AI die Leert: Patronen Herkennen

Actief leren werkt uitstekend voor dit onderwerp omdat leerlingen beter inzicht krijgen in complexe ethische vraagstukken door ze te ervaren in interactieve situaties. Door zelf te debatteren, te rollenspelen en te reflecteren op toekomstscenario’s voelen ze de urgentie en relevantie van deze thema’s, wat leidt tot diepere verwerking dan passief luisteren.

• Klas 6 VWO
• Informatica Meesterschap: Van Algoritme tot Maatschappij
• 3 activiteiten
• 40 min–50 min

Leerdoelen

1. Classificeer patronen in een dataset die representatief zijn voor een specifiek object (bijvoorbeeld een kat) op basis van visuele kenmerken.
2. Verklaar de rol van 'labeled data' bij het trainen van een AI-model voor patroonherkenning, met verwijzing naar het concept van 'supervised learning'.
3. Analyseer de impact van 'bias' in trainingsdata op de prestaties en betrouwbaarheid van een AI-model voor patroonherkenning.
4. Evalueer de beperkingen van een AI-model dat getraind is op een beperkte of bevooroordeelde dataset, met voorbeelden van mogelijke foutclassificaties.

Formeel debat

⏱ 45 min·Hele klas

Formeel debat: De Zelfrijdende Auto

Organiseer een debat over het 'trolley-probleem' toegepast op zelfrijdende auto's. Wie is verantwoordelijk bij een ongeluk: de programmeur, de eigenaar of de fabrikant? Leerlingen moeten hun standpunt onderbouwen met ethische kaders.

Voorbereiding & details

Hoe kan een computer leren om een kat te herkennen op een foto?

Facilitatietip: Geef bij de Structured Debate duidelijk de regels voor het debateren en de tijdslimieten, zodat leerlingen zich kunnen focussen op de inhoud.

Setup: Twee teams tegenover elkaar, met zitplaatsen voor het publiek

Materials: Kaart met de debatstelling, Research-briefing voor elk team, Beoordelingsformulier (rubric) voor het publiek, Timer

• Analyseren
• Evalueren
• Creëren
• Zelfmanagement
• Besluitvorming

Rollenspel

⏱ 50 min·Kleine groepjes

Rollenspel: De Ethische Commissie

Een fictief bedrijf wil een app lanceren die emoties van werknemers analyseert via de webcam. Leerlingen spelen verschillende rollen (CEO, privacy-advocaat, werknemer, vakbond) en moeten beslissen of en onder welke voorwaarden de app er mag komen.

Voorbereiding & details

Waarom heeft AI veel voorbeelden nodig om te leren?

Facilitatietip: Zorg bij de Role Play dat de rollen van de ethische commissieleden duidelijk gedefinieerd zijn, met bijbehorende belangen en standpunten.

Setup: Open ruimte of herschikte tafels voor het naspelen van het scenario

Materials: Rolkaarten met achtergrondinformatie en doelen, Briefing van het scenario

• Toepassen
• Analyseren
• Evalueren
• Sociaal Bewustzijn
• Zelfbewustzijn

Gallery Walk

⏱ 40 min·Kleine groepjes

Gallery Walk: De Toekomst van Werk

Leerlingen maken infographics over hoe AI verschillende beroepen (arts, vrachtwagenchauffeur, kunstenaar) gaat veranderen. Tijdens de walk-through discussiëren ze over de noodzaak van een basisinkomen of omscholing.

Voorbereiding & details

Wat gebeurt er als AI verkeerde voorbeelden krijgt?

Facilitatietip: Laat bij de Gallery Walk leerlingen hun reflectiekaarten voorbereiden voordat ze naar de volgende poster gaan, zodat ze tijd hebben om na te denken.

Setup: Vrije wanden of tafels langs de randen van het lokaal

Materials: Groot papier of posters, Markers, Plakbriefjes voor feedback

• Begrijpen
• Toepassen
• Analyseren
• Creëren
• Relatievaardigheden
• Sociaal Bewustzijn

Dit onderwerp onderwijzen

Begin met een korte uitleg over ethiek in de techniek, maar gebruik vooral authentieke voorbeelden uit de media en wetenschap om de relevantie te benadrukken. Vermijd te abstracte theorie; leerlingen leren het beste door zelf actief na te denken en te discussiëren. Onderzoek laat zien dat rollenspelen en debatten het meest effectief zijn voor het ontwikkelen van kritisch denkvermogen en empathie.

Wat je kunt verwachten

Succesvolle leerlingen tonen dat ze ethische dilemma’s kunnen analyseren, standpunten kunnen onderbouwen met argumenten en de impact van technologie op maatschappij en individu kunnen benoemen. Ze gebruiken concrete voorbeelden en tonen begrip van concepten zoals bias, privacy en machtsverhoudingen.

Pas op voor deze misvattingen

Veelvoorkomende misvatting

Tijdens de Structured Debate: 'Algoritmes zijn objectief omdat ze op wiskunde gebaseerd zijn.',

Wat je in plaats daarvan kunt onderwijzen

Tijdens de Structured Debate: gebruik de toeslagenaffaire als voorbeeld om te laten zien hoe menselijke keuzes in data en algoritmes leiden tot onbedoelde bias. Vraag leerlingen om voorbeelden te geven van andere situaties waarin 'neutrale' systemen onrechtvaardig uitpakken.

Veelvoorkomende misvatting

Tijdens de Role Play: 'Privacy is alleen belangrijk als je iets te verbergen hebt.',

Wat je in plaats daarvan kunt onderwijzen

Tijdens de Role Play: bespreek het concept van autonomie en machtsbalans met behulp van micro-targeting in sociale media. Gebruik de rollen in de commissie om te laten zien hoe bedrijven en overheden invloed uitoefenen op vrije keuzes.

Toetsideeën

Uitgangskaart

Na de Structured Debate: geef leerlingen een afbeelding van een dier dat niet in de trainingsdata zat (bijvoorbeeld een hond). Vraag: 1. Zal de AI dit dier correct classificeren als 'geen kat'? Waarom wel/niet? 2. Welke aanpassing in de trainingsdata zou de betrouwbaarheid van de AI voor dit soort gevallen kunnen verbeteren?

Discussievraag

Tijdens de Role Play: stel de vraag: 'Stel, een AI is getraind om gezichten te herkennen, maar de trainingsdata bevatten voornamelijk foto's van mensen met een lichte huidskleur. Welke problemen kunnen ontstaan bij het herkennen van gezichten van mensen met een donkere huidskleur? Hoe zou je dit probleem proberen op te lossen?'

Snelle Controle

Na de Gallery Walk: toon twee sets afbeeldingen: set A met veel variatie (verschillende kattenrassen, achtergronden) en set B met weinig variatie (alleen katten op een witte achtergrond). Vraag: 'Welke set is waarschijnlijk beter om een AI te trainen om katten te herkennen in het wild? Leg uit waarom, met behulp van het concept van bias en generaliseerbaarheid'.

Uitbreidingen & ondersteuning

• Challenge: Laat leerlingen een eigen ethisch dilemma bedenken over een technologische ontwikkeling en een oplossingsvoorstel formuleren, inclusief argumenten.
• Scaffolding: Geef leerlingen die moeite hebben een lijst met kernvragen om hun argumenten te structureren tijdens het debat.
• Deeper: Laat leerlingen een korte podcast of blog schrijven over de impact van AI op de arbeidsmarkt, gebaseerd op de Gallery Walk-materiaal.

Kernbegrippen

Patroonherkenning	Het vermogen van een computersysteem om regelmatigheden, structuren of specifieke kenmerken te identificeren in gegevens.
Dataset	Een verzameling van gegevens, vaak gebruikt om machine learning-modellen te trainen en te testen. Voor patroonherkenning bevat dit veel voorbeelden.
Labeling	Het proces waarbij aan elk datapunt in een dataset een categorie of tag wordt toegekend, bijvoorbeeld het labelen van afbeeldingen als 'kat' of 'geen kat'.
Bias (in data)	Systematische vertekening in de trainingsdata die ertoe leidt dat het AI-model oneerlijke of onjuiste voorspellingen doet, bijvoorbeeld door ondervertegenwoordiging van bepaalde groepen.
Supervised Learning	Een type machine learning waarbij het model leert van gelabelde voorbeelden. Het doel is om een functie te leren die input koppelt aan output op basis van de gegeven voorbeelden.