Mål och nyckelbegrepp
Förståelse för AI
Syftet med detta material är att hjälpa studenterna att förstå hur AI och maskininlärning används i tillämpningar och hur AI återspeglas i deras vardag.
Utnyttja designprocessen
Stödja studenterna i att använda designprocessen i sina projektarbeten
Få ut mesta möjliga av tekniken
Stödja studenternas förmåga att utnyttja tekniken för produktiv användning
- Vad är AI?
- Identifiera hur AI manifesterar sig i vardagen och vilken inverkan det har
- Utforska de fyra nyckelbegreppen inom maskininlärning: träningsdata, klassificerare, säkerhet och bräcklighet
- Öva på att använda undervisningsmaskinen GenAI
Viktiga begrepp:
- AI, maskininlärning, data, utbildningsdata, tillämpning, klassificerare, klass, säkerhet och bräcklighet
Tillbehör:
- Dator eller surfplatta per grupp eller par elever
- AI i mitt liv material som delas ut till studenterna antingen elektroniskt(word doc) eller i tryck(pdf) som en handout
- Appen Teachable Machine (https://tm.generation-ai-stn.fi)
Uppdrag: vad är artificiell intelligens?
Arbetsmetod: lärarledd diskussion efter att ha tittat på videon.
AI är involverat i vår vardag på många sätt. AI, som en del av välkända applikationer, hjälper oss att hitta information, erbjuder oss vägval, hjälper oss att hålla kontakten med vänner och rekommenderar nyheter, musik eller filmer som kan intressera oss.
Titta på videon
- Titta på videon ”Vad är AI?”
Diskussion (läraren leder)
- Vad behöver AI lära sig?
- Vad är data?
- Vad gör en klassificerare?
Om du tycker att frågorna är svåra kan du titta på videon igen (videon är segmenterad, så du kan enkelt titta på bara en viss del).
Uppgift: Hur påverkar AI min vardag?
Denna uppgift delas in i tre avsnitt med hjälp av uppgiftsbladet ”AI i mitt liv” (delas ut av läraren till eleverna antingen elektroniskt eller som en utskrift)
Analysera vilken typ av appar du använder i ditt dagliga liv (uppgift 1 i materialet)
Arbetsmetod: eleven fyller i punkt 1 i formuläret på egen hand, varefter hans/hennes svar jämförs med andra medlemmar i paret eller gruppen.
I enkätens uppgift 1 ställs frågan om vilka allmänt kända applikationer för sociala medier som studenten använder och vilka av dem som enligt studentens tolkning använder AI.
Diskutera vilken typ av information applikationer samlar in om sina användare (Aktivitet 2 i materialet)
Arbetsmetod: ett par eller en grupp utför uppgift 2 tillsammans.
I det här skedet ska paret eller gruppen välja en av de sociala apparna i uppgiftsformuläret och reflektera över dess funktion enligt instruktionerna i formuläret.
Den här övningen hjälper dig att förstå vilken typ av information som vardagliga applikationer samlar in om sina användare. Syftet är att koppla nyckelbegreppet inom AI, utbildningsdata, till studenternas upplevelse.
Lärarledd diskussion debriefing
Arbetsmetod: lärarledd diskussion
I denna lärarledda övning presenterar grupperna sina resultat från den föregående övningen för de andra. Under ledning av en lärare kommer vi att gå igenom hur olika dataspår (t.ex. tävlingar, likes och kommentarer) genererar information som AI-system använder i sitt arbete.
Studenterna ombeds diskutera hur man kan klassificera användare i olika kategorier, t.ex. gamers, ryttare eller skateboardåkare, baserat på de dataspår de lämnar efter sig.
På så sätt introduceras det andra viktiga begreppet i detta undervisningspaket, klassificeraren, för första gången och kopplas till elevernas egna erfarenheter.
Uppgift: se hur den maskin du lär ut (AI) fungerar?
Arbetsgång: Läraren visar den bifogade videon för eleverna.
Teachable Machine är en applikation som är ett lättanvänt verktyg för att skapa bildklassificerare. I videon nedan illustrerar en expert från Code School Finland detta genom att skapa en enkel djurklassificering där AI:n fick lära sig att identifiera en katt, en hund och en kanin från de bilder som presenterades för den.
I praktiken använder han videon för att illustrera hur bilder av djur utgör grunden för klassificeringen (träningsdata), hur säkert maskinen identifierade djur (konfidens) och i vilka situationer klassificeraren misslyckades och hur små förändringar i miljön kan undergräva klassificerarens prestanda (bräcklighet).
Uppgift: Låt oss prova hur klassificeraren fungerar!
Arbetsmetod: studenterna arbetar i små grupper för att skapa sin egen klassificerare
Ovan visade vi hur klassificeraren, den maskin som ska läras ut, fungerar. Nu är det din tur att lära maskinen att klassificera bilder!
Gör denna övning i små grupper. Du kan lära maskinen att klassificera saker som intresserar dig. Det kan t.ex. vara bild-, objekt-, ansiktsuttrycks- eller hållningsigenkännare.
OBS! Det är mycket viktigt att komma ihåg att spara pågående arbeten! Studentens arbete sparas som en .zip-fil på den enhet som används. Kom ihåg att överföra .zip-filerna om du använder t.ex. lånemaskiner!



