Skip to content

Etik och Ansvar inom AIAktiviteter & undervisningsstrategier

Aktiva metoder fungerar särskilt väl för detta tema eftersom etik och ansvar inom AI kräver konkret erfarenhet för att förstå abstrakta begrepp. Genom att analysera verkliga dataset, diskutera scenarier och reflektera personligt gör eleverna komplexa frågor greppbara och relevanta för sina egna liv.

Årskurs 9Digital Innovation och Systemförståelse4 aktiviteter30 min50 min

Lärandemål

  1. 1Utvärdera etiska dilemman som uppstår när AI fattar beslut i autonoma system, till exempel i självkörande fordon.
  2. 2Analysera hur bias kan introduceras och förstärkas i AI-system genom träningsdata och algoritmutformning.
  3. 3Förklara ansvarsfördelningen mellan utvecklare, användare och själva AI-systemet vid felaktiga AI-beslut.
  4. 4Syntetisera principer för ansvarsfull AI-utveckling och användning i en policyutkast.

Vill du en komplett lektionsplan med dessa mål? Skapa ett uppdrag

45 min·Smågrupper

Rollspel: AI i Krislägen

Dela in eleverna i grupper som representerar aktörer i ett scenario, som en självkörande bil som måste välja mellan två offer. Grupperna argumenterar för sina beslut baserat på etikprinciper. Avsluta med helklassdiskussion om konsekvenser.

Förberedelse & detaljer

Utvärdera de etiska implikationerna av AI-beslut i kritiska situationer.

Handledningstips: Under Biasjakt i Dataset, ge eleverna specifika frågor att ställa om datans ursprung, t.ex. 'Vem har samlat in denna data och varför?' för att uppmuntra djupare analys.

Setup: Öppen yta eller ommöblerade bänkar anpassade för scenariot

Materials: Rollkort med bakgrund och mål, Instruktioner för scenariot

TillämpaAnalyseraUtvärderaSocial MedvetenhetSjälvkännedom
30 min·Par

Biasjakt: Analysera Dataset

Ge elever autentiska dataset från ansiktsigenkänning. I par identifierar de bias, som ojämn representation av kön eller etnicitet, och föreslår korrigeringar. Presentera fynd för klassen.

Förberedelse & detaljer

Analysera hur man kan minska bias i AI-system.

Handledningstips: I Rollspel: AI i Krislägen, sätt tydliga tidsgränser för varje roll för att hålla diskussionen fokuserad och engagerad.

Setup: Ett rum uppdelat i två sidor med en tydlig mittlinje

Materials: Kort med provocerande påståenden, Evidenskort (valfritt), Loggblad för att följa rörelserna i rummet

AnalyseraUtvärderaSjälvkännedomSocial Medvetenhet
50 min·Hela klassen

Debattcirkel: Ansvar för AI-fel

Fördela roller: för- och emot att AI ska ha juridiskt ansvar. Elever förbereder argument individuellt, debatterar i cirkel och röstar på bästa resonemang. Sammanfatta med gemensamma riktlinjer.

Förberedelse & detaljer

Förklara vem som bär ansvaret när en AI fattar ett felaktigt beslut.

Handledningstips: Under Debattcirkel: Ansvar för AI-fel, tilldela roller som utvecklare, användare och påverkad individ för att säkerställa alla perspektiv lyfts fram.

Setup: Ett rum uppdelat i två sidor med en tydlig mittlinje

Materials: Kort med provocerande påståenden, Evidenskort (valfritt), Loggblad för att följa rörelserna i rummet

AnalyseraUtvärderaSjälvkännedomSocial Medvetenhet
40 min·Individuellt

Etikportfolio: Personliga Reflektioner

Elever väljer tre AI-appar de använder dagligen, analyserar integritetsrisker och skapar en portfolio med rekommendationer. Dela i par för feedback.

Förberedelse & detaljer

Utvärdera de etiska implikationerna av AI-beslut i kritiska situationer.

Handledningstips: I Etikportfolio: Personliga Reflektioner, ge eleverna en mall med strukturerade frågor som hjälper dem att organisera sina tankar.

Setup: Ett rum uppdelat i två sidor med en tydlig mittlinje

Materials: Kort med provocerande påståenden, Evidenskort (valfritt), Loggblad för att följa rörelserna i rummet

AnalyseraUtvärderaSjälvkännedomSocial Medvetenhet

Att undervisa detta ämne

Etik inom AI lärs bäst genom att kombinera praktiska aktiviteter med teoretiska diskussioner. Undvik att föreläsa om begrepp utan att ge eleverna möjlighet att utforska dem själva. Fokusera på att ställa öppna frågor som uppmuntrar kritiskt tänkande och reflektion. Använd verkliga exempel för att göra abstrakta begrepp konkreta. Lär eleverna att ifrågasätta systemen de möter, inte bara acceptera dem som neutrala.

Vad du kan förvänta dig

En lyckad aktivitet kännetecknas av elever som aktivt deltar i diskussioner, ställer kritiska frågor om bias och integritet och kan motivera sina ståndpunkter med konkreta exempel. Eleverna visar förståelse genom att koppla teoretiska begrepp till sina egna reflektioner och praktiska tillämpningar.

De här aktiviteterna är en startpunkt. Det fullständiga uppdraget är upplevelsen.

  • Komplett handledningsmanuskript med lärardialoger
  • Utskriftsklart elevmaterial, redo för klassrummet
  • Differentieringsstrategier för varje typ av elev
Skapa ett uppdrag

Se upp för dessa missuppfattningar

Vanlig missuppfattningEleverna tror att AI alltid är neutral och opartisk.

Vad man ska lära ut istället

Under Biasjakt i Dataset, ge eleverna ett dataset med tydliga bias-mönster, t.ex. köns- eller etnicitetsbaserade skillnader i rekommendationer. Be dem analysera datan i par och presentera sina fynd för klassen för att synliggöra hur bias uppstår.

Vanlig missuppfattningEleverna menar att användaren aldrig bär ansvar för AI-beslut.

Vad man ska lära ut istället

Under Rollspel: AI i Krislägen, utmana eleverna att identifiera vem som bär ansvaret för de beslut som fattas i scenariot. Diskutera sedan gruppvis hur ansvar fördelas och varför användarkontexten spelar roll.

Vanlig missuppfattningEleverna tror att mer data automatiskt minskar bias.

Vad man ska lära ut istället

Under Biasjakt i Dataset, låt eleverna testa två dataset: ett med mycket data men ensidig representation och ett mindre dataset med mer variation. Be dem jämföra resultaten för att se hur mer data kan förstärka bias om den är bristfällig.

Bedömningsidéer

Diskussionsfråga

Efter Rollspel: AI i Krislägen, presentera scenariot om AI som nekar lån baserat på postnummer. Ställ frågor om bias-typ, ansvarsfördelning och åtgärder. Använd elevernas diskussionsinlägg och slutsatser som underlag för bedömning av kritiskt tänkande och etisk reflektion.

Utgångsbiljett

Under Etikportfolio: Personliga Reflektioner, be eleverna skriva ner en etisk utmaning kopplad till AI-autonomi och en konkret åtgärd för att minska riskerna. Samla in portfoliorna och bedöm förståelse och förmåga att koppla teori till praktik.

Snabbkontroll

Under Biasjakt i Dataset, avsluta med en snabb muntlig eller skriftlig fråga: 'Förklara vad algoritmisk bias är och ge ett exempel från ert dataset.' Använd svaren för att bedöma om eleverna har greppat begreppet och kan tillämpa det.

Fördjupning & stöd

  • Utmana eleverna att designa en enkel AI-modell för att upptäcka bias i ett dataset och föreslå åtgärder för att minska den.
  • För elever som har svårt, ge dem ett färdigt dataset med tydliga bias-mönster och be dem identifiera och förklara dem i par.
  • För fördjupning, låt eleverna undersöka en aktuell nyhetsartikel om AI-bias och analysera den med hjälp av etiska ramverk de lärt sig under lektionerna.

Nyckelbegrepp

Algoritmisk biasSystematiska och upprepbara fel i ett datorsystem som skapar orättvisa resultat, ofta genom att reproducera fördomar som finns i träningsdata.
Personlig integritetRätten för en individ att kontrollera insamling, användning och spridning av sina personuppgifter, vilket kan påverkas av AI-systemens datainsamling.
AI-autonomiFörmågan hos ett AI-system att fatta beslut och utföra handlingar utan direkt mänsklig inblandning, vilket väcker frågor om kontroll och ansvar.
Förklarbar AI (XAI)Metoder och tekniker som syftar till att göra AI-systemens beslut och processer mer transparenta och begripliga för människor.

Redo att undervisa Etik och Ansvar inom AI?

Skapa ett komplett uppdrag med allt du behöver

Skapa ett uppdrag