Informatica · Klas 6 VWO

Ideeën voor actief leren

Wat is Kunstmatige Intelligentie (AI)?

Actief leren werkt bij dit onderwerp omdat leerlingen door directe ervaring met AI-processen de abstracte concepten beter eigen maken. Door zelf een model te trainen of een simulatie uit te voeren, zien ze direct hoe data en algoritmen samenwerken, wat de theorie tastbaarder maakt.

• SLO Kerndoelen en Eindtermen
• SLO: Voortgezet onderwijs - Kunstmatige Intelligentie
• SLO: Voortgezet onderwijs - Technologie

• 30–45 min
• Duo's → Hele klas
• 3 activiteiten

Activiteit 01

• Simulatiespel
• 45 min · Kleine groepjes

Simulatiespel: De Menselijke Classifier

Leerlingen krijgen een stapel foto's van 'vreemde objecten'. Een groepje fungeert als het algoritme en moet regels bedenken om ze te sorteren. Een andere groep voert de regels uit op nieuwe data om te zien of het model 'generaliseert' of 'overfit'.

Wat is Kunstmatige Intelligentie en waar kom je het tegen in je dagelijks leven?

Facilitatietip

Laat bij 'De Menselijke Classifier' leerlingen eerst in kleine groepen klasseren voordat ze het proces met AI vergelijken, zodat ze het verschil tussen menselijk oordeel en algoritmische logica duidelijk zien.

Waar je op moet letten

Geef leerlingen een kaartje met een alledaagse technologie (bijvoorbeeld een smartphone-assistent, een navigatie-app, een spamfilter). Vraag hen om één zin uit te leggen hoe AI hierin een rol speelt en één voorbeeld te geven van data die hiervoor gebruikt kan worden.

• Toepassen
• Analyseren
• Evalueren
• Creëren
• Sociaal Bewustzijn
• Besluitvorming

Activiteit 02

• Onderzoekskring
• 40 min · Duo's

Onderzoekskring: Teachable Machine Experiment

Gebruik Google's Teachable Machine. Leerlingen trainen in duo's een model om handgebaren of objecten te herkennen. Ze onderzoeken vervolgens opzettelijk hoe ze het model kunnen laten falen door de achtergrond of belichting te veranderen.

Kan een computer echt denken zoals een mens?

Facilitatietip

Geef bij het 'Teachable Machine Experiment' expliciet de opdracht om zowel goede als slechte voorbeelden te testen, zodat leerlingen direct ervaren hoe dataset-kwaliteit het resultaat beïnvloedt.

Waar je op moet letten

Stel de vraag: 'Kan een computer echt denken zoals een mens?' Laat leerlingen in kleine groepen discussiëren en argumenten verzamelen voor en tegen. Vraag vervolgens een paar groepen om hun belangrijkste argumenten te delen met de klas.

• Analyseren
• Evalueren
• Creëren
• Zelfmanagement
• Zelfbewustzijn

Activiteit 03

• Denken-Delen-Uitwisselen
• 30 min · Duo's

Denken-Delen-Uitwisselen: Bias in de Trainingsset

Presenteer een dataset voor een sollicitatie-AI die historisch bevooroordeeld is. Leerlingen analyseren individueel waar de bias zit, bespreken in paren hoe dit het algoritme beïnvloedt en stellen manieren voor om de dataset te balanceren.

Wat zijn voorbeelden van dingen die AI heel goed kan?

Facilitatietip

Stel tijdens 'Bias in de Trainingsset' gerichte vragen om de discussie te sturen, zoals: 'Wat zou er gebeuren als onze trainingsdata alleen uit Nederlandse gezichten bestaat?'

Waar je op moet letten

Toon een korte video of afbeelding van een AI-toepassing (bijvoorbeeld gezichtsherkenning). Vraag leerlingen om in één zin te beschrijven welk type AI-taak hier wordt uitgevoerd (bijvoorbeeld classificatie van gezichten) en welk type data waarschijnlijk is gebruikt voor de training.

• Begrijpen
• Toepassen
• Analyseren
• Zelfbewustzijn
• Relatievaardigheden

Enkele opmerkingen over deze eenheid onderwijzen

Ervaren docenten benadrukken dat leerlingen eerst zelf de stappen van een ML-proces moeten doorlopen voordat abstracte concepten worden uitgelegd. Vermijd daarom te veel uitleg vooraf, maar laat leerlingen ontdekken door te doen. Gebruik voorbeelden uit hun eigen leefwereld, zoals sociale media of navigatie-apps, om de relevantie te vergroten. Zorg voor een veilige omgeving waar fouten maken mag, want dat is essentieel voor het leerproces.

Succesvolle leerlingen kunnen na deze module uitleggen wat het verschil is tussen supervised, unsupervised en reinforcement learning. Ze herkennen tevens valkuilen zoals bias in data en begrijpen waarom contextbegrip niet hetzelfde is als patroonherkenning door een algoritme.

---

Pas op voor deze misvattingen

• Tijdens 'De Menselijke Classifier' horen leerlingen soms zeggen dat de computer de afbeeldingen 'begrijpt' alsof hij er betekenis aan geeft.

  Gebruik de vergelijking tussen hoe leerlingen de afbeeldingen klasseren en hoe een algoritme patronen herkent in pixels. Benadruk dat de computer geen context of betekenis begrijpt, maar alleen correlaties vindt, net zoals bij het sorteren van een stapel afbeeldingen op kleur of vorm.

• Tijdens het 'Teachable Machine Experiment' denken leerlingen dat meer data altijd beter is, zelfs als de data niet representatief is.

  Laat leerlingen experimenteren met een kleine, maar goed gekozen dataset (bijvoorbeeld 10 goede voorbeelden) versus een grote, maar slechte dataset (bijvoorbeeld 1000 vervormde of onduidelijke afbeeldingen). Bespreek daarna in de klas waarom kwaliteit boven kwantiteit gaat.

---

Methodes gebruikt in dit overzicht

• Simulatiespel
• Onderzoekskring
• Denken-Delen-Uitwisselen