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
Søke- og sorteringsalgoritmer er fundamentale i informatikk og KI. De er ikke abstrakt teori — de ligger til grunn for alt fra databaseoppslag til maskinlæringssystemer som rangerer søkeresultater eller anbefaler innhold.
I denne aktiviteten blir elevene selv algoritmene. De starter med «Gjett et tall»-spillet, der de skal finne et tall mellom 1 og 100. Det intuitive er å gjette tilfeldig, men elevene oppdager snart at halvering av søkerommet for hvert gjetning — binærsøk — er mye mer effektivt. Mens lineært søk krever opptil 100 gjetninger, krever binærsøk maksimalt 7. Det er ikke bare en måte å spare tid på — det er essensen av algoritmisk tenkning: finne mønster som gjør problemet mindre.
I andre del sorterer elevene tallkort etter tre ulike algoritmer: bubble sort (sammenlign naboer, bytt om nødvendig), selection sort (finn minste, plasser fremst), og insertion sort (sett inn på riktig plass). Mens de gjør det, teller de hver sammenligning og hvert bytte. Det fysiske arbeidet gjør den abstrakte kompleksitetsanalysen konkret — elevene ser selv at noen algoritmer krever færre operasjoner enn andre.
KI-systemene i verden din bruker disse algoritmene. Når Spotify søker blant millioner av sanger på under ett sekund, eller når Netflix sorterer 15 000 titler etter hva du trolig liker — øyeblikkelig — skjer det fordi disse systemene bruker effektive algoritmer. En ineffektiv algoritme ville gitt samme svar, bare 1 000 ganger langsommere. For KI i stor skala er effektivitet ikke et ekstra — det er forutsetningen for at systemet overhodet fungerer.
Vil du forstå konseptet bak? Les Slik virker KI — 5 minutter.
Gjennomfør aktiviteten selv én gang på forhånd — prøv både binærsøk og lineært søk, og kjør gjennom minst en sorteringsalgoritme. Det gjør deg trygg på tidsplanet.
Sett opp tavle eller flipover til å notere gjetninger i fase 1.
Tavle eller flipover til å notere gjetninger
Notepad til å telle sammenligninger og bytter
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
Elevene skal forklare forskjellen mellom lineært søk og binærsøk med konkrete eksempler, og demonstrere hvorfor halvering av søkerommet er effektivt.
De skal implementere minst to sorteringsalgoritmer med fysiske kort, telle antall operasjoner og reflektere over hvorfor noen algoritmer krever færre sammenligninger enn andre.
De skal forklare hvorfor algoritmisk effektivitet er en forutsetning for at KI-systemer skal fungere i stor skala — ikke bare et ekstra, men en må-ha.
Forankring i LK20
Matematikk — Utforske og beskrive strukturer og mønstre i lek og spill. Gjøre beregninger og vurdere rimelighet i resultater.
Naturfag — Bruke og vurdere digitale ressurser og modeller. Utforske og beskrive teknologiske systemer.
Programmering (tverrfaglig) — Utforske og sammenlikne ulike løsningsstrategier. Vurdere effektiviteten av algoritmer.
Begreper i dette opplegget
Algoritme: En presis sekvens av steg som løser et problem. Samme algoritme gir alltid samme resultat for samme inndata.
Binærsøk: Søkealgoritme som halverer søkerommet for hvert steg — mye raskere enn lineært søk. O(log n) kompleksitet.
Lineært søk: Søk som sjekker hvert element ett for ett fra start til slutt. O(n) kompleksitet.
Sorteringsalgoritme: Algoritme som ordner elementer etter en bestemt regel — for eksempel fra minst til størst.
Tidskompleksitet: Måte å beskrive hvor mange operasjoner en algoritme trenger basert på størrelsen på inndata. Sier noe om hvor raskt algoritmen kjører.
Bubble Sort: Enkel sorteringsalgoritme som sammenligner nabokort og bytter dem om nødvendig — gjenta til sortert. Ineffektiv for store datasett.
Selection Sort: Sorteringsalgoritme som finner det minste elementet og plasserer det først, gjenta for resten. O(n²) — forutsigbar, men ikke rask.
Insertion Sort: Sorteringsalgoritme som setter inn hvert element på riktig plass i den allerede sorterte delen. Effektiv for små og «nesten sorterte» datasett.
«Telefonen din søker gjennom millioner av sanger på under ett sekund. Netflix sorterer 15 000 titler etter hva du trolig vil like — øyeblikkelig. Hva er egentlig det eneste disse systemene har til felles?»
💡 Tips: La elevene gjette i 30 sekunder. Ta imot alle svar uten å vurdere dem. Fortell at i dag skal de finne svaret — ved å bli søke- og sorteringsalgoritmer selv.
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.
Hva oppdaget dere da dere sammenlignet hvor mange sammenligninger de ulike algoritmene brukte?
Hvis en datamaskin sorterte 1 million tall med den langsomste algoritmen dere brukte — hvor lang tid ville det ta? Hva betyr det for et KI-system som gjør dette tusen ganger per sekund?
Netflix anbefaler 15 000 titler. Spotify søker blant 100 million sanger. Hva ville skjedd hvis disse systemene brukte dårlige algoritmer?
Kan dere tenke på et KI-system der «hvor fort» svaret kommer ikke bare er viktig, men avgjørende?
I virkeligheten — og videre arbeid
I virkeligheten
Google — Søker blant 5 milliard nettsider på 0,3 sekunder — med binærsøk
Netflix — Sorterer og rangerer 15 000 titler etter hva du liker — live
Spotify — Søker og sorterer 100 million sanger, 70 million podcast — øyeblikkelig
Banksystemer — Sorterer transaksjoner, søker blant kontoer — millisekund-nivå
Sosiale medier — Sorterer og rangerer tusenvis av poster basert på algoritmer som bruker effektive sorteringsalgoritmer
Bygg videre på opplegget
Visualisering av algoritmer — Besøk VisuAlgo.net og se hvordan algoritmer dere brukte sorterer tall i sanntid. Sammenlign hvor fort de kjører. Diskuter: hvilke algoritmer blir «brukt» for ulike oppgaver i virkeligheten?
Bygg en sorteringsrobot — Lag en fysisk «maskin» ved å dele klassen i grupper — noen er data, noen er sammenligninger, noen er bytter. Kjør gjennom algoritmen som en menneskelig computer. Videregravering: hvor mange steg trenger «roboten» vs. elevenes håndsortering?
Kompleksitetsanalysespill — Lag et spill der elevene må forutsi hvor lang tid en algoritme bruker på 10, 100 eller 1 000 elementer. Vinneren er den som kommer nærmest O-estimatet. Introduserer eksponentielle og polynomiske vekstmønstre.
Slik ser det ut i klasserommet
Kilde, kreditering og videre lesning
Tilpasset fra AI Unplugged — Annabell Lindner & Stefan Seegerer, Friedrich-Alexander-Universität Erlangen-Nürnberg. Bygger i sin tur på CS Unplugged av Bell, Witten & Fellows. Lisensiert CC BY-SA 4.0 — denne bearbeidingen deles på samme vilkår. Norsk bearbeiding: Sigrun Lindaas Norhagen, kiforskolen.no — NLA Høgskolen.
