FORSTÅ

KI for havet

Hvordan kan en KI-modell hjelpe med å rydde havet?

45 min 1.–10. trinn Individuelt Med skjerm
Kjernepoeng

Elevene trener en maskinlæringsmodell til å skille fisk fra søppel i havet — og opplever direkte hvordan treningsdataene styrer hva KI-en lærer.

Tidsplan (45 min)
  • 0 min Oppstart og kontekst
  • 5 min Tren KI (nivå 2–4)
  • 20 min Bias og skjeve data
  • 30 min Egne kategorier
  • 40 min Refleksjon og avslutning
Du trenger
  • Sjekk det du har lært:

Forberedelse: Test at https://studio.code.org/courses/oceans fungerer i skolens nettlesere Åpne aktiviteten selv og gå igjennom nivå 1–8 Planlegg tidspunktet for klassediskusjonen (fase 3 og 4 er kritisk) Forbered presentasjonen på skjermbrett eller projektor

Lærerveiledning · Kiforskolen · KI for havet
KI for havet · Gjennomføring Side 2
Les til klassen

«Havet er fullt av søppel. Forskere bruker KI til å identifisere og fjerne det — men KI-en må læres opp av mennesker. I dag er dere KI-trenerne. Dere bestemmer hva KI-en skal lære, hvilke eksempler den får se, og hva som er «riktig» svar. Det er mer komplisert enn det høres ut.»

KI for havet · Del A Side 2
1
0–5 min

Sett scenen

Vis slide 2

«I dag skal dere bli KI-trenere»

Dere skal lære en maskin å skille søppel fra fisk i havet. Men maskinen er bare så god som det dere lærer den — så velg treningsdataene med omhu.

2
5–10 min

Introduksjon

Vis slide 3

Hva elevene gjør: Lytter til innledningen og forstår oppgaven.

Ditt ansvar: Les sitatet over høyt, og forklar at modellen bare er så god som treningsdataene. Gi et konkret eksempel: «Hvis vi bare lærer den fisk fra tropehav, kjenner den kanskje ikke til fisk fra Nordsjøen.»

3
10–20 min

Sortering av kort

Vis slide 4

Hva elevene gjør: Delt inn i grupper, sorterer treningskort i «fisk» og «søppel».

Ditt ansvar i klasserommet:

  • Gi hver gruppe ett sett med 12 kort
  • Oppfordre til diskusjon: «Hva er fisk? Hva er søppel?»
  • OBS: Noen kort er vanskelige med vilje for å skape tvil!
4
20–35 min

Trening + Test i Code.org

Vis slide 5

Hva elevene gjør: Laster opp sine sorterte bilder til Code.org, trener modellen, tester med nye bilder.

Ditt ansvar i klasserommet:

  • Assistere grupper som trenger hjelp med å navigere spill-portalen
  • Sørge for at elevene noterer hvor treffsikker KI-en ble
Lærerveiledning · Kiforskolen
KI for havet · Del B Side 3
5
30–40 min

Diskusjon i plenum

Vis slide 6

Hva elevene gjør: Samler resultatene og diskuterer med klassen.

Spørsmål til diskusjon (vises også på skjerm)
  • Hva skjedde da noen grupper brukte for få treningsbilder?
  • Hva kan skje hvis KI brukt i virkeligheten har fått dårlige treningsdata?
  • Hvem bestemmer egentlig hva som er «riktig» i treningsdataene?

Lærertips: Hjelp elevene til å se koblingen mellom leken de nettopp gjorde, og utfordringer med diskriminering (bias) i reelle KI-systemer i samfunnet.

6
40–45 min

Oppsummering

Vis slide 7

Hva elevene skal ta med seg fra timen:

  • Maskinlæring handler om å lære fra eksempler, ikke forhåndsprogrammerte regler.
  • Kvaliteten på dataene bestemmer kvaliteten på den ferdige modellen.
  • Teknologi er ikke nøytral — KI er ikke «rett eller galt», det handler om hvordan den blir trent av mennesker.
Lærerveiledning · Kiforskolen
KI for havet · Lærerens hjørne Side 4

Bakgrunnsstoff og faglig forankring

Dette hjørnet er kun for deg — bakgrunn, differensiering og begrepene du trenger å være trygg på før du går inn i klasserommet.

Faglig kobling (LK20)
  • Naturfag: Bruke digitale verktøy til å utforske og forstå naturvitenskapelige systemer; forståelse for bærekraft og havmiljø.
  • Samfunnsfag: Drøfte konsekvenser av digitalisering og KI; kritisk tenkning om teknologi og samfunnspåvirkning.
  • Matematikk: Samle, organisere og klassifisere data; forstå at datamodeller er representasjoner av virkeligheten.
  • Tverrfaglig: Bærekraftsmål 14 (Livet under vann); etikk og ansvarlighet i teknologiutvikling.
Lærerveiledning · Kiforskolen · Code.org / Hour of Code