{"id":108,"date":"2023-11-30T16:59:58","date_gmt":"2023-11-30T16:59:58","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/what-not-to-do-with-data-issues-of-personal-identity-bias-and-fairness\/"},"modified":"2024-01-31T11:43:17","modified_gmt":"2024-01-31T11:43:17","slug":"what-not-to-do-with-data-issues-of-personal-identity-bias-and-fairness","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/what-not-to-do-with-data-issues-of-personal-identity-bias-and-fairness\/","title":{"raw":"Probleme mit Daten: Pers\u00f6nliche Identit\u00e4t","rendered":"Probleme mit Daten: Pers\u00f6nliche Identit\u00e4t"},"content":{"raw":"<p class=\"no-indent\">\u00dcber unsere Smartphones und Computer werden kontinuierlich Daten \u00fcber uns aufgezeichnet. Diese Daten basieren darauf, wer sie aufzeichnet und wer sie ansieht.\u00a0 Um nur ein Beispiel zu nennen: Google erstellt eine digitale Version von uns, <em>unsere<\/em> <em>digitale Identit\u00e4t<\/em>, auf Grundlage dessen, was wir auf seinen Plattformen tun. Auf der Grundlage dieser Daten ordnet es uns ein und passt das, was wir in seinen Suchmaschinen und Apps sehen, entsprechend an. Es vermarktet uns an Unternehmen, die sich selbst an uns vermarkten wollen.<\/p>\n\n<div class=\"textbox textbox--exercises\"><header class=\"textbox__header\"><strong>Aktivit\u00e4t<\/strong><\/header>\n<div class=\"textbox__content\">\n<p class=\"no-indent\">Rufen Sie die \u201eAnzeigeneinstellungen\" Ihres Profils bei Google, Facebook oder Instagram auf. Oder wenn Sie regelm\u00e4\u00dfig eine andere Plattform nutzen, versuchen Sie herauszufinden, ob es dort Anzeigeneinstellungen gibt und ob Sie darauf zugreifen k\u00f6nnen. Diese sind Bestandteil unserer digitalen Identit\u00e4t. Diskussionsfragen:<\/p>\n\n<ul>\n \t<li>Wie sieht Ihre \u201edigitale Identit\u00e4t\u201c aus? Entspricht sie Ihren demografischen Merkmalen und Interessen? Sind Sie mit dieser Identit\u00e4t einverstanden?<\/li>\n \t<li>Wie hat Google Ihrer Meinung nach die einzelnen Interessen gewichtet? Welche Daten k\u00f6nnten dabei ber\u00fccksichtigt worden sein? Die Interessenskategorien \u00e4ndern sich h\u00e4ufig und sind rekursiv: Ein Anzeigeninteresse, dem Sie zugeordnet sind, kann bestimmen, welchem Anzeigeninteresse Sie als n\u00e4chstes zugeordnet werden. Was sagt uns das \u00fcber die Profilerstellung?<\/li>\n \t<li>Stimmen Sie mit Wissenschaftlern wie Cheney-Lippold und Bassett darin \u00fcberein, dass hier die Identit\u00e4t \u00fcberm\u00e4\u00dfig reduziert wird? Warum ist das ein ethisches Problem?<\/li>\n \t<li>Ist es aus ethischer Sicht wichtiger, ob diese Profile Ihre Interessen \u201erichtig\" oder \u201efalsch\" wiedergeben?<\/li>\n \t<li>Spielt Ihr Geschlecht und Ihre ethnische Herkunft eine Rolle dabei, welche Label Ihnen verliehen werden? Wie f\u00fchlen Sie sich dabei?<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<p class=\"no-indent\">Diese Aktivit\u00e4t wurde \u00fcbernommen von <em>Identity, Advertising, and Algorithmic Targeting: Or How (Not)<\/em><em> to Target Your \u201cIdeal User.<\/em><em>\u201d, lizensiert unter <\/em><a href=\"https:\/\/creativecommons.org\/licenses\/by-nc\/4.0\/\"><em>CC BY NC 4.0<\/em><\/a><em>. <\/em><sup>1<\/sup><\/p>\n<p class=\"indent\">Die Label, die Google uns gibt - m\u00e4nnlich, weiblich, jung oder alt - haben nichts mit unseren Identit\u00e4ten, Bed\u00fcrfnissen oder Werten zu tun. Jemand kann \"m\u00e4nnlich\" sein, indem er bestimmte Websites (z. B. Baum\u00e4rkte) besucht und bestimmte Artikel kauft<sup>2<\/sup>. Schon am n\u00e4chsten Tag kann ein Mann \"weiblich\" werden, wenn sich seine Aktivit\u00e4ten oder die Aktivit\u00e4ten von einer Million anderer Menschen, die zu seinem m\u00e4nnlichen Verhalten beigetragen haben, \u00e4ndern. Verschiedene Unternehmen weisen uns v\u00f6llig unterschiedliche Identit\u00e4ten zu, je nachdem, an was sie selbst Interesse haben.<\/p>\n<p class=\"indent\">Dasselbe geschieht mit unseren Sch\u00fclerinnen und Sch\u00fclern, wenn sie mit personalisierter Lernsoftware interagieren und einer Lernanalyse unterzogen werden. Ihre digitale Identit\u00e4t, ihre Leistung, ihr Engagement und ihre Zufriedenheit, wie sie von diesen Systemen gesehen werden, werden dann nicht nur zur Bewertung ihrer eigenen Leistung, sondern auch zur Bewertung der Leistung ihrer Mitsch\u00fclerinnen und Mitsch\u00fcler, Lehrkr\u00e4fte, Schulen und des Bildungssystems selbst genutzt<sup>3<\/sup>.<\/p>\n<p class=\"indent\">Warum stellt dies ein Problem dar?<\/p>\n\n<ol>\n \t<li>Diese Profile werden oft auf der Grundlage verrauschter und falscher Daten aus verschiedenen Quellen erstellt und k\u00f6nnen irref\u00fchrend sein<sup>4<\/sup>.<\/li>\n \t<li>Diese digitalen Identit\u00e4ten k\u00f6nnen ver\u00e4ndern, wie eine Sch\u00fclerin oder ein Sch\u00fcler sich selbst und andere sieht, wie Lehrkr\u00e4fte die Lernenden sehen, wie das System Lehrkr\u00e4fte sieht, wie die Gesellschaft Bildung und P\u00e4dagogik sieht und wie jeder auf Entscheidungen und Feedback reagiert<sup>3<\/sup>.<\/li>\n \t<li>Dennoch werden diese Urteile dar\u00fcber, wer jemand ist, ohne sein Wissen und seine Zustimmung gef\u00e4llt - durch <em>Black Boxes<\/em>, zu denen niemand Zugang hat. Oft gibt es keinerlei Kontrolle dar\u00fcber, welche Daten erfasst, wo und wann sie aufgezeichnet und wie Entscheidungen auf dieser Grundlage getroffen werden<sup>4,1<\/sup>. Lernende und Lehrkr\u00e4fte verlieren die M\u00f6glichkeit der Einflussnahme und ihre <a href=\"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-aied-and-human-agency\/\">men<\/a><a href=\"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-aied-and-human-agency\/\">schliche Handlungsf\u00e4higkeit<\/a>.<\/li>\n \t<li>Diese Daten und Urteile bleiben in der Regel noch lange nach dem Ereignis, das aufgezeichnet wurde, im Datenspeicher erhalten4.<\/li>\n \t<li>Die Betonung von Statistiken, bei denen Lernende, Lehrende und Personal st\u00e4ndig bewertet, verglichen und eingestuft werden, kann Reaktionen wie Angst und Konkurrenzdenken anstelle von Motivation und Wachstum hervorrufen<sup>3<\/sup>.<\/li>\n \t<li>Aspekte der Bildung, die automatisch erfasst und analysiert werden k\u00f6nnen, erhalten mehr Bedeutung und dr\u00e4ngen uns zu Ergebnissen und Praktiken, die sich von dem unterscheiden, was uns ansonsten wichtig w\u00e4re.<\/li>\n \t<li>Die Organisationen, die die \u201eDatafizierung\" vornehmen, haben die Macht zu definieren, \u201ewas als qualitativ hochwertige Bildung, wer als guter Sch\u00fcler oder effektiver Lehrender\u201a gilt<sup>3<\/sup>.\u201c<\/li>\n<\/ol>\n<p class=\"no-indent\">Hier sind die Gegenma\u00dfnahmen, die Expertinnen und Experten den Lehrenden empfehlen:<\/p>\n\n<ol>\n \t<li>Ber\u00fccksichtigen Sie den Menschen, seine Identit\u00e4t, Integrit\u00e4t und W\u00fcrde: \u201eBegegnen Sie Menschen mit Respekt vor ihrem inneren Wert und nicht als Datenobjekt oder als Mittel zum Zweck\u201d<sup>5<\/sup>. Menschen sind nicht nur Daten; das Etikett, das eine Software den Lernender geben k\u00f6nnte, um Lernwege zu personalisieren oder sie in Gruppen einzuteilen, stellt nicht ihre wahre Identit\u00e4t dar<sup>5<\/sup>.<\/li>\n \t<li>Werden sie datenkompetent: Lernen Sie, wie man richtig mit Daten umgeht.Informieren Sie sich dar\u00fcber, was die verschiedenen datengest\u00fctzten Systeme leisten, wie sie arbeiten, wie sie zu verwenden sind und wie die Informationen, die sie generieren, und die Entscheidungen, die sie treffen, zu interpretieren sind.<\/li>\n \t<li>Bewahren Sie kritische Distanz zu KI-Unternehmen und -Software: Hinterfragen Sie ihre Behauptungen, verlangen Sie Beweise f\u00fcr ihre G\u00fcltigkeit und Zuverl\u00e4ssigkeit, \u00fcberpr\u00fcfen Sie, ob das System den ethischen Richtlinien Ihrer Institution und Ihres Landes entspricht<sup>3<\/sup>.<\/li>\n \t<li>\u00dcberwachen Sie die Auswirkungen dieser Systeme auf Sie, Ihre Sch\u00fclerinnen und Sch\u00fcler, deren Lernen und die Atmosph\u00e4re im Klassenzimmer.<\/li>\n \t<li>Fordern Sie offene Systeme, die Ihnen die Kontrolle und die M\u00f6glichkeit geben, automatische Entscheidungen zu \u00fcberstimmen. Greifen Sie ein, kl\u00e4ren Sie auf oder setzen Sie sie au\u00dfer Kraft, wo und wann immer Sie es f\u00fcr n\u00f6tig halten.<\/li>\n<\/ol>\n\n<hr>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>1\u00a0<\/sup>Kant, T., <em>Identity, Advertising, and Algorithmic Targeting: Or How (Not) to Target Your \u201cIdeal User\u201d<\/em>. MIT Case Studies in Social and Ethical Responsibilities of Computing, 2021<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>2\u00a0<\/sup>Cheney-Lippold, J., W<i>e Are Data: Algorithms and the Making of Our Digital Selves, <\/i>NYU Press, 2017<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>3\u00a0<\/sup>Williamson, B., Bayne, S., Shay, S., <em>The datafication of teaching in Higher Education: critical issues and perspectives<\/em>, Teaching in Higher Education, 25:4, 351-365, 2020<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>4 <\/sup>Kelleher, J.D, Tierney, B, <em>Data Science<\/em>, MIT Press, London, 2018.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>5 <\/sup><a href=\"https:\/\/education.ec.europa.eu\/news\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning-for-educators\">Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators<\/a>, European Commission, October 2022<\/p>\n<p class=\"hanging-indent\"><\/p>","rendered":"<p class=\"no-indent\">\u00dcber unsere Smartphones und Computer werden kontinuierlich Daten \u00fcber uns aufgezeichnet. Diese Daten basieren darauf, wer sie aufzeichnet und wer sie ansieht.\u00a0 Um nur ein Beispiel zu nennen: Google erstellt eine digitale Version von uns, <em>unsere<\/em> <em>digitale Identit\u00e4t<\/em>, auf Grundlage dessen, was wir auf seinen Plattformen tun. Auf der Grundlage dieser Daten ordnet es uns ein und passt das, was wir in seinen Suchmaschinen und Apps sehen, entsprechend an. Es vermarktet uns an Unternehmen, die sich selbst an uns vermarkten wollen.<\/p>\n<div class=\"textbox textbox--exercises\">\n<header class=\"textbox__header\"><strong>Aktivit\u00e4t<\/strong><\/header>\n<div class=\"textbox__content\">\n<p class=\"no-indent\">Rufen Sie die \u201eAnzeigeneinstellungen&#8221; Ihres Profils bei Google, Facebook oder Instagram auf. Oder wenn Sie regelm\u00e4\u00dfig eine andere Plattform nutzen, versuchen Sie herauszufinden, ob es dort Anzeigeneinstellungen gibt und ob Sie darauf zugreifen k\u00f6nnen. Diese sind Bestandteil unserer digitalen Identit\u00e4t. Diskussionsfragen:<\/p>\n<ul>\n<li>Wie sieht Ihre \u201edigitale Identit\u00e4t\u201c aus? Entspricht sie Ihren demografischen Merkmalen und Interessen? Sind Sie mit dieser Identit\u00e4t einverstanden?<\/li>\n<li>Wie hat Google Ihrer Meinung nach die einzelnen Interessen gewichtet? Welche Daten k\u00f6nnten dabei ber\u00fccksichtigt worden sein? Die Interessenskategorien \u00e4ndern sich h\u00e4ufig und sind rekursiv: Ein Anzeigeninteresse, dem Sie zugeordnet sind, kann bestimmen, welchem Anzeigeninteresse Sie als n\u00e4chstes zugeordnet werden. Was sagt uns das \u00fcber die Profilerstellung?<\/li>\n<li>Stimmen Sie mit Wissenschaftlern wie Cheney-Lippold und Bassett darin \u00fcberein, dass hier die Identit\u00e4t \u00fcberm\u00e4\u00dfig reduziert wird? Warum ist das ein ethisches Problem?<\/li>\n<li>Ist es aus ethischer Sicht wichtiger, ob diese Profile Ihre Interessen \u201erichtig&#8221; oder \u201efalsch&#8221; wiedergeben?<\/li>\n<li>Spielt Ihr Geschlecht und Ihre ethnische Herkunft eine Rolle dabei, welche Label Ihnen verliehen werden? Wie f\u00fchlen Sie sich dabei?<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<p class=\"no-indent\">Diese Aktivit\u00e4t wurde \u00fcbernommen von <em>Identity, Advertising, and Algorithmic Targeting: Or How (Not)<\/em><em> to Target Your \u201cIdeal User.<\/em><em>\u201d, lizensiert unter <\/em><a href=\"https:\/\/creativecommons.org\/licenses\/by-nc\/4.0\/\"><em>CC BY NC 4.0<\/em><\/a><em>. <\/em><sup>1<\/sup><\/p>\n<p class=\"indent\">Die Label, die Google uns gibt &#8211; m\u00e4nnlich, weiblich, jung oder alt &#8211; haben nichts mit unseren Identit\u00e4ten, Bed\u00fcrfnissen oder Werten zu tun. Jemand kann &#8220;m\u00e4nnlich&#8221; sein, indem er bestimmte Websites (z. B. Baum\u00e4rkte) besucht und bestimmte Artikel kauft<sup>2<\/sup>. Schon am n\u00e4chsten Tag kann ein Mann &#8220;weiblich&#8221; werden, wenn sich seine Aktivit\u00e4ten oder die Aktivit\u00e4ten von einer Million anderer Menschen, die zu seinem m\u00e4nnlichen Verhalten beigetragen haben, \u00e4ndern. Verschiedene Unternehmen weisen uns v\u00f6llig unterschiedliche Identit\u00e4ten zu, je nachdem, an was sie selbst Interesse haben.<\/p>\n<p class=\"indent\">Dasselbe geschieht mit unseren Sch\u00fclerinnen und Sch\u00fclern, wenn sie mit personalisierter Lernsoftware interagieren und einer Lernanalyse unterzogen werden. Ihre digitale Identit\u00e4t, ihre Leistung, ihr Engagement und ihre Zufriedenheit, wie sie von diesen Systemen gesehen werden, werden dann nicht nur zur Bewertung ihrer eigenen Leistung, sondern auch zur Bewertung der Leistung ihrer Mitsch\u00fclerinnen und Mitsch\u00fcler, Lehrkr\u00e4fte, Schulen und des Bildungssystems selbst genutzt<sup>3<\/sup>.<\/p>\n<p class=\"indent\">Warum stellt dies ein Problem dar?<\/p>\n<ol>\n<li>Diese Profile werden oft auf der Grundlage verrauschter und falscher Daten aus verschiedenen Quellen erstellt und k\u00f6nnen irref\u00fchrend sein<sup>4<\/sup>.<\/li>\n<li>Diese digitalen Identit\u00e4ten k\u00f6nnen ver\u00e4ndern, wie eine Sch\u00fclerin oder ein Sch\u00fcler sich selbst und andere sieht, wie Lehrkr\u00e4fte die Lernenden sehen, wie das System Lehrkr\u00e4fte sieht, wie die Gesellschaft Bildung und P\u00e4dagogik sieht und wie jeder auf Entscheidungen und Feedback reagiert<sup>3<\/sup>.<\/li>\n<li>Dennoch werden diese Urteile dar\u00fcber, wer jemand ist, ohne sein Wissen und seine Zustimmung gef\u00e4llt &#8211; durch <em>Black Boxes<\/em>, zu denen niemand Zugang hat. Oft gibt es keinerlei Kontrolle dar\u00fcber, welche Daten erfasst, wo und wann sie aufgezeichnet und wie Entscheidungen auf dieser Grundlage getroffen werden<sup>4,1<\/sup>. Lernende und Lehrkr\u00e4fte verlieren die M\u00f6glichkeit der Einflussnahme und ihre <a href=\"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-aied-and-human-agency\/\">men<\/a><a href=\"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-aied-and-human-agency\/\">schliche Handlungsf\u00e4higkeit<\/a>.<\/li>\n<li>Diese Daten und Urteile bleiben in der Regel noch lange nach dem Ereignis, das aufgezeichnet wurde, im Datenspeicher erhalten4.<\/li>\n<li>Die Betonung von Statistiken, bei denen Lernende, Lehrende und Personal st\u00e4ndig bewertet, verglichen und eingestuft werden, kann Reaktionen wie Angst und Konkurrenzdenken anstelle von Motivation und Wachstum hervorrufen<sup>3<\/sup>.<\/li>\n<li>Aspekte der Bildung, die automatisch erfasst und analysiert werden k\u00f6nnen, erhalten mehr Bedeutung und dr\u00e4ngen uns zu Ergebnissen und Praktiken, die sich von dem unterscheiden, was uns ansonsten wichtig w\u00e4re.<\/li>\n<li>Die Organisationen, die die \u201eDatafizierung&#8221; vornehmen, haben die Macht zu definieren, \u201ewas als qualitativ hochwertige Bildung, wer als guter Sch\u00fcler oder effektiver Lehrender\u201a gilt<sup>3<\/sup>.\u201c<\/li>\n<\/ol>\n<p class=\"no-indent\">Hier sind die Gegenma\u00dfnahmen, die Expertinnen und Experten den Lehrenden empfehlen:<\/p>\n<ol>\n<li>Ber\u00fccksichtigen Sie den Menschen, seine Identit\u00e4t, Integrit\u00e4t und W\u00fcrde: \u201eBegegnen Sie Menschen mit Respekt vor ihrem inneren Wert und nicht als Datenobjekt oder als Mittel zum Zweck\u201d<sup>5<\/sup>. Menschen sind nicht nur Daten; das Etikett, das eine Software den Lernender geben k\u00f6nnte, um Lernwege zu personalisieren oder sie in Gruppen einzuteilen, stellt nicht ihre wahre Identit\u00e4t dar<sup>5<\/sup>.<\/li>\n<li>Werden sie datenkompetent: Lernen Sie, wie man richtig mit Daten umgeht.Informieren Sie sich dar\u00fcber, was die verschiedenen datengest\u00fctzten Systeme leisten, wie sie arbeiten, wie sie zu verwenden sind und wie die Informationen, die sie generieren, und die Entscheidungen, die sie treffen, zu interpretieren sind.<\/li>\n<li>Bewahren Sie kritische Distanz zu KI-Unternehmen und -Software: Hinterfragen Sie ihre Behauptungen, verlangen Sie Beweise f\u00fcr ihre G\u00fcltigkeit und Zuverl\u00e4ssigkeit, \u00fcberpr\u00fcfen Sie, ob das System den ethischen Richtlinien Ihrer Institution und Ihres Landes entspricht<sup>3<\/sup>.<\/li>\n<li>\u00dcberwachen Sie die Auswirkungen dieser Systeme auf Sie, Ihre Sch\u00fclerinnen und Sch\u00fcler, deren Lernen und die Atmosph\u00e4re im Klassenzimmer.<\/li>\n<li>Fordern Sie offene Systeme, die Ihnen die Kontrolle und die M\u00f6glichkeit geben, automatische Entscheidungen zu \u00fcberstimmen. Greifen Sie ein, kl\u00e4ren Sie auf oder setzen Sie sie au\u00dfer Kraft, wo und wann immer Sie es f\u00fcr n\u00f6tig halten.<\/li>\n<\/ol>\n<hr \/>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>1\u00a0<\/sup>Kant, T., <em>Identity, Advertising, and Algorithmic Targeting: Or How (Not) to Target Your \u201cIdeal User\u201d<\/em>. MIT Case Studies in Social and Ethical Responsibilities of Computing, 2021<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>2\u00a0<\/sup>Cheney-Lippold, J., W<i>e Are Data: Algorithms and the Making of Our Digital Selves, <\/i>NYU Press, 2017<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>3\u00a0<\/sup>Williamson, B., Bayne, S., Shay, S., <em>The datafication of teaching in Higher Education: critical issues and perspectives<\/em>, Teaching in Higher Education, 25:4, 351-365, 2020<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>4 <\/sup>Kelleher, J.D, Tierney, B, <em>Data Science<\/em>, MIT Press, London, 2018.<\/p>\n<p class=\"hanging-indent\" style=\"text-align: left\"><sup>5 <\/sup><a href=\"https:\/\/education.ec.europa.eu\/news\/ethical-guidelines-on-the-use-of-artificial-intelligence-and-data-in-teaching-and-learning-for-educators\">Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators<\/a>, European Commission, October 2022<\/p>\n<p class=\"hanging-indent\">\n","protected":false},"author":1,"menu_order":5,"template":"","meta":{"pb_show_title":"","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[],"contributor":[],"license":[],"part":86,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters\/108"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters\/108\/revisions"}],"predecessor-version":[{"id":109,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters\/108\/revisions\/109"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/parts\/86"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters\/108\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/media?parent=108"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapter-type?post=108"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/contributor?post=108"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/license?post=108"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}