Teknik · Årskurs 9

Idéer för aktivt lärande

Big Data och Beslutsfattande

Aktivt lärande fungerar särskilt bra för Big Data och beslutsfattande eftersom eleverna behöver uppleva hur data blir till beslut genom konkreta exempel. Genom att arbeta praktiskt med verktyg och diskussioner får de syn på hur maskininlärning påverkar deras vardag, vilket skapar meningsfull förståelse snarare än passiv kunskap.

• Skolverket Kursplaner
• Lgr22: Teknik - Åk 7-9 - Hur digital teknik används inom olika områden
• Lgr22: Teknik - Åk 7-9 - Konsekvenser av teknikval för individ och samhälle

• 25–50 min
• Par → Hela klassen
• 3 aktiviteter

Aktivitet 01

• Utforskande cirkel
• 50 min · Smågrupper

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.

Hur kan mönster i stora datamängder hjälpa oss att lösa miljöproblem?

Handledningstips

Under 'Träna en AI' låt eleverna dokumentera sina steg i en gemensam loggbok för att skapa medvetenhet om hur deras val påverkar träningen.

Vad att leta efter

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.

• Analysera
• Utvärdera
• Skapa
• Självreglering
• Självkännedom

Aktivitet 02

• EPA (Enskilt-Par-Alla)
• 25 min · Par

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.

Vilka risker finns när algoritmer fattar beslut baserat på historisk data?

Handledningstips

Under 'AI och framtidens jobb' se till att alla elever får chansen att delta i diskussionen genom strukturerade turer, inte bara de som räcker upp handen.

Vad att leta efter

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.

• Förstå
• Tillämpa
• Analysera
• Självkännedom
• Relationsförmåga

Aktivitet 03

• Formell debatt
• 40 min · Hela klassen

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?

Vem äger den data som genereras av våra smarta enheter?

Handledningstips

Under 'Algoritmisk bias' börja debatten med ett konkret exempel som eleverna kan relatera till, till exempel reklam som visas för dem.

Vad att leta efter

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.

• Analysera
• Utvärdera
• Skapa
• Självreglering
• Beslutsfattande

Några anteckningar om att undervisa detta avsnitt

Undervisningen bör balansera teori och praktik för att undvika att ämnet känns för abstrakt. Använd konkreta dataset som eleverna kan relatera till, till exempel skoldata eller lokal information. Undvik att börja med komplexa matematiska formler. Fokusera istället på att bygga intuition genom exempel och diskussioner. Det är viktigt att eleverna förstår att AI är ett verktyg som kräver mänsklig granskning och ansvarstagande.

När eleverna förstår hur maskininlärning skapar beslutsunderlag genom mönsterigenkänning i data kan de förklara skillnaden mellan korrelation och orsakssamband. Dessutom ska de kunna identifiera och diskutera algoritmisk bias och dess konsekvenser för samhället.

---

Se upp för dessa missuppfattningar

• Under 'Träna en AI' tror elever ofta att AI 'tänker' som människor.

  Under aktiviteten 'Träna en AI' kan du avmystifiera detta genom att jämföra träningen av AI med hur eleverna själva lär sig genom repetition och feedback, men betona att AI endast hanterar statistik och sannolikheter utan medvetande.

• Under 'Algoritmisk bias' litar många elever blint på att AI alltid ger det 'rätta' svaret.

  Under debatten 'Algoritmisk bias' kan du visa konkreta exempel på AI-fel, till exempel felaktiga klassificeringar av ansikten, och be eleverna diskutera varför dessa fel uppstår och hur de kan undvikas.

---

Metoder som används i denna översikt

• Utforskande cirkel
• EPA (Enskilt-Par-Alla)
• Formell debatt