10. lekcija: Mediji, veliki podaci i umjetna inteligencija

10. lekcija: Mediji, veliki podaci i umjetna inteligencija

Fotografija: Markus Spiske

Ova publikacija izražava isključivo stajalište njenih autora. Europska komisija i Izvršna agencija za obrazovanje, audiovizualnu politiku i kulturu ne mogu biti odgovorne za uporabu sadržanih informacija.

Ovo izdanje napravili su Savoir*Devenir i IREX Europe u okviru IN EDU projekta - “INclusive communities through Media Literacy & Critical Thinking EDUcation” - 604670-EPP-1-2018-1-IT-EPPKA3-IPI-SOC-IN – koji je sufinanciran iz Erasmus+ programa Europske unije.

www.in-eduproject.eu

Ovaj je priručnik ključan rezultat IN EDU programa uključivanja. Partneri u sklopu IN EDU projekta su: Centar za mir, nenasilje i ljudska prava – Osijek; FORMA.Azione; PRIZMA; Sofia Development Association; DZZD “Obuchenie” i ITET ‘Aldo Capitini’.

Medijska i informacijska pismenostAIR: analizirati, interpretirati, reagirati

Autori:Divina Frau-Meigs, Irma Velez, Pascale Garreau

Citiranje izvora: Divina Frau-Meigs, Irma Velez, Pascale

Garreau, Media and Information Literacy - AIR Analyse, Interpret, React. Savoir*Devenir,

Paris 2020.

Mrežno izdanje:www.savoirdevenir.net/ressources

Ovaj nastavni plan i program (Pojmovnik i resursi za medijsku i informacijsku pismenost)

sastavili su Savoir*Devenir i IREX Europe. Licenciran je pod nazivom „Creative

Commons Attribution - Non Commercial –Share Alike International License“.

10. lekcija: Mediji, veliki podaci i umjetna inteligencija Prvi dio ovog nastavnog plana bavi se podacima, umjetnom inteligencijom i dodatnom vrijednošću medijske i informacijske pismenosti.

Drugi dio ovog nastavnog plana, ili MILAB, se bavi praktičnim pristupom podučavanju o podacima i umjetnoj inteligenciji.

Nekoliko definicija (vidi Pojmovnik)

Podaci Rudarenje podataka Algoritam Umjetna inteligencija Demokratsko društvo

Kratki pregled

PRVI DIO Usvajanje znanja

1. Prije podataka i umjetne inteligencije 2. Podaci i umjetna inteligencija u digitalnom dobu 3. Značajke umjetne inteligencije 4. Prilike i rizici 5. Ciljevi učenja, kompetencije i dodatna vrijednost medijske i informacijske pismenosti 6. Evaluacija 7. Materijali za obuku

DRUGI DIO MILAB

1. Aktivnosti u prvoj fazi 2. Aktivnosti u drugoj fazi 3. Aktivnosti u trećoj fazi

10. lekcija: Mediji, veliki podaci i umjetna inteligencija I. dio: Usvajanje znanja 3

PPRVI DIO (4 sesije x 45 min.) 1. Prije umjetne inteligencije (AI) (10 min.)

Statistika se primjenjivala na male skupove podataka. Statistika je u prošlosti već bila korištena za profiliranje ljudi. Nielsen je u Sjedinjenim Američkim Državama pratio navike gledatelja na određenom uzorku kako bi ukazao na opće sklonosti publike. Prikupljani podaci su bili korišteni za reklamiranje radijskih i televizijskih proizvoda.

2. Podaci i umjetna inteligencija u digitalnom dobu (35 min.)

Što je novo s podacima i umjetnom inteligencijom?

Nova je snaga računala kod izračuna te količina podataka koje proizvodimo, a pomoću kojih se može dobiti još više informacija! Mnogo veći skupovi podataka se obrađuju u svrhu preciznijeg profiliranja, otkrivanja i predviđanje.

Veliki se podaci odnose na ogromnu količinu kodiranih informacija koje se analiziraju pomoću algoritama kako bi se otkrili obrasci, trendovi i povezanosti. Mogu se obrađivati pomoću različitih statističkih vrsta analize za profiliranje ljudi, predviđanje ponašanja ili analitiku učenja. Često ih se opisuje pomoću 5 značajki ili tzv. “5 V-ova“: opseg (eng. volume, velika količina arhiviranih zapisa), brzina (eng. velocity, brzina stva-ranja i kretanja podataka), raznovrsnost (eng. variety, strukturirani i nestrukturirani podaci), istinitost (eng. veracity, preciznost i točnost) te vrijednost (eng. value, skupa informatička infrastruktura i ekstrakcija). (Vidi: “A Brief Introduction on Big Data 5Vs Characteristics and Hadoop Technology” Ishwarappa Kalbandi and J. Anuradha (2015) https://www.researchgate.net/publication/282536587_A_Brief_Introduction_on_Big_Data_5Vs_Characte-ristics_and_Hadoop_Technology).

Savjet za nastavnike:Nikad ne zaboravite da algoritme pišu ljudi.Posjetite mrežnu stranicu za e-učenje (npr. Khan Academy) i tamo saznajte više o algoritmima i načinu na koji funkcioniraju. https://www.khanacademy.org/computing/computer-science/algorithms/intro-to-algorithms/a/route-findin

Primjena algoritama (informacije i predviđanja):

profiliranje za mikro ciljano oglašavanje/informiranje medicina i internetsko liječenje vožnja i automobili sa samostalnim upravljanjem navigacija i geolokacija policijske istrage (nadzor, praćenje i sl.) okoliš (nadzor, predviđanje i sl.)

Savjet za nastavnike:Učenicima pokažite videozapise Hansa Roslinga o demografiji i vizualizaciji iz serije „The Joy of Stats“ https://www.youtube.com/watch?v=jbkSRLYSojo

1. sesija:45 min.


Kako podaci utječu na proizvodnju informacija u medijima?

• Vizualizacija podataka • Istraživanje podataka (curenje) • Roboti novinari (AI) • Bespilotne letjelice (dronovi)

Savjet za nastavnike:Usredotočite se na postojeće primjere novinarstva koje proizvode roboti. Npr. 2015. godine francuski list Le Monde koristio je robota za pokrivanje lokalnih izbora nakon čega je objavljeno 36000 članaka.

Kako podaci utječu na konzumaciju informacija u medijima?

Dvije glavne vrste mjernih podataka za publiku i zajednice: • pokazatelji svjesnosti kao što su dojmovi, pogledi, klikovi, poveznice • pokazatelji angažmana poput lajkova, dijeljenja, komentara

Logika medijskih platformi vođenih algoritmima se također primjenjuje na tražilicama, kod prijenosa video materijala uživo na internetu i svim mjestima na kojima se isporučuju informacije i zabava. U poslovnom sektoru koji se temelji na ekonomiji pozornosti (vrijeme koje korisnik provede na internetu) ključna je spo-sobnost filtriranja, klasificiranja i mjerenja informacija jer se može unovčiti kod oglašivača i sponzora.

Četiri vrste algoritama pokreću vijesti na društvenim mrežama te označavaju i organiziraju informacije koristeći više-manje uredničke postupke (D. Cardon, A quoi revent les algorithmes: Nos vies à l‘heure des big data, (O čemu sanjanju algoritmi: naši životi u vrijeme velikih podataka) Seuil, 2016.):

popularnost (mjerenje publike, npr. broj klikova, broj pregleda na YouTubeu) vjerodostojnost (broj veza i hiperveza, npr. PageRank na Googleu) ugled ili sklonosti (broj lajkova i komentara koji pokazuju odnose i komunikaciju korisnika na

Facebooku, Twitteru, itd.) predviđanje (prikupljanje digitalnih otisaka i podataka na mreži)

Ovi modeli koegzistiraju te se bore za prednost na internetu. Međutim, sve je prisutnija promjena gdje po-daci u obliku vijesti i dokumenata prelaze u informacije u obliku podataka i grafikona (utvrđivanje identiteta i zajednice).

Savjet za nastavnike:Tražilice kao što su Google, Yahoo, Bing, Qwant, itd. nisu neutralne. Svaka ima svoju uređivačku politiku baš kao i drugi mediji, a nju provodi algoritam za rangiranje! Na primjer, Google usko povezuje ”popularnost” informacija s najizraženijim odabirima, a ne s kvalitetom informacija.


3. Značajke umjetne inteligencije

Rasprava: Koje su po vama značajke podataka i umjetne inteligencije? (25 min.)

Mikro profiliranje Manipulacija Povezivanje objekata Komuniciranje s botovima i digitalnim pomoćnicima (npr. Siri…) Stvaranje „filter mjehurića“ Zamjena ljudi robotima Kontroliranje ljudi Predviđanje budućnosti Praćenje ukusa i stavova

Savjet za nastavnike:Umjetna inteligencija zahtijeva kolektivno razmišljanje. Ono što bi moglo biti dobro za pojedinca (personalizacija usluga) može predstavljati problem za društvo u cjelini. Važno je o umjetnoj inteligen-ciji raspravljati na razini društva jer digitalne kulture teže pojačavanju individualizma i komunitarizma.

Formati i primjeri podataka s obzirom na građansku svijest i svijest potrošača (20 min.)

Poticanje Obučeni roboti (strojno učenje) Deepfakes - uvjerljiv krivotvoreni sadržaj Praćenje (RFID tehnologija)

Savjet za nastavnike:„Filter mjehurići“ i „komore jeke“ obično smanjuju opseg informacija i polariziraju mišljenje dok se sustavi društvenog ocjenjivanja koriste da bi se ljude potaknulo na ponašanje u skladu s određenom normom ili očekivanjem.„Filter mjehurići“: na primjer, Google PageRank i Facebook Newsfeed imaju algoritme koji stvaraju ”filter mjehurić” koji vodi korisnike prema informacijama koje se slažu s njihovim stajalištima (i ukla- nja informacije koje nisu u skladu s njihovom kulturom ili internetskom zajednicom). Eli Pariser, koji je izmislio taj pojam, upozorava da bi to moglo dovesti do ”informacijskog determinizma” gdje naše dosadašnje navike pretraživanja interneta postavljaju okvir pristupu novim informacijama.

Sustav društvenog ocjenjivanja: ideja je pratiti ponašanje građana u društvu (potrošačke navike, kreditni rejting, redovitost na radu, društvene interakcije) i dati im ocjenu radi evaluacije pouzdanosti. Kina navodno planira implementirati društveno bodovanje do 2020. godine.

Da bi dobili distopijski uvid u sustav društvenog bodovanja, učenici mogu zajedno gledati i komenti-rati prvu epizodu treće sezone engleske serije Black Mirror, pod nazivom ”Nosedive”.

2. sesija:45 min.


4. Prilike i rizici velikih podataka i umjetne inteligencije

Rasprava: Kako se danas koristi umjetna inteligencija? (15 min)

Učenici trebaju na internetu potražiti članke koji prikazuju deset najboljih algoritama koji dominiraju našim svijetom. Možete ih usmjeriti na popis Gizmodo koji navodi: Google Page Rank, Facebook Newsfeed, OKCupid, NSA kriptografiju, „Možda će vam se svidjeti“- algoritmi preporuka, Google AdWords, visokofrekventna trgovina dionicama, MP3 kompresiranje koje smanjuje podatke, IBM CRUSH (Criminal Reduction Utilizing Statistical History) za prediktivne analize i automatsko podešavanje. Vidi: https://io9.gizmodo.com/the-10-algorithms-that-dominate-our-world-1580110464

Koje su glavne funkcije/misije? (prijedlozi: preporuka, podudaranje, predviđanje, učenje, nadzor, oblikova- nje/ donošenje odluka). Povedite raspravu o prednostima i nedostacima.

Savjet za nastavnike:Umjesto toga, učenici mogu posjetiti mrežnu stranicu tijela nadležnog za podatke u svojoj zemlji i potražiti opis misije tog tijela u odnosu na podatke i umjetnu inteligenciju. Učenici također mogu pogledati Etičke smjernice za pouzdanu umjetnu inteligenciju na razini EU-a: https://ec.europa.eu/digital-single-market/en/news/ethics-guidelines-trustworthy-ai

Ako su vaši učenici zainteresirani za etiku umjetne inteligencije, možete im dati sažeti prikaz „Šest vrsta etičkih aspekata“ koji pokazuju kako algoritmi funkcioniraju pomoću određenih vrijednosti. Vidi: Brent Daniel Mittelstadt, Patrick Allo, Mariarosaria Taddeo, Sandra Wachter, Luciano Floridi, ”The ethics of algorithms: Mapping the debate”, Big data and society journal, 1. prosinca 2016. https://journals.sagepub.com/doi/full/10.1177/2053951716679679

Prilike i rizici (15 min.)

Rizici

Prilike

Pojmovi

• Društveni zapisi, crne liste• Poticanje i manipulacija• Nadzor• Robotizirano učenje

• Predviđanje, odlučivanje• Analitika učenja• Njega i lijekovi• Strojno učenje

• Profiliranje• Strojno učenje• Odnosi• Učenje

3. sesija:45 min.


Umjetna inteligencija zapravo nije “ljudska“ niti je “inteligencija“: trenutno se uglavnom koristi statistika koja se primjenjuje na velike skupove podataka i strojno učenje pomoću ljudskih obrazaca ponašanja na internetu (za sada).

Neki od rizika i etičkih pitanja koje postavlja umjetna inteligencija: > Sustav poticanja i društvenog ocjenjivanja (ili sustav društvenog

bodovanja u Kini) > “Filter mjehurići“ i “komore jeke“ > Informacijski poremećaji: lažne vijesti; uvjerljiv krivotvoreni sadržaj

Etička pitanja: sloboda savjesti sloboda govora transparentnost algoritama robotski nadzor

Razvijanje kritičkog razmišljanja kod učenika: AIR

• Vrste algoritama• Vrste pokazateljaANALIZIRAJTE

• Poslovne modele • Rizike za kvalitetu informacija• Etička pitanja

INTERPRETIRAJTE

• Usvojite alate koji se ne prate• Blokirajte i signalizirajte• Slijedite kontrolni popis za zaštitu podataka• Koristite alate za enkripciju

REAGIRAJTE

Sažetak


5. Usredotočite se na podatke i umjetnu inteligenciju u odnosu na KOMPETENCIJE GRAĐANSKE I POTROŠAČKE SVIJESTI (7K) (15 min)

Kompetencije vezane uz potrošačku i građansku svijest djeluju istovremeno jer pomoću njih građa-ni mogu razumjeti digitalno okruženje koje stvaraju mediji te proizvodi i usluge vođeni umjetnom inte-ligencijom. Razumijevanje posljedica komercijalnih aspekata umjetne inteligencije i etičke posljedice po samostalnost i privatnost imaju ključnu ulogu u budućnosti demokratskog društva i dobrobiti na internetu.

Vidi Uvod i PojmovnikIzvor: Savoir*Devenir

Kategorije kompetencija medijske i informacijske pismenosti/pokazatelji kompetencija građanske i potrošačke svijesti

Učenici bi trebali znati:

Potrošnja

Razumijevanje Kreativnost Kritičko razmišljanje

Građanska svijest

Međukulturalna suradnja

Suradnja i rješavanje sukoba

Opisati različite vrste algoritama i način na koji utječu na društvene medije

Razumjeti način na koji umjetna inteligencija organizira i širi sadržaj te prikuplja podatke

Odabrati kako će se ponašati u doba umjetne inteligencije

Zaštititi se od pretjerane uporabe i rizika povezanih s umjetnom inteligencijom

Kritički razmišljati o umjetnoj inteligenciji

Medijska i informacijska pismenost kao dodatna vrijednost ljudskih prava Privatnost Sloboda izražavanja Dostojanstvo (etička pitanja vezana uz rudarenje i tumačenju podataka)


6. Evaluacija

Esej: Što znači ”inteligencija” u pojmu ”umjetna inteligencija”? Napomena: zapamtite da ”inteligencija“ u engleskom jeziku također može značiti “špijunažu“...

Ili

Učenici mogu pogledati videozapis “Project Debater“ koji pokazuje kako je računalo pobijedilo u raspravi o načinu financiranja vrtića u SAD-u (https://www.youtube.com/watch?v=FmGNwMyFCqo).Učenici trebaju napisati objavu u kojoj iznose što misle o tome. Kako se osjećaju?

7. Dodatni materijali za obuku (vidi dodatak uz Plan nastave)

Reference na druge materijale i izvore Korisne poveznice za pedagošku animaciju Pojmovnik Korisni softver za integraciju medijske i informacijske pismenosti u ishode učenja

(internetski resursi po zemljama) https://docs.google.com/spreadsheets/d/10wxgYEe9O8GiSKo8kTjv8uQqpkOeHJp5_k0ytBcZsdU/edit?usp=sharing

4. sesija:45 min.


DRUGI DIO - MILAB (4 sesije x 45 min. prema rasporedu za medijsku i informacijsku pismenost

Aktivnosti MILAB-a organizirane su u tri faze (1. početak, 2. utvrđivanje i 3. produbljivanje). Tri faze se mogu slijediti na predloženi način ili koristiti modu-larno, ovisno o tome koliko se vremena planira posvetiti medijskoj i informacijskoj pismenosti i/ili nekom željenom ishodu.

Obuhvaćaju razne pedagoške aktivnosti, uključujući radionice, igranje uloga, pisane vježbe i igre te istražuju različite medijske formate poput blogova, videozapisa i članaka objavljenih na internetu s ciljem razvijanja vještina kritičkog razmišljanje kod učenika (AIR).

ISTRAŽIVANJE GRAĐANSKE i POTROŠAČKE SVIJESTI: Doprinos društvenim medijima putem tweetova, objava, priče…

1. FAZA (15-16):Razumijevanje algoritama

Pretraživanje informacija 45 min.

Podijelite učenike u tri skupine: zamolite svaku skupinu da potraži isti kontroverzni podatak o raznim uslugama (Google, Wikipedia, Twitter). Nakon toga trebaju usporediti svoje nalaze.

Na što ukazuju razlike s obzirom na logiku pažnje? Koji se poslovni model koristi? Proučite četiri vrste algoritama (popularnost, vjerodostojnost, ugled, predviđanje).

Savjet za nastavnike:Možete odabrati neku osobu iz političkog života koja izaziva oprečne stavove ili neki kontroverzni nedavni događaj poput klimatskih promjena, migrantske krize i sl.Ili Učenici mogu proučiti rezultate istraživačkog novinarstva koje koristi velike podatke, poput međunarodnog konzorcija koji je doveo do otkrića “Panamskih dokumenata“ (https://www.icij.org/).Koje su prednosti kombinirane i decentralizirane obrade velikih podataka? Koliko je ovakva vrsta novinarstva izmijenila politiku transparentnosti? Kako su političari iskoristili informacije: za izmjenu zakona, kažnjavanje i sankcioniranje prijevara, naplatu poreza ili nešto drugo?

Pretraživanje informacija (nastavak) 45 min.

Nastavite s analizom rezultata pretraživanja. Što se događa s drugim vrstama reprezentacije? Što se događa s kvalitetom informacija? Kakva se saznanja mogu steći iz takvih nalaza? Koji su rizici u odnosu na razumijevanje ili nerazumijevanje stvarne situacije? Koji su rizici u odnosu na donošenje odluka (npr. glasanje na izborima)?

Rasprava 45 min.

Na osnovu svojih otkrića tri skupine bi trebale osmisliti etička rješenja o tome kako se nositi s „filter mjehurićima“ i „komorama jeke“ koje su stvorili algoritmi i umjetna inteligencija.

Za dalje

11 10. lekcija: Mediji, veliki podaci i umjetna inteligencija II. dio. Milab

1. FAZA (nastavak):

Evaluacija i povratne informacije 45 min.

Svaki učenik treba napisati blog o svojim osjećajima i reakcijama na svoje iskustvo.

Savjet za nastavnike:Umjesto toga im možete pokazati algoritam Newsfeed-a kako bi razmislili o načinu na koji nas-taju „filter mjehurići“: https://techcrunch.com/2014/04/03/the-filtered-feed-problem/

2. FAZA (16-17): Svladavanje podataka i umjetne inteligencije

Simulacija 45 min.

Učenicima skrenite pažnju na povijest pretraga tijekom jednog tjedna. Mogu voditi dnevnik ili provjeriti povijest na alatnoj traci.

Simulacija (nastavak) 45 min.

Učenici trebaju vizualizirati “filter mjehurić“ koji je povezan s načinom na koji se služe Googleom. Mogu koristiti ekstenzije na Mozilli ili Lightbeamu i tako lakše vizualizirati praćenje na temelju e-povijesti pretraga na internetu. Što primjećuju?

Simulacija (nastavak) 45 min.

Učenike podijelite u dvije ili tri grupe. Zatražite da testiraju tražilice koje ne prate pretrage, poput DuckDuckGo, Qwant... Koju politiku provode u vezi s umjetnom inteligencijom? Na koji način se pridržavaju Opće uredbe o zaštiti podataka?


Učenici trebaju usporediti određenu pretragu neke teme na različitim tražilicama, odnosno na jednoj tražilici koja prati osobne podatke i drugoj koja ne prati. Potaknite ih da razmisle o posljedicama i svim ostalim elementima.


3. FAZA (18-19):Izgradnja održivog etičkog odnosa prema podacima i umjetnoj inteligenciji

Scenarij INFORMACIJSKE katastrofe 45 min.

Potražiti: automobil sa samostalnim upravljanjem. Razmotrite slučaj Waymo-a (Googleov projekt automobila sa samostalnim upravljanjem). Je li bilo ozlijeđenih? Do kakvih ozljeda je došlo? Kakve su bile pravne posljedice? Tko je snosio odgovornost?


Potražiti: nadgledanje i nadzor lica. Usporedite slučaj praćenja lica u Kini s odlukom grada San Francisca da takvo praćenje zabrani. Argumenti za i protiv.


Potražiti: uvjerljiv krivotvoreni sadržaj. Pogledajte video predsjednika Obame koji je snimilo Sveučilište Washington. Što bi se dogodilo kada bi ljudi povjerovali njegovim riječima? Poveznica: https://www.youtube.com/watch?v=UCwbJxW-ZRg


Esej: Mogu li roboti vladati svijetom ako uzmemo u obzir tri analizirana scenarija katastrofe? Na koji način građani u demokratskim društvima mogu postaviti granice?


10. lekcija: Mediji, veliki podaci i umjetna inteligencija

Documents

Transcript of 10. lekcija: Mediji, veliki podaci i umjetna inteligencija