Le dialogue national sur la race a progressé de manière puissante et douloureuse au cours de l’année écoulée, et les questions de préjugé racial dans les nouvelles sont devenues omniprésentes. Cependant, depuis plus d’une décennie, des chercheurs du Laboratoire d’imagination, de calcul et d’expression du MIT (ICE Lab) développent des systèmes pour modéliser, simuler et analyser ces problèmes d’identité.

Ces dernières années, la popularité des jeux vidéo ou des expériences de réalité virtuelle (RV) visant à résoudre des problèmes raciaux à des fins éducatives ou de formation a augmenté, ce qui coïncide avec le développement rapide du domaine académique des jeux sérieux ou à «impact» tels que « Marcher un mile en chaussures numériques » ou « 1000 Cut Journey. »

Désormais, des chercheurs de l’ICE Lab, qui fait partie du Laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL) et du MIT Center for Advanced Virtuality, ont mis à jour un modèle de calcul 2019 pour mieux comprendre nos choix comportementaux, au moyen d’une simulation de jeu vidéo d’un discriminatoire rencontre raciale entre une élève noire et son professeur blanc.

Un article sur le jeu sera présenté cette semaine lors de la conférence 2020 Foundations of Digital Games.

Le système, qui a été inspiré par la recherche en sciences sociales de collaborateurs du laboratoire Engaging, Managing, and Bonding through Race (EMBRace) de l’Université du Michigan, est soutenu par la Racial Encounter Coping Appraisal and Socialization Theory (RECAST). RECAST fournit un moyen de comprendre comment la socialisation raciale, ou la façon dont on a appris à penser à la race, amortit l’influence entre le stress racial et l’adaptation.

Le jeu, appelé «Passage Home», est utilisé pour aider à comprendre les attitudes des éducateurs PreK-12, dans le but final de fournir un outil innovant aux cliniciens pour mieux comprendre les choix comportementaux que font les adolescents lorsqu’ils sont confrontés à l’injustice raciale.

À la suite d’études sur les utilisateurs menées avec la version originale de Passage Home en 2019, l’équipe a travaillé avec Riana Elyse Anderson, professeure adjointe au Département du comportement sanitaire et de l’éducation à la santé de la School of Public Health de l’Université du Michigan, et Nkemka Anyiwo, vice-provost et Boursier postdoctoral de la National Science Foundation à la Graduate School of Education de l’Université de Pennsylvanie, pour itérer sur le prototype original et l’améliorer pour s’aligner plus étroitement sur la théorie RECAST. Depuis la création de la dernière version de «Passage Home» VR, ils ont cherché à comprendre les opportunités et les défis de son utilisation comme un outil pour saisir des informations sur la façon dont les individus perçoivent et réagissent aux rencontres racialisées.

Les expériences de «Passage Home» ont révélé que les attitudes raciales daltoniennes existantes des joueurs et le développement de leur identité ethnique entravaient leur capacité à interpréter avec précision les sous-textes racistes.

Le jeu interactif place le joueur dans la perspective à la première personne de «Tiffany», une étudiante noire qui est faussement accusée de plagiat par son professeur d’anglais blanc, «Mrs. Forgeron. » Dans le jeu, Mme Smith a la conviction intrinsèquement raciste que les étudiants noirs sont incapables de produire un travail de haute qualité comme base de son accusation.

«On a beaucoup insisté sur la compréhension de l’efficacité de ces systèmes en tant qu’interventions pour réduire les préjugés raciaux, mais on s’est moins intéressé à la façon dont les attitudes raciales antérieures des individus dans le monde physique influencent leurs expériences de ces jeux sur les questions raciales», déclare MIT CSAIL PhD l’étudiante Danielle Olson, auteure principale de l’article présenté cette semaine.

«Danielle Olson est à la pointe de la modélisation informatique des phénomènes sociaux, y compris la race et les expériences racialisées», explique son directeur de thèse D. Fox Harrell, professeur de médias numériques et d’IA au CSAIL et directeur du ICE Lab et Centre MIT pour la virtualité avancée. «Ce qui est crucial dans sa recherche de thèse et son système« Passage Home »est qu’il ne modélise pas seulement la race comme une expérience physique, il simule plutôt la façon dont les gens sont socialisés pour penser à la race, ce qui a souvent un impact plus profond sur leurs préjugés raciaux envers les autres et eux-mêmes que simplement à quoi ils ressemblent.

De nombreuses stratégies traditionnelles pour dépeindre la race dans les expériences de RV sont souvent enracinées dans des stéréotypes raciaux négatifs, et les questions sont souvent axées sur les actions «bonnes» et «mauvaises». En revanche, avec «Passage Home», les chercheurs ont cherché à prendre en compte la nuance et la complexité de la façon dont les gens pensent à la race,qui implique les structures sociales systémiques, l’histoire, les expériences vécues, les interactions interpersonnelles et le discours.

Dans le jeu, avant l’interaction discriminatoire, le joueur reçoit une note indiquant qu’il (Tiffany) est académiquement performant et n’a pas commis de plagiat. Le joueur est invité à faire une série de choix pour capturer ses pensées, ses sentiments et les actions souhaitées en réponse à l’allégation.

Le joueur choisit ensuite quelles pensées internes sont les plus étroitement alignées sur les leurs, ainsi que les réponses verbales, le langage corporel ou le geste qu’il souhaite exprimer. Ces combinaisons contribuent au déroulement du récit.

Un enseignant, par exemple, a déclaré: «Cette situation aurait pu arriver à n’importe quel élève de n’importe quelle race, mais la façon dont [the student] a été élevée, elle a considéré que c’était traité injustement.

Le jeu montre clairement que l’élève n’a pas triché et que l’élève ne se plaint jamais d’iniquité, donc dans ce cas, l’attitude raciale antérieure de l’éducateur conduit non seulement à une mauvaise lecture de la situation, mais en fait à imputer à l’élève une attitude qui n’a jamais été là. . (L’équipe note que de nombreuses personnes n’ont pas reconnu la nature raciste des commentaires parce que leur littératie raciale les empêchait de décoder des sous-textes anti-noirs.)

Les résultats du jeu ont démontré des relations statistiquement significatives dans les catégories suivantes:

• Compétence (sentiments d’habileté et de réussite des joueurs dans le jeu)
  • Associé positivement à la méconnaissance du privilège racial

• Affect négatif (sentiments d’ennui et de monotonie des joueurs dans le jeu)
  • Associé positivement à la méconnaissance des problèmes raciaux flagrants

• Empathie (sentiments d’empathie des joueurs envers Mme Smith, qui a un préjugé racial envers Tiffany)
  • Négativement associé à la recherche d’identité ethnique, et positivement associé à la méconnaissance des privilèges raciaux, aux problèmes raciaux flagrants et à la discrimination institutionnelle
• Compétence perçue de Tiffany, l’étudiante
  • Dans quelle mesure la joueuse pensait-elle avoir géré la situation?
• Iniquité perçue de Mme Smith, l’enseignante
  • Mme Smith était-elle injuste envers Tiffany?

«Même si les développeurs créent ces jeux pour tenter d’encourager les éducateurs blancs à comprendre comment le racisme a un impact négatif sur leurs élèves noirs, leurs visions du monde antérieures peuvent les amener à s’identifier à l’enseignant qui est l’auteur de la violence raciale, et non à l’élève qui est la cible, »Dit Olson. «Ces résultats peuvent aider les développeurs à éviter les hypothèses sur l’alphabétisation raciale des joueurs en créant des systèmes éclairés par des recherches factuelles sur la socialisation raciale et l’adaptation.»

Bien que ce travail démontre un outil prometteur, l’équipe note que du fait que le racisme existe aux niveaux individuel, culturel, institutionnel et systémique, il y a des limites à quels niveaux et quel impact les technologies émergentes telles que la RV peuvent avoir.

Les futurs jeux pourraient être personnalisés pour tenir compte des différences dans la socialisation et les attitudes raciales des joueurs, plutôt que de supposer que les joueurs interpréteront le contenu racialisé de la même manière. En améliorant les expériences de jeu des joueurs, on espère que cela augmentera la possibilité d’un apprentissage transformateur avec les éducateurs et aidera à la poursuite de l’équité raciale pour les élèves.

Ce matériel est basé sur des travaux soutenus par les programmes de subventions suivants: le programme de bourses de recherche pour les diplômés de la National Science Foundation, le programme de bourses predoctorales de la Fondation Ford, le MIT Abdul Latif Jameel World Education Lab pK-12 Education Innovation Grant, et le chapitre international du PEO Prix ​​du chercheur.