Priskonferansen 2026

Regjeringen har i stortingsmelding 34 gått inn for at undervisningen i norsk skole skal bli mer variert, relevant og praktisk. Hvordan dette skal gjøres er ikke bestandig like klart, men en måte vil være å la elevene hente inn mer data selv. Dette kan skje gjennom både simuleringer og måleserier, og vil gi muligheter for faglig utbytte både for programmering og fag underveis i prosessen med å skaffe data og når man behandler dataene etterpå.

Vi vil presentere eksempler på mulighet for datainnsamling for forskjellige trinn gjennom skoleløpet, eksempler som også egner seg for lærerutdanningen. Etter hvert eksempel vil det være en diskusjon om faglig utbytte i av opplegget.

Passer for alle

Når en lærer forhandler med elevene om et eksisterende objekt i form av en programmerings oppgave, og endringen består i å forandre på det matematiske innholdet, så er fokus flyttet over fra selve programmeringen og til at matematikken blir fokus. Da kan vi si at det har skjedd en transformativ prosess, og at matematikken er blitt fokus for læringen. 

Hvordan bruke Micro:Bit, BitBot og MicroPython til å utforske matematikk og naturfag. Vi bruker ultralydsensoren som kommer med BitBot. 

Vi skal bruke BitBotXL og Micro:Bit som er tilgjengelig

Ta med PC, du bør installere Thonny og/eller Mu. 

Passer for 5-10-13. 

Det kommer nyttige linker her: 

Thonny.org .exe fil fra thonny.org 

Programmet som modell: Når vi modellerer ved hjelp av regresjon, er består modellene våre av funksjoner med kjente funksjonsuttrykk. Men hva gjør vi når vi ikke kjenner noen funksjonstype som passer som modell? Et eksempel er en væske som avkjøles. Temperaturen synker eksponentielt, men ikke som en eksponentialfunksjon a∙b^x, der vekstfarten er proporsjonal med temperaturen.

Vi ser på to løsninger på dette: 1) Vi bruker Eulers metode til å skrive en kode i Python som uttrykker sammenhengen mellom x og y. Vi prøver ulike modeller og datasett. 2) Vi lar maskinen lære seg sammenhengen mellom x og y ved hjelp av et nevralt nett. I begge tilfellene er modellene et Python-program.

Arbeidet baserer seg på erfaringer og utprøvinger i forbindelse med læreverket Mønster (Gyldendal), læreboka Programmering i Python – algoritmer og kode (Lærebokforlaget), ulike programmeringskurs og undervisning i matematikk med programmering sammen med egne og andres elever på Oslo katedralskole.

Passer for 11-13

Mange av fortellingene vi hører om kunstig intelligens er ganske dramatiske. Snart vil ingen trenge å jobbe fordi KI gjør alt! Eller kanskje står vi foran «The Singularity», hvor KI blir så mye smartere enn oss at den tar over verden. Alle barn skal få sin egen personlige, alltid tilgjengelige lærer! Eller kanskje mister vi evnen til å tenke selvstendig. KI-paradis eller KI-helvete.

Historier er nyttige når vi prøver å forestille oss og forutse mulige fremtider. Men det kan være at KI-fremtiden (både den gode og den onde) egentlig er ganske banal: Vi kan få hjelp til å lage oppgaver i klasserommet, men KI-genererte bilder kan også brukes til mobbing. For å forstå det som faktisk skjer i dag, og for å kunne forestille oss hva som kan skje fremover, trenger vi et større mangfold av fortellinger om KI. Det er nemlig disse fortellingene som former våre ideer om hva som er mulig, ønskelig eller skremmende.

I denne presentasjonen vil jeg utforske to ulike scenarioer for generativ KI. Siden vi trenger både optimistiske og pessimistiske fortellinger, stiller jeg spørsmålene: «Hva hvis ingenting innen generativ KI fungerer som planlagt?» og «Hva hvis alt fungerer som planlagt?»

Passer for alle

I arbeidet med programmering i skolen kan det være lett å legge hovedvekten på å lære elever å skrive kode. Men å utvikle algoritmisk tenkning handler om noe mer: å kunne analysere et problem, strukturere en løsning og formulere en presis framgangsmåte som en datamaskin kan utføre.

I dette innlegget brukes et enkelt geometrisk spørsmål som inngang til dette arbeidet: Kan vi avgjøre om et punkt ligger inne i en trekant? Elevene får en åpen utfordring: Lag en algoritme som avgjør om et punkt i planet ligger innenfor eller utenfor en trekant. Underveis må de utforske ulike strategier, diskutere ideer og gradvis utvikle en presis metode som kan implementeres i et program.

Aktiviteten er prøvd ut i klasserommet, og innlegget vil vise hvordan elever arbeider med problemet, hvilke strategier som oppstår, og hvordan arbeidet kan bidra til å utvikle algoritmisk tenkning i matematikkfaget.

Hva er en god måte å undervise grunnleggende programmeringsbegrep på? Dette er en utfordring, spesielt når det gjelder tekstprogrammering: det er vanskelig å tenke på alternativer til "show and tell". Er det mulig å aktivere studentene likevel?

I denne workshop kommer jeg til å presentere et undersøkende undervisningsopplegg inspirert av Fosnot og Dolks minilessons (oppgavestrenger) i Python som vi utviklet på Nord universitet med Mari S. Jensen. Under gjennomføring, taster studentene svært korte programmer (2-5 linjer), forutser og så leser output på skjermen. Gjennom å sammenligne fellestrekk og forskjeller fra program til program vil studentene oppdage reglene for hvordan programmeringsspråkets syntaks fungerer.

Workshopen skal presentere konteksten bak opplegget og forskningsprosjekt som den er en del av; så skal vil prøve ut en økt (ca. 20 minutter) og så etteranalysere og diskutere designprinsippene.

Ta med PC-en! Passer for 5-10 og 8-13

Kan ein lage ein algoritme som kan føresjå det neste talet i ein rekkefølge med «tilfeldige» tal?

Med utgangspunkt i dette spørsmålet vil vi i denne sesjonen presentere eit pågåande utviklings- og forskingsprosjekt der vi arbeider med å utforme eit undervisningsopplegg som tematiserer kunstig intelligens, sannsyn, algoritimisk tenking og programmering. Det vil bli delt erfaringar frå utprøving av ulike iterasjonar av undervisningsopplegget. Deltakarane i sesjonen vil bli invitert til å utforme eigne algoritmar og til å reflektere over korleis vi kan bruke matematikk og programmering til å forstå kunstig intelligens.

Ta gjerne med datamaskin. Passer for 5-10, 8-13.

Servomotoren har eit visst dreiemoment. Ved å byggja smart vil vi kunne få ein «bil» til å køyra fort eller dra tungt, men ikkje begge deler samstundes. Dette prinsippet finn vi att mange stader i røynda – og erfaring med prinsippet tidleg vil hjelpa elevane til forståing for kvifor ein byggjer motorsyklar, bilar og kranar ulike alt etter behova. Vi skal i denne økta gje praktiske døme på korleis vi kan jobba med dette prinsippet med enkle grep og enkelt utstyr. 

Passer for alle

Vi får et direkte innblikk i hvordan programmering brukes ved Andøya Space. Hvordan lærerne bruker programmering som et verktøy for elevenes utforskning.

Vi får se en læringssituasjon med prosjektet CanSat ved Andøya Space, og vi får høre fra både elever og lærere. 

Prosjektet CanSat kommer fra ESA. 

Aktuelle lenker:

https://www.esero.no/prosjekter/cansat/

I denne workshopen vil vi utforske hvordan programmering kan brukes som et verktøy til å utforske og lete etter løsninger på matematiske problemer. Med utgangspunkt i et par kompetansemål i læreplanen i matematikk knyttet til to forskjellige trinn vil vi sammen prøve ut og vurdere hvor formålstjenlig bruk av programmering kan være i utforsking av matematiske problemstillinger. Jeg vil fokusere på to eksempler knyttet til Trinn 4 og Trinn 8, som jeg kaller henholdsvis «Lag din egen kalkulatur» og «Kodeknekkeren – finn primtallene». Eksemplene vil være både blokkbasert med Scratch og tekstbasert med Python. Metodikken vil være basert på PRIMM (Sentance et al., 2019).

Ta med PC.

Referanser:

Sentance, S., Waite, J., & Kallia, M. (2019). Teaching computer programming with PRIMM: a sociocultural perspective. Computer Science Education, 29(2–3), 136–176. https://doi.org/10.1080/08993408.2019.1608781

Eksempel i Scratch: https://scratch.mit.edu/projects/1280089098/

Eksempel i Python: https://github.com/niklas-kmlnap/matematikk/blob/main/math/primtall.py

Forslag til online Python-editor: https://www.online-python.com

Ta med PC. Passer for 1-7 og 5-10

Vi går systematisk gjennom nøkkelbegrepene i algoritmisk tenkning, og ser hvordan de kan anvendes i praktisk programmering. Vi forklarer også hvordan algoritmisk tenkning er knyttet til kjerneelementer og læringsmål i matematikk.

Det kan være en fordel om deltakerne har noe programmeringskunnskap, men det er ikke noe krav. Vi har noen nettbaserte aktiviteter, de kan utføres både på datamaskin og mobil.

Passer for alle

I denne workshopen får deltagerne bli kjent med en programmerbar lastcelle, som kan brukes i vekter og kraftsensorer, ved å kalibrere den og teste den ut i et forsøk. Målet er å gi et eksempel på undervisning vi regelmessig gjennomfører i naturfag som har blitt forbedret ved hjelp av programmering. Programmeringens mulighet for grafiske fremstillinger i sanntid gjør det lettere å se dataene i sammenheng med virkelighet. I tillegg er det muligheter for tverrfaglig samarbeid med matematikk ettersom forståelse for grafer og ulike sammenhenger mellom variabler, som proporsjonalitet, står sentralt. 

Passer for alle

Modellering, simulering og visualisering er sentrale praksiser i naturfag og matematikk, og er godt representert i læreplanene. Elever kan øve opp disse praksisene i undervisningsaktiviteter med interaktive animasjoner. Selv om det fins mange gode animasjoner på internett, ender lærere opp med å velge dem bort hvis de ikke illustrerer akkurat det de ønsker eller hvis animasjonene er dårlig tilpasset norsk skolekontekst. Nå som lærere (og mange elever) har grunnleggende programmeringskompetanse og tilgang til generativ KI, kan de endelig lage skreddersydde animasjoner med vibb-koding. I denne workshopen utforsker vi didaktiske perspektiver på bruk av programmering, generativ KI og visualiseringer i undervisningen og prøver ut å lage animasjoner med vibb-koding, så ta med egen laptop!

Passer for alle med pc!

Programmering har nå en etablert plass i læreplanene og i eksamensgjennomføringen i grunnskole og videregående skole. Vi vil si litt om dette sett fra Utdanningsdirektoratets ståsted og invitere til diskusjon rundt hvordan vi kan styrke fagområdet og løse de utfordringene vi har i fremtiden.

Oppdateres