
FRAMMENTI DI UTOPIA URBANA #1
Salotto di Miranda 18 maggio 2025, dialoghi con Miran Paper
Salotto di Miranda 18 maggio 2025, dialoghi con Miran Paper
Chrysalis Aura – Ex-Torino.
Cosa resta di una città quando la sua storia viene messa sottovuoto?
Descrizione Gli studenti analizzano un piccolo dataset fittizio (nomi, immagini, categorie) e devono scoprire se contiene squilibri o assenze significative. Successivamente, propongono modifiche per renderlo più equo e rappresentativo. Obiettivi didattici Materiali necessari Procedura Esempi di risposte attese
Descrizione Gli studenti ricevono una lista di oggetti o concetti con etichette (es. “utile/inutile”, “giocattolo/non giocattolo”) e devono riprogrammare il classificatore cambiando le definizioni delle categorie. Così scoprono come il significato assegnato ai dati influenza le decisioni dell’IA. Obiettivi didattici Materiali necessari Procedura Esempi di risposte attese
Descrizione Un gruppo di studenti interpreta un modello di IA che deve imparare una regola classificando esempi. Gli altri studenti agiscono come “dataset” e forniscono esempi etichettati (SÌ/NO). Alla fine, si verifica se il modello ha imparato correttamente. Obiettivi didattici Materiali necessari Procedura Esempi di risposte attese
Questa attività si inquadra nell’ambito dellaBig Idea 4 – Interazione naturaleed è adatta a bambini e bambine dai 6 ai 10 anni 📝 Descrizione I bambini scoprono che l’intelligenza artificiale completa le frasi non capendo il significato, ma scegliendo le parole che ha visto più spesso nei testi che ha letto. Usando esempi reali tratti dalle slide (“Il cielo è…”, […]
Descrizione Gli studenti si dividono in due squadre: una allena una regola su dati noti, l’altra la testa con nuovi esempi. L’attività simula il funzionamento di un sistema di apprendimento automatico, introducendo concetti come addestramento, generalizzazione e overfitting. Obiettivo didattico Materiale necessario Procedura Esempi di risposte attese
Descrizione Gli studenti si muovono nello spazio simulando i nodi di una rete neurale. Passano segnali da input a output in base a regole semplici, osservando come si prende una decisione attraverso strati di calcolo. Obiettivi didattici Materiale necessario Procedura Esempi di risposte attese
Descrizione: I ragazzi ricevono immagini o descrizioni da classificare in categorie. Dopo averle etichettate individualmente o in gruppo, confrontano le scelte per evidenziare ambiguità e disaccordi, simulando la fase di annotazione dei dati nei modelli di IA. Obiettivo didattico Materiale necessario Procedura Esempi di risposte attese
Questa attività si inquadra nell’ambito dellaBig Idea 3: Apprendimento automaticoed è adatta a bambini e bambine dai 6 ai 10 anni 📝 Descrizione In questa attività, i bambini devono scoprire una regola segreta di classificazione attraverso una serie di domande e risposte. L’educatore fornisce esempi che rispettano o meno la regola, e i bambini formulano ipotesi, ponendo domande per restringere […]