Idéer för aktivt lärande
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.
Aktivitet 01
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.
Hur kan AI användas för att lösa ett specifikt vardagsproblem?
Aktivitet 02
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.
Vilka data behövs för att träna modellen?
Aktivitet 03
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.
Hur utvärderar man om AI-lösningen är framgångsrik?
Några anteckningar om att undervisa detta avsnitt
Se upp för dessa missuppfattningar
Att man måste bygga en perfekt produkt på en gång.
Inom systemutveckling är en 'Minimum Viable Product' (MVP) ofta målet. Genom att fokusera på kärnfunktionen lär sig eleverna att prioritera och arbeta iterativt.
Att den tekniska lösningen är det enda som räknas för betyget.
Planering, dokumentation och kritisk utvärdering är minst lika viktiga enligt kursplanen. Genom att använda loggböcker och reflektionsrapporter blir hela arbetsprocessen synlig.
Metoder som används i denna översikt