AI en Samenleving

AI and Society

Studiewijzer 2024/2025

Globale inhoud

AI neemt een steeds grotere rol in onze samenleving. Dat levert naast voordelen ook een aantal grote maatschappelijke zorgen op. Er is daarom een steeds nadrukkelijker debat over de mogelijke gevaren en problemen van de opkomst van AI gaande.

In dit vak gaan wij samen proberen om een beter begrip te krijgen van de invloed die AI krijgt en in toekomst nog kan krijgen op ons en onze samenleving. Wij willen meer te weten komen over AI technieken zelf, maar wij gaan ook kijken naar hoe deze nieuwe technologie in relatie staat met de samenleving en welke uitdagingen dit met zich mee brengt. Uiteindelijk is het doel om ideeën te ontwikkelen voor hoe wij de integratie van AI in de samenleving op een verantwoorde manier vorm kunnen geven.

Studiemateriaal

Literatuur

• Het studiemateriaal voor dit vak staat op canvas.

Leerdoelen

• De student kan belangrijke keerpunten in de geschiedenis van AI benoemen.
• De student kan AI technologie toetsen op kenmerken en risico’s van technologische revoluties.
• De student heeft basale kennis van centrale begrippen en methoden van digitale en AI technologie.
• De student kan reflecteren op de invloed van AI technologie op de samenleving en kan problemen identificeren.
• De student kan relevante concepten en theorieën uit de sociale wetenschappen en geesteswetenschappen gebruiken om de invloed van digitale en AI technologieën op de samenleving te analyseren.
• De student weet verantwoorde afwegingen te maken over de inzet van AI technologie en digitale systemen.
• De student heeft een kritische houding ten opzichte van het gebruik van AI technologie in de samenleving.
• De student kan diens kennis en bevindingen over de inzet van AI technologieën in de samenleving overbrengen aan medestudenten in de vorm van interactieve workshops.
• Afhankelijk van de keuze van de student geldt het volgende: (A) de student kan een concreet probleem op het snijvlak van AI technologie en samenleving toelichten, daarbij een visie ontwikkelen voor een oplossing en deze schriftelijk betogen, of (B) de student kan voor de AI algoritmen clustering, decision trees, neurale netwerken toelichten hoe ze hun doel bereiken, hoe ze data gebruiken, hoe ze zelfleerzaam zijn, en hierdoor ook gevoelig kunnen zijn voor effecten zoals bias en discriminatie.

Onderwijsvormen

• Hoorcollege
• Werkcollege
• Zelfstudie
• Zelfstandig werken aan bijv. project/scriptie
• Begeleiding/feedbackmoment

In in de eerste vier weken van het vak wordt in een reeks hoorcolleges het thema AI geïntroduceerd en een aantal AI technieken/systemen die tegenwoordig veel toepassing vinden besproken. De werkgroepen dienen ter verdieping van de onderwerpen die in de hoorcolleges worden geïntroduceerd. Studenten krijgen zelfstudieopdrachten ter voorbereiding van de colleges en werkgroepen.

Tijdens deze periode beginnen de studenten in groepen ook met het voorbereiden van een werkgroep over een eigen thema op het gebied van AI en samenleving. Dit proces wordt in de werkgroepen begeleid. Deze student-gestuurde bijeenkomsten vinden in de volgende 4 weken van het vak plaats. Daarnaast is er een drietal gastcolleges van wetenschappers die onderzoek doen naar de maatschappelijke impact van AI. 

In de laatste 4 weken kiezen de studenten tussen of een verdieping in machine learning of het werken aan een interventie. In het eerste geval leren de studenten in de werkgroepen en aan de hand van korte huiswerkopdrachten een aantal centrale concepten van machine learning te herkennen en te analyseren. Kiezen studenten voor de tweede optie, dan werken zij onder begeleiding een voorstel uit voor hoe een specifiek probleem op de raakvlak van AI en samenleving aangepakt kan worden. Hun voorstel bepleiten de studenten dan in een essay. Ook dit proces word in werkgroepen begeleid. De studenten krijgen tijdens de werkgroepen en online feedback op hun vooruitgang.

Verdeling leeractiviteiten

Aanwezigheid

Aanwezigheidseisen opleiding (OER-B):

• 1. In geval van werkgroepbijeenkomsten is de student verplicht tenminste 7 van elke 8 werkgroepbijeenkomsten bij te wonen, tenzij anders aangegeven in de studiewijzer. Bij meer dan 8 werkgroepbijeenkomsten geldt dat de student steeds per (deel van) 8 bijeenkomsten maximaal 1 bijeenkomst mag missen. Indien de student minder dan het verplichte aantal bijeenkomsten heeft bijgewoond, kan het vak niet worden afgerond.
• In geval van een practicum is de student verplicht ten minste 90% van de practicumbijeenkomsten bij te wonen, tenzij anders aangegeven in de studiewijzer. In geval de student minder dan 90% heeft bijgewoond dient het practicum opnieuw te worden gevolgd.

Aanvullende eisen voor dit vak:

• studenten mogen maximaal 3 van de 22 werkgroepen missen.

Indien de student minder dan het verplichte aantal bijeenkomsten heeft bijgewoond, kan het vak niet worden afgerond.

Toetsing

Het schriftelijke tentamen toetst de feitelijke kennis die the studenten over AI in de eerste zeven weken hebben opgedaan. Alles materiaal dat in de hoorcolleges en werkgroepen in deze periode wordt besproken is relevant voor deze toets. In week 8 wordt een proeftentamen besproken. Voor dit tentamen moeten studenten minimaal een 5.5 halen om voor het vak te slagen. Het schriftelijke tentamen kan worden herkanst (zie rooster).  Voor de herkansing moeten studenten zich via canvas aanmelden.

Voor de onderwijs opdracht werken de studenten in groepen zelf een onderwerp op het gebied van AI en samenleving uit en geven een werkgroep bijeenkomst hierover. Deze wordt samen met de lesopzet en de reflectie op de bijeenkomst met een cijfer beoordeelt. Deze opdracht kan niet worden herkanst.

In de laatste periode van het vak schrijven de studenten afhankelijk van hun keuze of een tweede zaaltentamen (verdieping machine learning) of een essay (verdieping interventie) waarin zij individueel verder op één van de onderwerpen die in het vak werden besproken ingaan. Beide toetsen kunnen worden herkanst. Voor het essay zijn er twee opties. De student kan ervoor kiezen om een verbeterde versie van het essay in te leveren dat hij/zij bij de eerste poging heeft ingediend. In dit geval is het maximale cijfer die de student voor deze opdracht kan krijgen een 6. De student kan ook ervoor kiezen een geheel nieuw essay te schrijven over een ander onderwerp. In dit geval zijn er geen beperkingen op het maximale cijfer die de student voor de opdracht kan krijgen.

Toetsmatrijs (studentenversie)

Studenten die het vak al eerder hebben gevolgd

nvt

Inzage toetsing

Tentamen: voor beide tentamen wordt er een inzage-uur gepland waar je je voor kan aanmelden. Op de onderwijsopdracht het het essay ontvangen de studenten schriftelijk feedback. Bij vragen kunnen zij een afspraak maken om de beoordeling te bespreken.

Het datum van de inzage momenten wordt via canvas gecommuniceerd.

Opdrachten

De onderwijsopdracht werkt met 6 deelopdrachten. Aan deze opdrachten werken de studenten in een vaste groept.

opdracht 1: De groepsamenstelling wordt opgegeven samen met het onderwerp van de les. Deze opdracht wordt met pass/fail beoordeeld.

opdracht 2: Het onderwerp wordt inhoudelijk uitgewerkt. Deze opdracht wordt met pass/fail beoordeeld.

opdracht 3: De leerdoelen voor de les worden geformuleerd. Deze opdracht wordt met pass/fail beoordeeld.

opdracht 4: De studenten formuleren tentamen vragen voor hun les met modelantwoorden. Deze opdracht wordt met pass/fail beoordeeld.

opdracht 5: De lesopzet wordt ingeleverd samen met de voorbereidende opdracht die de andere studenten moeten doen. Deze opdracht wordt met pass/fail beoordeeld.

opdracht 6: De definitieve versie van de lesopzet wordt ingeleverd.

opdracht 6: De studenten reflecteren op de les.

Opdracht 6 en 7 samen met de les worden beoordeeld met een cijfer. Dit cijfer telt voor eenderde mee voor het eindcijfer van het vak.

Ook aan het essay werken de studenten door een aantal deelopdrachten te maken. Deze komen overeen met de deelopdrachten bij academische vaardigheden.

Opdracht 1: De student formuleert een onderwerp voor het essay. Deze opdracht wordt met pass/fail beoordeeld. Deze opdracht wordt met pass/fail beoordeeld. De student krijgt peer-feedback and schriftelijk feedback van de docent.

opdracht 2: De inleiding wordt verder uitgewerkt en literatuur wordt besproken. Deze opdracht wordt met pass/fail beoordeeld. De student krijgt schriftelijk feedback van de docent.

opdracht 3: De student maakt een opzet voor het hele essay. Deze opdracht wordt met pass/fail beoordeeld. De student krijgt peer-feedback en schriftelijk feedback van de docent.

opdracht 4: De student levert een eerste volledige versie van het essay in. Deze opdracht wordt met pass/fail beoordeeld. De student krijgt schriftelijk feedback van de docent.

opdracht 5: Op basis van het feedback van de docent herschrijft de student het essay. Deze opdracht wordt beoordeeld met een cijfer. De student krijgt slechts beknopt feedback op de definitieve versie. De eindopdracht wordt alleen beoordeeld als de student ook alle deelstappen succesvol heeft doorlopen.

Fraude en plagiaat

Dit vak hanteert de algemene 'Fraude- en plagiaatregeling' van de UvA. Hier wordt nauwkeurig op gecontroleerd. Bij verdenking van fraude of plagiaat wordt de examencommissie van de opleiding ingeschakeld. Zie de Fraude- en plagiaatregeling van de UvA: http://student.uva.nl

Weekplanning

Honoursinformatie

Studenten van Bèta-gamma mogen dit vak opnemen in hun honoursprogramma. 

Aanvullende informatie

Sociale veiligheid

We vinden het belangrijk dat je je op de UvA en bij Bèta-gamma veilig voelt. Krijg je onverhoopt te maken met ongewenst gedrag of voel je je onveilig, dan kun je terecht bij verschillende personen. Je melding wordt altijd vertrouwelijk behandeld. Kijk hier voor meer informatie over waar en bij wie je terecht kunt.

Feedback studenten afgelopen jaar

Afgelopen jaar was dit een extra keuzevak voor studenten. Het belangrijkste punt van de vakevaluaties was dat het vak een hogere studielast kan krijgen als het een vast bestanddeel van het programma wordt. Wij hebben daarom dit jaar meer inhoud en meer zelfstudie-opdrachten toegevoegd. Er zijn ook drie extra hoorcolleges gepland. 

Contactinformatie

Coördinator

• Katrin Schulz

Docenten

• Daniël Kooij