FORSTÅ

Market Marshes: KI for flomprediksjon

Hvordan kan KI varsle om flom? Opplegg om klimatilpasning.

90 min 5.–10. trinn og VGS Grupper Med skjerm

Kjernepoeng

Elever fungerer som KI-forskere og bygger en prediksjonsmodell for elvefloм for sårbare lokalsamfunn. Gjennom fire faser utforsker de historiske data, trener og tester modellen, og vurderer konsekvensene av feil prediksjoner — noen som kan koste menneskeliv. Opplegget dekker supervised learning, funksjonsvalg og KI-etikk i en klimatilpasningskontekst.

Tidsplan (90 min)

0–10 min Fase 1: Oppstart og oppdrag
10–35 min Fase 2: Datautforskning
35–60 min Fase 3: Modelltrening og testing
60–80 min Fase 4: Utfordringens løsning
80–90 min Refleksjon og avslutning

Du trenger

Sjekk det du har lært: 2 sider · skriv ut 1 ark per elev
Laptop eller nettbrett med internett — ett per gruppe
Nettsted: https://research.google/ai-quests
Projeksjon for kontekst og klassediskusjon

Forberedelse: Test at https://research.google/ai-quests fungerer i skolens nettleser — og at det ikke er blokkert av brannmur Gå igjennom Market Marshes-quest-en selv slik at du kjenner de fire fasene Forbered diskusjonsspørsmålene (se nedenfor) — skriv dem gjerne på tavla eller vis på presentasjonen Forbered presentasjonen på projektor eller smartboard

Market Marshes: KI for flomprediksjon · Gjennomføring Side 2

Les til klassen

«Dere er et team av KI-forskere. Dere har fått et hasteoppdrag fra Riverwatch Institute. En kystby opplever stadig kraftigere elvefloм — hus vaskes bort, veier kuttes, folk mister livet. Meteorologene klarer ikke å varsle godt nok i tide. Kommunen trenger en KI-modell som kan predikere floм minst 48 timer på forhånd, slik at folk rekker å evakuere. Historiske data fra 30 år er klare. Nå er det dere som avgjør: Hva skal modellen lære av? Og når er den god nok til å stole på?»

Tips: La elevene gjenta oppdraget med egne ord — hva er problemet, hvem er vi, og hva skal vi løse? Dette forankrer konteksten. Spør gjerne: «Hva er konsekvensen hvis modellen tar feil?» — og ta imot svarene før dere starter.

1

Fase 1: Onboarding (10 min)

Elevene møter Riverwatch Institute og forsvarsgrunnlaget for sitt arbeid: menneskeliv er på spill. De logger seg inn på https://research.google/ai-quests og starter «Market Marshes»-quest-en. Quest-en presenterer problemet og de fire fasene.

2

Fase 2: Datautforskning og analyse (25 min)

Hva gjør elevene: De utforsker 30 år med historiske flomdata. Quest-en viser grafer og tabeller over værvariabeler (nedbør, vannstand, temperatur, osv.). Elevene skal identifisere mønstre: Hvilke faktorer forutgår floм? Hva varierer mellom hendelser?

Nøkkelbegreper: Feature selection (funksjonsvalg). Elevene diskuterer: Skal vi bruke all tilgjengelig data eller velge ut de viktigste? Hva hvis vi mangler data fra en periode?

Market Marshes: KI for flomprediksjon · Gjennomføring Side 3

3

Fase 3: Modelltrening og testing (25 min)

Hva gjør elevene: De velger datakjennetegn basert på Fase 2-analysen. Quest-en viser hvordan en maskinlæringsalgoritme trener på historiske data — modellen lærer sammenhenger mellom inndata og floм/ikke-floм.

Testing: Modellen testes på data fra en periode den aldri har sett før. Elevene ser resultater: Nøyaktighet (%), falske alarmer, glipper.

Nøkkelbegreper: Training data vs. test data. Overtrening. Hva er en «god» modell? Er 85 % nøyaktighet godt nok?

4

Fase 4: Utfordringens løsning (20 min)

Elevene presenterer kort sitt resultat og sitt valg av data. Deretter klassesamfunnet diskuterer: Hvordan ville dere tolket disse resultatene? Skulle kommunen bruke denne modellen? Hva er risikoene?

Market Marshes: KI for flomprediksjon · 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.