Forløb

Om algoritmer

Hvordan virker de algoritmer, der står bag mange digitale tjenester som fx Facebook, Amazon og Google? Hvilke fordele og ulemper er der ved algoritmer?

Materialet er tænkt til et fællesfagligt forløb mellem et humanistisk og et naturvidenskabeligt fag.

Forløbet varer 5 moduler à 90 min.

Eleverne får viden om, hvad algoritmer er, hvilken betydning de har i vores hverdag.

Eleverne arbejder med kompetenceområdet “Kritisk blik på digitale medier og værktøjer” fra Vejledningen om digitale kompetencer til loven om de gymnasiale uddannelser (uvm.dk), mere specifikt med “kritiske overvejelser om de ændringer, som teknologierne skaber; fx at algoritmer og computermodeller kommer med en intentionalitet.”

Følgende materialer anvendes:

TED talk, jan. 2015: The moral bias behind your search results

Planlægning/overvejelser

Forløbet starter med små øvelser, hvor eleverne træner i at beskrive algoritmer. Derefter arbejder eleverne med forskellen på simple, værdineutrale algoritmer og algoritmer, der er farvede af ophavet. Til sidst perspektiveres der til Facebooks og Googles algoritmer.

Der er lagt vægt på praktiske elevaktiverende øvelser i fagenes kernestof. Arbejdet med øvelserne vil give anledning til refleksion over brugen af algoritmer i et større perspektiv.

Eksemplerne nedenfor er fra kemi og dansk, men tilsvarende afgrænsede kernestofområder fra andre fag kan anvendes i stedet.

Forløbets opbygning

Modul 1

Start med at se videoen “What is an algorithm?” sammen i klassen. Videoen forklarer med enkle eksempler, hvad algoritmer er.

Skriv en simpel algoritme sammen på tavlen, fx at tjekke skema i Lectio (eller tilsvarende platform, hvis skolen ikke bruger Lectio).

Husk at en algoritme består af korte, simple kommandoer, der kan udføres af en computer.

Se eller leg derefter chokolade- og chili-legen, som er beskrevet her: Algorithms ABC (2:00-4:00). Legen vindes altid af den, der kender algoritmen, som den bygger på.

Derefter kan eleverne lave opgaver i grupper:

  1. Skriv algoritme for, hvordan man skal gå for at komme fra undervisningslokalet til kantinen

  2. Skriv en algoritme for chokolade- og chili-legen

  3. Omskriv en bageopskrift til en algoritme (fx denne opskrift på dk-kogebogen.dk)

Modul 2

Lad grupperne afprøve og kommentere hinandens algoritmer fra sidste modul. De skal huske, at computere ikke kan tænke selv.

Gennemgå disse to grundstrukturer på tavlen:

  • Forgrening: HVIS… SÅ...ELLERS… (if… then… else)

  • Løkke: GENTAG INDTIL (do while)

Lad eleverne anvende disse strukturer til at gøre deres algoritmer fra sidste modul kortere og simplere.

Lad nu eleverne lave en simpel regneopgave fra det naturvidenskabelige fag, fx beregning af masse ud fra stofmængde i kemi eller løsning af en ligning i matematik. Sæt dem derefter til at skrive en simpel algoritme for løsningen af netop den type opgave.

Modul 3

Grupperne bytter nu algoritmer, og de får en tilsvarende regneopgave, som de skal løse ved brug af algoritmen. Grupperne skriver kommentarer til hinandens algoritmer.

Algoritmernes styrker og svagheder diskuteres i klassen, og den ideelle algoritme fremhæves (hvis en af grupperne har lavet en, der virker uden problemer) eller skrives i fællesskab.

Nu arbejdes der med at skrive en sværere algoritme: Hvor skal der sættes komma? Først får eleverne en række sætninger, hvor de skal sætte kommaer. Så opstiller de regler for kommateringen, og til sidst konstruerer de en algoritme, så en computer ville være i stand til at sætte kommaer.

Modul 4

Grupperne bytter komma-algoritmer, som bliver afprøvet på nye sætninger. Algoritmernes styrker og svagheder diskuteres i fællesskab.

Herefter kan der tages fat i sværere kernestof, fx udarbejdelse af en personkarakteristik af en hovedperson i en novelle. Først laves personkarakteristikken i grupperne, og derefter forsøger grupperne at lave en algoritme, der kan gøre en computer i stand til at lave en tilsvarende personkarakteristik.

Modul 5

Personkarakteristik-algoritmerne diskuteres i plenum med fokus på det svære i at sætte en maskine til at fortolke data om en hovedperson, uden at resultatet bliver farvet af de mennesker, der har skrevet algoritmen.

Grupperne læser nu denne artikel: Samfundet er i hænderne på algoritmer, men kode-etikken er helt til rotterne, hvorefter de diskuterer artiklens udsagn om at “Algoritmerne er grundlæggende ligeglade med din hudfarve, dit køn, din vægt eller din politiske overbevisning. Men de skabes af mennesker med forudindtagethed eller bias”

Derefter lytter klassen til uddrag af podcasten Supertanker: Algoritmer - du er (bare) et tal, fx 00:00-6:50, 13:30-16:45, med fokus på fordele og ulemper ved de algoritmer, vi møder i hverdagen.

Alternativt kan denne TED Talk om Googles bias ses: The moral bias behind your search results med fokus på, at algoritmer (i dette tilfælde Googles søgealgoritme) er farvet af de mennesker, der har lavet dem.

Modulet afsluttes med en diskussion om det problematiske i, at vi ikke har indsigt i, hvordan bl.a. Googles og Facebooks algoritmer er konstrueret.

Evaluering



Algoritmetankegangen er en vigtig del i udviklingen af elevernes evne til computational thinking. Den kan efter forløbet trænes i de naturvidenskabelige fag. Det kan gøres ved at arbejde med at nedbryde komplekse opgaver i mindre dele, der efterfølgende løses ved hjælp af simple algoritmer.



Der kan efterfølgende perspektiveres til etiske dilemmaer i forbindelse med algoritmer, fx ved at læse og diskutere artiklen Flere millioner mennesker har talt: Hvem må selvkørende biler køre ned? fra dr.dk, 1/11-18. Her refereres svar fra forskellige verdensdele på undersøgelser om dilemmaer i forbindelse med selvkørende biler.

Kreditering

Anne Boie Johannesson, gymnasiekonsulent på CFU KP og lektor på Køge Gymnasium

Siden er opdateret af emu-redaktionen
Rettigheder:

Tekstindholdet på denne side må bruges under følgende Creative Commons-licens - CC/BY/NC/SA Kreditering/Ikke kommerciel/Deling på samme vilkår. Creative Commons-licensen gælder kun for denne side, ikke for sider, der måtte henvises til fra denne side.
Billeder, videoer, podcasts og andre medier og filer på siden er underlagt almindelig ophavsret og kan ikke anvendes under samme Creative Commons-licens som sidens tekstindhold.