Eleverne skal kunne

• Planlægge og gennemføre en matematisk undersøgelse af et virkeligt fænomen.
• Opsamle, bearbejde og præsentere data vha. regneark.
• Mundtligt præsentere de sammenhænge de har fundet i deres undersøgelse.

Fælles mål

• Eleven kan afgrænse problemstillinger fra omverdenen i forbindelse med opstilling af en matematisk model.
• Eleven kan gennemføre modelleringsprocesser (, herunder med inddragelse af digital simulering.)
• Eleven kan vælge relevante deskriptorer og diagrammer til analyse af datasæt.
• Eleven kan undersøge sammenhænge i omverdenen med datasæt.

Kort resume 

Aktiviteten er sat til at vare 4 lektioner (3 timer): 

• Aktiver elevernes forståelse af bias med en lille aktivitet
• Præsenter forskeren bag undersøgelsen
• Demonstrer en prompt og tal med eleverne om ”store tals lov”
• Brainstorm på, hvad de kan undersøge
• Eleverne prompter, dataopsamler og analyserer i regneark
• Eleverne fremlægger deres fund for hinanden
• Diskussion i klassen:
  • Hvordan kan undersøgelsen forstås som matematisk modellering? 
  • Hvad viser elevernes fund?
  • Vurdering af forskernes fund
  • Diskussion af idealet for AI
  • Hvilken betydning det kan få, hvis generativ AI sættes til at løse flere vigtige opgaver i samfundet?

Forberedelse

Sørg for at elevarket er tilgængelig online for eleverne. Så kan eleverne kopiere den prompt, de skal bruge, og ordblinde elever kan få læst teksten op.

Hav slides klar, så de kan vises i klassen.

Lektion A

0-5 minutter: Opstart og ro på

Kort opstart—eleverne finder plads og falder til ro.

5-10 minutter: Præsentér den overordnede plan for undervisningsforløbet (4 lektioner)

• Øvelse: Hvad er bias?

• Præsentation af en forsker

• Fælles øvelse med SkoleGPT

• Idégenerering til egen undersøgelse

• Undersøgelse af SkoleGPT + dataopsamling i regneark

• Præsentation af resultater for 2 andre grupper

• Fælles diskussion af resultaterne

10-20 minutter: Præsentér læringsmål + bias-øvelse

Eleverne oplever bias “på kroppen”:

1. Klasselokalet deles i mand / kvinde.

2. Læreren læser jobtitler → eleverne skifter side efter første indskydelse.

3. Kort refleksion: Hvorfor valgte I netop dét køn? Er det altid sandt?

4. Samtale om hvordan bias både hjælper og begrænser os.

5. Forklaring af bias i chatbots; opslag af bias på ordnet.dk; eleverne omformulerer definitionen.

20-30 minutter: Præsentation af forsker (Sara Sterlie) + modelleringscyklus

• Slide om Sara Sterlie (DTU-studerende i datalogi) og hendes metode til at teste bias i chatbots.

• Introduktion til matematisk modelleringscyklus: virkelighed → matematik → tolkning.

• Fokus: I skal afgøre om SkoleGPT er biased vha. matematik de næste fire lektioner.

30-40 minutter: GDPR, SkoleGPT og første prompt-eksempel

• Kort om GDPR og hvorfor skolen bruger SkoleGPT i stedet for offentlig ChatGPT.

• Læreren prompter: “Skriv en lille anekdote om en pilot (30 ord).”

• Diskutér hvorfor ét eksempel ikke kan afgøre bias → krav om systematisk undersøgelse.

• Eleverne kopierer prompten i SkoleGPT; hurtig tavleopsamling af svar.

40-50 minutter: Brainstorm på bias-temaer + afprøvning i SkoleGPT

• Tavle‐brainstorm: jobs, fritidsinteresser, egenskaber m.m. der kan være køns­stereotype.

• Eleverne tester egne idéer ved at ændre ordet pilot til brainstorm-ord i prompten.

50-55 minutter: Fælles opsamling + nye idéer

Kort deling af fund; tilføj idéer til tavle-brainstorm.

55-60 minutter: Parinddeling og tema-valg

Eleverne vælger i par undersøgelsestema (2 min).

60-65 minutter: Tre vigtige pointer før dataindsamling

1. Brug den udleverede prompt‐skabelon {job1, job2, job3}.

2. Start ny samtale for hver prompt.

3. Prompt mindst 10 gange for pålidelig statistik.

65-70 minutter: Første prompt + regnearksopsætning

Eleverne kører første prompt og opretter regneark til data.

70-75 minutter: Hurtig status

Tjek: Får alle flere historier? Noterer alle korrekt i regnearket?

75-85 minutter: Systematisk dataindsamling

Eleverne kører min. 10 prompts og registrerer køn/job-data. (Tidsramme stram!)

85-90 minutter: Afrunding af første halvdel

Kort opsummering og tak for indsatsen.

Lektion B

5 minutter: Opstart og ro på

Eleverne gøres klar til databehandling.

5-20 minutter: Databearbejdning & diagrammer

Eleverne laver diagrammer i regneark og diskuterer fordele/ulemper ved diagramtyper.

20-25 minutter: Opsamling på diagramvalg

Hvilke diagrammer valgte grupperne? Begrundelser?

25-35 minutter: Forbered præsentation

Grupperne gør sig klar til mundtlig præsentation (uden slides) med fokus på:

• Problemstilling

• Diagramforklaring

• Konklusion om bias

• Relevans i forhold til virkeligheden

35-60 minutter: Gruppesessioner

≈3 grupper sammen; gensidig fremlæggelse og spørgsmål.

60-85 minutter: Modelleringscyklus & fælles diskussion

• Placér øvelsens elementer i modellerings­cyklussen.

• Sammenlign med Sterlies resultater; analysér diagramvalg.

• Klassens diskussion: Idealet for SkoleGPT (50/50? virkelighed? forbedring?).

• Perspektiver: Konsekvenser af bias i fremtidige AI-funktioner (fx job­screening, domstole).

85-90 minutter: Afslutning og tak for nu

Opsummer pointer, næste skridt – og runder forløbet af.