Min bias-jakt
Granska AI-genererat innehåll du sett senaste veckan. Vilka bias hittar du när du vet vad du letar efter?
Översätta klassrumsupptäckter till vardagspraktik. Eleverna går från ”vi lärde oss om bias i skolan” till ”jag ser bias i mitt eget flöde”. Det är där kompetensen blir verklig.
Den körbara versionen — pröva övningen själv för att förstå hur den funkar. Använd inbyggda spel, karuseller och exempel direkt på sidan. Funkar både hemma vid köksbordet och som lärar-deltagare i en workshop med kollegor.
Prova själv
Du ska gå igenom AI-genererat innehåll DU har sett senaste veckan — på TikTok, Instagram, YouTube, någon AI-app du använt. Med det du nu vet om bias: vilka mönster ser du när du tittar igen? Övningen är överbryggningsövningen från ”vi pratade om det i skolan” till ”jag ser det i min vardag”.
Så gör du steg för steg
- 1Plocka fram din mobil
Gå tillbaka i ditt eget flöde. TikTok, Instagram, YouTube. Hitta 5 AI-genererade saker du sett — bilder, videor, texter.
- 2Granska var och en
Med det du lärt dig: vilken bias ser du? Är det yrkesbias (vem dyker upp)? Förklarings-bias (för vem är det skrivet)? ”Vanlig”-bias (vem är ”normal”)?
- 3Räkna mönster
Hur många av de 5 hade BIAS du kan namnge? Hur många var balanserade?
- 4Anteckna en konkret upptäckt
Något du SÅG som du inte hade sett innan workshopen. En specifik bias i en specifik post.
Tänk på
- Det viktiga är inte att kritisera plattformen — det är att se MÖNSTREN.
- Vissa flöden är mer biased än andra beroende på vad du tittar på. Inget konstigt, men intressant att märka.
- Att se bias är inte att bli cynisk. Det är att bli medveten.
Lärarhandledning
Förberedelser
- Påminn eleverna i förväg att ha mobilen med — eller använd lärarens egen mobil för demo.
- Var beredd på att en del innehåll i elevers flöden kan vara olämpligt — ha plan för hur eleven kan visa endast vissa saker.
- Förbered en kort sammanfattning av de bias-typer ni gått igenom så eleverna kan namnge det de hittar.
Så här kör du
- 1Repetition5 min
Snabb genomgång: vilka bias har vi tränat på? Yrkes-, kön-, ”vanlig”-, förstärknings-bias.
- 2Individuell jakt10 min
Eleverna går igenom egna flöden, plockar 5 exempel, granskar.
- 3Dela par5 min
Visa varandra ett bra exempel.
- 4Klassrumsamtal5 min
Några exempel på storskärm. Var det lättare eller svårare än ni trodde?
Elevinstruktion
Den här texten är skriven direkt till eleven. Visa på storskärm eller kopiera in i Teams/Vklass.
Idag ska du använda det du lärt dig — i ditt EGET flöde. Hur mycket bias hittar du när du vet vad du letar efter?
Steg för steg
- 1
Plocka fram din mobil.
- 2
Gå tillbaka i ditt flöde (TikTok, Instagram, YouTube).
- 3
Hitta 5 AI-genererade saker — bilder, videor, texter.
- 4
Granska varje med det du lärt dig om bias.
- 5
Skriv ner: vilka bias hittade du? Yrkes? Kön? ”Vanlig”? Förstärkning?
- 6
Välj ETT exempel att visa din kompis eller klassen.
Visa bara material som passar i klassrummet. Visa inte privata samtal, någons konto utan tillstånd, eller olämpligt innehåll. Om det dyker upp något konstigt — säg till läraren.
Att fundera på
- Hur ofta möter du bias utan att se den?
- Vilken bias är vanligast i ditt eget flöde?
- Vad gör du när du upptäcker en biased post — bläddrar förbi, ifrågasätter, säger till någon?
Fördjupning för dig som vill läsa mer
Den här övningen är överbryggningen — från klassrum till vardag. Här förklarar vi varför just denna brygga är avgörande, vad eleverna kan göra när de upptäcker bias, och hur vi pratar om det utan att bli cyniska.
- Birhane (2021). Algorithmic injustice: a relational ethics approach — Patterns (Cell Press)
Relevans:Argumenterar att bias är relationellt och politiskt. Övningen kopplar abstrakta bias-koncept till elevens egen verklighet.
Vad studien visar
Argumenterar för en relationell etik kring AI: bias är inte ett tekniskt problem som kan ”fixas”, utan reflekterar maktrelationer som behöver synliggöras och adresseras politiskt.
- Noble (2018). Algorithms of Oppression: How Search Engines Reinforce Racism — NYU Press
Relevans:Visar att algoritmer reproducerar fördomar i vardagsmöten. Övningen är direkt tillämpning av samma analys.
Vad studien visar
Bok som dokumenterar hur sökmotorer och AI-system reproducerar och förstärker rasism och andra fördomar. Påvisar att ”neutrala” algoritmer ofta cementerar ojämlikheter.
- •Vilken bias möter du mest i din vardag?
- •Vad gör vi när vi ser den?
- •Vad är skillnaden mellan att ”vara woke” och att se bias?
- •Vem har ansvar — du, plattformen, AI:n, samhället?
Be AI:n skapa en bild på en lärare, en chef, en programmerare. Räkna kön, hudfärg, ålder.
Be AI:n göra en bild ”ännu manligare”. Sen ”så manlig det bara går”. Vad händer?
Visar att algoritmen byggt två helt olika världsbilder för två klassrumsgrannar.
Ur källkritik-workshopen