Skip to main content

AI δραστηριότητες για το Δημοτικό Σχολείο με μία τρίπτυχη ανάπτυξη

5 Ιουνίου 2022
AI δραστηριότητες για το Δημοτικό Σχολείο με μία τρίπτυχη ανάπτυξη

Το ευρωπαϊκό έργο Erasmus+ “Generation AI“, πέρα από το ποικιλόμορφο εκπαιδευτικό υλικό που δημιούργησε, παρήγαγε και εφάρμοσε 10 σχέδια μάθησης και διδασκαλίας σε μαθητές Δημοτικού, τα οποία αναλύονται στην “e-Learning Platform” του έργου, και ξεκινούν με ένα ολιγόλεπτο βίντεο. Όλα τα βίντεο που έχουν παραχθεί διαμοιράζονται στο κανάλι YouTube του έργου. Κάθε ένα τέτοιο σχέδιο μάθησης και διδασκαλίας περιλαμβάνει τα παρακάτω 1+3 τμήματα (π.χ. Lesson Plans / Content Creation):

  • Εισαγωγικό Βίντεο
  • Οδηγός για τον Εκπαιδευτικό με Παραδείγματα (Tutor Handbook)
  • Σχέδιο της Δραστηριότητας (Learning Activity)
  • Δημιουργικά Παιχνίδια (Challenge)

Στο παρακάτω παράδειγμα περιγράφεται μία δραστηριότητα αναγνώρισης φωτογραφιών σε 5 διακριτά βήματα (βλ. σχετικό βίντεο).

Ο δάσκαλος ζητάει αρχικά και πριν τη δραστηριότητα από τους μαθητές του, να φέρουν διαφορετικές φωτογραφίες του αγαπημένου τους κατοικίδιου ζώου (ψηφιακές ή όχι).

GenerationAI IO3 Learning Activity Basic Doukas1

Οι μαθητές ξεκινούν να παίζουν με τις εφαρμογές προσπαθώντας να σχεδιάσουν το αγαπημένο τους κατοικίδιο (π.χ. Quick Draw, AutoDraw).

GenerationAI IO3 Learning Activity Basic Doukas2

Ο δάσκαλος κάνει μία γρήγορη δημοσκόπηση στην τάξη για το αγαπημένο κατοικίδιο των μαθητών του.

GenerationAI IO3 Learning Activity Basic Doukas3

Σε ομάδες δείχνουν τις φωτογραφίες τους σε άλλους μαθητές και τις συγκεντρώνουν σε έναν κοινό διαδραστικό online board (π.χ. padlet, jam board κ.λπ.) ή απλό πίνακα, έτσι ώστε όλοι να μπορούν να βλέπουν όλα τα κατοικίδια ζώα.

GenerationAI IO3 Learning Activity Basic Doukas4

Οι μαθητές χρησιμοποιούν μια εφαρμογή τεχνητής νοημοσύνης η οποία μπορεί να αναγνωρίζει ένα ζώο ή οποιοδήποτε άλλο αντικείμενο (π.χ. Google Lens, ή η κάμερα ενός κινητού ή tablet).

GenerationAI IO3 Learning Activity Basic Doukas5

Συζητώντας ποιες φωτογραφίες αναγνωρίζει η μηχανή και ποιες όχι, μπορούμε να καταλήξουμε σε συμπεράσματα με μία τελική δραστηριότητα προβληματισμού και επισκόπησης, που μπορεί να γίνει με ζητήματα όπως:

  • Πώς αναγνωρίζουν τα συστήματα τεχνητής νοημοσύνης τις εικόνες;
  • Γιατί τα συστήματα τεχνητής νοημοσύνης δεν μπορούν να αναγνωρίσουν ορισμένες εικόνες;
  • Τελικά, μπορεί μια μηχανή να μάθει να αναγνωρίζει εικόνες και ήχους;
  • Ποια είναι η διαφορά μεταξύ των συστημάτων τεχνητής και ανθρώπινης νοημοσύνης;

Για περισσότερες πληροφορίες μπορείτε να επισκεφτείτε την ιστοσελίδα του έργου εδώ και την σελίδα του Fascebook εδώ.