Teknik · Årskurs 9

Idéer för aktivt lärande

Introduktion till AI och Maskininlärning

Eleverna lär sig bäst när de får pröva själva hur AI och maskininlärning fungerar. Genom praktiska aktiviteter förstår de skillnaden mellan regelbaserad kod och datadriven inlärning, vilket gör abstrakta begrepp konkreta och begripliga. Aktiviteterna bygger på elevernas nyfikenhet och ger direkt erfarenhet av hur AI fattar beslut utifrån mönster i data.

• Skolverket Kursplaner
• Lgr22: Teknik - Åk 7-9 - Artificiell intelligens och dess påverkan
• Lgr22: Teknik - Åk 7-9 - Teknikens roll i framtidens arbetsliv

• 25–45 min
• Par → Hela klassen
• 4 aktiviteter

Aktivitet 01

• Utforskande cirkel
• 30 min · Par

Parjämförelse: Programmering vs Maskininlärning

Dela in elever i par. Ett par skriver kod för att sortera frukter baserat på regler, det andra tränar en enkel modell med Teachable Machine på bilder av frukter. Jämför resultaten och diskutera skillnader i flexibilitet.

Vad skiljer traditionell programmering från maskininlärning?

Handledningstips

Under parjämförelsen, be eleverna att skriva ner exakt en regel i traditionell kod och ett exempel som en AI-modell skulle använda för att göra samma sak, för att tydliggöra skillnaden.

Vad att leta efter

Be eleverna svara på två frågor på en lapp: 1. Ge ett exempel på hur traditionell programmering skiljer sig från maskininlärning. 2. Beskriv en risk med bias i träningsdata för ett AI-system.

• Analysera
• Utvärdera
• Skapa
• Självreglering
• Självkännedom

Aktivitet 02

• Utforskande cirkel
• 45 min · Smågrupper

Gruppsimulering: Bias i Data

Små grupper får träningsdata med bias, t.ex. ansiktsbilder mest från en hudton. De tränar en modell och testar på mångsidiga data. Diskutera varför modellen misslyckas och hur data kan förbättras.

Hur kan bias i träningsdata leda till diskriminerande AI-system?

Handledningstips

I bias-simuleringen, dela in grupperna slumpmässigt och ge varje grupp medvetet snedvriden data för att synliggöra hur bias uppstår och dess konsekvenser.

Vad att leta efter

Ställ frågan: 'Vilka tre yrken tror ni kommer att förändras mest av AI inom de kommande tio åren, och varför?' Låt eleverna diskutera i smågrupper och sedan dela sina tankar med klassen.

• Analysera
• Utvärdera
• Skapa
• Självreglering
• Självkännedom

Aktivitet 03

• Utforskande cirkel
• 40 min · Hela klassen

Helklassdiskussion: AI och Yrken

Visa videor om AI i yrken. Elever brainstormar i helklass hur jobb förändras, röstar på mest påverkade och skapar en gemensam mindmap med för- och nackdelar.

Vilka yrken kommer att förändras mest av AI-utvecklingen?

Handledningstips

Vid helklassdiskussionen, använd yrken som eleverna känner till och be dem motivera sina svar med konkreta exempel från aktiviteterna de genomfört.

Vad att leta efter

Visa en bild av ett vardagligt AI-exempel (t.ex. en rekommendationsmotor på en streamingtjänst). Fråga eleverna: 'Hur tror ni att detta system lär sig vad jag gillar?' Samla in svar muntligt eller via en digital plattform.

• Analysera
• Utvärdera
• Skapa
• Självreglering
• Självkännedom

Aktivitet 04

• Utforskande cirkel
• 25 min · Individuellt

Individuell Utforskning: Egen ML-modell

Elever använder Scratch eller Teachable Machine för att träna en modell på egna rörelser eller ljud. De dokumenterar träning, test och observationer om överanpassning.

Vad skiljer traditionell programmering från maskininlärning?

Handledningstips

Under den individuella utforskningen av ML-modeller, ge eleverna tydliga steg-för-steg-instruktioner och en checklista för att säkerställa att de fokuserar på datakvalitet och modellens begränsningar.

Vad att leta efter

Be eleverna svara på två frågor på en lapp: 1. Ge ett exempel på hur traditionell programmering skiljer sig från maskininlärning. 2. Beskriv en risk med bias i träningsdata för ett AI-system.

• Analysera
• Utvärdera
• Skapa
• Självreglering
• Självkännedom

Några anteckningar om att undervisa detta avsnitt

Erfarna lärare betonar att eleverna behöver arbeta med verklig data och konkreta exempel för att förstå AI. Undvik att översimplifiera genom att säga att AI 'tänker' eller 'förstår'. Använd istället jämförelser med människors inlärning, men understryk att AI enbart hanterar mönster. Lärarna lyfter också vikten av att diskutera etiska frågor för att eleverna ska förstå teknikens samhällspåverkan. En vanlig fallgrop är att lägga för mycket tid på teoretiska förklaringar av AI-algoritmer, vilket kan förvirra eleverna. Fokusera istället på processen: data → mönster → beslut → konsekvenser.

När eleverna förstår skillnaden mellan traditionell programmering och maskininlärning kan de förklara hur AI lär sig av data och varför träningsdata måste vara representativ. De kan också identifiera risker med bias i data och diskutera hur detta påverkar samhället. Lärande syns när eleverna använder rätt begrepp och relaterar aktiviteterna till verkliga exempel.

---

Se upp för dessa missuppfattningar

• Under aktiviteten Parjämförelse: Programmering vs Maskininlärning, lyssna efter elever som säger att AI 'förstår' eller 'tänker'.

  Använd elevernas jämförelser som utgångspunkt för att ställa följdfrågor: 'Hur vet AI:n vad som är rätt? Kan den lära sig något nytt som inte fanns i reglerna?' Låt dem sedan testa sin modell för att se att den enbart hanterar mönster i data.

• Under Gruppsimulering: Bias i Data, observera om elever tror att AI kan lära sig 'rätt' även med snedvriden data.

  Be grupperna att anteckna sina resultat och diskutera: 'Varför gjorde er modell orättvisa beslut? Vad hände när ni ändrade datan?' Uppmärksamma dem på att datans kvalitet direkt påverkar modellens prestation.

• Under aktiviteten Individuell Utforskning: Egen ML-modell, lyssna efter elever som tror att maskininlärning fungerar utan data.

  Under handledningen, peka på datasetet och fråga: 'Vad händer om vi tar bort alla bilder på katter? Kan modellen fortfarande känna igen en katt?' Låt dem testa och se att modellen misslyckas utan relevant data.

---

Metoder som används i denna översikt

• Utforskande cirkel