2.7 Informatika / naravoslovje: UI za resnično šolsko težavo

Ali nam UI lahko pomaga ločevati odpadke v šoli?

Predmet: Informatika/naravoslovje ·  Ciljna skupina: 7. razred (13–14 let) ·  Trajanje: 1 dvojna ura ·  UI: učenje Z UI 

Kompetence, povezane z UI (okvir DUAL.AI.TEACHer) – raven učitelja Predmetno specifični učni cilji – raven učenca

AF-TL-2b

(Temelji UI in njihova uporaba × Poučevanje in učenje, raven 2 – reflektirano izvajanje):

 

»Učitelji razumejo temeljna načela UI in strojnega učenja ter jih znajo prikazati na praktičnih primerih.«


 

AF-FC-2b

(Temelji UI in njihova uporaba × Spodbujanje digitalne kompetence učencev na področju (UI), raven 2 – reflektirano izvajanje):

 

»Učitelji lahko učence vodijo pri eksperimentiranju z orodji UI, preizkušanju njihovih izhodov in kritičnem razmisleku o njihovi zanesljivosti.«

Ob koncu ure učenci znajo:

  • s preprostimi besedami razložiti, kako se model UI uči iz primerov
  • naučiti in preizkusiti preprost model za razvrščanje slik
  •  prepoznati primere, v katerih model daje napačne rezultate
  • razložiti, kako kakovost primerov vpliva na uspešnost UI
  • model izboljšati na podlagi preizkušanja; • presoditi, ali bi bila rešitev z UI uporabna in zanesljiva v resnični šolski situaciji.

Ključno sporočilo: UI lahko pomaga pri resničnih težavah, vendar ne razume samodejno tega, kar vidi. Uči se iz primerov, ki jih zagotovijo ljudje, zato je treba njene rezultate preizkusiti in ovrednotiti.

12_2.7_Trajnostna_SL.png

Slika 1: »Ali nam UI lahko pomaga ločevati odpadke v šoli?« (slika, ustvarjena z UI, ChatGPT GPT Image 2)

Vsebina

Ločevanje odpadkov je v številnih šolah vsakodnevno vprašanje. Učenci vsak dan uporabljajo papir, plastenke, embalažo živil in druge materiale, vendar ti predmeti ne pristanejo vedno v pravem zabojniku za recikliranje.

Ta znana situacija ponuja preprost način za raziskovanje delovanja umetne inteligence. Učenci raziščejo, ali bi sistem UI lahko prepoznal predmet in priporočil, v kateri zabojnik za recikliranje sodi.

Med dejavnostjo učenci ustvarijo osnovni model za razvrščanje slik s kategorijami, kot so papir, plastika in drugi odpadki. UI predložijo več primerov, model naučijo in ga nato preizkusijo z novimi predmeti.

Dejavnost prikaže pomembno načelo strojnega učenja: UI se vzorcev nauči iz primerov, ki jih prejme. Če so primeri preveč podobni, nepopolni ali slabo izbrani, lahko model daje nepričakovane rezultate.

Učenci torej ne ustvarijo le delujočega modela. Namenoma ga preizkusijo s težkimi primeri, raziščejo njegove napake in ga poskusijo izboljšati. Odkrijejo lahko na primer, da je zmečkana plastenka razvrščena drugače kot običajna plastenka ali da na rezultat vpliva ozadje slike.

Učna ura povezuje osnovni pojem UI z resnično šolsko situacijo. Hkrati učence spodbuja h kritičnemu razmišljanju o zanesljivosti in človeški odgovornosti: tudi če sistem UI poda priporočilo, se morajo ljudje še vedno odločiti, ali je rezultat smiseln.

Potek učne ure

Faza Čas Dejavnost
Uvod 10 min Učitelj pokaže več vsakodnevnih odpadkov in učence vpraša, kam sodijo. Razred razpravlja o tem, ali bi lahko UI enako odločitev sprejela samodejno.
Uvodna razlaga 10 min Učitelj predstavi razvrščanje slik in razloži, da se UI uči iz primerov. Izbrano orodje UI na kratko prikaže.
Raziskovanje 20 min V manjših skupinah učenci ustvarijo kategorije, kot so papir, plastika in drugi odpadki, pripravijo primere in naučijo svoj prvi model.
Prilagajanje 1 20 min Učenci model preizkusijo z novimi predmeti in zapišejo, kje je uspešen in kje se zmoti.
Prilagajanje 2 20 min Učenci izboljšajo učne primere, model znova naučijo in nove rezultate primerjajo s prvo različico.
Refleksija 10 min Učenci razpravljajo o tem, ali bi bil njihov sistem UI dovolj zanesljiv za resnično uporabo v šoli in kakšne so njegove omejitve.

Vodilna vprašanja: od poskusa z UI do uporabe v resničnem življenju

Gradiva


Revision #8
Created 2026-09-17 22:10:12 UTC by Alexander
Updated 2026-10-29 14:15:47 UTC by Jannik