Hvorfor opplegget virker, og hva du gjør før timen. Selve timen minutt for minutt står i lærerveiledningen.
Hva elevene faktisk gjør — og hvorfor det virker
Google Teachable Machine er et gratis nettbasert verktøy der du kan trene en bildegjenkjenningsmodell direkte i nettleseren — uten å skrive en eneste linje kode. Du samler inn bilder via webkamera, merker dem med klasser, og trener modellen med ett klikk. Modellen kjører lokalt i nettleseren, så elevdata forlater ikke datamaskinen.
Det pedagogiske poenget med dette opplegget er ikke selve verktøyet — det er det som skjer når modellen feiler. Når en elev trener en modell med sine egne bilder, og tester den på en medelev som ser annerledes ut, oppdager de gjerne at modellen ikke gjenkjenner den nye personen. Spørsmålet «Hvorfor feiler den?» leder naturlig til kjernen i maskinlæring: en modell er aldri bedre enn dataene den er trent på — og dataene gjenspeiler alltid valg om hvem og hva som er inkludert.
Opplegget dekker AI4K12s Store Idé 2 (Representasjon og datainnsikt) og Store Idé 5 (Samfunnspåvirkning), og passer godt etter grunnleggende KI-introduksjon.
Vil du forstå konseptet bak? Les Slik virker KI — 5 minutter.
Test teachablemachine.withgoogle.com på skolens nettverk — åpne siden og se at kameraet fungerer
Bruk Chrome eller Edge på alle enheter (ikke Safari)
Sørg for at det er nok plass ved bordene til at elever kan stå og bevege seg
Del klassen inn i grupper av 2–3. Grupper på 3 fungerer best: én filmer, én poserer, én ser på skjermen
Bestem hva elevene skal trene modellen til å gjenkjenne. Anbefaling: tre ulike håndbevegelser (f.eks. tommel opp / knyttneve / flat hånd) — enkelt å filme, tydelige klasser
Laptop eller Chromebook per gruppe av 2–3 elever (helst én per elev)
Chrome eller Edge — ikke Safari (Teachable Machine virker ikke i Safari)
Internett med tilgang til teachablemachine.withgoogle.com — test dette på skolens nettverk på forhånd
Webkamera — innebygd fungerer fint, ekstern er bedre
Nok plass rundt bordene til at elevene kan bevege seg
I timen
Lærerveiledningenpå papir foran deg — hva du sier, fasene, lærertips og differensiering
Presentasjonenpå skjerm for elevene — skal ikke skrives ut
Slå opp ved behov
Læringsmål og kompetansemål
Hva elevene skal lære
Eleven kan forklare hva maskinlæring er og hvordan en bildegjenkjenningsmodell trenes opp
Eleven kan trene og teste en enkel KI-modell ved hjelp av Teachable Machine
Eleven kan identifisere og forklare skjevheter (bias) som oppstår når treningsdata mangler representasjon
Eleven kan koble egne erfaringer fra aktiviteten til ekte utfordringer i KI-systemer
Eleven kan diskutere hvem som har ansvar for at KI-systemer er rettferdige
Dette sier du til elevene
«KI-modeller lærer ikke ved å tenke — de lærer ved å se eksempler. Tusenvis, noen ganger millioner av dem. Og de ser bare det vi viser dem.
💡 Tips: Du kan forankre åpningen med et kjent eksempel — ansiktsgjenkjenning på telefoner som fungerer dårligere for mørke ansikter, eller sportskameraer som misforstår baller og skaller. Poenget er at alle slike feil har én rot: treningsdataene.
Står også i lærerveiledningen som «Les til klassen», og på presentasjonens andre slide.
Refleksjonsspørsmål til klassen
Spørsmålene står også i lærerveiledningen og på presentasjonens refleksjonsslide.
Hvem valgte hva som havnet i treningsdataene dine? Var det et bevisst valg — eller bare det som var lettest å samle?
Hva er forskjellen på en modell som «ikke vet» og en modell som «diskriminerer»? Er det en meningsfull forskjell?
Ekte AI-systemer brukes til å ta beslutninger om folk. Hvem bærer konsekvensene av dårlige treningsdata — utviklerne eller de som systemet tar feil om?
Hva ville det krevd for å lage en «rettferdig» versjon av modellen dere trente i dag? Var det mulig innen 90 minutter?
Tenk på helsedata, kriminalitetsdata, ansiktsdata. Hvem er typisk underrepresentert i store datasett — og hvem samler de inn dataene?
Slik ser det ut i klasserommet
Kilde, kreditering og videre lesning
Lær opp en maskin Basert på Girls Who Code / Hour of AI — AI Literacy Unit, Sessions 3–4 girlswhocode.com/hour-of-ai/ · Lisens ikke avklart Tilpasset til norsk av kiforskolen.no
