Data och Information · Vårtermin

Beslutsfattande med data

Vi tittar på hur algoritmer använder data för att ge oss rekommendationer.

Om detta ämne

Beslutsfattande med data utforskar hur algoritmer använder insamlad information för att ge rekommendationer, som nästa låt i en musiktjänst. Elever i årskurs 4 undersöker hur tidigare val, som lyssningshistorik, påverkar förslag. De reflekterar också över risker: data kan leda till orättvisa beslut om den är partisk, och felaktig input ger felaktiga utdata, principen GIGO (garbage in, garbage out).

Ämnet knyter an till Lgr22:s centrala innehåll i Teknik 4-6, särskilt digitala system och hur de påverkar människans val samt konsekvenser av teknikval. Elever utvecklar förståelse för teknikens samhällspåverkan och tränar kritiskt tänkande kring datahantering. Genom att koppla till vardagliga exempel som spellistor eller nyhetsflöden blir abstrakta begrepp konkreta och relevanta.

Aktivt lärande passar utmärkt här eftersom elever själva kan simulera algoritmer med enkla verktyg. De ser direkt hur data påverkar beslut, experimenterar med bias och diskuterar etiska aspekter i grupp, vilket stärker både tekniskt begreppsförståelse och samhällsmedvetenhet.

Lärandemål

• Förklara hur en algoritm använder tidigare data för att generera rekommendationer i en musiktjänst.
• Identifiera minst två sätt som felaktig data kan leda till orättvisa eller felaktiga beslut i digitala system.
• Jämföra hur olika typer av data (t.ex. lyssningshistorik, ålder) kan påverka resultatet av en rekommendationsalgoritm.
• Kritiskt granska ett exempel på en rekommendationstjänst och diskutera potentiella fördomar i datan som används.

Innan du börjar

Grundläggande om datorer och digitala verktyg

Varför: Eleverna behöver en grundläggande förståelse för vad en dator är och hur man använder digitala verktyg för att kunna förstå hur data hanteras.

Information och datainsamling

Varför: Förståelse för vad information är och hur den kan samlas in är en förutsättning för att kunna diskutera hur data används i algoritmer.

Nyckelbegrepp

Algoritm	En steg-för-steg-instruktion eller regel som en dator följer för att lösa ett problem eller utföra en uppgift, som att ge rekommendationer.
Data	Information som samlas in och används av datorer, till exempel vad du lyssnar på, tittar på eller köper.
Rekommendation	Ett förslag som ges baserat på tidigare information eller mönster, som en låt eller film som en tjänst tror att du kommer att gilla.
Bias (fördom)	När data eller en algoritm systematiskt gynnar eller missgynnar vissa grupper eller resultat, vilket kan leda till orättvisa beslut.
GIGO (Garbage In, Garbage Out)	Ett begrepp som betyder att om du matar in felaktig eller dålig data i ett system, kommer resultatet också att bli felaktigt eller dåligt.

Idéer för aktivt lärande

Stationsrotation: Rekommendationssimulering

Upplägg fyra stationer: lyssningshistorik (kort med låtar), rekommendation (matcha baserat på data), bias (partiska kortlekar), GIGO (felaktiga data ger tokiga förslag). Grupper roterar var 10:e minut och noterar observationer.

⏱ 45 min·Smågrupper

Generera uppdrag

Pararbete: Data-bias jakt

Dela ut scenarier som jobbannonser eller spellistor med biased data. Paren identifierar orättvisor, föreslår bättre data och testar i rollspel. Avsluta med gemensam diskussion.

⏱ 30 min·Par

Generera uppdrag

Helklass: GIGO-experiment

Visa en enkel algoritm på tavla eller dator där klassen matar in data om favoritfärger. Ändra till felaktig data och observera förändrade rekommendationer tillsammans.

⏱ 20 min·Hela klassen

Generera uppdrag

Individuellt: Min algoritm

Elever ritar sin egen rekommendationsalgoritm för godis baserat på tidigare val. Dela och jämför i plenum.

⏱ 25 min·Individuellt

Generera uppdrag

Kopplingar till Verkligheten

Musiktjänster som Spotify och Apple Music använder algoritmer som analyserar din lyssningshistorik för att föreslå nya låtar och artister, liknande hur en radiostation skulle välja musik för sin publik.

E-handelsplattformar som Amazon använder data om dina tidigare köp och visningar för att rekommendera produkter du kan vara intresserad av, vilket påverkar vad du ser och potentiellt köper.

Nyhetsappar och sociala medier använder algoritmer för att visa dig innehåll som de tror kommer att engagera dig mest, baserat på vad du tidigare har gillat eller delat.

Se upp för dessa missuppfattningar

Vanlig missuppfattning

Algoritmer är alltid rättvisa och objektiva.

Vad man ska lära ut istället

Algoritmer speglar den data de tränas på, som kan vara partisk. Aktiva övningar där elever bygger egna algoritmer med biased input visar detta tydligt och uppmuntrar diskussion om rättvisa.

Vanlig missuppfattning

Felaktig data påverkar inte slutresultatet.

Vad man ska lära ut istället

Felaktig input leder till felaktiga rekommendationer, GIGO. Genom experiment där elever testar fel data ser de konsekvenserna direkt, vilket korrigerar missuppfattningen via hands-on upplevelse.

Vanlig missuppfattning

Data är neutral och oföränderlig.

Vad man ska lära ut istället

Data formas av vem som samlar den och hur. Gruppaktiviteter med olika datakällor hjälper elever att jämföra och inse data:s subjektiva natur.

Bedömningsidéer

Utgångsbiljett

Ge eleverna ett kort där de ska svara på: 1. Ge ett exempel på en rekommendation du fått från en digital tjänst. 2. Vilken typ av data tror du tjänsten använde för att ge dig den rekommendationen? 3. Vad kan hända om tjänsten bara använde data från en liten grupp människor?

Diskussionsfråga

Ställ frågan: Kan data användas för att fatta orättvisa beslut? Låt eleverna diskutera i smågrupper och sedan dela med sig av sina tankar till klassen. Fokusera på hur fördomar i data kan påverka resultatet, t.ex. i spelrekommendationer eller annonsering.

Snabbkontroll

Visa en enkel algoritm för att välja en frukt baserat på färg (t.ex. 'Om röd, välj äpple. Om gul, välj banan.'). Ge sedan eleverna en 'felaktig' input, som 'färgen är blå'. Fråga dem vad datorn kommer att göra enligt algoritmen och varför (GIGO-principen).

Vanliga frågor

Hur vet en musiktjänst vilken låt du vill höra nästa?

Musiktjänster analyserar din lyssningshistorik, genrer och betyg för att förutsäga preferenser med algoritmer. De räknar mönster, som att du gillar pop efter rock, och föreslår liknande. Elever kan simulera detta med kort för att förstå processen, kopplat till Lgr22:s digitala system.

Kan data användas för att fatta orättvisa beslut?

Ja, om data är partisk, som fler män i träningsdata för jobbalgoritmer, förstärks orättvisor. Diskutera exempel som biased spellistor. Aktiva rollspel visar hur elever kan identifiera och motverka bias i teknikval.

Vad händer om den data vi matar in i en dator är felaktig?

Felaktig data ger felaktiga resultat, GIGO-principen. En algoritm kan föreslå olämpliga låtar eller beslut. Experiment med fel input gör elever medvetna om vikten av korrekt datahantering i digitala system.

Hur kan aktivt lärande hjälpa elever att förstå beslutsfattande med data?

Aktivt lärande låter elever simulera algoritmer med fysiska verktyg som kort eller enkla program, se bias och GIGO i praktiken. Gruppövningar främjar diskussion om etik och samhällspåverkan, vilket stärker kritiskt tänkande. Hands-on metoder gör abstrakta begrepp greppbara och minnesvärda för årskurs 4.