fortællingen om, at “asiater er gode til matematik” er udbredt i USA. Små børn er opmærksomme på det. Universitetsstuderendes akademiske præstationer kan blive påvirket af det. Og den asiatiske amerikanske præsidentkandidat Andreas Yang har gjort sin matematiske evne til et træk ved sin kampagne.
på overfladen lyder fortællingen “asiater er gode til matematik” som et kompliment. Når alt kommer til alt, hvad er der galt med at sige, at nogen er god til noget? Men som jeg forklarer i en nylig artikel, er der to problemer. For det første er fortællingen falsk. For det andet er det racistisk.
jeg er en erfaren lærer og forsker i STEM uddannelse. Forskning fortæller os, at racisme er en del af elevernes klasseværelsesoplevelser i disse fag.
hvis vi ikke forstår, hvordan racisme fungerer – selv i angiveligt “neutrale” områder som STEM – kan vi utilsigtet genbruge racistiske ideer.
Debunking myten
som med mange racestereotyper er folk virkelig nysgerrige, om “asiaterne er gode til matematik” fortælling kunne være sandt. Der er videoer på YouTube med flere millioner visninger, der stiller det spørgsmål.
må ikke testresultater bevise fortællingen? Faktisk gør de det ikke. på internationale eksamener er det rigtigt, at asiatiske lande er blandt de bedste kunstnere inden for matematik. Men det er også sandt, at andre asiatiske nationer rangerer 38., 46., 59. og 63. Interessant, disse topkunstnere fører også til læsning-men der er ikke en fortælling om, at “asiater er gode til litteratur.”
på hjemmemarkedet er det den samme historie. Forskning viser betydelig variation i matematisk præstation blandt forskellige asiatiske etniske grupper i USA. Hvis alle asiatiske mennesker var medfødt begavede i matematik, skulle vi ikke se denne slags variation.
en bedre forklaring har at gøre med uddannelsespolitik og føderale immigrationslove. Lande, der investerer i læreruddannelse og læseplan af høj kvalitet, klarer sig bedre på internationale prøver. I USA gav Immigration and Nationality Act fra 1965 fortrinsret til STEM-fagfolk fra Asien. Denne politik påvirkede mine egne forældre, der var i stand til at immigrere til USA i henhold til denne lov, ikke fordi sydasiatiske mennesker naturligvis er gode læger.
‘Mongoloid’til’ model minority ‘
så hvis det ikke er sandt, hvorfor siger vi det?
i dag ses asiater ofte som “modelminoritet” – hårdtarbejdende, akademisk talentfulde og professionelt succesrige – men det var ikke altid sådan.
i det 18.århundrede blev asiatiske mennesker klassificeret som “Mongoloider”, et racistisk udtryk baseret på craniometriens pseudovidenskab. Mens “kaukasoider” (hvide mennesker) blev betragtet som fulde mennesker med overlegen intellekt, blev alle farvede betragtet som underudviklede.
fra slutningen af det 19.århundrede blev et nyt billede af asiatiske mennesker født: national trussel. Kinesiske indvandrere blev betragtet som en økonomisk trussel mod hvide amerikanske arbejdere, og Japan blev en militær trussel under Anden Verdenskrig.
asiatiske mennesker i USA oplever fortsat racisme selv i dag. Faktisk, ideen om” model minoritet “har altid været en måde at sætte asiatiske mennesker mod angiveligt” ikke – Model ” grupper-med andre ord, ikke-asiater af farve.
implikationen er: hvis asiater kan gøre det, hvorfor kan du ikke?
mennesker, ikke robotter
selvom fortællingen om “asiater er gode til matematik” er falsk, har den stadig en reel indflydelse på folks liv. Ligesom myten om” modelminoritet ” placerer den fejlagtigt ikke-asiater af farve som matematisk ringere. Det kan også være en kilde til pres for asiatiske studerende. Men den virkelige virkning af “asiaterne er gode til matematik” – fortællingen går dybere.
tag for eksempel en scene fra en episode af den langvarige voksen tegneserie Family Guy.
hovedpersonen, Peter, minder om at tage en matematikeksamen. Når skuddet pander over andre studerende, tager hver en lommeregner ud af lommen. Peter trækker en dreng ud med asiatiske træk, stikker ham med en blyant og siger: “gør matematik!”
LÆS OGSÅ: Hvordan man håndterer racisme og seksisme hos berømte filosoffer
dette kan virke sjovt i starten, men det underliggende budskab er klart: Asiatiske mennesker ses ikke som mennesker; de beregner maskiner. Asiater er bogstaveligt talt objektiveret, ses som i stand til at gøre ting med en hastighed og skala, som “normale” mennesker ikke kan gøre. De er med andre ord dehumaniserede.
regnemaskiner er kun i stand til proceduremæssige opgaver, ikke kreativitet. For asiatiske mennesker, dette indebærer, at mens de kan lykkes i de tekniske STEM fag, humaniora og kreative kunst er ikke for dem.
en del af det, der foregår, har at gøre med, hvordan samfundet forstår “god til matematik.”Matematik anses bredt for at være blandt de sværeste emner at lære. De, der kan gøre det, ses ofte som “nørder.”Film om matematikere som Et Smukt Sind og Efterligningsspillet fremstiller dem normalt som antisociale. Matematikere kan betragtes som strålende, men de ses ikke som “normale.”
normalt tænker vi på dehumanisering med hensyn til intellektuelt underskud. For eksempel forbinder amerikanere i det 21.århundrede stadig afroamerikanske mennesker med aber, en racistisk trope. Hvad der sker med asiatiske mennesker er anderledes, men stadig skadeligt. De bliver hyperintelligente robotter.
modstand mod fortællingen
vi kan alle spille en rolle i at modstå denne falske fortælling.
lærere kan hjælpe ved at overvåge den slags læringsmuligheder, de giver asiatiske studerende. Behandler de dem som regnemaskiner – kun giver dem rote proceduremæssige opgaver – eller får asiatiske studerende til at vise deres kreativitet og præsentere ideer foran klassen? For at hjælpe lærere med at spore fordomme har mit forskerteam udviklet en gratis internetapp kaldet udstyr.
de fleste mennesker genkender let åbenlyst racistisk adfærd og sprog. Men jeg mener, at vi også skal lære at få øje på racisme i dens mere subtile former. Næste gang du hører nogen sige “asiater er gode til matematik,” hør det ikke som en vittighed – hør det som racisme.
Niral Shah, adjunkt i Læringsvidenskab& menneskelig udvikling, University of Copenhagen
Denne artikel genudgives fra samtalen under en Creative Commons-licens. Læs den oprindelige artikel.
udvalgte billede kredit: Unsplash
