Artificial Intelligence en Machine Learning · Periode 4

Ethiek en Maatschappelijke Impact

Leerlingen discussiëren over privacy, autonomie en de invloed van automatisering op de arbeidsmarkt.

Over dit onderwerp

In dit onderwerp bespreken leerlingen de ethische en maatschappelijke impact van algoritmes en AI, met nadruk op privacy, autonomie en de gevolgen van automatisering voor de arbeidsmarkt. Ze evalueren wie verantwoordelijk is bij een ongeluk met een zelfrijdende auto, analyseren de vereiste transparantie van algoritmes voor leningbeslissingen en onderzoeken in hoeverre tech-bedrijven ons gedrag via algoritmes mogen beïnvloeden. Dit past perfect bij de SLO-kerndoelen voor Maatschappijleer en Ethiek in het voortgezet onderwijs, waar kritisch denken over technologie centraal staat.

Binnen Informatica Meesterschap verbindt dit de technische kant van AI en machine learning met bredere maatschappelijke vraagstukken. Leerlingen leren dat algoritmes niet neutraal zijn, maar keuzes van ontwerpers weerspiegelen die autonomie kunnen beperken of banen kunnen herverdelen. Dergelijke discussies bouwen vaardigheden op in ethische redenering, argumentatie en perspectiefname, cruciaal voor VWO-leerlingen die later complexe problemen moeten oplossen.

Actief leren werkt hier uitstekend omdat ethische thema's persoonlijk raken en meerdere invalshoeken hebben. Door debatten, rollenspellen en groepsanalyses ervaren leerlingen morele dilemmas levendig, wat leidt tot diepere reflectie, betere retentie en intrinsieke motivatie.

Leerdoelen

• Evalueer de ethische verantwoordelijkheden van ontwikkelaars en gebruikers bij het gebruik van autonome systemen, zoals zelfrijdende auto's.
• Analyseer de implicaties van algoritmische transparantie voor eerlijke besluitvorming in sectoren als kredietverlening en werving.
• Classificeer de manieren waarop technologiebedrijven via algoritmes invloed uitoefenen op menselijk gedrag en autonomie.
• Synthetiseer argumenten voor en tegen de volledige automatisering van bepaalde beroepen, rekening houdend met economische en sociale factoren.

Voordat je begint

Basisprincipes van Algoritmen

Waarom: Leerlingen moeten begrijpen hoe algoritmen werken om de ethische implicaties ervan te kunnen analyseren.

Inleiding tot Kunstmatige Intelligentie

Waarom: Kennis van de basisconcepten van AI is nodig om de specifieke toepassingen en maatschappelijke impact te kunnen bespreken.

Kernbegrippen

Algoritmische bias	Systematische en herhaalbare fouten in een computersysteem die leiden tot oneerlijke uitkomsten, zoals discriminatie tegen bepaalde groepen.
Autonomie	Het vermogen van een individu om zelfstandige beslissingen te nemen, vrij van externe dwang of controle, wat door technologie beïnvloed kan worden.
Privacy	Het recht van individuen om controle te hebben over hun persoonlijke informatie en hoe deze wordt verzameld, gebruikt en gedeeld, vooral door digitale systemen.
Transparantie (algoritmisch)	De mate waarin de werking en besluitvorming van een algoritme begrepen kan worden door buitenstaanders, wat cruciaal is voor verantwoording.
Arbeidsmarkttransformatie	De veranderingen in de aard van banen, de benodigde vaardigheden en de werkgelegenheid als gevolg van technologische ontwikkelingen zoals automatisering.

Ideeën voor actief leren

Debatcirkel: Verantwoordelijkheid zelfrijdende auto

Verdeel de klas in teams van vier: twee voor de fabrikant verantwoordelijk, twee voor de bestuurder. Geef 10 minuten voorbereiding met feitenkaarten, voer een 20 minuten durend debat met wisselende sprekers. Eindig met een klassenstemming en reflectieronde.

⏱ 50 min·Kleine groepjes

Missie genereren

Rollenspel: Transparantie leningalgoritme

Wijs rollen toe: bankmedewerker, klant, ethicusspecialist en jurist. Groepen spelen een hoorzitting na over een geweigerd krediet, met 15 minuten voorbereiding en 20 minuten optreden. De klas evalueert argumenten daarna.

⏱ 45 min·Kleine groepjes

Missie genereren

Dilemmakaarten: Gedragsbeïnvloeding tech

Deel kaarten uit met scenario's zoals gepersonaliseerde feeds. In paren trekken leerlingen kaarten, kiezen een standpunt en verdedigen het in een korte pitch. Roteren voor nieuwe partners en debatteer.

⏱ 35 min·Duo's

Missie genereren

Groepsanalyse: Automatisering arbeidsmarkt

Vorm expertgroepen per sector (bijv. transport, zorg). Onderzoek impact van AI, bereid een presentatie voor met voor- en nadelen. Presenteer aan de klas voor Q&A.

⏱ 60 min·Kleine groepjes

Missie genereren

Verbinding met de Echte Wereld

De discussie over wie verantwoordelijk is bij een ongeluk met een Tesla Model S die in Autopilot-modus reed, raakt direct aan juridische en ethische vraagstukken rondom autonome voertuigen.

Banken zoals ABN AMRO gebruiken algoritmes voor kredietbeoordelingen; de transparantie hiervan is essentieel om te voorkomen dat bepaalde groepen onterecht worden afgewezen.

Sociale mediaplatforms zoals TikTok en Instagram gebruiken algoritmes om content aan te bevelen, wat invloed heeft op de perceptie en het gedrag van miljoenen gebruikers, met name jongeren.

Pas op voor deze misvattingen

Veelvoorkomende misvatting

Algoritmes zijn altijd neutraal en objectief.

Wat je in plaats daarvan kunt onderwijzen

Algoritmes erven biases uit trainingsdata, wat oneerlijke uitkomsten veroorzaakt. Actieve casestudie-analyses in kleine groepen helpen leerlingen deze biases te herkennen en te bespreken, wat leidt tot begrip van ethische audits.

Veelvoorkomende misvatting

Automatisering leidt onvermijdelijk tot massaal banenverlies.

Wat je in plaats daarvan kunt onderwijzen

Automatisering transformeert banen, creëert ook nieuwe kansen. Door groepsdebatten over historische voorbeelden leren leerlingen genuanceerd denken, met focus op omscholing en beleid.

Veelvoorkomende misvatting

Privacy is minder belangrijk bij AI dan bij mensen.

Wat je in plaats daarvan kunt onderwijzen

AI-systemen verzamelen massaal data, wat autonomie ondermijnt. Rollenspellen simuleren dataverlies, zodat leerlingen de persoonlijke impact voelen en grenzen leren stellen.

Toetsideeën

Discussievraag

Start een klassengesprek met de vraag: 'Stel, een zelfrijdende auto veroorzaakt een dodelijk ongeluk. Wie draagt de primaire verantwoordelijkheid: de eigenaar, de fabrikant, de softwareontwikkelaar, of de overheid die de technologie goedkeurde? Onderbouw je antwoord met argumenten.' Laat leerlingen eerst individueel nadenken en daarna in kleine groepen discussiëren.

Uitgangskaart

Geef leerlingen een kaartje met de volgende stelling: 'Techbedrijven mogen ons gedrag via algoritmes beïnvloeden als dit leidt tot meer winst.' Vraag hen om op het kaartje een korte argumentatie te schrijven (maximaal 50 woorden) waarin ze aangeven of ze het hiermee eens of oneens zijn, en waarom.

Snelle Controle

Toon een korte video (2-3 minuten) over een ethisch dilemma rondom AI (bijvoorbeeld gezichtsherkenning in openbare ruimtes). Vraag leerlingen vervolgens om in één zin te beschrijven welk kernbegrip uit de les (privacy, autonomie, bias, transparantie) hier het meest relevant is en waarom.

Veelgestelde vragen

Hoe bespreek ik ethiek van zelfrijdende auto's in de klas?

Begin met een video van een trolleypobleem-scenario, gevolgd door een stille brainstorm. Laat paren argumenten uitwisselen en voer een klassendebat. Dit bouwt empathie op en traint besluitvorming onder onzekerheid, met 50 minuten effectief resultaat.

Wat is de rol van transparantie in AI-algoritmes?

Transparantie voorkomt black-box beslissingen, zoals bij leningen, en stelt burgers in staat biases aan te vechten. Leerlingen analyseren via hypothetische audits: welke data telt mee? Dit koppelt ethiek aan programmeerkennis en bevordert verantwoord gebruik.

Hoe helpt actief leren bij ethische discussies over AI?

Actief leren activeert meerdere zintuigen en perspectieven, ideaal voor ethiek. Debatten en rollenspellen maken abstracte dilemmas concreet, verhogen betrokkenheid en ontwikkelen kritisch denken. Leerlingen onthouden beter door eigen argumentatie en peer-feedback, wat leidt tot diepere morele inzichten.

Hoe beïnvloeden tech-bedrijven ons gedrag met algoritmes?

Algoritmes prioriteren engagement via feeds, wat bubbels creëert en keuzes stuurt. Bespreken via persoonlijke voorbeelden helpt leerlingen grenzen herkennen. Koppel aan wetgeving zoals DSA voor een actueel kader.