderzoeken of deze kinderen echt een gevaar kunnen vormen of dat de dreiging onschuldig is. Het is belangrijk dat een team deze beslissingen neemt, want een enkele persoon kan mogelijk signalen over het hoofd zien.

AI vormt een eerste screening, maar uiteindelijk is het aan mensen om te bepalen of en hoe een interventie moet plaatsvinden. Bovendien zijn er nog wel uitdagingen voor de AI. Sarcastisch en emotioneel taalgebruik zijn hiermee lastig te identificeren. Het voordeel hiervan is wel dat zo’n systeem niet snel signalen zal negeren of koppelen aan een specifieke leerling. Een persoon zal een risicoleerling bijvoorbeeld uit de risicolijst kunnen halen, omdat hij of zij nu eenmaal vaak uitbarstingen heeft. Dit zal een computer niet aangeven.

[Afbeelding © Sascha Burkard – Adobe Stock]