Introduktion till Digitala Verktyg för Bild
Eleverna får en grundläggande introduktion till digitala rit- och bildbehandlingsprogram.
Nyckelfrågor
- Jämför fördelarna med digitala och analoga verktyg för bildskapande.
- Hur kan vi effektivt använda lager och penslar i ett digitalt ritprogram?
- Förklara hur digitala verktyg kan utöka de konstnärliga möjligheterna.
Skolverket Kursplaner
Om detta ämne
Big Data handlar om de enorma mängder information som genereras varje sekund och hur vi kan använda mönsterigenkänning för att förstå den. I årskurs 8 kopplas detta till kursplanens mål om digitala verktyg för databehandling och hur teknikval får konsekvenser för samhället. Eleverna får lära sig att data i sig är neutral, men att analysen av den kan användas för allt från att förutsäga epidemier till att rikta politisk reklam.
Genom att arbeta med mönsterigenkänning tränar eleverna sin förmåga att se samband i komplex information. Detta är en nyckelkompetens i en tid där algoritmer fattar allt fler beslut åt oss. Ämnet blir särskilt engagerande när eleverna får prova på att vara 'mänskliga algoritmer' och försöka hitta dolda trender i stora pappershögar med anonymiserad data.
Idéer för aktivt lärande
Utforskande cirkel: Data-detektiverna
Eleverna får stora mängder 'skräpdata' (t.ex. kvitton eller fiktiva loggar). De ska i grupper försöka hitta mönster: Vilken tid handlar folk mest? Finns det samband mellan väder och inköp?
EPA (Enskilt-Par-Alla): Algoritmernas filterbubblor
Eleverna reflekterar över sina egna flöden i sociala medier. De diskuterar i par hur mönsterigenkänning avgör vad de ser och vilka röster som eventuellt sorteras bort.
Simuleringsövning: Träna en analog algoritm
Eleverna ska 'träna' en klasskamrat att känna igen en specifik typ av teckning genom att bara visa exempel och ge feedback (ja/nej), för att förstå hur mönsterigenkänning fungerar utan programmering.
Se upp för dessa missuppfattningar
Vanlig missuppfattningAtt mer data alltid leder till bättre beslut.
Vad man ska lära ut istället
Om datan är vinklad eller av dålig kvalitet blir besluten felaktiga (garbage in, garbage out). Genom att ge eleverna ofullständig data kan de själva se hur felaktiga slutsatser dras.
Vanlig missuppfattningAtt mönsterigenkänning är samma sak som sanning.
Vad man ska lära ut istället
Korrelation innebär inte alltid kausalitet. Bara för att två saker händer samtidigt betyder det inte att den ena orsakar den andra, vilket bäst belyses genom absurda exempel på statistiska samband.
Föreslagen metodik
Redo att undervisa i detta ämne?
Skapa ett komplett uppdrag för aktivt lärande, redo för klassrummet, på bara några sekunder.
Vanliga frågor
Vad är skillnaden mellan vanlig statistik och Big Data?
Hur används Big Data i den svenska välfärden?
Är Big Data farligt för demokratin?
Hur kan aktivt lärande hjälpa elever att förstå datamängder?
Mer i Digitalt Skapande och Rörlig Bild
Stop-motion Animation: Grunder
Eleverna lär sig grunderna i att skapa rörlig bild genom sekvenser av fotografier.
3 methodologies
Stop-motion Animation: Ljud och Berättande
Eleverna lägger till ljud och musik till sina stop-motion-filmer för att förstärka berättelsen.
3 methodologies
Digital Bildbehandling: Retuschering och Förbättring
Eleverna använder mjukvara för att retuschera och förbättra fotografier.
3 methodologies
Digital Bildbehandling: Manipulation och Etik
Eleverna utforskar gränserna för bildmanipulation och diskuterar etiska aspekter.
3 methodologies
Visuella Effekter och CGI
Introduktion till hur man skapar enkla specialeffekter digitalt och diskussion om CGI:s roll i film.
3 methodologies