AI in Games en Aanbevelingen

Actief leren werkt bij dit onderwerp omdat leerlingen zo direct ervaren hoe AI in games en aanbevelingssystemen werkt. Door zelf systemen te bouwen en te testen, begrijpen ze beter hoe patronen en data hun ervaringen sturen, wat abstracte concepten tastbaar maakt.

• Klas 6 VWO
• Informatica Meesterschap: Van Algoritme tot Maatschappij
• 4 activiteiten
• 20 min–50 min

Leerdoelen

1. Vergelijk de werking van pathfinding-algoritmes en decision trees in game AI.
2. Analyseer de data-input en output van een eenvoudig aanbevelingssysteem, zoals dat van een streamingdienst.
3. Evalueer de ethische implicaties van aanbevelingssystemen, specifiek filterbubbels en privacy.
4. Ontwerp een concept voor een aanbevelingssysteem voor een zelfgekozen product of dienst, inclusief de benodigde data.

⏱ 45 min·Duo's

Paarwerk: Eenvoudige Game AI Bouwen

Laat paren in Scratch een basis-AI tegenstander programmeren die reageert op spelerbewegingen met if-then-regels. Test de AI tegen elkaar en pas aan op basis van speelrondes. Sluit af met een korte reflectie op slimmere keuzes.

Voorbereiding & details

Hoe maakt AI games uitdagender en leuker?

Facilitatietip: Tijdens het paarwerk met game AI: moedig leerlingen aan om hun code stap voor stap te testen en te documenteren, zodat ze precies zien waar de AI zwaktes vertoont bij onverwachte acties.

⏱ 50 min·Kleine groepjes

Groepswerk: Aanbevelingssysteem Simuleren

Verdeel de klas in kleine groepen en geef fictieve kijkdata. Bouw een eenvoudig systeem met spreadsheets of Python om suggesties te genereren via collaborative filtering. Presenteren en vergelijken met echte systemen zoals Netflix.

Voorbereiding & details

Hoe weet Netflix welke films jij misschien leuk vindt?

Facilitatietip: Bij het simuleren van aanbevelingssystemen: zorg dat elke groep verschillende datasets gebruikt, zodat ze direct het effect van input-data op de uitkomsten ervaren.

⏱ 30 min·Hele klas

Klasactiviteit: Voor- en Nadelen Debat

Verdeel de klas in teams voor en tegen aanbevelingssystemen. Gebruik key questions om argumenten te verzamelen uit eerdere activiteiten. Stem na afloop en bespreek AI-ethiek.

Voorbereiding & details

Wat zijn de voor- en nadelen van aanbevelingssystemen?

Facilitatietip: Tijdens het debat: geef leerlingen van tevoren een structuur met stellingen, zodat ze gefocust kunnen discussiëren over specifieke misvattingen en ethische dilemma’s.

⏱ 20 min·Individueel

Individueel: Persoonlijke Filterbubbel Analyse

Laat leerlingen hun YouTube- of Netflix-geschiedenis analyseren en voorspellen wat het algoritme suggereert. Noteer biases en deel één inzicht in een klassikale ronde.

Voorbereiding & details

Hoe maakt AI games uitdagender en leuker?

Facilitatietip: Bij de persoonlijke filterbubbel analyse: vraag leerlingen om hun eigen data in te brengen, zodat ze persoonlijk betrokken raken en de impact van biases voelen.

Dit onderwerp onderwijzen

Ervaren docenten benadrukken dat leerlingen eerst zelf moeten experimenteren voordat ze theorie bestuderen. Begin met simpele, zichtbare problemen zoals een eenvoudige game AI of een basaal aanbevelingssysteem. Vermijd vooraf te veel uitleg; laat leerlingen ontdekken via trial-and-error. Benadruk dat AI niet magisch is, maar gebaseerd op herkenbare patronen en data, wat ze zelf kunnen aanpassen.

Wat je kunt verwachten

Succesvolle leerlingen tonen aan dat ze AI-principes herkennen in games en aanbevelingen, kunnen uitleggen hoe deze systemen werken, en kritisch reflecteren op de beperkingen en ethische implicaties. Ze passen technieken toe en bedenken alternatieven voor biases in data.

Pas op voor deze misvattingen

Veelvoorkomende misvatting

Tijdens de activiteit 'Eenvoudige Game AI Bouwen', denken leerlingen vaak dat AI in games altijd onverslaanbaar is.

Wat je in plaats daarvan kunt onderwijzen

Laat leerlingen tijdens het testen van hun AI bewust onverwachte acties uitproberen en noteer hoe de AI hierop reageert. Benadruk dat zwaktes in de code leiden tot nieuwe inzichten over hoe AI werkt en dat creativiteit de sleutel is tot het verslaan van de AI.

Veelvoorkomende misvatting

Tijdens de activiteit 'Aanbevelingssysteem Simuleren', veronderstellen leerlingen dat systemen zoals Netflix emoties en persoonlijkheid begrijpen.

Wat je in plaats daarvan kunt onderwijzen

Geef leerlingen een dataset met alleen kijkgedrag en ratings, zonder persoonlijke informatie. Laat ze tijdens het simuleren ontdekken hoe de aanbevelingen veranderen als ze data aanpassen, en bespreek hoe biases in data de uitkomsten sturen.

Veelvoorkomende misvatting

Tijdens de activiteit 'Voor- en Nadelen Debat', geloven leerlingen dat AI-aanbevelingen neutraal en eerlijk zijn.

Wat je in plaats daarvan kunt onderwijzen

Gebruik de data die leerlingen tijdens 'Aanbevelingssysteem Simuleren' hebben gegenereerd. Laat ze tijdens het debat zien hoe kleine aanpassingen in de input-data grote verschillen in de output veroorzaken, en bespreek hoe dit de eerlijkheid beïnvloedt.

Toetsideeën

Uitgangskaart

Na de activiteit 'Eenvoudige Game AI Bouwen': geef leerlingen een scenario waarin een AI tegenstander een speler moet achtervolgen in een doolhof. Vraag hen om twee AI-technieken te noemen en kort uit te leggen hoe ze werken. Vraag ook om één voordeel en één nadeel van aanbevelingssystemen te benoemen.

Discussievraag

Tijdens de activiteit 'Voor- en Nadelen Debat': start met de vraag: 'Stel je voor dat je een aanbevelingssysteem bouwt voor schoolboeken. Welke data zou je verzamelen en hoe zorg je ervoor dat leerlingen niet alleen boeken krijgen die ze al kennen?' Moedig discussie aan over bias en diversiteit.

Snelle Controle

Na de activiteit 'Persoonlijke Filterbubbel Analyse': toon een korte video van een game met intelligente vijanden of een demonstratie van een aanbevelingssysteem. Vraag leerlingen om via een poll of korte notitie aan te geven welke AI-concepten ze herkennen en hoe deze de gebruikerservaring beïnvloeden.

Uitbreidingen & ondersteuning

• Challenge: Laat leerlingen een game-AI ontwerpen die niet alleen reageert op patronen, maar ook leert van eerdere spelers via een eenvoudig machine learning-model (bijv. een decision tree met feedback van klasgenoten).
• Scaffolding: Geef leerlingen die vastlopen een voorgeprogrammeerde basis-code met alleen de structuur, zodat ze zich kunnen focussen op het aanpassen van de AI-regels.
• Deeper exploration: Laat leerlingen een eigen aanbevelingssysteem bouwen voor een lokale bibliotheek of schoolboekenwinkel, inclusief een evaluatie van de bias in hun dataset.

Kernbegrippen

Pathfinding	Een algoritme dat de kortste of meest efficiënte route vindt voor een object, zoals een gamekarakter, om van punt A naar punt B te komen.
Decision Tree	Een boomstructuur die beslissingen en hun mogelijke uitkomsten weergeeft, vaak gebruikt om complexe keuzes te modelleren in games of AI.
Collaborative Filtering	Een methode voor aanbevelingssystemen die kijkt naar de voorkeuren van vergelijkbare gebruikers om items aan te bevelen aan een specifieke gebruiker.
Filter Bubble	Een toestand van intellectuele isolatie die kan ontstaan wanneer websites algoritmes gebruiken om informatie te voorspellen waarin een gebruiker het waarschijnlijk eens zal zijn.