Informatica · Klas 5 VWO · Kunstmatige Intelligentie en Maatschappij · Periode 4

AI en Privacy

Leerlingen onderzoeken de spanning tussen de voordelen van AI en de bescherming van privacy, inclusief technieken zoals privacy-preserving AI.

• SLO Kerndoelen en Eindtermen
• SLO: Voortgezet onderwijs - Maatschappij
• SLO: Voortgezet onderwijs - Ethiek

Over dit onderwerp

In dit onderwerp onderzoeken leerlingen de spanning tussen de voordelen van kunstmatige intelligentie (AI) en de bescherming van privacy. Ze analyseren hoe gepersonaliseerde algoritmen, zoals aanbevelingssystemen, efficiënte diensten leveren maar risico's creëren door dataverzameling en profilering. Technieken zoals differentiële privacy worden uitgelegd: deze voegen ruis toe aan data om individuele informatie te maskeren, terwijl het model accuraat blijft voor groepsanalyses.

Dit topic past bij de SLO-kerndoelen voor maatschappijleer en ethiek in het voortgezet onderwijs. Leerlingen wegen privacy af tegen innovatie, analyseren risico's zoals datalekken en leren over privacy-preserving AI. Het stimuleert kritisch denken over ethische dilemmas in een digitale samenleving en verbindt informatica met maatschappelijke verantwoordelijkheid.

Actieve leerbenaderingen werken uitstekend voor dit onderwerp omdat ze abstracte risico's concreet maken. Door debatten en casestudies ervaren leerlingen de impact van privacybeslissingen, testen ze eigen aannames en bouwen ze overtuigende argumenten op. Dit leidt tot diepgaand begrip en betrokkenheid bij complexe thema's.

Kernvragen

1. Hoe wegen we privacy af tegen de voordelen van gepersonaliseerde algoritmen?
2. Analyseer de privacyrisico's die gepaard gaan met het gebruik van AI-systemen.
3. Verklaar hoe technieken zoals differentiële privacy de privacy van individuen kunnen beschermen.

Leerdoelen

• Analyseer de potentiële privacyrisico's van AI-toepassingen in specifieke scenario's, zoals sociale media en gezondheidszorg.
• Vergelijk de effectiviteit van verschillende privacy-preserving AI-technieken, zoals differentiële privacy en federated learning, in het beschermen van individuele gegevens.
• Evalueer de ethische afwegingen tussen de voordelen van AI-gestuurde personalisatie en het recht op privacy van gebruikers.
• Ontwerp een concept voor een AI-systeem dat privacyoverwegingen integreert vanaf het begin van het ontwerpproces.

Voordat je begint

Basisprincipes van Kunstmatige Intelligentie

Waarom: Leerlingen moeten begrijpen wat AI is en hoe algoritmen werken om de impact ervan op privacy te kunnen analyseren.

Gegevensverzameling en -opslag

Waarom: Kennis van hoe gegevens worden verzameld en opgeslagen is essentieel om de risico's van datalekken en misbruik te begrijpen.

Ethiek en Maatschappelijke Verantwoordelijkheid

Waarom: Een basisbegrip van ethische principes helpt leerlingen om de afwegingen tussen technologie en privacy te evalueren.

Kernbegrippen

Differentiële Privacy	Een wiskundige methode om ruis toe te voegen aan datasets, zodat individuele gegevens niet herleidbaar zijn, terwijl statistische analyses nog steeds mogelijk blijven.
Federated Learning	Een machine learning-techniek waarbij modellen lokaal op apparaten worden getraind zonder dat de ruwe data de apparaten verlaten, wat de privacy ten goede komt.
Profilering	Het proces waarbij gegevens over een individu worden verzameld en geanalyseerd om voorspellingen te doen over gedrag, voorkeuren of kenmerken.
Anonimisering	Het proces van het verwijderen of wijzigen van identificerende informatie uit gegevens, zodat de oorspronkelijke persoon niet langer kan worden geïdentificeerd.

Pas op voor deze misvattingen

Veelvoorkomende misvatting

AI gebruikt geen persoonlijke data voor training.

Wat je in plaats daarvan kunt onderwijzen

AI-systemen verwerken vaak persoonlijke data voor personalisatie, wat leidt tot profilering. Actieve casestudies laten leerlingen echte voorbeelden zien, zoals Facebook-algoritmen, en helpen hen risico's te herkennen door groepsdiscussies over alternatieven.

Veelvoorkomende misvatting

Privacy-technieken maken AI volledig onbruikbaar.

Wat je in plaats daarvan kunt onderwijzen

Technieken zoals differentiële privacy behouden bruikbaarheid door groepsinsights te prioriteren. Hands-on simulaties tonen dit aan, waarbij leerlingen zelf ruis toevoegen en zien dat voorspellingen robuust blijven, wat misvattingen corrigeert via experimentele ervaring.

Veelvoorkomende misvatting

Alle AI-toepassingen hebben dezelfde privacyrisico's.

Wat je in plaats daarvan kunt onderwijzen

Risico's variëren per toepassing, zoals medische AI versus chatbots. Debatactiviteiten helpen leerlingen nuances te onderscheiden door argumenten uit te wisselen, wat leidt tot genuanceerd begrip.

Ideeën voor actief leren

Formeel debat: AI Voordelen vs Privacy

Verdeel de klas in voor- en tegenstanders van gepersonaliseerde AI. Geef 10 minuten voorbereiding met feitenkaarten over privacyrisico's. Laat pairs argumenten oefenen, gevolgd door een klassendebat met stemming. Sluit af met reflectie op overtuigingskracht.

50 min·Kleine groepjes

Casestudie: Sociale Media Analyse

Geef leerlingen een casus over een AI-app die data verzamelt. In pairs identificeren ze risico's en stellen ze privacy-oplossingen voor, zoals anonimisering. Presenteer aan de klas en bespreek haalbaarheid.

40 min·Duo's

Simulatiespel: Differentiële Privacy

Gebruik eenvoudige datasets; voeg ruis toe om individuele data te beschermen. In small groups verwerken leerlingen data met en zonder privacy-techniek, vergelijken resultaten en rapporteren verschillen.

45 min·Kleine groepjes

Rollenspel: Data-Incident

Spelers nemen rollen als gebruiker, AI-bedrijf en privacywaakhond. Whole class simuleert een datalek, bespreekt reacties en evalueert privacy-maatregelen.

35 min·Hele klas

Verbinding met de Echte Wereld

• Gezondheidsorganisaties, zoals het UMC Utrecht, onderzoeken hoe AI kan helpen bij het analyseren van patiëntgegevens voor diagnostiek, terwijl ze tegelijkertijd strenge privacywetgeving zoals de AVG moeten naleven.
• Technologiebedrijven zoals Google en Meta gebruiken AI voor gepersonaliseerde advertenties, wat leidt tot discussies over datagebruik en de privacy van gebruikers wereldwijd.
• Financiële instellingen passen AI toe voor fraudedetectie, waarbij ze grote hoeveelheden transactiegegevens analyseren, maar zorgvuldig moeten omgaan met gevoelige klantinformatie.

Toetsideeën

Discussievraag

Start een klassengesprek met de vraag: 'Stel, een AI-systeem kan ziektes sneller diagnosticeren door uw medische gegevens te analyseren, maar dit betekent dat uw gegevens gedeeld worden met een externe partij. Zou u hiermee akkoord gaan? Waarom wel, waarom niet?' Laat leerlingen argumenten uitwisselen vanuit verschillende perspectieven (patiënt, arts, onderzoeker).

Uitgangskaart

Geef leerlingen een casus waarin een AI-toepassing (bijvoorbeeld een slimme thermostaat die leert van uw gedrag) privacyrisico's met zich meebrengt. Vraag hen op een briefje te noteren: 1) Wat is het belangrijkste privacyrisico hier? 2) Welke techniek (bijv. differentiële privacy) zou dit risico kunnen verminderen en hoe?

Snelle Controle

Toon een korte video of een nieuwsartikel over een recente ontwikkeling in AI en privacy. Vraag leerlingen vervolgens in tweetallen om drie kernpunten te benoemen: 1) Een voordeel van de AI-toepassing, 2) Een privacyrisico, en 3) Een mogelijke oplossing of ethische overweging.

Veelgestelde vragen

Wat is differentiële privacy in AI?

Differentiële privacy beschermt individuen door ruis toe te voegen aan datasets, zodat AI-modellen leren zonder persoonlijke details te onthullen. Dit voorkomt heridentificatie terwijl groeps patronen accuraat blijven. Leerlingen begrijpen dit het best via simulaties, waar ze zelf data anonimiseren en resultaten vergelijken met niet-beschermde versies.

Hoe active learning helpt bij AI en privacy?

Actieve methoden zoals debatten en simulaties maken privacyrisico's tastbaar. Leerlingen analyseren casussen, debatteren afwegingen en experimenteren met technieken, wat abstracte concepten verbindt met praktijk. Dit bouwt kritisch denken op en verhoogt betrokkenheid, essentieel voor ethische discussies in VWO.

Wat zijn privacyrisico's van AI-systemen?

Risico's omvatten datalekken, ongewenste profilering en bias door verzamelde data. Gepersonaliseerde algoritmen voorspellen gedrag maar schenden privacy zonder adequate bescherming. Onderwijs focust op analyse via voorbeelden als Cambridge Analytica, met nadruk op wetten zoals AVG.

Hoe wegen we AI-voordelen af tegen privacy?

Leerlingen maken een kosten-batenanalyse: voordelen zoals betere zorg of onderwijs versus risico's op surveillance. Door debatten en ethische matrices leren ze subjectieve waarden meewegen. Dit ontwikkelt vaardigheden voor maatschappelijke besluitvorming in een AI-gedomineerde wereld.