《BBC micro:bit 官方消息》透過 micro:bit x Create AI 來培養AI素養|奧斯丁國際有限公司 OURSTEAM Internationl

透過 micro:bit x Create AI 來培養AI素養 | Developing AI literacy with the micro:bit

這些課程是為對 AI 或機器學習幾乎沒有先備知識，甚至完全沒有相關經驗的教師與學生所設計。
課程建議依照順序教授，讓學生在學習單元內容的過程中逐步建立理解。
部分課程會使用 micro:bit 搭配名為 micro:bit CreateAI 的工具，協助學生了解 AI 系統的運作方式；另一些課程則採用不插電活動，學生不需要使用 micro:bit 或電腦。學生會在第3堂首次使用 micro:bit。如果想事先進一步了解相關內容，可以觀看「micro:bit 簡介」影片或「探索 micro:bit CreateAI」影片。

第 1、2、5 及 8堂課程中會使用不插電活動，從學生熟悉的科技情境介紹 AI，連結學生已具備的資料分類經驗，以解釋機器學習；同時引導學生思考偏見如何影響 AI 使用者，以及探討 AI 工具的設計與影響。

在第 3、4、6 及 7堂課程中，學生將實際操作 micro:bit CreateAI 工具。他們會收集並整理自己的動作資料，並運用這些資料訓練、測試及改進一個機器學習（ML）模型，該模型會應用於簡易的運動計時器。課程會提供一個已完成的 CreateAI 專案，學生將在這一系列課程中逐步將專案個人化並加以改進，包括在 MakeCode 中修改專案程式，以及離開螢幕後，將專案載入 micro:bit 進行測試。

學生也有機會了解偏見所帶來的風險，以及多元訓練資料對於打造能適用於所有人的 AI 工具的重要性，進一步加深對人類在設計與使用 AI 過程中所扮演角色的理解。
我們建議學生在使用 CreateAI 之前，先具備一些 micro:bit 使用經驗。這可以很簡單，例如 : 完成一個 Make it: Code it 專案，讓學生熟悉如何將程式載入 micro:bit。

如果學生已經具備 AI 的先備知識或您教授此單元的時間有限，也可以跳過第一堂課程和最後一堂課程，仍可涵蓋許多重要的 AI 素養技能。

Summary 課程概要

⭐整體學習重點

說明什麼是 AI，以及哪些不同類型的科技會使用 AI。
以能表達 AI 是機器而不是人類的方式談論 AI。
了解機器學習是 AI 的一種類型，並將其連結到目前對於利用模式與差異進行資料分類的認識。
了解資料在 AI 系統中的重要性。
思考在什麼情況下，適合同意讓他人使用自己的資料。
收集不同類別的動作資料，並整理資料集，找出及移除異常值。
使用實際的動作資料訓練與測試機器學習（ML）模型，並檢視模型的準確度。
了解 AI 中的偏見可能源自不準確的資料或資料缺漏，並可能對使用者造成影響。

透過反思、評估與反覆改進來完善機器學習專案，包括在 MakeCode 中更新專案程式碼。
思考 AI 工具對個人或社會所造成的影響。

⭐其他技能
反覆改進、合作、測試、簡報與發表、修改、邏輯思考、找出並排除問題、評估、批判性思考。

🔵第 1 堂：談談 AI
這是一堂不插電課程，也是八堂 AI（人工智慧）探索課程中的第一堂。學生會判斷熟悉的科技是否使用 AI，並評估描述 AI 時所使用的語言。

| 學習重點 |
🔻我能用簡單的話說明什麼是 AI（人工智慧）。
🔻我能說明哪些不同類型的科技會使用 AI，哪些不會。
🔻我能以能表達 AI 是機器而不是人類的方式談論 AI。

🔵第 2 堂：探索 AI：資料的重要性
這是一堂不插電課程，也是八堂 AI（人工智慧）探索課程中的第二堂。課程透過卡片分類活動，讓學生運用自己原本就具備的資料分類知識，並討論資料的使用方式與同意權。

| 學習重點 |
🔻我能套用規則，像機器一樣將資料分類。
🔻我了解資料在 AI 系統中的重要性。
🔻我會思考在什麼情況下，適合同意讓他人使用我的資料。

🔵第 3 堂：探索機器學習：評估資料
這是八堂 AI（人工智慧）或機器學習（ML）探索課程中的第三堂。本課是本單元首次使用 micro:bit CreateAI 的課程。這是一個免費工具，利用 BBC micro:bit 上的動作資料，協助學生學習機器學習。

| 學習重點 |
🔻我了解機器學習（ML）模型需要訓練資料。
🔻我能使用加速度計收集動作資料樣本。
🔻我能整理資料，協助模型順利運作。

🔵第 4 堂：探索機器學習：測試準確度
這是八堂課中的第四堂，會使用 micro:bit CreateAI。這是一個免費工具，利用 BBC micro:bit 上的動作資料，協助學生學習機器學習（ML）。

| 學習重點 |
🔻我能思考在 CreateAI 中使用我的資料是否安全且適當。
🔻我能訓練並測試機器學習（ML）模型，讓它能對不同類型的動作做出反應。
🔻我能使用紀錄卡檢視機器學習模型的準確度。

🔵第 5 堂：探索機器學習：思考偏見
這是八堂 AI 與機器學習（ML）課程中的第五堂。本課是一堂不插電課程，學生會檢視目前完成的專案，並思考偏見相關的問題。

| 學習重點 |
🔻我了解 AI 工具中的偏見可能會對使用者造成影響。
🔻我了解 AI 中的偏見可能來自不準確的資料與資料缺漏。
🔻我知道可以提出哪些問題，檢視 AI 工具是否存在偏見。

🔵第 6 堂：探索機器學習：進行改良
這是八堂課中的第六堂，會使用 micro:bit CreateAI。這是一個免費工具，利用 BBC micro:bit 上的動作資料，協助學生學習機器學習（ML）。

| 學習重點 |
🔻我能檢視資料是否有缺漏，並加入更多元的資料集，以改進機器學習專案。
🔻我能使用紀錄卡比較機器學習模型的準確度。

🔵第 7 堂：探索機器學習：使用模型進行程式設計
這是八堂課中的第七堂，會使用 micro:bit CreateAI。這是一個免費工具，利用 BBC micro:bit 上的動作資料，協助學生學習機器學習（ML）。

| 學習重點 |
🔻我能閱讀並編輯使用我的機器學習（ML）模型的積木程式。
🔻我能新增程式積木，讓程式配合我加入機器學習模型的新動作。

🔵第 8 堂：評估 AI 專案的設計與影響
這是一堂不插電課程，也是本系列課程的最後一堂。前面的課程使用 micro:bit CreateAI——一個利用 BBC micro:bit 上的動作資料來教授機器學習（ML）的免費工具——打造個人化的 AI 運動計時器。

| 學習重點 |
🔻我能評估在 micro:bit 上執行的機器學習模型與程式碼。
🔻我能使用模型卡評估機器學習模型的功能與限制。
🔻我能思考 AI 工具對個人或社會所造成的影響。

原文出處 : https://microbit.org/teach/lessons/developing-ai-literacy-with-the-microbit/