Strojové učení – Předpojatost

Lekce probíhá jako interaktivní detektivní pátrání, které kombinuje diskuzi, práci s digitálním nástrojem a kritickou reflexi. Materiál důsledně dodržuje model E-U-R (Evokace, Uvědomění, Reflexe), což usnadňuje ukotvení nových znalostí. Žáci nekonzumují informace pasivně, ale pracují s reálným nástrojem Teachable Machine, kde si na vlastních datech vyzkouší, jak model selhává. Pojem předpojatost je vysvětlen intuitivně na příkladu s botami (pokud model neviděl kozačky, nerozpozná je) a následně rozšířen o společenské aspekty, jako je genderová či rasová předpojatost. V závěru lekce žáci ve skupině (či celé třídě) debatují o tom, zda je správné systémům AI stoprocentně důvěřovat a jak se v datech projevují lidské předsudky. Hlavním cílem není jen naučit se ovládat software, ale pochopit, že AI nelze věřit na 100 %, protože její rozhodování závisí na kvalitě a reprezentativnosti dat, která jí dodal člověk. Materiál obsahuje metodiku i prezentaci. V metodice se také popisuje, jak pracovat s různě nadanými žáky v jedné třídě.

Lekce rozvíjí Klíčové kompetence k řešení problémů – kritické hodnocení a využití vědeckého poznání – učitelé s žáky diskutuji o společenských dopadech mylných či záměrně manipulativních tvrzení, která se nacházela v konfliktu s dostupným vědeckým poznáním. U žáků je žádoucí, aby kriticky posuzovali zaujatost, předsudky nebo chybné argumenty v prezentovaných tvrzeních s vědeckým obsahem. V rámci rozvíjení Klíčové kompetence digitální – tvorba digitálního obsahu – učitel vytváří příležitosti ke kombinování různých digitálních nástrojů a formátů, včetně práce s nástroji využívajícími umělou inteligenci, a společně reflektujeme jejich přínos i limity. U žáků je žádoucí, aby vytvářeli a upravovali digitální obsah za pomoci různých nástrojů.