Materialer
Herunder findes materialer der er med til at støtte scenariet. Det inkluderer en velkomsterfolder der introducerer eleverne til deres “nye arbejde”, en skabelon til nøglekort og plakater til klasserummet om den fiktive virksomhed m.m.
Vejledning til de enkelte lektioner
Til udførelse af forløbet findes her en vejledning, der gennemgår forløbet i en trin-for-trin guide til de i alt ni lektioner.
Arbejdsdokumenter
I denne fil findes der fire arbejdsdokumenter, som skal printes og bruges undervejs i forløbet.
Undervisningsslides
Til forløbet er der udarbejdet undervisnings-slides, der kan bruges gennem hele forløbet. De understøtter forløbets indhold og fremgangsmåde.
CEO-videoer
Fra denne side kan du afspille de to CEO-videoer, der bruges undervejs i forløbet. Den første video afspilles som starten på Udviklingsfase 1 og den anden afspilles før Udviklingsfase 2.
Indsæt CEO-videoer i kolonner + fil med transkribering
Dashboard fra Healthy Hire
Her finder du dashboardet fra det fiktive rekrutteringsfirma Healthy Hire, som bruges til opgave 7 i forløbet. Dashboardet findes også i undervisningsslides og på BioNice intranet, hvor eleverne eventuelt kan finde det frem.
Begrebsoversigt
Forinden udfoldelse af forløbet findes her en begrebsoversigt, der kan være nyttig at gennemlæse, samt at vende tilbage til senere.
| BEGREB | FORKLARING |
| Kunstig intelligens (KL) / Artificial intelligence (AI) | ”Ideen om kunstigt at genskabe den menneskelige intelligens i form af kunstige mennesker eller maskiner” (Hansen, 2011). Overordnet kan begrebet referere til algoritmer der kan løse opgaver som eller forventes at kræve menneskelig intelligens at løse. |
| Maskinlæring (ML) / Machine learning (ML) | “Den type af kunstig intelligens, der driver størstedelen af de teknologier, vi til dagligt hører omtalt som kunstig intelligens” (Hansen, 2011). Maskinlæring handler om at lære ud fra data. Indenfor begrebet findes flere former for maskinlæring: superviseret læring, ikke-superviseret læring og reinforcement learning. I relation til dette forløb arbejder vi ud fra superviseret læring, hvor der anvendes data der indeholder eksempler på klassificering eller forudsigelser. |
| Data | Begreb der dækker over når oplysninger udtrykkes i målbar form, ofte så det kan behandles af teknologi. Data om sundhed, fx søvn og alkoholindtag, er ikke data i sig selv. Men hvis søvn beskrives som fx ”9 timers søvn” eller alkohol som fx ”1 genstand”, bliver datatyperne målbare. |
| Træningsdata | Den data der anvendes til at opbygge en maskinlæringsmodel. Det er vigtigt at være opmærksom på generaliserbarhed for at undgå bias i sin model. Der skal den træningsdata man bruger rumme alle aspekter at det emne man arbejder med, fx flere vinkler på det samme objekt anskuet i forskellige situtationer. |
| Neuralt netværk | ”Netværk af kunstige neuroner inspireret inspireret af den menneske hjerne, der også består af et netværk af neuroner. Sådanne kunstige neurale netværk er hierarkisk opdelt og består af flere lag, et inputlag, et outputlag og ofte et antal skjulte lag ind imellem” (Hansen, 2021). |
| Bias | Bias kan også betegnes som forudindtagethed af data. Det kan opstå når data (som fx billeder) ikke afspejler virkeligheden. Bias i data er en af de største udfordringer i maskinlæring og kunstig intelligens, men er også en forudsætning for, at programmerne virker godt. |
| BioNice | Den fiktive virksomhed som eleverne bliver ansat hos i virksomhedens udviklingsafdeling. BioNice udvikler apps til tracking af sundhed, dvs. apps der indsamler data om brugerens madvaner og dermed kan give indsigt i brugerens sundhed. |
| Healthy Hire | Det fiktive rekrutteringsfirma som BioNice indgår et samarbejde med. Healthy Hire vil gerne købe den data som BioNice indsamler gennem deres apps, så de kan hjælpe andre virksomheder til at ansætte sunde medarbejdere. Samarbejdet kan gavne BioNice fordi Healthy Hire tilbyder at betale for brugernes data og på den måde kan appen være gratis at bruge – hvis de altså er villige til at sælge dataene. |
| Dashboard | Værktøj som Healthy Hire bruger til at rangliste brugerne i sunde og usunde medarbejdere, ved at vurdere brugernes data om for eksempel køn, alder, etnicitet eller politisk overbevisning. |
| Wireframe | Visuelle repræsentationer af et app-designs brugergrænseflade. |
Kilder
Hansen, J. U. (2021). [CP1] En introduktion til kunstig intelligens og maskinlæring. I Yde, I., Nielsen T. G. & Dahlberg R. (Eds.), Smart Krig: ‘Militær anvendelse af kunstig intelligens’. Djøf Forlag.
Den Danske Ordbog. (2018). Data. Lokaliseret på:
https://ordnet.dk/ddo/ordbog?query=data