Underviservejledning til lektionen Algoritmerne styrer dit søgeresultat

PDF version Download PDF version

Formål
Formålet med lektionen er at introducere de studerende til, hvordan algoritmer kan påvirke deres valg af digitale kilder, og give dem redskaber til at analysere og vurdere forskellige digitale kilder og dermed blive bedre til at foretage relevant udvælgelse af materiale.

 

Målbeskrivelse  
Når de studerende har gennemført lektionen, forventes det, at de:

  • kan give en basal forklaring på, hvad en algoritme er.
  • kan beskrive, hvorfor en algoritme kan være 'biased' eller 'overfitted'.
  • kan give eksempler på faktorer, der påvirker søgeresultater i Google.
  • kan forklare, hvorfor det er vigtigt, at de forholder sig kritisk til oplysninger fra både søgemaskiner (f.eks. Google) og chatbots (f.eks. ChatGPT).

Hvilke dannelsesspørgsmål behandler denne lektion?

  • Hvordan vurderer jeg de fundne digitale kilders anvendelighed i forhold til min problemstilling?  
  • Hvordan påvirker algoritmer selektion af information?

 

Indholdsbeskrivelse
Lektionen giver de studerende en skriftlig og videobaseret introduktion til, hvordan algoritmer – en ny digital teknologi med en ikke-transparent dagsorden – kan påvirke deres valg af digitale kilder, hvorfor de bør være opmærksomme på dem, og hvordan de kan genkende dem. Lektionen indeholder desuden en række links, hvor de studerende selv kan gå på yderligere opdagelse.

 

Format og varighed
Lektionen består af en kombination af information formidlet gennem tekst og video samt refleksionsøvelser, hvor de studerende kan anvende viden opnået gennem lektionen.
Lektionen er estimeret til ca. 30 min. varighed, ekskl. refleksionsøvelserne.

 

Målgruppe
Bachelorstuderende på hele Københavns Universitet.

Hvornår anbefales denne lektion inddraget i undervisningen?
Lektionen er udviklet, så den kan gennemføres som selvstændig aktivitet, men den vil være særlig relevant at inddrage, når de studerende skal i gang med opgaveskrivning og dermed skal til at fremsøge, vurdere, analysere og udvælge relevant materiale til en opgave.

 

Hvordan anbefales denne lektion inddraget i undervisningen?
Vi anbefaler, at studerende gennemfører lektionen på egen hånd, evt. som forberedelse til undervisning, og at der i undervisningen samles op på de studerendes besvarelser af refleksionsopgaver i undervisningen.

Den nyeste forskning om studerendes forberedelsesmønstre peger på, at der er større sandsynlighed for, at studerende engagerer sig i de foreslåede forberedelsesaktiviteter, hvis de oplever disse aktiviteter som relevante og kan se tegn på synlig læring. På den baggrund foreslås det, at aktiviteterne i denne lektion rammesættes tydeligt for de studerende, så de kan se formålet med dem i forhold til opnåede kompetencer og i forhold til, hvordan forberedelsesaktiviteten relaterer til, hvad der foregår i undervisningen. Nedenstående er et konkret forslag hertil.

 

Forslag til forberedelsesvejledning i fagets Absalon-rum:

1) Se videoerne, og læs teksterne i lektionen ’Algoritmerne styrer dit søgeresultat’.


2) Foretag en søgning på eksempelvis ”climate solutions” på Google, og reflekter over følgende. Skriv dine refleksioner ned, og tag dem med til undervisningen, hvor du skal dele dem med dine medstuderende.

  • Er det de bedste kilder, der viser sig øverst i Googles resultatliste og hvis ikke, hvad er det så for resultater, der viser sig?
  • Hvad er Googles ranking af resultater udtryk for (kvalitet, troværdighed, vigtighed for dig, popularitet)?
  • Hvilke fordele/ulemper er der ved automatiserede søgeresultater?


3) Foretag samme søgning på Google Scholar, og reflekter over følgende. Skriv dine refleksioner ned, og tag dem med til undervisningen, hvor du skal dele dem med dine medstuderende.

  • Hvilke forskelle og ligheder er der mellem Googles og Google Scholars søgeresultater?
  • I hvilke sammenhænge er Google Scholar egnet til akademisk litteratursøgning?


4) Spørg evt. også en chatbot som f.eks. ChatGPT “What are the best climate solutions?”, og reflekter over følgende. Skriv dine refleksioner ned, og tag dem med til undervisningen, hvor du skal dele dem med dine medstuderende.
[OBS: Denne opgave bør ikke være obligatorisk, da KU ikke kan forlange af de studerende, at de opretter en konto hos en tredjepart som f.eks. ChatGPT, som KU ikke har en databehandleraftale med.]

  • Hvad kan du bruge chatbottens svar til i forhold til videnskabelig informationssøgning?
  • Kunne du finde på at bruge tekst fra en chatbot i en akademisk opgave? Hvordan/hvorfor/hvorfor ikke?

 

Forslag til undervisningsaktiviteter baseret på de studerendes forberedelse (i alt ca. 30 min.):

1) Gruppediskussion (grupper à 3 studerende, ca. 20 min.):

  • Sammenlign og diskuterer jeres svar på spørgsmålene fra forberedelsen.
  • Er I indbyrdes enige i gruppen i jeres refleksioner og svar?

2) Plenumopsamling enten mundtligt eller skriftligt via padlet med fokus på særligt det sidste spørgsmål (ca. 10 min.).

 

Kilde – hvem har produceret indholdet?
Lektionen er produceret af Københavns Universitet som en del af Københavns Universitets læringsressourcer til digital dannelse, 2023.

Fagansvarlige:

  • Birgitte Munk, specialkonsulent, Københavns Universitetsbibliotek (KUB)
  • Erik Engelbrekt Schwägermann, informationsspecialist, Københavns Universitetsbibliotek (KUB)
  • Anne Bagger, informationsspecialist, Københavns Universitetsbibliotek (KUB)
  • Muhamed Fajkovic, specialkonsulent, Københavns Universitetsbibliotek (KUB)

 

Lektionens relation til andre lektioner og/eller forløb, hvis relevant

Lektionen er udviklet til emnet ”Digital videnskabelig informationssøgning”, og andet indhold under dette emne vil også være relevant:


Hvis der ønskes et mere detaljeret fokus på videnskabelig informationssøgning, anbefales forløbet Academic Information Seeking.

Ligeledes relevante er de sammenhængende lektioner Hvad er kunstig intelligens (og machine learning)? og Hvordan kan vi bruge machine learning? under emnet ”Teknologisk forståelse”.

Endelig kan underviser med fordel orientere sig på denne hjemmeside om studerendes akademiske digitale kompetencer (STAK) Links to an external site., hvor der findes adskillige andre øvelser og aktiviteter inden for emnet digital videnskabelig informationssøgning.