S různými gramotnostmi a kompetencemi se roztrhl pytel. Dokonce i to myšlení má již celou řadu modifikací – systémové, strategické, tvořivé, či informatické. To poslední nyní aplikujeme v rámci „malé“ revize RVP ZV. V našem povědomí je, že algoritmizace je nedílnou součástí informatiky. Stroje nemají intuici, vše, co dělají, bylo odjakživa založeno na posloupnosti kroků (programu), tedy na algoritmu.
Snažíme-li se ve výuce vést žáky k porozumění algoritmům, neděláme to většinou proto, abychom je naučili programovat, děláme to hlavně proto, že chceme umocnit jejich schopnost řešit problémy. Není těžké si uvědomit, že schopnost vnímat roli algoritmu u počítačů může žákům pomoci i při zvládání různých životních situací. Většinu problémů je třeba řešit postupně v několika předem promyšlených krocích. Jedná se o příklad tzv. mezioborového transferu poznatků.
Problémy i programy se liší svou složitostí. Dávno pryč jsou doby, kdy bylo možné při znalosti strojového kódu snadno krokovat jednotlivými instrukcemi programu a sledovat, co dělá procesor (třeba hledat chybu). Přesto zůstává pochopení toho, co se děje uvnitř digitálních přístrojů, když spustíme program (třeba prohlížeč webu) či aktivizujeme mobilní aplikaci, nutnou podmínkou účelného využití technologií (tedy též výukovým cílem). Situaci bohužel značně komplikuje skutečnost, že stále větší část toho, co pro nás počítače dělají, se odehrává někde daleko v cloudu se stále častějším využitím umělé inteligence, jež je řízena specifickými algoritmy, které nám mají zůstat utajeny. Vždy je však má někdo pod kontrolou.
Proto je třeba chápání algoritmické gramotnosti posunout do současnosti a rozšířit výuku nad rámec vlastní tvorby algoritmů. Dogruel et al. aktuálně definuje algoritmickou gramotnost takto: „Algoritmicky gramotní jedinci jsou schopni aplikovat strategie, které jim umožňují upravovat předdefinovaná nastavení v algoritmicky spravovaných prostředích, jako jsou zpravodajské kanály sociálních médií nebo vyhledávače, měnit výstupy algoritmů, porovnávat výsledky různých algoritmických rozhodnutí a chránit své soukromí.“ [1]
Z toho vyplývá, že lze některé vlastnosti algoritmů, jejichž snahou je ovlivnit naše smýšlení a rozhodování, odhalit. Tato schopnost je nutnou podmínkou naší obrany, chceme-li být ovlivňováni co nejméně (Stává se svobodná vůle pouhou iluzí?).
Žáci se setkávají s mnoha různými algoritmy nejen v rámci nabídky odkazů z vyhledávačů, ale také na sociálních sítích. Typickým příkladem může být třeba nabídka videí na YouTube, která vychází z analýzy předchozího chování uživatele a jejímž cílem je udržet jeho pozornost tak, aby zůstal co nejdéle. Podobně se chovají i ostatní sociální platformy.
Možnosti obrany vycházejí z poznání, jak takové algoritmy fungují. Vývoj vede znalé uživatele k tomu, aby své chování online kontrolovali. Děje se to nejen v totalitních režimech (Když velký bratr dostane velká data). Důsledkem je například používání specifického slovníku, který vychází ze znalosti slov, která jsou algoritmy vyhledávaná a na jejichž základě jsou uživatelé klasifikováni (anglospeak).
Dalším příkladem naznačujícím možnosti obrany je případ označovaný jako „algorithmic folk theories“ (lidová teorie algoritmu) spojený s TikTokem (který se značnou převahou užívají mladí lidé). Někteří uživatelé si všimli, že v jejich nabídkách na spojení chybí lidé pocházející z jiných etnik, jako jsou třeba snadno systémem identifikovatelní černoši. Začali se tím zabývat a šířit povědomí o tomto problému. Mnoho z nich se rozhodlo inkriminované jednotlivce cíleně vyhledávat a propojovat se s nimi. Tento postup byl úspěšný, a tak se jeho prostřednictvím podařilo existující bublinu eliminovat (hluboké učení). Výzkumníci několika amerických univerzit celý případ zdokumentovali a dospěli k závěru, že schopnost vnímat algoritmus v pozadí fungování sociální sítě má pozitivní vliv na eliminaci možných zkreslení (Základy AI pro školy) [2].
Algorithmic Folk Theories and Identity: How TikTok Users Co-Produce Knowledge of Identity
Ukazuje se, že v tomto pojetí má algoritmická gramotnost mnoho společného s mediální. V rámci mediální výchovy bývají často otevírána témata s vlivem algoritmů spojená (dezinformace apod.). Vzorem pro nás je program Common Sense (Digitální občanství podle Common Sense). Tematiku lze zařadit nejen do informatiky, ale i do jiných předmětů – do matematiky, občanky, jazyků ad.
Za povšimnutí stojí specializované nástroje, které pomáhají fungování algoritmů pochopit. Tak třeba Most Likely Machine od Artefact Group názorně vysvětluje žákům 2. stupně, co je to algoritmus. Mohou si vyzkoušet nastavení vlastní klasifikace vlastností různých typů osobností podobně, jako to dělají současné platformy u svých uživatelů.
Teachable Machine od Googlu zase dovoluje velmi snadno vložit a nastavit vlastní rozpoznávání obrazu či zvuku, což je nejjednodušší způsob, jak žáky dovést k pochopení, jak tyto funkce, které jsou již běžně všude kolem nás používány, fungují.
Teachable Machine 2.0: Making AI easier for everyone
Jordan Hill v souvislosti s aktualizací výuky algoritmizace navrhuje 3 opatření [1]:
Implementovat tuto tematiku do přípravy učitelů.
Iniciovat program vědeckého zkoumání úspěšnosti výuky algoritmické gramotnosti tam, kde k ní dochází, s cílem odhalit nejvhodnější postupy.
Výrazně posílit existující politické snahy, které vedou provozovatele platforem pracujících s neprůhlednými algoritmy ke zvýšení jejich transparentnosti.
Závěr je snad zřejmý. Naše malá revize svou snahou zavést informatické myšlení do informatiky a implementovat digitální kompetenci do výuky ostatních oborů možná vyvolala dojem, že jsou tyto dvě oblasti na sobě nezávislé, ale tak to není. Právě algoritmická gramotnost je tím, co je spojuje.
Všechny články jsou publikovány pod licencí Creative Commons BY-NC-ND.
Pro vložení komentáře je nutné se nejprve přihlásit.
Článek není zařazen do žádného seriálu.
