Kako YouTube, TikTok in podobne platforme uganejo, katere videoposnetke želimo gledati? Kako družbena omrežja priporočajo objave in nas povezujejo s prijatelji? Kako spletne trgovine vedo, katere izdelke prikazati posameznemu obiskovalcu?

V tej aktivnosti učenci raziskujejo, kako delujejo priporočilni sistemi. Ura je še posebej privlačna, saj se povezuje z njihovim vsakdanjim življenjem: mlajši učenci izbirajo svoje najljubše risanke, starejši pa se spominjajo serij, ki so jim bile všeč.

Z določanjem preprostega pravila, kako iz izgleda palčka prepoznati njegov poklic, spoznavamo strojno učenje in klasifikacijske modele. V prvem delu ure učenci sami prepoznajo pravilo, v drugem delu pa rišejo hiše palčkov, računalnikova naloga pa je odkriti pravilo, ki so si ga zamislili učenci.

S postopnim predstavljanjem različnih vrst živali in njihovih lastnosti (kot so krila ali če žival daje mleko) se računalnik nauči razlikovati med sesalci, pticami, žuželkami in drugimi skupinami.

Učenci pogosto zavzeto skušajo najti živali, ki “porušijo” trenutna pravila in zahtevajo uvedbo novih lastnosti. Ključni trenutek običajno nastopi na koncu, ko spoznajo, da lahko isti princip uporabimo za učenje računalnika, da prepozna strupene gobe, napove, katero zdravilo bo učinkovito za pacienta, razvršča neželeno elektronsko pošto, ali prepoznava predmete na slikah.

Štirikotnike lahko razvrščamo z opazovanjem njihovih lastnosti, na primer vzporednih stranic ali pravih kotov. Na podlagi tega lahko zgradimo klasifikacijsko drevo, ki like razporedi v skupine glede na njihove značilnosti.

Klasifikacijska drevesa sodijo med najstarejše metode strojnega učenja, vendar jih še vedno pogosto uporabljamo kot nazorne primere pri poučevanju.

Če dejavnost izvajate brez uporabe računalnika, je najboljše, da učenci pred tem že spoznajo drevesa v aktivnostih, kot sta Kaj počnejo palčki ali Živalsko drevo. Pri delu z računalnikom lahko preskočite ročno gradnjo drevesa in se raje osredotočite na raziskovanje rezultatov.

Razvrščanje 15 kartic s slikami avtomobilov, od zelo starih do najnovejših, je lahko za učence (in tudi za odrasle!) zabavna in preseneteljivo zahtevna naloga. Učenci prejmejo kartice in jih skušajo razporediti v kronološko razporedje. Po preverjanju pravilnega vrstega reda razmislimo, kako ovrednotiti njihove razporeditve (točkovanje je glavna tema aktivnosti!), primerja uspešnost skupin in razišče, kako se enake naloge loti računalnik.

Kljub pogostim stereotipom so se avtomobili izkazali za enako zanimive za dekleta in fante.

Uporabimo lahko tudi druge slike, na primer izume, knjige ali predmete, ki jih je mogoče razvrščati po določeni lastnosti (npr. mesta glede na razdaljo), zato je aktivnost primerna za najrazličnejše predmete. Še ena možnost je, da predmete razvrščamo glede na izbrano lastnost (na primer mesta v določeni državi glede na oddaljenost od šole).

Če imamo dan nabor elementov — države, slike, knjige, filme ali pesmi — kako jih lahko razvrstimo v skupine?

V tej proprosti gibalni aktivnosti učence razporedimo glede na njihove zamišljene ocene pri matematiki in športni vzgoji ter postopoma oblikujemo vedno večje skupine, da razkrijemo gruče podobnih učencev. Tako predstavimo priljubljen algoritem hierarhičnega gručenja, ki ga v naslednjih aktivnostih uporabimo na resničnih podatkih.

Dendrogrami so vizualni diagrami, ki prikazujejo, kako so predmeti hierarhično razvrščeni v skupine. V tej aktivnosti se jih učenci naučijo brati in jih interpretirati. Priporočljivo je, da najprej spoznajo pojme, ki stojijo za dendrogrami. Predstavimo jih v aktivnosti Gruče v razredu.

Učenje klimogramov in podnebnih pasov postane bolj zanimivo, če učenci podatke raziskujejo sami. V tej aktivnosti preučujejo podnebne vzorce na različnih celinah. Učitelj vodi proces in jih spodbuja, da razmislijo o značilnostih posameznih podnebnih pasov.

V ozadju je koncept gručenja. Aktivnost lahko zaključimo z demonstracijo, kako računalnik analizira iste podatke in sam prepozna podnebne pasove. S tem pokažemo, da se da vzorce, ki so jih odkrili učenci, da prepoznati tudi algoritemsko.

Vsaka slovenska regija ima tipične priimke: vsi vemo, da živijo Horvati v Prekmurji in Furlani na zahodu Slovenije. Zakaj je tako? Kaj nam pove razporeditev priimkov po Sloveniji o slovenskem jeziku, zgodovini, geografiji?

Učenci igrajo igro Križci in krožci proti “pametnemu papirju”, ki sledi naboru vnaprej določenih pravil (na primer: “če nasprotnik naredi to, naredi ono”), ki zagotavljajo, da lahko beli igralec vsaj izenači, včasih pa tudi zmaga. To sproži pogovor o inteligenci: učenci običajno ugotovijo, da papir sam po sebi ni inteligenten — inteligentna je oseba, ki je pravila napisala. Nato se strinjajo, da bi računalnik veljal za inteligentnega, če bi se pravila lahko sam naučil, kar naravno vodi v aktivnost Računalnik iz bombonov, kjer sistem odkriva strategije z učenjem iz napak.

To dejavnost je razvil Paul Curzon na Paul Curzon in je objavljena kot del projekta CS Unplugged, v slovenščini Vidra.

Kot nadaljevanje aktivnosti Inteligentni papir učenci zgradijo računalnik iz bonbonov, ki se uči igrati preprosto igro Šest kmetov. Sprva je “računalnik” popolnoma zmeden — izvaja naključne poteze in včasih spregleda enostavno zmaga — z učenjem iz svojih napak, pa postopoma postane nepremagljiv.

Ta praktična dejavnost zahteva nekaj priprave, a je med učenci vedno zelo priljubljena. Med igro se naravno začnejo pogovori o tem, kako poteka učenje. Kje je inteligenca? Ali vsak bonbon postaja bolj inteligenten z vsako igro? Ta vprašanja lahko vodijo tudi do širših debat, na primer: ali lahko stroj resnično postane inteligenten?

Dejavnost izhaja iz CS4FN: The Sweet Learning Computer, dela projekta CS4FN, ki sta ga začela Paul Curzon in Peter McOwan. V slovenščini je aktivnost del Vidre.

Pri zemljepisu se učimo, kako se prekmurske hiše razlikujejo od kraških, te pa od gorenjskih. Učenci se najprej preskusijo (seveda v tekmovanju med skupinami) ob razporejanju kartic s slikami hiš po regijah, potem pa sledi še tekmovanje z računalnikom: če računalniku pokažemo nekaj primerov tipičnih hiš iz različnih regij - se lahko nauči določati regije hišam, ki jih ni še nikoli videl?

Namesto s hišami lahko izvedemo uro tudi z drugimi slikami, na primer verskimi objekti različnih svetovnih religij.

Razlikovanje med renesanso in impresionizmom je preprosto. Kaj pa, če dodamo še nadrealizem in kubizem — jih boste znali ločiti? Kaj pa učenci?

V tej aktivnosti se bodo najprej pomerili bodoči umetnostni zgodovinarji, nato pa bo enako nalogo skušal opraviti še računalnik. Če mu pokažemo nabor slik iz posameznih obdobij in slogov, se bo moral naučiti, kako jih med sabo razlikovati.

Édouard Manet (1832) in Claude Monet (1840) sta bila francoska slikarja, sodobnika v času modernizma. Laik ju z lahkoto zameša. V tej aktivnosti se bodo dijaki(nje) in nato še računalnik preskusili v razlikovanju njunih del.

Medtem ko smo se pri aktivnostih, kot sta Kaj počnejo palčki? in Živalsko drevo osredotočili na izdelavo drevesa, je pri tej aktivnosti poudarek na analizi podatkov, namenjena pa je starejšim učencem. Samostojno ali v paru uporabljajo orodje Orange za raziskovanje klasifikacijskih dreves in preučevanje značilnosti različnih živalskih skupin.

Se spomnite odličnih vizualizacij v predavanju Hansa Roslinga na TED? Tule uporabimo podobne podatke in vizualizacije – morda manj spektakularne, a konceptualno bolj poglobljene – da raziskujemo, poglabljamo ali celo izzivamo naše razumevanje različnih držav po svetu.

Se vaši učenci pritožujejo nad “nemogočimi” urniki — preveč težkih predmetov v istem dnevu? Predolgi petki?

V tej aktivnosti spoznamo, da izdelava dobrega urnika ni enostavna. Učenci se spopadejo z izzivom urničarja, ki ima na voljo samo eno učilnico, hkrati pa več skupin, ki želijo različne termine. Največ koliko rezervacij lahko sprejmemo?

Kako lahko na osnovi podatkov o telesnih karakteristikah in natančnosti metov igralcev v košarkarski ligi NBA določimo njihovo igralno mesto? Lahko uganete, kateri trenutni igralec ne ustreza tipičnemu profilu?

Aktivnost je namenjena dijakom in dijakinjam višjih letnikov, ki se ne ustrašijo linearnih kombinacij, korenov, eksponentnih funkcij in logaritmov. Poleg tega pa jih zanima “ugibanje” fizikalnih zakonitosti iz podatkov brez fizikalnega predznanja.