Data, Analys och Artificiell Intelligens · Hösttermin

Big Data och Beslutsfattande

Eleverna undersöker hur insamling av data kan användas för att förutsäga trender och beteenden.

Om detta ämne

Maskininlärning är motorn i den pågående AI-revolutionen. Till skillnad från traditionell programmering, där en människa skriver exakta regler, handlar maskininlärning om att låta datorn hitta mönster i stora mängder exempel. I årskurs 9 introduceras detta för att ge eleverna en förståelse för hur tekniken bakom bildigenkänning, översättningstjänster och självkörande fordon fungerar.

Det är centralt att eleverna förstår vikten av träningsdata. Om datan är ensidig blir AI-systemet partiskt, vilket kan leda till diskriminering. Kursplanen betonar teknikens konsekvenser för individ och samhälle, och maskininlärning är ett område där de etiska frågorna är som mest brännande. Eleverna greppar dessa abstrakta koncept bäst genom att själva få 'träna' enkla modeller och se hur deras val av exempel direkt påverkar maskinens förmåga att fatta beslut.

Lärandemål

• Analysera hur mönster i stora datamängder kan identifieras för att förutsäga konsumentbeteenden.
• Utvärdera etiska risker kopplade till beslutsfattande baserat på historisk data i algoritmer.
• Förklara vem som har äganderätt till data som genereras av smarta enheter och vilka konsekvenser det kan få.
• Skapa en enkel modell som demonstrerar hur data kan användas för att identifiera trender.

Innan du börjar

Grundläggande programmering och datatyper

Varför: Eleverna behöver förstå vad data är och hur den kan representeras för att kunna analysera den.

Digitala verktyg och informationssökning

Varför: Eleverna bör vara bekväma med att använda digitala verktyg för att samla in och bearbeta information.

Nyckelbegrepp

Big Data	Extremt stora och komplexa datamängder som kräver avancerade verktyg för analys. Dessa data kan komma från många olika källor.
Algoritm	En steg-för-steg-instruktion eller regel som en dator följer för att lösa ett problem eller utföra en uppgift. Algoritmer används för att analysera data.
Maskininlärning	En gren inom artificiell intelligens där system lär sig från data utan att vara explicit programmerade. De identifierar mönster och gör förutsägelser.
Träningsdata	Den data som används för att lära upp en maskininlärningsmodell. Kvaliteten och representativiteten hos träningsdatan påverkar modellens resultat.
Bias (i data)	Systematiska fel eller orättvisor i data som kan leda till att algoritmer fattar partiska eller diskriminerande beslut.

Idéer för aktivt lärande

Utforskande cirkel: Träna en AI

Använd verktyg som 'Teachable Machine'. Eleverna arbetar i grupper för att träna en modell att känna igen olika handrörelser eller föremål. De testar sedan vad som händer om de ger modellen för lite eller för ensidig data.

⏱ 50 min·Smågrupper

Generera uppdrag

EPA (Enskilt-Par-Alla): AI och framtidens jobb

Eleverna läser korta beskrivningar av olika yrken. De reflekterar över vilka delar av jobbet som kan automatiseras med maskininlärning och vilka mänskliga förmågor som blir kvar, följt av diskussion i par.

⏱ 25 min·Par

Generera uppdrag

Formell debatt: Algoritmisk bias

Klassen debatterar ansvarsfrågan när en AI fattar ett orättvist beslut, till exempel vid en anställningsintervju. Är det programmerarens, företagets eller datans fel?

⏱ 40 min·Hela klassen

Generera uppdrag

Kopplingar till Verkligheten

Städer som Stockholm använder Big Data från trafikflöden och kollektivtrafik för att optimera rutter och minska trängsel. Dataanalytiker arbetar med att tolka dessa mönster för att förbättra stadens infrastruktur.

E-handelsplattformar som Zalando använder maskininlärningsalgoritmer tränade på kundhistorik för att rekommendera produkter. Dessa rekommendationer baseras på identifierade köpmönster och beteenden.

Företag inom energisektorn samlar in data från smarta mätare för att förutsäga energiförbrukning och optimera distributionen. Detta hjälper till att identifiera trender och potentiella problem i elnätet.

Se upp för dessa missuppfattningar

Vanlig missuppfattning

Att AI är en mänsklig hjärna inuti en dator.

Vad man ska lära ut istället

Elever tror ofta att AI 'tänker' som vi. Genom att förklara att det handlar om avancerad statistik och sannolikhetsberäkningar avmystifieras tekniken och blir lättare att förstå kritiskt.

Vanlig missuppfattning

Att en AI alltid ger det 'rätta' svaret.

Vad man ska lära ut istället

Många litar blint på AI-resultat. Genom att visa exempel på 'hallucinationer' eller felaktiga klassificeringar lär sig eleverna att AI är ett verktyg som kräver mänsklig granskning.

Bedömningsidéer

Utgångsbiljett

Ge eleverna en lapp där de ska svara på: 1. Ge ett exempel på hur Big Data kan användas för att lösa ett miljöproblem. 2. Nämn en risk med att en algoritm fattar beslut baserat på historisk data.

Diskussionsfråga

Ställ frågan: 'Vem äger egentligen den data som genereras av din smartphone eller smarta högtalare?' Låt eleverna diskutera i smågrupper och sedan dela sina tankar med klassen, med fokus på äganderätt och integritet.

Snabbkontroll

Visa två enkla dataset (t.ex. antal sålda glassar vs. antal badande). Be eleverna identifiera ett mönster och förklara om det finns ett orsakssamband eller bara en korrelation. Detta testar deras förmåga att analysera data.

Vanliga frågor

Vad är skillnaden mellan AI och maskininlärning?

AI är det breda begreppet för maskiner som efterliknar mänsklig intelligens. Maskininlärning är en specifik metod inom AI där datorn lär sig från data istället för att följa fasta instruktioner.

Varför pratar man så mycket om bias i AI?

Eftersom maskiner lär sig av mänsklig data, lär de sig också våra fördomar. Om träningsdatan bara innehåller en viss typ av människor kommer AI:n att fungera sämre för andra.

Hur kan aktivt lärande hjälpa elever att förstå maskininlärning?

Genom att låta eleverna själva kurera träningsdata och se resultatet i realtid blir processen transparent. Diskussioner kring 'svarta lådan'-problemet blir mer konkreta när de själva har försökt förstå varför deras tränade modell fattade ett visst beslut.

Kan en AI vara kreativ?

AI kan generera nya kombinationer av det den har lärt sig, vilket kan uppfattas som kreativt. Men den saknar personlig erfarenhet, känslor och avsikt, vilket ofta anses vara kärnan i mänsklig kreativitet.