Datalogi · Gymnasiet 3 · Artificiell Intelligens och Framtidens Teknik · 5.º Período

Tillämpad AI och projektarbete

Praktisk tillämpning där eleverna designar ett koncept eller en enkel prototyp som använder AI för att lösa ett problem.

Kort sammanfattning:I det avslutande projektarbetet får eleverna tillämpa sina kunskaper genom att designa en prototyp eller ett koncept som använder AI för att lösa ett verkligt problem. Det kan handla om allt från en app som sorterar skräp med kameran till ett system som förutsäger energiförbrukning. Detta är kulmen på kursen där teori blir till praktik.

• Skolverket Kursplaner
• Skolverket DAODAT01: Centralt innehåll - Genomförande av ett datalogiskt projekt
• Skolverket DAODAT01: Kunskapskrav A - Planera och genomföra komplexa projekt

Om detta ämne

I det avslutande projektarbetet får eleverna tillämpa sina kunskaper genom att designa en prototyp eller ett koncept som använder AI för att lösa ett verkligt problem. Det kan handla om allt från en app som sorterar skräp med kameran till ett system som förutsäger energiförbrukning. Detta är kulmen på kursen där teori blir till praktik.

Enligt Skolverkets mål för gymnasiearbetet och Datalogi ska eleverna kunna planera, genomföra och utvärdera ett komplext projekt. De får öva på hela processen: från behovsanalys och datainsamling till implementering och kritisk reflektion. Genom att arbeta projektbaserat utvecklar eleverna både teknisk skicklighet och förmågan att driva egna idéer.

Nyckelfrågor

1. Hur kan AI användas för att lösa ett specifikt vardagsproblem?
2. Vilka data behövs för att träna modellen?
3. Hur utvärderar man om AI-lösningen är framgångsrik?

Se upp för dessa missuppfattningar

Vanlig missuppfattning

Att man måste bygga en perfekt produkt på en gång.

Vad man ska lära ut istället

Inom systemutveckling är en 'Minimum Viable Product' (MVP) ofta målet. Genom att fokusera på kärnfunktionen lär sig eleverna att prioritera och arbeta iterativt.

Vanlig missuppfattning

Att den tekniska lösningen är det enda som räknas för betyget.

Vad man ska lära ut istället

Planering, dokumentation och kritisk utvärdering är minst lika viktiga enligt kursplanen. Genom att använda loggböcker och reflektionsrapporter blir hela arbetsprocessen synlig.

Idéer för aktivt lärande

Utforskande cirkel

AI Design Sprint

Under en vecka går eleverna igenom en snabb process: identifiera ett problem, skissa på en AI-lösning, bygg en enkel prototyp (t.ex. i Figma eller med en enkel ML-modell) och presentera för klassen.

180 min·Smågrupper

Gallergång

Prototyp-mässa

Eleverna ställer ut sina projektidéer eller prototyper. Besökare (andra elever eller lärare) går runt, får en demo och ger feedback baserat på kriterier som användarvänlighet, teknisk genomförbarhet och etik.

60 min·Hela klassen

Lärande genom undervisning

Kod-granskning

Eleverna byter projekt med varandra och genomför en 'code review'. De fokuserar på att förstå varandras AI-logik och ger konstruktiva förslag på hur modellen eller koden kan förbättras.

45 min·Par

Vanliga frågor

Vilken typ av AI-projekt är lämpliga för gymnasienivå?

Projekt som använder färdiga API:er (som OpenAI eller Google Cloud AI) eller enkla verktyg för bild- och ljudigenkänning är lagom utmanande och ger snabba resultat.

Hur mycket data behövs för ett elevprojekt?

Det beror på projektet, men för en enkel bildigenkännare kan det räcka med 50-100 bilder per kategori. Det viktiga är att eleverna förstår principen för datainsamling och kvalitet.

Hur stödjer aktivt lärande eleverna under ett långt projekt?

Genom regelbundna avstämningar som 'stand-ups', kamratrespons och gemensamma problemlösningssessioner hålls motivationen uppe och eleverna lär sig att hantera de motgångar som alltid uppstår i tekniska projekt.

Kan man göra projektet i grupp?

Ja, det är ofta fördelaktigt då det speglar arbetslivet. Det är dock viktigt att varje elevs individuella bidrag och kunskaper kan identifieras och bedömas enligt Skolverkets krav.