Kunstig intelligens

Formålet med forløbet er, at eleverne opnår forståelse for muligheder og udfordringer i forhold til at bruge kunstig intelligens.

Forløbet tager udgangspunkt i teknologiforståelsesfagligheden i form af kompetenceområderne computationel tankegang, digital myndiggørelse og teknologisk handleevne.

Vælger læreren at koble forløbet til matematik, kan der eksempelvis inden for kompetenceområdet matematiske kompetencer arbejdes med kunstig intelligens som tilgang til, at eleverne anvender ræsonnementer i undersøgende arbejde.

Forudsætninger, form og indhold

I dette forløb kan der arbejdes med, at eleverne opnår forståelse for, hvordan kunstige intelligenser kan bidrage til smarte løsninger, men også hvordan de kan give ufuldstændige eller måske endda forvrængede resultater.

Eleverne kan arbejde med afprøvning og konstruktion af små applikationer, som anvender maskinlæring. Maskinlæring kan ses som et underområde inden for datalogi og kunstig intelligens, som sætter computere i stand til at lære, uden at man eksplicit har programmeret, hvordan læringen foregår.

Der er flere mål for forløbet. Eleverne skal opnå indblik i de muligheder, der kan være ved kunstige intelligenser. Det er endvidere målet, at eleverne opnår forståelse for, hvorfor det er så svært at lave effektive kunstige intelligenser, samt forståelse for nogle af de etiske dilemmaer, der er forbundet med brugen af kunstige intelligenser.

Gennem faglige oplæg og feedback rammesættes en læreproces, hvor elevernes skabende og omskabende arbejde er i centrum, og hvor læreren assisterer arbejdet med en ramme for problemstilling, undersøgelseskontekst, idégenerering, prototype, afprøvning og kritisk refleksion.

Til sidst samles der op på både nye konstruktive erfaringer og nye refleksive erkendelser.

Igennem hele forløbet kan der arbejdes med opbygning af et relevant ordforråd. Til teknologiforståelsesfagligheden knytter sig et særligt ordforråd og bestemte måder at bruge sproget på. Eksempler på centrale begreber i dette forløb er oplistet nedenfor:

• Algoritmer
• Digital teknologi
• Digitalt artefakt
• Data

Du kan finde begrebsforklaringer på ordlisten på emu.

Tilrettelæggelse

For at gennemføre forløbet kræves en række materialer og ressourcer. Der kan bruges computere/tablets og eventuelt mobiltelefoner. Hvis eleverne arbejder med logbøger, kan disse også anvendes. Forløbet lægger op til, at eleverne hovedsageligt arbejder i grupper.

Undervejs i beskrivelsen af forløbets opbygning henvises til konkrete lærerressourcer med skitserede elevopgaver, som findes på tekforsøget.dk.

• Lærervejledning til introfasen
• Lærervejledning til konstruktionsfasen kunstig intelligens

Forslag til spørgsmål, der kan overvejes, inden forløbet gennemføres:

• Hvordan kan eleverne introduceres til, hvad kunstig intelligens er?
• Hvordan kan kunstig intelligens relateres til elevernes hverdag og samfundet generelt?
• Hvilke former for kunstig intelligens er der mulighed for, at eleverne kan arbejde med i forløbet på baggrund af ovenstående beskrivelser om materialer og ressourcer?
• Hvilke konkrete færdigheds- og vidensmål i Fælles Mål for matematik skal knyttes til forløbet?

Forløbets opbygning

Forløbet kan opbygges i tre faser: en introfase, en udfordrings- og konstruktionsfase samt en outrofase.

Introfase: Forforståelse og kompetencer

I introfasen kan eleverne gennem faglige loop, små øvelser og undersøgelser arbejde med, hvad kunstige intelligenser er, og hvilke brugskontekster de kan optræde i. Med faglige loop menes lærerens faglige og processuelle input til elevernes arbejde i de tre faser, for eksempel i form af korte oplæg.

Introfasen kan starte med en lærerstyret plenumdiskussion om følgende problemstilling: Hvad er kunstige intelligenser, og hvad kan de (mis)bruges til?

Der kan sættes fokus på spørgsmål som:

• Hvad er kunstig intelligens og maskinlæring?
• Hvilke kunstige intelligenser kender eleverne fra deres egen hverdag, for eksempel Google Home, chatbots, Siri, eller andet?
• Hvad mener eleverne, gør sig gældende, når et digitalt artefakt samtidig er intelligent? Hvornår er det tydeligt, at det “bare er en maskine”?
• Eleverne kan også se eksempler på virkelige chatbots, og der kan tales om andre steder, hvor kunstig intelligens vinder frem, for eksempel i hjemmet, i biler, ved autogenererede nyheder.

Udfordrings- og konstruktionsfase

I denne fase kan eleverne selv konstruere små applikationer, som benytter elementer i maskinlæring. Fasen kan udvide elevernes forståelse for kunstige intelligenser; herunder hvordan de opbygges, trænes og kan anvendes til forskellige formål. Ud fra de konkrete projekter kan eleverne reflektere over, hvilke udfordringer og sikkerhedsmæssige forhold der gør sig gældende i forbindelse med kunstig intelligens.

Udfordrings- og konstruktionsfasen kan bestå af flere konkrete opgaver. Nedenfor ses et eksempel på en opgave med en konkret udfordring.

Eksempel på opgave

Eleverne kan prøve kræfter med at udforme deres egne artefakter/applikationer. I arbejdet med opgaven anbefales det at følge en udførlig trin-for-trin-vejledning, altså et ”worked example” i starten. Dette er en meget effektiv måde at stilladsere begynderprogrammering på, og det gør, at eleverne nemt kommer i gang med at lave deres egne artefakter. Til det arbejde kan du finde inspiration i ressourcen: ”Lærervejledning til konstruktionsfasen kunstig intelligens”. Et forslag kan være, at eleverne udfordres med at gennemføre maskinlæringsforløbet ”Make me happy”, som findes i lærervejledningen.

Som en del af konstruktionen af deres artefakter, kan eleverne reflektere over brugskontekster og konsekvenser ved artefakterne. Grundige beskrivelser af elevopgaver kan findes på machinelearningforkids-platformen. Der er henvisninger i lærervejledningen til disse.

Outrofase: Ny forståelse og nye kompetencer

I outrofasen kan der samles op på nye erfaringer og erkendelser. Eleverne kan i en fremlæggelse redegøre for deres arbejde i udfordrings- og konstruktionsfasen. Fremlæggelsen kan ske på flere måder, eksempelvis i plenum eller som café-fremlæggelse.

Evaluering

Læreren kan løbende evaluere elevernes udbytte og overveje, om der er steder, hvor forløbet bør udvides/ændres frem mod en ny afvikling.



Den løbende evaluering foregår gennem:

• Elevernes deltagelse i de faglige loop
• Elevernes forståelser, som de kommer til udtryk gennem feedbackloop, som er tætte og gentagende evaluerende sessioner og stilladsering af elevernes læring
• Elevernes logbøger, hvis disse føres
• Elevernes afsluttende fremlæggelser

Efter forløbet kan der sættes fokus på spørgsmål som:

• Hvordan har det fungeret at koble fagligheden i teknologiforståelse til matematikfagets mål og indhold?
• Hvilke nye forståelser om data og algoritmer er der opstået hos eleverne?
• Kan eleverne give eksempler på, hvordan kunstige intelligenser bruger data og algoritmer?
• I hvilken grad har eleverne opnået forståelse for de måder, hvorpå programmer bruger data?
• Kan eleverne se risici i måder, hvorpå data og maskinlæring kan bruges, ud fra de programmer, som der er arbejdet med?

Kreditering

Den fulde version af forløbet kan downloades og læses på tekforsøget.dk.

Materialet i den fulde version er udviklet af Københavns Professionshøjskole, Professionshøjskolen UCN, VIA University College samt læremiddel.dk for Børne- og Undervisningsministeriet under rammerne for Forsøg med teknologiforståelse i folkeskolens obligatoriske undervisning. Læs mere om forsøget på tekforsøget.dk og emu.dk