Informatica · Klas 4 VWO · Data en Informatie · Periode 4

De Toekomst van Data en AI

Leerlingen speculeren over de toekomstige ontwikkelingen in datawetenschap en kunstmatige intelligentie, inclusief de rol van AI in autonome systemen en de ethische grenzen.

• SLO Kerndoelen en Eindtermen
• SLO: Voortgezet - Toekomstvisie
• SLO: Voortgezet - Ethiek

Over dit onderwerp

De toekomst van data en AI laat leerlingen speculeren over ontwikkelingen in datawetenschap en kunstmatige intelligentie. Ze onderzoeken de rol van AI in autonome systemen, zoals zelfrijdende voertuigen en slimme zorgsystemen, en bespreken ethische grenzen rond privacy, bias en verantwoordelijkheid. Dit topic sluit aan bij kernvragen: voorspellen van maatschappelijke transformatie door AI, analyseren van ethische uitdagingen en ontwerpen van scenario's waarin AI wereldproblemen oplost met identificatie van neveneffecten.

Binnen het curriculum Digitale Architecten: Grondslagen van de Informatica verbindt dit data en informatie uit eerdere periodes met SLO-kerndoelen voor toekomstvisie en ethiek in het voortgezet onderwijs. Leerlingen bouwen vaardigheden op in kritisch denken, voorspellen en systeemanalyse, essentieel voor VWO-niveau waar abstracte concepten samenkomen met reële toepassingen.

Actieve leerbenaderingen passen perfect bij dit speculatieve topic omdat ze toekomstideeën tastbaar maken. Door debatten, scenario-ontwerpen en rollenspellen confronteren leerlingen zichzelf met dilemma's, wat leidt tot diepere discussies, betere argumentatie en duurzame retentie van ethische inzichten.

Kernvragen

1. Voorspel hoe de voortschrijdende ontwikkeling van AI de menselijke samenleving zal transformeren.
2. Analyseer de ethische en maatschappelijke uitdagingen die gepaard gaan met steeds intelligentere AI-systemen.
3. Ontwerp een scenario waarin AI een complex wereldprobleem oplost, en identificeer de potentiële neveneffecten.

Leerdoelen

• Voorspel de impact van geavanceerde AI op drie specifieke maatschappelijke sectoren, zoals werkgelegenheid, onderwijs of gezondheidszorg.
• Evalueer de ethische implicaties van autonome besluitvorming door AI in een gesimuleerde casus, waarbij je potentiële vooroordelen en verantwoordelijkheden identificeert.
• Ontwerp een gedetailleerd scenario waarin een AI-systeem een complex wereldprobleem (bijvoorbeeld klimaatverandering of pandemiebestrijding) oplost, inclusief de identificatie van onbedoelde neveneffecten.
• Analyseer de rol van data in de ontwikkeling en training van AI-modellen, en leg uit hoe datakwaliteit de prestaties en ethiek van AI beïnvloedt.

Voordat je begint

Basisprincipes van Algoritmen

Waarom: Leerlingen moeten begrijpen hoe algoritmen werken om de logica achter AI-systemen te kunnen doorgronden.

Dataverzameling en -representatie

Waarom: Kennis van hoe data wordt verzameld en gestructureerd is essentieel om de rol van data in AI te begrijpen.

Introductie tot Machine Learning

Waarom: Een basisbegrip van machine learning concepten is nodig om de toekomstige ontwikkelingen van AI te kunnen speculeren.

Kernbegrippen

Autonoom systeem	Een systeem dat in staat is om zelfstandig te opereren en beslissingen te nemen zonder directe menselijke tussenkomst, zoals zelfrijdende auto's of geautomatiseerde fabrieken.
Algoritmische bias	Systematische en herhaalbare fouten in een computersysteem die leiden tot oneerlijke uitkomsten, vaak voortkomend uit bevooroordeelde trainingsdata of ontwerpfouten.
Verklaarbare AI (XAI)	Technieken die helpen begrijpen hoe een AI-model tot een bepaalde beslissing komt, wat cruciaal is voor vertrouwen, debugging en ethische verantwoording.
Singulariteit	Een hypothetisch toekomstig punt waarop technologische groei onomkeerbaar en exponentieel wordt, mogelijk resulterend in superintelligente AI die de menselijke intelligentie ver overstijgt.
Data-ethiek	De ethische principes en richtlijnen die van toepassing zijn op het verzamelen, opslaan, gebruiken en delen van data, met speciale aandacht voor privacy, toestemming en rechtvaardigheid.

Pas op voor deze misvattingen

Veelvoorkomende misvatting

AI is volledig autonoom en begrijpt emoties zoals mensen.

Wat je in plaats daarvan kunt onderwijzen

AI simuleert patronen uit data maar mist bewustzijn en echte empathie. Actieve discussies in debatten helpen leerlingen het verschil tussen simulatie en intelligentie te zien door eigen ervaringen te delen.

Veelvoorkomende misvatting

De toekomst van AI brengt alleen voordelen zonder risico's.

Wat je in plaats daarvan kunt onderwijzen

AI kan problemen oplossen maar introduceert neveneffecten zoals werkloosheid en bias. Scenario-ontwerpen in groepen dwingt tot identificatie van risico's, wat genuanceerd denken bevordert via peer-challenge.

Veelvoorkomende misvatting

Ethiek in AI is alleen een zaak voor experts.

Wat je in plaats daarvan kunt onderwijzen

Iedereen moet ethische grenzen meewegen in AI-ontwikkeling. Rollenspellen laten leerlingen ervaren hoe persoonlijke waarden botsen met technologie, wat betrokkenheid en ownership creëert.

Ideeën voor actief leren

Debatcirkel: AI in de Samenleving

Verdeel de klas in pro- en contra-teams over AI in onderwijs. Teams bereiden drie argumenten met voorbeelden. Wissel posities na 10 minuten en debatteer in cirkelvorm. Sluit af met persoonlijke reflectie op een exit-ticket.

45 min·Kleine groepjes

Scenario-ontwerp: AI Lost Klimaatcrisis Op

Groepen kiezen een klimaatprobleem en ontwerpen een AI-oplossing met stappenplan en neveneffecten. Teken een flowchart en presenteer aan de klas. Peer-feedback richt zich op ethische aspecten.

50 min·Kleine groepjes

Toekomsttimeline: AI-Ontwikkelingen

Leerlingen werken in paren aan een timeline van 2030-2050 met AI-mijlpalen, voor- en nadelen. Voeg ethische checkpoints toe. Deel via digitaal whiteboard en bespreek als klas.

35 min·Duo's

Roleplay: Ethiekdilemma's AI

Stel scenario's op zoals AI in rechtspraak. Groepen spelen rollen uit (ontwikkelaar, burger, ethicist) en beslissen collectief. Reflecteer op uitkomsten in plenair overleg.

40 min·Kleine groepjes

Verbinding met de Echte Wereld

• In de gezondheidszorg worden AI-systemen zoals die van Google's DeepMind gebruikt om medische beelden te analyseren en diagnoses te stellen, wat leidt tot snellere detectie van ziekten maar ook vragen oproept over patiëntprivacy en de verantwoordelijkheid bij fouten.
• De ontwikkeling van autonome wapensystemen, zoals drones die zelfstandig doelen kunnen selecteren, roept wereldwijd ethische debatten op over menselijke controle, escalatie van conflicten en de definitie van oorlogsmisdaden.
• Bedrijven als Tesla integreren steeds geavanceerdere AI in hun voertuigen voor zelfrijdende functies, wat de verkeersveiligheid potentieel kan verhogen, maar ook uitdagingen met zich meebrengt op het gebied van aansprakelijkheid bij ongevallen en cybersecurity.

Toetsideeën

Discussievraag

Start een klassengesprek met de vraag: 'Als een zelfrijdende auto moet kiezen tussen het redden van de inzittenden of een groep voetgangers, welke ethische overwegingen spelen dan een rol en wie moet deze beslissing programmeren?' Laat leerlingen verschillende standpunten innemen en onderbouwen.

Uitgangskaart

Geef leerlingen een kaartje met de volgende opdracht: 'Noem één toekomstige ontwikkeling van AI die je hoopvol stemt en één die je zorgen baart. Leg kort uit waarom.'

Peerbeoordeling

Laat leerlingen in kleine groepen een kort scenario schetsen waarin AI een maatschappelijk probleem oplost. Daarna wisselen ze de scenario's uit. Elke groep beoordeelt het scenario van de ander op de volgende punten: Is het probleem duidelijk? Is de AI-oplossing plausibel? Zijn de potentiële neveneffecten realistisch beschreven? Geef feedback op één verbeterpunt.

Veelgestelde vragen

Hoe kan actieve learning de toekomst van AI begrijpelijk maken voor VWO-leerlingen?

Actieve methoden zoals debatten en scenario-ontwerpen maken speculatieve concepten concreet. Leerlingen ervaren ethische dilemma's door rollenspellen, wat kritisch denken stimuleert en abstracte voorspellingen verbindt met reële keuzes. Dit verhoogt betrokkenheid en retentie, vooral bij complexe SLO-doelen als toekomstvisie en ethiek, met directe feedback in groepsdynamiek.

Welke ethische uitdagingen bespreek je bij de toekomst van AI?

Focus op bias in algoritmes, privacyverlies door data en verantwoordelijkheid bij autonome systemen. Laat leerlingen cases analyseren zoals discriminerende AI in sollicitaties. Dit bouwt SLO-ethiek op door discussie over fairness en transparantie, met scenario's om neveneffecten te voorspellen.

Hoe ontwerp je een AI-scenario voor een wereldprobleem?

Stap 1: Kies probleem zoals armoede. Stap 2: Definieer AI-rol met technologieën als machine learning. Stap 3: Identificeer neveneffecten zoals ongelijkheid. Gebruik groepsflowcharts voor visualisatie. Dit voldoet aan SLO-toekomstvisie door creatief en analytisch denken te combineren.

Hoe beoordeel je leerlingen bij dit topic?

Gebruik rubrics voor argumentatie in debatten, diepte van scenario's en ethische reflectie. Exit-tickets meten inzicht in neveneffecten. Peer-assessments in groepen voegen formatieve waarde toe, passend bij VWO-niveau voor kritisch en toekomstgericht denken volgens SLO-standaarden.