Návrh workshopu: “ Sú moje myšlienky formované algoritmickým skreslením?

. ÚVOD K TÉME

Táto lekcia sa zameriava na tri hlavné pojmy. Najprv sa snaží zistiť, čo je zaujatosť. Po širokom vymedzení tohto pojmu sú študenti vedení k tomu, aby preskúmali konkrétne príklady predsudkov, ktoré by mohli mať.

Druhým vysvetleným konceptom je algoritmus. Prostredníctvom základnej definície sa vytvorí prepojenie na to, čo by algoritmy mohli robiť v online prostredí, najmä v oblasti sociálnych médií. To vedie ku konečnému konceptu informačných bublín alebo echo komôr, ako algoritmov posilňujúcich zaujatosť vo vnímaní reality.

Vo všeobecnosti možno zaujatosť definovať ako systematickú chybu alebo odchýlku od pravdy, ktorú vnášajú subjektívne faktory. To môže viesť k skresleným alebo skresleným predstavám, úsudkom a rozhodnutiam, ktoré nie sú založené na objektívnych dôkazoch alebo faktoch.

Zaujatosť označuje predsudok alebo sklon k určitej perspektíve, ideológii alebo výsledku, ktorý ovplyvňuje úsudok alebo rozhodovacie procesy. Skreslenie môže pochádzať z rôznych zdrojov, vrátane osobných skúseností, kultúrneho zázemia a kognitívnych zaujatostí, ktoré ovplyvňujú vnímanie a interpretáciu.

Zaujatosť môže ovplyvniť jednotlivcov, organizácie a spoločnosti mnohými spôsobmi, čo vedie k nerovnakému zaobchádzaniu a nespravodlivým výsledkom, ako aj k šíreniu dezinformácií a posilňovaniu existujúcich nerovností a dynamiky moci.

Algoritmus je krok za krokom postup na riešenie problému alebo dosiahnutie špecifickej úlohy, zvyčajne vyjadrený v počítačovom programovacom jazyku. Je to postupnosť dobre definovaných inštrukcií navrhnutých na vykonanie špecifickej úlohy alebo na vyriešenie dobre špecifikovaného výpočtového problému s konečnou dobou trvania a danými špecifickými vstupmi.

V kontexte AI a strojového učenia sa zaujatosť vzťahuje na systematickú chybu alebo nezrovnalosť v algoritmoch alebo modeloch, ktoré vedú k nerovnakému zaobchádzaniu s rôznymi skupinami. Skreslenie možno do systémov AI zaviesť rôznymi spôsobmi, napríklad prostredníctvom trénovacích údajov používaných na vývoj modelov, algoritmov a metód používaných na zostavovanie modelov alebo rozhodovacích procesov používaných v modeloch.

Napríklad model strojového učenia trénovaný na skreslených údajoch môže generovať skreslené výsledky, ako je nespravodlivá klasifikácia určitých skupín alebo vytváranie nesprávnych predpovedí o jednotlivcoch na základe ich rasy, pohlavia alebo iných faktorov.

V kontexte sociálnych médií sa algoritmy odvolávajú na matematické vzorce a procesy používané platformami ako Facebook, Twitter a Instagram na určenie toho, aký obsah sa zobrazuje používateľom. Tieto algoritmy využívajú rôzne faktory, ako je správanie používateľov, minulé interakcie a modely strojového učenia, na uprednostnenie a prispôsobenie obsahu, ktorý sa zobrazuje v informačnom kanáli používateľa, vo výsledkoch vyhľadávania a v reklamách. Cieľom je často maximalizovať zapojenie používateľov a udržať používateľov na platforme čo najdlhšie.

V kontexte sociálnych médií sa zaujatosť vzťahuje na spôsoby, akými môžu algoritmy používané týmito platformami ovplyvniť informácie, ktorým sú používatelia vystavení, a obmedziť ich vystavenie rôznym perspektívam a nápadom. Tento jav sa niekedy označuje ako „informačná bublina“ alebo „filtračná bublina“.

Algoritmy používané platformami sociálnych médií sú navrhnuté tak, aby prispôsobili používateľskú skúsenosť a maximalizovali zapojenie zobrazovaním obsahu používateľom, ktorý ich s najväčšou pravdepodobnosťou zaujme. To môže viesť k vytvoreniu informačných bublín, kde sú používatelia primárne vystavení informáciám a perspektívam, ktoré sú v súlade s ich existujúcimi presvedčeniami a predsudkami, a je menej pravdepodobné, že sa stretnú s opačnými názormi alebo náročnými myšlienkami.

Vplyv informačných bublín na sociálne médiá môže byť významný, pretože môžu posilniť existujúce predsudky a obmedziť vystavenie používateľov rôznym perspektívam a nápadom. To môže prispieť k šíreniu dezinformácií, posilneniu echo komôr a narušeniu dôvery verejnosti v informácie a inštitúcie.

Pre platformy sociálnych médií a používateľov je dôležité, aby si boli vedomí potenciálu informačných bublín a podnikli kroky na podporu rozmanitosti a vystavili používateľov širšej škále perspektív a nápadov. To môže zahŕňať poskytovanie nástrojov a možností používateľom na prispôsobenie ich informačného kanála, propagovanie kvalitných informácií a žurnalistiky a povzbudzovanie používateľov, aby využívali rôzne perspektívy a zdroje.

2. PREHĽAD LEKCIE

Vyučovacia hodina je naplánovaná na tri samostatné časti – každá z nich ponúka príležitosti na hlbšie ponorenie sa do učiva. Prvá časť sa venuje téme skreslenia vo všeobecnosti, druhá vysvetľuje algoritmy a tretia spája tieto dva pojmy v kontexte digitálneho prostredia.

Každý segment obsahuje aktivitu, do ktorej sa môžu študenti zapojiť a byť aktívni. Keďže hodina je koncipovaná ako workshop, všeobecnou myšlienkou je, aby boli študenti čo najaktívnejší. Takže v rozpise hodín sú učitelia povzbudzovaní, aby aktívne zapájali študentov nielen do predpokladaných aktivít, ale do implementácie hodiny vo všeobecnosti.

Študenti/ky budú posudzovať nedostatočné údaje, budú sa snažiť konať podľa jednoduchého algoritmu, ktorý ich vedie, a budú uvažovať o „obrannej taktike“ na neutralizáciu účinkov echo komôr v ich živote.

Minimálne trvanie workshopu by malo byť 45 minút s 15 minútami na každý segment, ale v ideálnom prípade by každý segment ponúkal viac príležitostí na zapojenie študentov do diskusie počas 30 minút, pričom celková dĺžka workshopu je až 90 minút. Workshop je najlepšie viesť osobne, ale môže sa uskutočniť aj online (vo virtuálnej učebni) s malými úpravami.

Materiály, ktoré by mali byť sprístupnené študentom :

Písomky k aktivite 1 (nepovinné – aktivitu môžu robiť ústne alebo v zošitoch).
Materiály pre aktivitu 2 (vytlačené na niekoľkých papieroch).
Väčšie plagáty a značky pre aktivitu 3.

Vzdelávacie výsledky, ktoré sa prostredníctvom workshopu dosiahnu:

Študent/ka rozumie pojmom skreslenie, algoritmus a echo komora/informačná bublina.
Študent/ka pozná, ako sa v spoločnosti formujú a udržiavajú predsudky.
Žiak chápe účinky a nebezpečenstvá zaujatosti a potrebu pracovať na ich zmierňovaní a potláčaní.
Študent/ka rozumie tomu, ako fungujú algoritmy v sociálnych médiách z hľadiska zosilnenia už existujúcich predsudkov.
Študent/ka rozpoznáva aktivity a správanie, ktoré vedú k tomu, že algoritmy posilňujú zaujatosti a je si vedomý toho, ako môže znížiť vplyv zaujatosti na svoje sociálne médiá.
Študent/ka sa osobne zaviazal k aktivitám zameraným na zníženie zaujatosti v jeho digitálnom prostredí.

3. ROZDELENIE HODINY – WORSKHOP AKTIVITY

Workshop začína študentskou aktivitou Príbeh Nílu – v prílohe. Aktivita by mala trvať aspoň 15 minút, ak sa pri nej naozaj ponáhľate. Ideálne by bolo venovať tomu aspoň 30 minút. Ak pôjdete hlboko do diskusie, môžete ľahko rozšíriť materiál na 45 minút s väčšou interakciou študentov/iek.
Do druhej časti hodiny môžete zaradiť skutočne zábavnú a zaujímavú aktivitu, vďaka ktorej budete študentom pripadať aj celkom cool/OG. Bude to trvať asi 5 minút. Pokiaľ ide o prechod na algoritmy, môžete urobiť jednoduchý magický trik. Návod si môžete pozrieť online: https://www.youtube.com/watch?v=ogHjO4vRtJ0 Ide o to, že ide o samoobslužný kúzelnícky trik, čo znamená, že používa jednoduchý algoritmus a žiadnu špeciálnu zručnosť (žiadny trik).
Po dokončení triku môžete vysvetliť, že to bolo vykonané pomocou algoritmu. Môžete buď nechať študentov, aby sa pokúsili uhádnuť, ako bol trik vykonaný, alebo im to môžete vysvetliť a nechať ich napísať algoritmus pre tento trik, alebo môžete nechať situáciu v rúchu tajomstva a povedať študentom, aby vám verili. v skutočnosti, že to bol v skutočnosti algoritmus, nie mágia . … Alebo môžete tvrdiť, že ste skutočný kúzelník – záleží len na vás. … V každom prípade – ak sa rozhodnete ísť do vysvetľovania algoritmu, môžete v záverečnej fáze vymyslieť niečo také.
1. Ak vylúčená karta nie je piková, nechajte divákov znova strihať.
1. Ak j vzlúčená karta piková 1. zapamätajte si číslo karty; 2. otočte ju; 3. počítajte do čísla, ktoré ste si zapamätali; 4. otočte kartu; 5. sledujte, ako sú diváci ohromení vašou zručnosťou.
Pomocou aktivity kartového triku alebo iného úvodu do algoritmov sa teraz môžete pokúsiť študentom trochu vysvetliť algoritmy. Môžete použiť niektoré informácie v prílohe. Bude to trvať 5 až 15 minút.
Keď vysvetlíte algoritmy, môžete sa pokúsiť implementovať aktivitu Algorithms are hiring, kde si študenti môžu tiež vyskúšať, ako byť algoritmus. Malo by to trvať 5 – 10 minút.
Aktivita bytia algoritmu je skvelým segwayom smerom k vysvetľovaniu echo komôr alebo informačných bublín. Malo by sa to robiť serióznejším spôsobom. V prílohách sú uvedené niektoré informácie pre učiteľa, ako aj príbehy o nedávnych udalostiach, ktoré by mohol použiť. Učiteľ by mal zdôrazniť túto časť hodiny ako nové poznatky. Učiteľ by sa mal tiež pokúsiť zapojiť študentov, aby spoločne uvažovali o tom, ako vznikajú informačné bubliny, pokúsiť sa pomenovať niektoré konkrétne bubliny, uviesť príklady bublín, ktoré môžu mať vo svojom živote. Táto aktivita by mala trvať 15 – 40 minút.
Záverečnou časťou hodiny by malo byť vytvorenie sľubu ako typu CTA zhrnutia celého workshopu. Táto aktivita môže trvať 10 až 20 minút.

4. KONTROLNÁ DISKUSIA

Toto sú možné doplňujúce alebo diskusné otázky, ktoré možno použiť na prehĺbenie a rozšírenie tém skúmaných v priebehu workshopu:

Ako zaujatosť v médiách a platformách sociálnych médií ovplyvňuje verejnú mienku a rozhodovanie?
Aké sú dôsledky informačných echo komôr na spoločnosť?
Ako sa môžu jednotlivci chrániť pred vplyvom neobjektívnych informácií a ozvien na sociálnych médiách?
Do akej miery je za nárast politickej polarizácie zodpovedná zaujatosť v médiách a platformách sociálnych médií?
Ako prispievajú algoritmy na platformách sociálnych médií k vytváraniu echo komôr a šíreniu skreslených informácií?
Mali by platformy sociálnych médií niesť zodpovednosť za zmiernenie šírenia zaujatých informácií a echo komôr na svojich platformách?
Akú úlohu zohrávajú jednotliví používatelia pri vyhýbaní sa echo komorám a propagácii rôznych perspektív online?
Ako môže vzdelávanie a mediálna gramotnosť pomôcť jednotlivcom rozpoznať a čeliť vplyvu zaujatosti a echo komôr?
Ako môžu platformy sociálnych médií lepšie vyvážiť propagáciu rôznych perspektív a predchádzanie dezinformáciám a propagande?
Dá sa zvrátiť trend vytvárania echo komôr na sociálnych médiách, a ak áno, ako?

5. DODATOČNÉ ZDROJE

“ Algorithmic Illusions: Hidden Biases of Big Data“ od Kate Crawford (2013) – Táto prednáška skúma skryté predsudky v algoritmoch a ako môžu udržiavať nerovnosť. 17:25 ( https://www.youtube.com/watch?v=irP5RCdpilc )
„The Filter Bubble“ od Eli Pariser (2011) – Táto prednáška pojednáva o tom, ako môžu algoritmy vytvárať echo komory a obmedziť rôznorodosť informácií a nápadov, ktorým sme vystavení. 8:48 ( https://www.ted.com/talks/eli_pariser_beware_online_filter_bubbles )
„The Bias in AI“ od Joy Buolamwini (2016) – Táto prednáška poukazuje na to, ako môže algoritmická zaujatosť zachovať a zosilniť existujúce spoločenské predsudky a na potrebu zodpovednosti a transparentnosti pri vývoji systémov AI. 8:35 ( https://www.ted.com/talks/eli_pariser_beware_online_filter_bubbles )
“ Making Technology Less Manipulative“ od Tristana Harrisa (2017) – Táto prednáška pojednáva o tom, ako technologické spoločnosti navrhujú produkty, aby udržali používateľov v kontakte, a vytvárajú informačné bubliny, ktoré posilňujú existujúce predsudky a presvedčenia, a ako sa tomu môžeme snažiť vyhnúť. 57:01 ( https: / /www.youtube.com/watch?v=8YGv5vtDsiQ )
„The Dangers of Online Filter Bubbles“ od Zeynep Tufekci (2017) – Táto prednáška vysvetľuje, ako môžu online algoritmy viesť k informačným bublinám, obmedziť vystavenie rôznym perspektívam a viesť k posilneniu existujúcich predsudkov. 22:46 ( https://www.ted.com/talks/zeynep_tufekci_we_re_building_a_dystopia_just_to_make_people_click_on_ads )

6. PRÍLOHA ES

Príbeh o Níle

Realizácia aktivity a body rozhovoru

Toto je zahrievacia aktivita, ktorá sa dá použiť na to, aby sme ukázali, ako ľahko a rýchlo sme pripravení urobiť neinformované rozhodnutie, urobiť úsudok o neúplných údajoch. V podstate môže byť táto aktivita použitá na preukázanie ochoty priznať si vlastnú zaujatosť.

Študenti môžu buď prečítať prvú časť príbehu, alebo im môžu dať podklady s vytlačenou prvou časťou. Po oboznámení sa s prvou časťou sú požiadaní, aby určili, kto je v príbehu najviac a kto najmenej etický. Mali by zoradiť účastníkov od 1 do 5. Môžu to urobiť buď v skupinách alebo individuálne.

Potom, čo urobia hodnotenie, sú buď prečítané, alebo im bude poskytnutá druhá časť príbehu, ktorá – odhaľujúc viac pozadia – ukáže účastníkov vo veľmi odlišnom svetle.

Pretože táto aktivita má ukázať, ako funguje zaujatosť a pretože zaujatosť funguje najlepšie na podvedomej úrovni, je najlepšie, ak žiakom vopred nepovieme cieľ a účel tejto aktivity. Možno by sme ich dokonca mohli zavádzať – nechať ich, aby si mysleli, že aktivita sa zameria na tému etiky (keďže sa od nich požaduje, aby hodnotili etické správanie účastníkov).

Po druhej časti príbehu sa študenti spýtajú, či by chceli zmeniť svoje hodnotenie. V tomto bode možno urobiť segway smerom k téme zaujatosti. Najúčinnejšie by bolo, keby učiteľ požiadal študentov, aby sa pokúsili vysvetliť, čo sa stalo. Môže tak urobiť pomocou nasledujúcich otázok:

Môže mi niekto vysvetliť, čo sa práve stalo?
Prečo ste urobili prvé rozhodnutia tak, ako ste ich urobili?
Čo vás prinútilo zmeniť rozhodnutie?
Viete, ako sa nazýva tvrdenie o nedostatočných alebo poškodených údajoch?
Môžete mi uviesť nejaké ďalšie príklady prípadov, keď ľudia robia tvrdenia alebo rozhodnutia na základe neúplných údajov?
Všimli ste si pri premýšľaní o príbehu aj niečo iné – okrem úrovne etického správania účastníkov? Zohral pri vašom rozhodovaní úlohu ich vek, pohlavie, predpokladaná národnosť?
Myslíte si, že máte nejaké iné predsudky?

Po diskusii so študentmi, by mal učiteľ vysvetliť viac o téme zaujatosti. Môže uviesť všeobecnú definíciu.

Zaujatosť odkazuje na predsudok resp. sklon voči konkrétnej perspektíve, ideológii , príp. výsledok, že vplyvov jedného rozsudok alebo rozhodovanie procesy. Zaujatosť môže vznikať z rôznych dôvodov vrátane osobných skúseností, kultúrneho pozadia a kognitávnych omylo, ktoré ovplyvnia vnímanie a vysvetlenie.

Zaujatosť môže ovplyvniť jednotlivcov, organizácie a spoločnosti mnohými spôsobmi, čo vedie k nerovnosti pri zaobchádzaní a nespravodlivými výsledkom, ako aj šíreniu dezinformácií a na posilneniu z existujúcej nerovnosti a dynamiky moci.

Vo všeobecnosti zaujatosť možno definovať ako systematickú chyba alebo odchýlku od pravdy, ktorý je postavená na subjektivite. Toto môže viesť k skresleniu alebo skreslenému vnímaniu, úsudkom a rozhodnutiam, ktoré sa nezakladajú na objektívnych dôkazoch resp faktoch.

Je dôležité si uvedomiť a zamerať sa na problém zaujatosti s cieľom presadzovať férovosť a presnosť a zabezpečiť, že rozhodnutia a výsledky sú založené na objektívnych dôkazoch a platnom zdôvodnení. Pri tom môže pomôcť spoznávanie prekonávanie vlastných predsudkov, hľadanie rôznorodých perspektív a informačných zdrojov a použiť metódy ako kritické myslenie a overovanie faktov na overenie informácie a znížiť vplyv zaujatosť .

Keď rozprávame o zaujatosti treba si uvedomiť, že je ich viacero a rôzne typy zaujatosti. Oni možno držať _ osobne ( individuálne má osobnú zaujatosť na základe subjektívneho faktory ovplyvňovanie jeho vnímania a rozhodnutia ) alebo systémovo ( vybudované do na štruktúru z spoločnosti alebo organizácie , zdanlivo inherentný , ovplyvňujúci príležitosti a liečbe dispartity pre určité sociálne skupiny ). Určitá zaujatosť je zrejmá zaujatosť ( vedome držané predsudky ), pričom mnohé z nich sú implicitné zaujatosť ( v bezvedomí postoje a presvedčenia ).

my môcť pomenovať aj pár z najbežnejších _ zaujatosti prítomný v našom spoločnosti . Študenti môcť samozrejme Pomoc identifikácia zoznam , ale tu my môcť zahŕňajú niektoré bežné predsudky :

Ageizmus : Predsudky proti na starší ľudia alebo mladý ľudí na základe ich veku.

Rasizmus : Predsudky proti ľudí z rôzne Preteky alebo etniká .

Sexizmus : Predsudky proti ľudí na základe ich rod alebo sexuálne orientácia .

Xenofóbia : Strach alebo nenávisť z cudzinci alebo čokoľvek ktorý je vnímaný ako cudzí .

Ableizmus : Predsudky proti ľudí s postihnutí .

Klasicizmus : Predsudok proti ľudí na základe ich sociálnej triedy alebo ekonomický stav.

Antisemitizmus : Predsudky proti židovský ľudia .

Islamofóbia : Strach alebo nenávisť z moslimovia alebo islam.

Nativizmus : Predsudky proti ľudí SZO sa nenarodili v konkrétnom _ krajina .

Homofóbia : Strach alebo nenávisť z ľudí SZO identifikovať ako homosexuál , bisexuál , príp akýkoľvek iné neheterosexuálne osoby orientácia .

Tu by mohlo byť rozumné zdôrazniť _ na rozdiel medzi zaujatosť a diskriminácia . Zaujatosť a diskriminácia súvisí _ ale odlišný koncepcie .

Zaujatosť odkazuje na predpojatý postoj alebo rozsudok smerom k skupine alebo individuálne na základe faktorov _ ako rasa, pohlavie , sexuálna orientácia atď . _ Zaujatosť môže byť pri vedomí alebo v bezvedomí a môže ovplyvniť ten svoj myšlienky , pocity a _ akcie smerom k ostatné .

Diskriminácia na _ iné ruka , odkazuje na _ nerovný liečbe z jednotlivcov alebo skupiny na základe ich členstvo v konkrétnom kategória ( napr . rasa, pohlavie , sexuálna orientácia atď . ). Diskriminácia môže trvať veľa formy , ako napríklad nerovnaké prístup k vzdelaniu , zamestnaniu , bývaniu a _ iné zdroje . Diskriminácia môže byť výsledkom z zaujatosti a predsudky , ale aj to je tvarované podľa systémový a inštitucionálne faktory .

Stručne povedané , zaujatosť odkazuje na an postoj , zatiaľ čo diskriminácia odkazuje na akcie alebo správania že mať za následok nerovnomerné liečba . Spoločnosť _ že hodnoty slobody z reč a myslel si smieť povoliť zaujatosti existovať , ale to nemusí tolerovať _ _ _ _ alebo súhlasiť diskriminácia na základe tých zaujatosti .

Sloboda z reč a myšlienky sú dôležité zásady že chrániť individuálne práva na vyjadrenie a držať ich názory , presvedčenia a _ nápady , dokonca ak tie nápady môže byť kontroverzný alebo nepopulárny . Avšak , sloboda z reč a myšlienka nedávať _ ľudí na právo na diskrimináciu alebo ublížiť iní na základe tých zaujatosti .

V spoločnosti že hodnoty sloboda , je dôležité nájsť medzi nimi rovnováhu chrániacich individuálne práva na vyjadrenie ich názory a presvedčenia a propagovanie rovnosť a nediskrimináciu _ pre všetky . Toto môcť zapojiť nastavenie hranice nenávisti _ reč , za príklad , resp propagovanie vzdelanie a povedomie o na škodí z diskriminácia a zaujatosť .

The príbeh

Fatima je krásna , mladá dievča že žije na _ ľavý breh _ na skvelé egyptský rieka Níl. Je veľmi _ veľmi zamilovaný. jej rodičia nepodporujú _ z jej zamilovanosť , pretože oni myslieť si že ona je tiež mladý a že je to nevhodné . jej milovaný , Omar , žije na iné strane z na rieka a ona nemôže návšteva ho zľahka . Jedného dňa ona rozhoduje že ona utečie _ _ z domu a skúste a navštívte Omara. Fatima hovorí jej priateľ Tarek a je veľmi veľa proti jej plán. Vyhráža sa, že to povie jej rodičia , on hovorí , ona by nemal skúšať a kríž na rieka . Ona spýtal sa ho za jeho pomoc a on odmietol jej . Myslí si – medzi iné veci – že je nesprávne nepočúvať svoje rodičia . Fatima však jedného večera utečie domov a dostane sa k breh rieky , kde – pretože Níl je taký skvelý rieka – nie sú tam žiadne mosty alebo prechody len na prievozníci . Ona iba nájde jedna loď _ stále v banke a _ na vlastník z na prechod čln je _ starý muž Ahmed. Fatima vysvetľuje jej ťažkej situácii Ahmedovi a zdráha sa ju vziať cez . On konečne súhlasí , že si ju vezme naprieč ak ona súhlasí a míňa na noc s ho . Fatima nie je šťastná ale ona naozaj chce vidieť Omara a _ ona súhlasí . Ďalšie ráno Ahmed prevedie Fatimu _ na rieka a ona konečne dosiahne na pravý breh a vyzerá pre Omara. Kedy ona nájde on , ona skoky do jeho náručia preplnené s radosť a Omar náhle odmieta jej a tlačí jej preč . Ona hovorí jej že nemôže byť s _ jej a že je hlúpa si myslieť _ inak . Fatima začína plače a keď Omar odchádza Hassan SZO len videl Omara odchádzať ponáhľa sa k nemu a údery ho tvrdo v tvári .

kto je _ najmenej a kto je v tomto najetickejší človek _ príbeh . Poradie na účastníkov a skús sa zamyslieť prečo si ? poradie ich na spôsobom že si .

Fatima ( hlavný hrdina)

Omar ( Fátima milovaný )

Tarek ( Fátima priateľ )

Ahmed ( starý trajekt prevádzkovateľ člna )

Hassan ( _ boxu nadšenec )

Stavte sa nie počítajte s tým … Tu sú niektoré ďalšie informácie .

Fatima má 14 rokov starý . Tarek – ona priateľ – je ona spolužiak . Navyše – nie že by to tak naozaj bolo dôležité pre náš príbeh – je tiež zamilovaný jej . Omar – ona milovaný – majú 35 rokov starý učiteľka , ktorá je vydatá a má tri deti . Ahmed má v skutočnosti 69 rokov starý a patrí Fatime starý otec SZO nevidel _ _ ju za chvíľu . _ _ On miluje jej draho a pretože ona prišiel k svojmu trajektu čln to bol už naozaj tmavé a pomyslel si že prechod na to hodina by mať Bol nebezpečný . On tiež chcel piť _ čaj s Fatimou a chatovať s jej . A snímanie že sa zaoberá s nejakými smútkami z na neopísanú lásku chcel vyskúšať _ a dôvod aj s Fatimou . To listy nás s iba Hassan . No nevieme úplne kto _ _ _ Hassan je alebo prečo bol na _ _ breh rieky , keď bol . Ale my to vieme na miestna rozhlasová stanica skoro v _ ráno nahlásené že mužský jedinec unikol skôr od na miestne duševný inštitúcia . Bol _ povedal mať _ Bol iracionálny a násilný a že by mohol ísť _ okolo dierovanie ľudia v tvári bez dôvodu . _ _ Ak ktokoľvek by mal pozri on , oni treba kontaktovať _ miestne orgány okamžite .

kto je _ najmenej a kto je v tomto najetickejší človek _ príbeh . Poradie na účastníkov a skús sa zamyslieť prečo si ? poradie ich na spôsobom že si .

Fatima ( hlavný hrdina)

Omar ( Fátima milovaný )

Tarek ( Fátima priateľ )

Ahmed ( starý trajekt prevádzkovateľ člna )

Hassan ( _ boxu nadšenec )

Snažím sa byť algoritmom

Úvod do algoritmov

Algoritmus je krok za krokom postup na riešenie problému alebo dosiahnutie špecifickej úlohy, zvyčajne, ale nie nevyhnutne, vyjadrený v programovacom jazyku. Je to postupnosť dobre definovaných inštrukcií navrhnutých na vykonanie špecifickej úlohy alebo vyriešenie dobre špecifikovaného výpočtového problému s konečnou dobou chodu a danými špecifickými vstupmi.

Možno to môže byť jednoduchšie pre na študentov pochopiť _ algoritmy cez ich skutočný život príklady .

Recept pre pečenie koláča _

Vstup : zoznam ingrediencie , požadované typu z koláč

Výstup : A upečený koláč

Kroky :

Predhrejte rúru na určenú teplotu.
Zmiešať suché prísady ( múka , pečenie prášok , soľ ) v jednej miske .
V inom miska , krém spolu maslo a cukor .
Pridať vajcia do _ maslovo-cukor zmes , jeden po druhom, miešanie dobre po každý prídavok .
Striedavo pridať na suché prísad a mlieko do _ vajce zmes , počnúc a zakončenie s na suché prísady .
Nalejte cesto do vymasteného _ pekáč .
Pečieme v rúre na na určený čas.
Otestujte _ koláč podľa vloženie špáradla do stredu . _ Ak vyjde čistý , _ _ _ koláč je hotový. Ak nie, pečte ešte niekoľko minút . _ _
Nechajte _ koláč v pohode teda ozdobiť a slúžiť podľa želania .

GPS navigácia

Vstup : A spustenie polohu , cieľ a údaje o premávke v reálnom čase

Výstup : Najefektívnejší _ _ trasu od začiatku do konca

Kroky :

zbierať prúd údaje o polohe .
Vstup destinácia informácie .
výpočet použite údaje o premávke v reálnom čase na najrýchlejší trasa .
Poskytovať turn-by-turn smer k _ vodič .
Neustále monitorujte premávku a prepočítať na trasu ak potrebné .

Umývanie na oblečenie

Vstup : záťaž z špinavý oblečenie , preferované umyť cyklus ( napr . jemný , normálny, ťažký povinnosť )

Výstup : Čistý oblečenie

Kroky :

Triediť oblečenie podľa farba a tkanina typ .
Vyberte si na preferovaný umyť cyklu na základe _ typy z oblečenie a úrovni z špinavosť .
Vyplňte na stroj s na vhodné čiastka z voda .
Pridajte čistiaci prostriedok a oblečenie do _ stroj .
Agitovať na oblečenie na určený čas .
Vypustiť na stroj a opláchnuť na oblečenie .
Roztočiť _ oblečenie na odstránenie prebytok voda .
Preneste _ oblečenie do _ sušička alebo visieť ich vyvetrať _ suché .

Idem do počítač jazykoch možno to bude jednoduchšie _ ak my pochopiť viac matematické algoritmu ako je nájdenie an priemerný .

Čo je vlastne deje sa:

Sčítajte všetko _ na čísla v zozname.
Rozdeliť suma podľa _ na číslo z čísla v zozname .
The výsledkom je _ priemer z na čísla .

Čo my možno vstup do _ počítač v jednoduchom prípad z pomocou MS Excel.

Poďme povedať že my mať všetky na čísla v zozname v stĺpci A _ od A1 do A10.

V _ lúka kde my chcieť urobiť _ priemer my bude písať » vzorec pre na algoritmus «:

=SUM(A1:A10)/COUNT(A1:A10)

SUM je príkaz pre zhrnutie všetko v dosahu _

COUNT je príkaz pre počítanie ne- prázdna bunky v dosahu

Algoritmy v digitálnom prostredí

V kontexte sociálnych médií sa algoritmy odvolávajú na matematické vzorce a procesy používané platformami ako Facebook, Twitter a Instagram na určenie toho, aký obsah sa zobrazuje používateľom. Tieto algoritmy využívajú rôzne faktory, ako je správanie používateľov , minulé interakcie a modely strojového učenia, na uprednostnenie a prispôsobenie obsahu, ktorý sa zobrazuje v informačnom kanáli používateľa, vo výsledkoch vyhľadávania a v reklamách. Cieľom je často maximalizovať zapojenie používateľov a udržať používateľov na platforme čo najdlhšie.

Aby som bol konkrétnejší a skús ukázať ako algoritmy by práca , tu je všeobecná myšlienka o tom , ako Facebook News Feed algoritmu pracuje na výber na Ďalšie niekoľko príspevky vo vašom krmivo :

Relevantnosť: Facebook algoritmu uprednostňuje obsahu ktorý je pre vás relevantný na základe vášho _ záujmy , aktivity a _ iné signály ako napr _ stránky vy sledovať alebo mať zasnúbený s v minulosti .
Včasnosť : The algoritmu tiež berie do účtu na aktuálnosť z na obsah , takže najnovšie _ _ a relevantné príspevky sú zobrazené najprv .
Zapojenie : Príspevky ktoré pravdepodobne vygenerujú _ _ zapojenie , ako sú komentáre , hodnotenia Páči sa mi a akcie sú tiež prioritné podľa na algoritmus .
Priateľ a Rodina : Obsah od priatelia a rodina je daná vyššie prioritou , ako je táto typu z obsah je vo všeobecnosti osobnejší a relevantné pre _ užívateľ .
Minulé správanie : The algoritmu berie do účtu vaše minulé správanie na platforme , ako napríklad ktorá príspevky vy mať páčilo sa mi , zdieľalo , príp komentoval , určiť čo obsah je pre vás relevantný .

Na základe týchto faktory , Facebook News _ Feed algoritmu bude skús predpovedať _ ktoré príspevky budú pravdepodobne najrelevantnejšie _ _ _ a zaujať vás a ukázať ich _ _ najprv .

Pri tomto bod my môcť zdôrazniť nejaký potenciál zaujatosť v týchto procesy :

– Algoritmy a umelé inteligencia (AI) môže byť tiež ovplyvnený podľa zaujatosť , najmä ak sú trénovaní na skreslených údajoch . Toto môcť mať za následok nespravodlivé alebo diskriminačné výsledky .

– Na adresu zaujatosť v algoritmoch , to je dôležité opatrne _ ohodnotiť údaje používané na trénovanie systémov AI a navrhovať systémy s férovosť a inkluzívnosť v mysli . Toto môcť pomôcť zabezpečiť _ že systémy AI sú transparentné, zodpovedné a zadarmo od diskriminačné výsledky .

– Zaujatosť môcť byť prítomný aj v digitálnom formáte prostrediach , ako sú sociálne médiá platformy a online fóra . Toto môcť ovplyvniť spôsob zdieľania informácií , čo _ perspektívy sú zdôraznené a _ kto je zahrnutý alebo vylúčené v online komunity . to je dôležité si uvedomiť z títo zaujatosti a aktívne _ hľadať rôznorodé _ perspektívy , aby boli dobre zaokrúhlené _ pochopenie z digitálny prostrediach .

Algoritmy sa najímajú

Tu je zoznam články že zamerať sa na tému z migrácie v EÚ a _ Európa . vy môcť pozri že niektoré z je ich viac a niekto menej priaznivý smerom k na otázka . Vo všeobecnosti na zvláštny čísla predstavujú priaznivejšie _ a na dokonca čísla menej priaznivé . Požiadajte študenta , aby si vybral buď článok 1 alebo 2 a potom mať ďalší študent hrať úlohu _ _ na algoritmu a dostať ich na Ďalšie článok . Toto študent by mal použitie na algoritmu napísané nižšie . vy môcť navrhnúť na toto študent vyskúšať _ a experimentujte v kroku 2 _ vygeneruje NÁHODNÉ číslo . Mať ich pokúsiť sa dostať do _ Ďalšie článok to je z na opak vyhliadka od na predchádzajúce .

Toto je z kurz nemožné , pretože na Algoritmus je nastavený v spôsobom že počnúc od a zvláštny číslo by vždy dostať an zvláštny číslo a počnúc od an dokonca číslo by vždy produkovať an dokonca číslo .

Prípadne jednému študentovi hranie úlohu _ _ na algoritmu vy môcť všetci to robia spolu ako trieda .

Na mieste koniec z toto činnosť , _ učiteľ by mal vysvetliť že tam nebolo možné prejsť _ _ dokonca až nepárne alebo na iné spôsobom okolo . Algoritmy zvyčajne nie pracovať v tom spôsobom – ale na poukazuje na stres je to na algoritmy možno použiť na konkrétnu koniec . Toto skončiť v _ prípad sociálnych médií je z _ kurz väčšinou udržiavanie angažovanosť .

Začnite číslom a povedzte „N “ .
Vytvorte náhodné _ číslo medzi 2 a 10, nazývame to „P“.
Ak je N väčšie ako P odpočítajte P od N, aby ste dostali „Q“.
Ak je N menšie než P pridať ich spoločne získať „Q “ .
Vynásobte Q 2 .
Ak je N nepárne vynásobte P 4 a _ odčítaním 5 získate „R“.
Ak je N párne pridajte 3 k P a množiť že o 2, aby ste dostali „R“.
Ak je R menšie ako Q, odčítajte R od Q a dostanete „S“.
Ak je R väčšie ako Q, odčítajte Q od R a dostanete „S“.
Ak je S väčšie ako 28, odčítaním 20 dostanete „T“.
T je tvoje Ďalšie článok v _ krmivo .

Zoznam _ články :

“ The Výhody z Migrácia : Európan perspektíva „
“ The Záťaž z Migrácia v európskych sociálnych službách _
“ Rozmanitosť a Inkluzívnosť : The Pevnosť z Európy Migrácia politika „
“ The Hrozba z terorizmus a Migrácia : Európan Obavy „
“ The Dôležitosť z Ochrana práv migrantov v EÚ “
“ The Vplyv z Migrácia na mzdy a Zamestnanosť v EÚ „
“ The Pozitívny Vplyv z Migrácia v hospodárstve EÚ _ _
“ The Napätie na bývanie a Infraštruktúra v Európe Mestá „
„ Migrácia ako vodič z Kultúrna výmena a Porozumenie v Európe „
“ Prečo Európe Potreba ovládať _ Jeho Hranice „
“ Prečo Európe Potrebuje súcitníka _ Prístup k migrácii „
“ The Riziká z omša Migrácia do Európy Kultúrne identita „
“ Úloha _ _ Migrácia v pestúnskej starostlivosti Inovácia a Rast v EÚ „
“ The Neúspech z na EÚ Migrácia Politika : Kritika _
„ Ako môže EÚ Adresa globálna migrácia _ kríza „
“ The Ekonomický náklady z Nelegálne Migrácia v EÚ „
“ The Sľub z Migrácia pre Budovanie viac inkluzívneho a Rozmanité Európa “.
„ Negatívny vplyv _ z Verejná migrácia _ Zdravie v Európe „
“ Zlomenie Dole Bariéry : The Výhody z bezplatného _ Pohyb z Ľudia v EÚ „
“ The Vysoká náklady z Poskytovanie Služby pre Migranti v EÚ „
“ The Výhody z Migrácia : Humanitárna a morálny imperatív“
“ The Riziká z Kriminálny Aktivita a obchodovania s ľuďmi Príslušného s migrácia „
„ Životne dôležitá úloha Migrácia v riešení na EÚ Zručnosti nedostatok „
„ Negatívny vplyv _ z Verejná migrácia _ Služby a Kvalita z Život v Európe „
“ The Príspevok z Migranti do Európy Kultúrne dedičstvo „
“ The Hrozba z Preplnenosť a Environmentálne Degradácia v Európe Mestá „
“ The Potenciál z Migrácia na Disk Podnikanie a vytváranie pracovných miest v EÚ “
“ The Neúspech z EÚ adresovať _ na Root Príčiny z Migrácia “.

Vytváranie informačných bublín

Všeobecný úvod

The algoritmy používané sociálnymi médiami _ platformy sú navrhnuté na prispôsobenie na užívateľ skúsenosti a maximalizovať angažovanosť podľa zobrazujúci používateľov obsahu to bude s najväčšou pravdepodobnosťou zaujímať ich . Toto môcť viesť k _ tvorenie z informácie bubliny , kde používatelia sú predovšetkým vystavený informáciám _ a perspektívy že zarovnať s ich existujúce presvedčenia a zaujatosti a sú menej _ pravdepodobne stretnúť _ odporujúce hľadísk alebo náročné nápady .

The vplyv z informácie bubliny na sociálnych sieťach môžu byť významné , ako oni môcť posilniť existujúce zaujatosti a obmedziť _ vystavenie z používateľov na rôznorodé perspektívy a nápady . Toto môcť prispieť k _ šírenie z dezinformácie , _ posilnenie z ozvena komory a _ na erózia z verejnosti dôveru v informácie a inštitúcie .

to je dôležité pre sociálne médiá platformy a používateľov , aby si boli vedomí z na potenciál pre informácie bubliny a podniknúť kroky na podporu rôznorodosť a vystaviť používateľov na širšiu škálu _ perspektívy a nápady . Toto môcť zahŕňajú poskytovanie používateľov s nástrojov a možnosti prispôsobenia _ ich krmivo , propagácia kvalitu informácie a žurnalistika a _ povzbudzujúce používateľov zapojiť _ s rôznorodé perspektívy a zdroje .

Príklady echo komory / informačné bubliny

Cambridge Analytica a prezident USA pri voľbách v roku 2016 : Cambridge Analytica, politická poradenská firma, na tvorbu použila dáta z Facebooku personalizované politické reklamy pre kampaň Donalda Trumpa. Toto pomohlo vytvoriť „filtračnú bublinu„. Informácie pre špecifické skupiny voličov, u ktorých boli ovplyvnené ich názory a správanie pri hlasovaní.

Šírenie dezinformácií počas pandémie COVID-19 : počas pandémia COVID- 19, nepravdivé informácie o víruse sa rozšírili rýchlo na sociálnych sieťach. Algoritmy sociálnych médií často zosilnili dezinformácie a utužili u ľudí už existujúce presvedčenia, vytvorili informáčné bubliny a bránili úsiliu bojovať proti šíreniu z vírusu.

Použitie cielených reklám počas na referenda o Brexite : Počas na Referenda o Brexite vo Veľkej Británii, použili cielene oslovujúce reklamy na Facebooku pre špecifické skupiny voličov. Tieto reklamy často obsahovali falošné informácie a pomáhali vytvárať informačné bubliny, že podporili už existujúce presvedčenia voličov a ovplyvnili ich názory na Brexit.

Polarizácia v USA : V nedávnej dobe sa USA stávajú stále viac polarizované, ľudia z opozičných strán s politickými a kultúrnymi problémami pri formovaní ich vlastných informáčných bublín. Sociálne médiá majú algoritmy, ktoré často posilnujú tieto bubliny podľa zobrazujúci používateľov obsahu, tak, že upravuje obsah podľa ich presvedčenia, čo im sťažuje vidieť rôzne perspektívy a rozumieť odporujúcim hľadiskám.

Sľub

Zhrnutím tejto lekcie by mal byť návrh prísľubu, čo robiť (osobne), aby ste sa nedostali do pasce informačných bublín.

Hlavným cieľom tejto aktivity je, aby študenti prišli s vlastnými nápadmi, ako sa vyhnúť uväzneniu v informačných bublinách. Môžete to urobiť ako trieda, ale možno by bolo najlepšie urobiť to v skupinách a nechať skupiny predložiť svoj konečný zoznam návrhov.

Tu je zoznam dobrých príkladov, ktoré môže učiteľ použiť, aby študentov nasmeroval:

Sledujte rôzne zdroje správ a názorov.
Hľadajte zdroje, ktoré spochybňujú vaše presvedčenie a názory.
Vypnite odporúčaný obsah a preskúmajte nad rámec toho, čo sa vám odporúča.
Nespoliehajte sa len na sociálne médiá, pokiaľ ide o správy a informácie.
Overte si fakty predtým, ako ich prijmete ako pravdivé.
Zaujmite kritický prístup k informáciám, s ktorými sa stretávate.
Zapojte sa do zdravých debát a diskusií s ľuďmi z rôznych prostredí a perspektív.
Čítajte články a sledujte videá zo zdrojov, s ktorými nesúhlasíte.
Hľadajte alternatívne príbehy a vysvetlenia.
Nespoliehajte sa len na jeden zdroj informácií.
Dávajte pozor na to, kto stojí za informáciami, ktoré konzumujete.
Vypnite upozornenia pre zdroje, ktoré posilňujú vaše presvedčenie.
Dávajte pozor na jazyk a tón používaný v informačných a spravodajských zdrojoch.
Vyhnite sa tráveniu nadmerného množstva času nad jedným zdrojom informácií.
Precvičte si informačnú gramotnosť a zručnosti kritického myslenia.

PLATO_S-EU_Information-bubbles Download