Bài 10: Nâng cấp dữ liệu - KHBD lớp 1 soạn theo sách Trí tuệ nhân tạo của NXBGD

Giáo án AI Bài 10: Nâng cấp dữ liệu – Kế hoạch bài dạy ứng dụng Teachable Machine và trò chơi Bác sĩ AI hấp dẫn

Trong hành trình khám phá trí tuệ nhân tạo, học sinh không chỉ cần biết cách máy tính học từ dữ liệu mà còn cần hiểu vì sao một mô hình AI có thể nhận diện sai và làm thế nào để cải thiện kết quả nhận dạng. Bài 10: Nâng cấp dữ liệu mang đến cho các em cơ hội khám phá một vấn đề thực tế, gần gũi với cuộc sống: Khi máy trí tuệ nhân tạo nhận diện biển báo giao thông chưa chính xác, con người cần làm gì để giúp máy học tốt hơn?

Đây là bài học có ý nghĩa đặc biệt trong quá trình hình thành năng lực sử dụng trí tuệ nhân tạo ở học sinh lớp 5. Thay vì chỉ quan sát kết quả AI hoặc nghe giáo viên giải thích, các em được trực tiếp chạy thử mô hình, phát hiện lỗi phân loại, bổ sung hình ảnh vào dữ liệu, huấn luyện lại mô hình và kiểm tra kết quả sau khi nâng cấp.

Giáo án AI Bài 10 được xây dựng theo hướng thực hành, trải nghiệm và giải quyết vấn đề. Học sinh lần lượt tham gia hoạt động mở đầu “Thử tài trí tuệ nhân tạo”, khám phá thao tác “Dạy” lại AI qua Webcam, luyện tập với trò chơi “Bác sĩ AI” và vận dụng kiến thức vào dự án “Giám sát giao thông nhí”.

Đặc biệt, bài học giúp học sinh hiểu rằng AI không phải lúc nào cũng nhận diện đúng, nhưng con người có thể cải thiện khả năng nhận dạng của máy bằng cách bổ sung dữ liệu phù hợp, đa dạng và chất lượng hơn. Đây là kiến thức quan trọng, góp phần hình thành tư duy khoa học, năng lực giải quyết vấn đề và thái độ sử dụng trí tuệ nhân tạo có trách nhiệm.

Giới thiệu Bài 10: Nâng cấp dữ liệu – Khi máy học cần được dạy lại

Vì sao máy trí tuệ nhân tạo có thể nhận diện sai?

Trong cuộc sống, chúng ta thường thấy các thiết bị thông minh có khả năng nhận diện hình ảnh, phân loại đồ vật hoặc phát hiện biển báo giao thông. Tuy nhiên, không phải lúc nào máy cũng đưa ra kết quả chính xác, đặc biệt khi hình ảnh đầu vào khác với những dữ liệu mà máy đã được học trước đó.

Một biển báo giao thông được chụp rõ nét, đủ ánh sáng có thể giúp AI nhận diện chính xác. Nhưng khi biển báo bị che khuất, dính bùn đất, chụp nghiêng hoặc hình ảnh quá mờ, máy có thể nhầm lẫn với một loại biển báo khác.

Điều này cho thấy khả năng nhận dạng của mô hình AI phụ thuộc rất nhiều vào dữ liệu được sử dụng trong quá trình huấn luyện. Nếu dữ liệu chưa đủ đa dạng, chưa phản ánh các tình huống thực tế hoặc chất lượng hình ảnh chưa tốt, mô hình có thể gặp khó khăn khi xử lí những trường hợp mới.

Bài học giúp học sinh nhận ra rằng máy học không có nghĩa là máy tự nhiên biết mọi thứ. Muốn AI hoạt động hiệu quả hơn, con người cần kiểm tra kết quả, phát hiện lỗi và bổ sung những dữ liệu phù hợp để cải thiện mô hình.

Nâng cấp dữ liệu là gì?

Nâng cấp dữ liệu trong bài học được hiểu là quá trình bổ sung, cải thiện và làm phong phú dữ liệu đầu vào để giúp mô hình AI học tốt hơn. Khi máy nhận diện sai, người sử dụng cần tìm nguyên nhân và cung cấp thêm những hình ảnh phù hợp với trường hợp mà máy chưa nhận diện chính xác.

Ví dụ, mô hình AI được huấn luyện nhận diện biển báo giao thông bằng những hình ảnh rõ nét, chụp chính diện. Khi gặp một biển báo bị nghiêng hoặc chụp trong điều kiện ánh sáng yếu, mô hình có thể đưa ra kết quả sai.

Để cải thiện tình huống đó, người dạy máy có thể bổ sung ảnh biển báo cùng loại ở nhiều góc chụp, nhiều điều kiện ánh sáng và những tình huống khác nhau. Sau khi thêm dữ liệu, mô hình cần được huấn luyện lại để học từ những hình ảnh mới.

Như vậy, nâng cấp dữ liệu không đơn giản chỉ là thêm thật nhiều ảnh. Điều quan trọng là dữ liệu được bổ sung phải đúng loại, rõ nét, đa dạng và có khả năng phản ánh những tình huống mà mô hình cần nhận diện.

Nội dung trọng tâm của Bài 10

Bài 10 tập trung giúp học sinh hiểu vai trò của dữ liệu trong quá trình huấn luyện mô hình AI, đồng thời thực hiện được những thao tác cơ bản để cải thiện khả năng phân loại của máy.

Các em được sử dụng nền tảng Teachable Machine để chạy thử mô hình phân loại biển báo, đưa hình ảnh vẽ tay và ảnh chụp thực tế vào Webcam, quan sát kết quả dự đoán và ghi lại những trường hợp nhận dạng sai.

Sau khi phát hiện lỗi, học sinh thực hiện thao tác bổ sung hình ảnh vào lớp dữ liệu phù hợp bằng chức năng Upload hoặc Webcam. Tiếp theo, các em nháy Train Model để huấn luyện lại mô hình và kiểm tra kết quả nhận dạng sau khi bổ sung dữ liệu.

Thông qua những thao tác này, học sinh hiểu rõ mối liên hệ giữa dữ liệu đầu vào, quá trình huấn luyện và kết quả phân loại của AI. Các em được trực tiếp trải nghiệm cách con người cải thiện mô hình thông qua việc bổ sung dữ liệu.

Những yêu cầu cần đạt của Bài 10

Giáo án hướng đến việc giúp học sinh đạt được những yêu cầu quan trọng sau:

• Thực hiện được thao tác chạy thử mô hình AI trên nền tảng Teachable Machine và ghi lại các lỗi phân loại sai.

• Thực hiện được thao tác thêm dữ liệu hình ảnh vẽ tay hoặc ảnh chụp vào mô hình thông qua chức năng Upload hoặc Webcam.

• Thực hiện được thao tác huấn luyện lại mô hình sau khi bổ sung dữ liệu mới.

• Nêu được lý do cần bổ sung dữ liệu khi máy phân loại sai.

• Liệt kê được những cách cải thiện dữ liệu như chuẩn bị nhiều ảnh, ảnh rõ nét và đa dạng tình huống.

• Xác định được vai trò của dữ liệu trong quá trình huấn luyện trí tuệ nhân tạo.

• Vận dụng được Teachable Machine, Webcam và trình duyệt để thu thập, xử lí và kiểm thử dữ liệu.

• Phát triển năng lực giải quyết vấn đề thông qua việc xác định nguyên nhân lỗi và đề xuất cách cải thiện mô hình.

• Hình thành phẩm chất chăm chỉ, kiên trì thực hành, có trách nhiệm và tuân thủ quy trình khi sử dụng dữ liệu.

Các yêu cầu này được triển khai thông qua những hoạt động thực hành cụ thể, giúp học sinh hiểu kiến thức bằng quá trình quan sát, thao tác, thử nghiệm và đánh giá kết quả.

Mở đầu: Thử tài trí tuệ nhân tạo

Khám phá tình huống AI nhận diện biển báo chưa chính xác

Hoạt động mở đầu có tên “Thử tài trí tuệ nhân tạo”, thời lượng 5 phút. Đây là hoạt động tạo hứng thú, kích thích tư duy và giúp học sinh bước đầu nhận ra vấn đề máy trí tuệ nhân tạo có thể phân loại sai khi dữ liệu đầu vào chưa phù hợp.

Giáo viên chiếu hình ảnh biển báo “Cấm đi lại” do học sinh vẽ nguệch ngoạc hoặc hình ảnh biển báo bị mờ, yêu cầu cả lớp quan sát. Thầy cô đặt câu hỏi: “Máy sẽ đoán đúng hay sai?” và mời học sinh dự đoán kết quả nhận dạng.

Học sinh quan sát hình ảnh trên màn hình, suy nghĩ cá nhân và giơ tay đưa ra dự đoán. Các em có thể trao đổi nhanh với bạn bên cạnh về nguyên nhân khiến máy nhận diện chưa chính xác, chẳng hạn nét vẽ, màu sắc, độ rõ hoặc hình dạng biển báo.

Giáo viên mô phỏng kết quả AI đoán nhầm sang “Biển nguy hiểm”. Tình huống này giúp học sinh nhận thấy rằng dù hình ảnh thuộc một loại biển báo cụ thể, máy vẫn có thể phân loại sai nếu dữ liệu chưa phù hợp.

Gợi mở vấn đề học tập

Sau khi học sinh đưa ra dự đoán, giáo viên đặt câu hỏi: “Làm sao để máy nhận ra đúng biển báo dù vẽ xấu hoặc chụp trong điều kiện ánh sáng kém? Cần dạy lại máy bằng cách nào?”.

Học sinh suy nghĩ, trao đổi và đưa ra những ý kiến ban đầu. Có em đề xuất chụp ảnh rõ hơn, có em cho rằng cần cung cấp thêm nhiều hình ảnh cùng loại biển báo hoặc dạy máy bằng những hình ảnh khác nhau.

Giáo viên khuyến khích học sinh chia sẻ ý kiến, không vội đưa ra đáp án hoàn chỉnh. Những dự đoán ban đầu giúp thầy cô nhận biết hiểu biết của học sinh và tạo cơ hội để các em tiếp tục khám phá kiến thức mới.

Cuối hoạt động, giáo viên chốt vấn đề: Cần bổ sung dữ liệu khác nhau để máy học tốt hơn. Thầy cô giới thiệu bài học “Nâng cấp dữ liệu”, dẫn dắt học sinh bước vào quá trình tìm hiểu cách cải thiện mô hình AI.

Hoạt động mở đầu tạo ra tình huống có vấn đề rõ ràng, giúp học sinh hiểu rằng kết quả nhận dạng của AI không phải lúc nào cũng đúng. Từ đó, các em hình thành nhu cầu tìm hiểu cách phát hiện lỗi và nâng cấp dữ liệu để cải thiện khả năng nhận dạng của máy.

Khám phá: Thao tác dạy lại AI qua Webcam

Tìm hiểu quy trình chạy thử và cải thiện mô hình

Hoạt động khám phá có tên “Thao tác dạy lại AI qua Webcam”, thời lượng 10 phút. Đây là hoạt động trọng tâm giúp học sinh trực tiếp thực hiện quy trình kiểm thử mô hình, xác định lỗi phân loại và bổ sung dữ liệu để cải thiện kết quả nhận dạng.

Giáo viên hướng dẫn học sinh truy cập nền tảng Teachable Machine, chọn Get Started, sau đó chọn Open an existing project để mở mô hình “Phân loại biển báo”. Các em quan sát giao diện mô hình, xác định những lớp dữ liệu đã được huấn luyện và chuẩn bị chạy thử.

Giáo viên yêu cầu học sinh thực hiện hai tình huống kiểm thử: đưa hình biển báo vẽ tay có nét xấu trước Webcam và đưa ảnh chụp biển báo thực tế trước Webcam. Học sinh lần lượt thực hiện các thao tác, quan sát phần trăm dự đoán của mô hình và xác định kết quả nhận dạng.

Thông qua hoạt động này, học sinh nhận biết rằng máy có thể phân loại đúng hoặc sai tùy thuộc vào dữ liệu đầu vào. Các em được trực tiếp quan sát kết quả thay vì chỉ nghe giáo viên mô tả.

Bước 1: Chạy thử mô hình bằng hình ảnh vẽ tay và ảnh chụp

Giáo viên hướng dẫn học sinh mở mô hình “Phân loại biển báo” trên Teachable Machine. Thầy cô nhắc các em kiểm tra thiết bị, Webcam và kết nối mạng trước khi tiến hành thử nghiệm.

Học sinh đưa hình biển báo vẽ tay trước Webcam, quan sát phần trăm dự đoán của mô hình. Tiếp theo, các em đưa ảnh chụp biển báo thực tế trước Webcam và tiếp tục theo dõi kết quả.

Giáo viên yêu cầu học sinh xác định rõ biển báo thực tế thuộc loại nào và máy đang dự đoán loại nào. Nếu kết quả nhận dạng sai, học sinh cần ghi lại trường hợp đó vào phiếu “Báo cáo lỗi mô hình”.

Phiếu báo cáo có thể ghi những thông tin cơ bản như loại biển báo thực tế, loại biển báo máy dự đoán nhầm, hình ảnh sử dụng để kiểm thử và nhận xét về kết quả. Việc ghi chép giúp học sinh theo dõi quá trình cải thiện mô hình một cách có hệ thống.

Bước 2: Xác định lớp dữ liệu bị sai

Sau khi chạy thử, giáo viên hướng dẫn học sinh xác định lớp dữ liệu cần được bổ sung. Ví dụ, khi đưa ảnh biển cấm vào Webcam nhưng mô hình lại dự đoán thành biển nguy hiểm, học sinh cần xác định lớp “Biển cấm” để bổ sung hình ảnh phù hợp.

Giáo viên giải thích rằng việc bổ sung dữ liệu phải đúng loại biển báo. Nếu ảnh biển cấm được đưa nhầm vào lớp biển nguy hiểm, mô hình có thể học sai mối liên hệ giữa hình ảnh và nhãn dữ liệu.

Học sinh quan sát giao diện mô hình, xác định lớp dữ liệu tương ứng và chuẩn bị những hình ảnh mới. Các em có thể sử dụng ảnh thật, ảnh vẽ tay hoặc hình ảnh được chuẩn bị trong thư mục “Teachable/Photos”.

Hoạt động này giúp học sinh hiểu rằng dữ liệu không chỉ cần nhiều mà còn phải đúng loại và được sắp xếp phù hợp. Việc phân loại dữ liệu chính xác là yếu tố quan trọng trong quá trình huấn luyện mô hình AI.

Bước 3: Bổ sung dữ liệu bằng Upload hoặc Webcam

Giáo viên hướng dẫn học sinh chọn lớp dữ liệu bị sai, sử dụng chức năng Upload để tải ảnh thật vào lớp tương ứng. Nếu có Webcam, các em có thể chọn Webcam và sử dụng Hold to Record để chụp thêm từ 5 đến 10 ảnh.

Học sinh thực hiện thao tác bổ sung hình ảnh vào lớp dữ liệu phù hợp. Các em cần chú ý lựa chọn ảnh rõ nét, đúng loại biển báo và có sự đa dạng về góc chụp, ánh sáng hoặc tình huống.

Giáo viên quan sát quá trình thực hành, hỗ trợ những nhóm gặp khó khăn khi tải ảnh hoặc sử dụng Webcam. Thầy cô nhắc học sinh không đưa ảnh vào lớp dữ liệu một cách tùy tiện và cần kiểm tra nội dung trước khi bổ sung.

Thông qua thao tác này, học sinh trực tiếp trải nghiệm việc mở rộng dữ liệu huấn luyện. Các em hiểu rằng khi mô hình gặp trường hợp chưa nhận diện tốt, người sử dụng có thể cung cấp thêm những hình ảnh phù hợp để giúp máy học được đặc điểm mới.

Bước 4: Huấn luyện lại mô hình AI

Sau khi bổ sung dữ liệu, giáo viên yêu cầu học sinh nháy Train Model và chờ quá trình huấn luyện hoàn tất. Các em quan sát trạng thái mô hình, không thực hiện những thao tác khác làm gián đoạn quá trình huấn luyện.

Giáo viên hướng dẫn học sinh lưu mô hình sau khi huấn luyện lại. Thầy cô nhấn mạnh rằng việc thêm dữ liệu mới chưa đủ, mô hình cần được huấn luyện lại để học từ những hình ảnh vừa được bổ sung.

Học sinh thực hiện thao tác Train Model, chờ hoàn tất và tiếp tục kiểm tra bằng hình ảnh đã sử dụng trước đó. Các em quan sát xem kết quả nhận dạng có thay đổi hay không, ghi lại kết quả sau khi nâng cấp dữ liệu.

Việc kiểm tra lại giúp học sinh hiểu rằng quá trình cải thiện mô hình cần có bước đánh giá. Không nên chỉ dựa vào việc đã thêm ảnh hoặc đã huấn luyện lại để kết luận mô hình chắc chắn tốt hơn.

Bước 5: Báo cáo kết quả trước và sau khi nâng cấp

Giáo viên mời 2–3 nhóm báo cáo kết quả thực hành. Mỗi nhóm trình bày trường hợp máy nhận dạng sai trước khi bổ sung dữ liệu, những hình ảnh đã thêm vào và kết quả sau khi huấn luyện lại.

Học sinh chia sẻ những thay đổi quan sát được, đồng thời nêu nhận xét về nguyên nhân khiến máy nhận dạng sai. Các nhóm có thể so sánh kết quả trước và sau khi bổ sung dữ liệu để đánh giá mức độ cải thiện.

Giáo viên nhận xét, bổ sung và chốt kiến thức: Máy có thể nhận dạng sai do dữ liệu thiếu đa dạng; bổ sung dữ liệu phù hợp giúp mô hình có cơ hội học tốt hơn.

Hoạt động khám phá giúp học sinh hình thành nhận thức thực tế về quá trình cải thiện mô hình AI. Các em được trải nghiệm đầy đủ các bước chạy thử, ghi lỗi, bổ sung dữ liệu, huấn luyện lại và kiểm tra kết quả.

Luyện tập, thực hành: Trò chơi Bác sĩ AI

Học sinh trở thành những bác sĩ chẩn đoán lỗi dữ liệu

Hoạt động luyện tập, thực hành có tên “Trò chơi: Bác sĩ AI”, thời lượng 10 phút. Đây là hoạt động giúp học sinh củng cố kiến thức về cách cải thiện dữ liệu và quy trình kiểm thử mô hình thông qua hình thức giải quyết tình huống theo nhóm.

Giáo viên chia lớp thành các nhóm 4 học sinh, phát “Hồ sơ bệnh án” gồm ba trường hợp AI phân loại sai. Các trường hợp được xây dựng từ những tình huống thực tế như ảnh biển báo mờ hoặc mất màu, ảnh bị che khuất 50% và ảnh chụp ở góc nghiêng lạ.

Mỗi nhóm đóng vai “Bác sĩ AI”, thực hiện nhiệm vụ chẩn đoán nguyên nhân lỗi và đề xuất “phác đồ điều trị” cho mô hình. Học sinh thảo luận, xác định vấn đề của từng trường hợp và lựa chọn cách cải thiện dữ liệu phù hợp.

Hoạt động trò chơi tạo không khí học tập vui vẻ, đồng thời giúp học sinh vận dụng kiến thức đã khám phá vào những tình huống cụ thể. Các em không chỉ ghi nhớ nguyên tắc nâng cấp dữ liệu mà còn thực hành cách phân tích và đề xuất giải pháp.

Bước 1: Nhận hồ sơ bệnh án và phân công nhiệm vụ

Giáo viên phát cho mỗi nhóm một bộ hồ sơ bệnh án gồm ba trường hợp AI nhận dạng sai. Các nhóm đọc nội dung, phân công thành viên thực hiện nhiệm vụ và thống nhất cách trình bày kết quả.

Học sinh có thể phân công một bạn đọc tình huống, một bạn ghi nguyên nhân, một bạn đề xuất cách cải thiện dữ liệu và một bạn tổng hợp kết quả. Việc phân công giúp các em phối hợp hiệu quả và đảm bảo mọi thành viên đều tham gia.

Giáo viên hướng dẫn học sinh hiểu rằng mỗi trường hợp lỗi cần được xem xét cụ thể. Không phải mọi lỗi nhận dạng đều có cùng nguyên nhân và không phải mọi trường hợp đều có thể giải quyết bằng một cách bổ sung dữ liệu giống nhau.

Các nhóm bắt đầu đọc hồ sơ, xác định những đặc điểm bất thường của hình ảnh và ghi lại nhận xét ban đầu. Giáo viên quan sát, hỗ trợ học sinh khi cần thiết nhưng khuyến khích các em tự phân tích và đưa ra ý kiến.

Bước 2: Chẩn đoán nguyên nhân lỗi AI

Học sinh thảo luận về nguyên nhân khiến mô hình nhận dạng sai trong từng hồ sơ. Với ảnh biển báo mờ hoặc mất màu, các em có thể nhận xét rằng máy khó nhận biết hình dạng, màu sắc và những đặc điểm quan trọng của biển báo.

Đối với ảnh bị che khuất 50%, học sinh phân tích khả năng máy không nhìn thấy đầy đủ các đặc điểm của biển báo. Với ảnh chụp ở góc nghiêng lạ, các em nhận xét rằng dữ liệu huấn luyện có thể chưa đủ đa dạng về góc chụp.

Giáo viên khuyến khích các nhóm giải thích rõ nguyên nhân, tránh chỉ nêu chung chung rằng “máy bị lỗi”. Các em cần liên hệ giữa đặc điểm hình ảnh và khả năng nhận dạng của mô hình.

Thông qua hoạt động chẩn đoán, học sinh hiểu rằng chất lượng dữ liệu có ảnh hưởng trực tiếp đến quá trình học của AI. Những hình ảnh không rõ nét, thiếu đặc điểm hoặc chưa đa dạng có thể khiến máy gặp khó khăn khi phân loại.

Bước 3: Đề xuất phác đồ điều trị cho mô hình

Sau khi xác định nguyên nhân, các nhóm đề xuất cách cải thiện dữ liệu cho từng trường hợp. Với ảnh biển báo mờ hoặc mất màu, học sinh có thể đề xuất bổ sung ảnh rõ nét, có màu sắc đầy đủ và được chụp trong điều kiện ánh sáng phù hợp.

Với ảnh bị che khuất, các em có thể đề xuất thêm những hình ảnh biển báo có mức độ che khuất khác nhau. Đối với ảnh chụp ở góc nghiêng lạ, học sinh đề xuất bổ sung ảnh từ nhiều góc chụp và khoảng cách khác nhau.

Giáo viên nhấn mạnh rằng việc cải thiện dữ liệu cần đảm bảo hình ảnh được bổ sung đúng loại biển báo. Những ảnh mới phải được sắp xếp vào lớp dữ liệu tương ứng, tránh đưa dữ liệu sai nhãn vào mô hình.

Các nhóm ghi kết quả vào hồ sơ “Chẩn đoán và Phác đồ điều trị”. Sản phẩm cần thể hiện rõ trường hợp lỗi, nguyên nhân và cách bổ sung dữ liệu để cải thiện mô hình.

Bước 4: Báo cáo kết quả và tổng kết trò chơi

Sau thời gian thảo luận, giáo viên mời đại diện các nhóm trình bày kết quả chẩn đoán và phác đồ điều trị. Các nhóm nêu nguyên nhân lỗi, đề xuất những hình ảnh cần bổ sung và giải thích vì sao cách cải thiện đó phù hợp.

Học sinh lắng nghe, nhận xét và bổ sung ý kiến cho nhóm bạn. Giáo viên đánh giá kết quả, biểu dương những nhóm có cách giải thích rõ ràng, đề xuất giải pháp phù hợp và phối hợp tích cực.

Cuối hoạt động, giáo viên rút ra quy tắc: Cần chuẩn bị nhiều ảnh khác nhau, rõ nét, đúng loại và đủ tình huống để giúp máy học tốt hơn.

Thầy cô tổng kết: Dữ liệu đầu vào càng phong phú, đa dạng và phù hợp thì mô hình càng có cơ hội nhận dạng chính xác trong nhiều tình huống. Tuy nhiên, dữ liệu phải đảm bảo chất lượng và được gán nhãn đúng; bổ sung dữ liệu không đồng nghĩa với việc mô hình chắc chắn luôn đúng.

Trò chơi “Bác sĩ AI” giúp học sinh củng cố kiến thức một cách chủ động, đồng thời phát triển khả năng phân tích, hợp tác và giải quyết vấn đề. Các em hiểu rõ hơn vai trò của người dạy máy trong việc phát hiện lỗi và cải thiện dữ liệu.

Vận dụng, trải nghiệm: Dự án Giám sát giao thông nhí

Khám phá những tình huống giao thông thực tế

Hoạt động vận dụng, trải nghiệm có tên “Dự án: Giám sát giao thông nhí”, thời lượng 10 phút. Đây là hoạt động giúp học sinh vận dụng kiến thức về nâng cấp dữ liệu vào những tình huống giao thông gần gũi với cuộc sống.

Giáo viên giao nhiệm vụ: “Giả sử nhóm em phát triển ứng dụng AI hỗ trợ tài xế tự lái nhận diện biển báo. Hãy quan sát ngã tư có biển chồng chéo, bị cây che hoặc dính bùn đất”.

Học sinh hình dung tình huống giao thông minh họa, xác định những trường hợp biển báo có thể khiến AI nhận dạng sai. Các em suy nghĩ về những khó khăn mà mô hình có thể gặp khi xử lí hình ảnh trong điều kiện thực tế.

Giáo viên gợi ý học sinh xác định một hoặc hai trường hợp cụ thể. Chẳng hạn, biển báo bị cây che một phần, biển báo dính bùn đất, biển báo chụp trong trời mưa hoặc biển báo ở xa khiến hình ảnh không rõ nét.

Hoạt động này giúp học sinh mở rộng kiến thức từ môi trường thực hành trên máy tính sang những tình huống trong đời sống. Các em hiểu rằng việc xây dựng dữ liệu cho AI cần quan tâm đến những điều kiện mà máy có thể gặp khi hoạt động thực tế.

Bước 1: Quan sát và xác định tình huống AI có thể nhận dạng sai

Giáo viên yêu cầu học sinh quan sát tình huống giao thông minh họa hoặc hình dung một ngã tư có nhiều biển báo. Các em xác định những đặc điểm có thể khiến máy nhận dạng sai, chẳng hạn biển bị che khuất, dính bùn đất hoặc chụp trong điều kiện ánh sáng yếu.

Học sinh làm việc cá nhân, lựa chọn một hoặc hai trường hợp mà mình cho rằng mô hình AI có thể gặp khó khăn. Các em ghi lại tình huống và giải thích vì sao hình ảnh đó có thể khiến máy phân loại sai.

Giáo viên khuyến khích học sinh sử dụng những kiến thức đã học trong hoạt động khám phá và trò chơi “Bác sĩ AI”. Các em cần liên hệ giữa tình huống thực tế với nguyên nhân thiếu dữ liệu hoặc dữ liệu chưa đa dạng.

Việc xác định vấn đề giúp học sinh phát triển khả năng quan sát và phân tích. Các em nhận ra rằng mô hình AI cần được kiểm thử trong nhiều điều kiện khác nhau để phát hiện những hạn chế của dữ liệu.

Bước 2: Đề xuất dữ liệu cần bổ sung

Sau khi xác định tình huống, học sinh đề xuất những loại hình ảnh cần bổ sung để giúp AI nhận dạng tốt hơn. Với biển báo bị cây che khuất, các em có thể đề xuất thêm ảnh biển báo có mức độ che khuất khác nhau.

Đối với biển báo dính bùn đất, học sinh đề xuất bổ sung ảnh biển báo cùng loại trong tình trạng sạch và bị bám bẩn ở những mức độ khác nhau. Với biển báo chụp trong điều kiện trời mưa hoặc ánh sáng yếu, các em có thể đề xuất ảnh chụp trong nhiều điều kiện ánh sáng và thời tiết.

Giáo viên hướng dẫn học sinh giải thích vì sao những dữ liệu đó cần thiết. Các em cần xác định rõ dữ liệu mới sẽ giúp mô hình học thêm đặc điểm nào và hỗ trợ nhận dạng trong tình huống ra sao.

Hoạt động này giúp học sinh hiểu rằng dữ liệu huấn luyện cần phản ánh những tình huống thực tế. Khi mô hình được cung cấp nhiều hình ảnh phù hợp hơn, nó có cơ hội học được những đặc điểm đa dạng của biển báo.

Bước 3: Chia sẻ ý tưởng và liên hệ thực tiễn

Giáo viên mời 3–4 học sinh chia sẻ ý tưởng về những dữ liệu cần bổ sung cho mô hình AI giao thông. Các em trình bày trường hợp biển báo có thể bị nhận dạng sai, loại ảnh cần thêm và lý do lựa chọn.

Học sinh trong lớp lắng nghe, nhận xét và bổ sung những tình huống khác. Giáo viên đánh giá ý tưởng, khen ngợi những đề xuất sáng tạo và có tính thực tế.

Thông qua việc chia sẻ, học sinh hiểu rằng mỗi tình huống có thể cần những dữ liệu khác nhau. Việc nâng cấp dữ liệu không chỉ là bổ sung ảnh mà còn là quá trình lựa chọn hình ảnh phù hợp với mục đích cải thiện mô hình.

Giáo viên liên hệ với cuộc sống, nhấn mạnh vai trò của dữ liệu trong các ứng dụng AI hỗ trợ giao thông. Thầy cô giúp học sinh nhận thức rằng những mô hình nhận dạng biển báo cần được kiểm tra cẩn thận và không thể thay thế hoàn toàn sự quan sát, phán đoán có trách nhiệm của con người.

Bước 4: Giao nhiệm vụ tiếp nối sau bài học

Cuối hoạt động, giáo viên dặn học sinh chụp ảnh biển báo trên đường đi học và ghi chú những khó khăn khi chụp như trời tối, mưa, khoảng cách xa hoặc biển báo bị che khuất. Nhiệm vụ được thực hiện khi có sự đồng ý của người lớn và đảm bảo an toàn giao thông.

Học sinh ghi nhớ nhiệm vụ về nhà, chuẩn bị những hình ảnh hoặc nhận xét để tiết sau trao đổi. Giáo viên nhắc các em không tự ý sử dụng điện thoại khi đang đi đường, không đứng ở vị trí nguy hiểm để chụp ảnh và không chụp thông tin cá nhân của người khác.

Hoạt động vận dụng giúp học sinh kết nối kiến thức với thực tế, phát triển khả năng quan sát và ý thức sử dụng công nghệ có trách nhiệm. Các em hiểu rằng dữ liệu thực tế có giá trị trong việc cải thiện mô hình, nhưng quá trình thu thập dữ liệu cần đảm bảo an toàn và tôn trọng quyền riêng tư.

Giáo án AI Bài 10 giúp giáo viên tổ chức giờ học thực hành hiệu quả

Tiến trình dạy học rõ ràng, bám sát nội dung bài

Kế hoạch bài dạy được xây dựng theo tiến trình gồm Mở đầu, Khám phá, Luyện tập – thực hành và Vận dụng – trải nghiệm. Mỗi hoạt động đều xác định mục tiêu, nội dung, sản phẩm học tập và cách tổ chức thực hiện cụ thể.

Phần mở đầu tạo tình huống AI nhận dạng sai, phần khám phá giúp học sinh trực tiếp thao tác cải thiện dữ liệu, phần luyện tập củng cố kiến thức thông qua trò chơi “Bác sĩ AI” và phần vận dụng mở rộng kiến thức vào dự án giao thông.

Cách tổ chức này giúp giáo viên dễ dàng theo dõi tiến trình học tập, xác định nhiệm vụ của từng hoạt động và chủ động điều chỉnh khi cần thiết. Đồng thời, học sinh được trải nghiệm kiến thức theo trình tự từ nhận biết vấn đề, khám phá cách giải quyết đến thực hành và vận dụng.

Hoạt động giáo viên và học sinh được trình bày khoa học

Giáo án được thiết kế với phần tiến trình dạy học trình bày theo hai cột Giáo viên – Học sinh. Cách bố trí này giúp thầy cô dễ dàng quan sát nhiệm vụ hướng dẫn và hoạt động tương ứng của học sinh.

Các câu hỏi gợi mở, nhiệm vụ thực hành và sản phẩm học tập được thể hiện rõ ràng. Giáo viên có thể nhanh chóng xác định nội dung cần tổ chức, trong khi học sinh được định hướng thực hiện những nhiệm vụ cụ thể.

Hình ảnh minh họa được bố trí theo từng hoạt động, giúp giáo viên thuận tiện sử dụng khi trình chiếu hoặc hướng dẫn học sinh quan sát. Nhờ đó, bài học có tính trực quan và dễ triển khai trong lớp học.

Tích hợp Teachable Machine vào hoạt động thực hành

Một điểm nổi bật của Bài 10 là học sinh được trực tiếp sử dụng Teachable Machine để kiểm thử và cải thiện mô hình AI. Các thao tác được tổ chức theo trình tự rõ ràng, từ mở dự án, chạy thử bằng Webcam, ghi lỗi, bổ sung dữ liệu đến huấn luyện lại mô hình.

Việc sử dụng nền tảng thực hành giúp học sinh hiểu kiến thức thông qua trải nghiệm trực tiếp. Các em được quan sát phần trăm dự đoán, xác định trường hợp máy nhận dạng sai và kiểm tra kết quả sau khi bổ sung dữ liệu.

Giáo viên có thể tổ chức hoạt động theo nhóm hoặc cá nhân tùy điều kiện thiết bị. Nếu số lượng máy tính hạn chế, thầy cô có thể trình chiếu thao tác mẫu, sau đó cho học sinh thực hành theo nhóm luân phiên.

Kết hợp trò chơi học tập và giải quyết vấn đề

Trò chơi “Bác sĩ AI” tạo cơ hội để học sinh vận dụng kiến thức vào những tình huống cụ thể. Các em đóng vai người chẩn đoán lỗi, xác định nguyên nhân và đề xuất cách cải thiện dữ liệu.

Hình thức trò chơi giúp học sinh học tập tích cực, đồng thời phát triển khả năng phân tích và hợp tác. Những tình huống lỗi được xây dựng gần gũi, giúp các em dễ liên hệ với quá trình kiểm thử mô hình.

Bên cạnh đó, hoạt động “Giám sát giao thông nhí” tiếp tục mở rộng kiến thức sang những tình huống thực tế. Học sinh được suy nghĩ về các điều kiện mà mô hình AI có thể gặp trong cuộc sống, từ đó đề xuất những dữ liệu cần bổ sung.

Phát triển năng lực giải quyết vấn đề

Bài học tạo cơ hội để học sinh thực hiện một quy trình giải quyết vấn đề tương đối đầy đủ: nhận biết lỗi, xác định nguyên nhân, đề xuất giải pháp, thực hiện cải thiện và kiểm tra kết quả.

Các em không chỉ biết máy có thể nhận dạng sai mà còn hiểu cách tìm nguyên nhân và cải thiện dữ liệu. Đây là bước quan trọng trong việc hình thành tư duy khoa học và năng lực sử dụng trí tuệ nhân tạo.

Giáo viên có thể khuyến khích học sinh giải thích những quyết định của mình, chẳng hạn vì sao cần bổ sung ảnh ở góc nghiêng hoặc vì sao phải thêm ảnh biển báo trong điều kiện ánh sáng yếu. Việc giải thích giúp học sinh hiểu sâu hơn về mối liên hệ giữa dữ liệu và kết quả nhận dạng.

Hình thành phẩm chất chăm chỉ, kiên trì và trách nhiệm

Các thao tác thực hành trên Teachable Machine yêu cầu học sinh kiên trì quan sát, thử nghiệm và ghi chép kết quả. Khi mô hình nhận dạng sai, các em cần bình tĩnh tìm nguyên nhân, không bỏ cuộc hoặc đưa ra kết luận vội vàng.

Giáo án khuyến khích học sinh thực hiện đúng quy trình, phối hợp với bạn và hoàn thành nhiệm vụ được giao. Những hoạt động này góp phần hình thành thái độ học tập tích cực và trách nhiệm trong quá trình sử dụng công nghệ.

Bên cạnh đó, việc thu thập hình ảnh thực tế được gắn với yêu cầu đảm bảo an toàn và bảo mật thông tin. Học sinh được nhắc nhở không tự ý chụp ảnh ở những vị trí nguy hiểm, không sử dụng dữ liệu cá nhân của người khác và cần tuân thủ hướng dẫn của giáo viên, người lớn.

Những giá trị giáo dục nổi bật của Bài 10: Nâng cấp dữ liệu

Giúp học sinh hiểu vai trò của dữ liệu trong trí tuệ nhân tạo

Một trong những giá trị quan trọng nhất của bài học là giúp học sinh nhận biết dữ liệu có ảnh hưởng đến khả năng nhận dạng của mô hình AI. Các em hiểu rằng máy học từ những hình ảnh được cung cấp và kết quả nhận dạng phụ thuộc vào đặc điểm của dữ liệu huấn luyện.

Thông qua tình huống biển báo vẽ tay, ảnh chụp thực tế và những hình ảnh bị che khuất, học sinh nhận ra rằng dữ liệu chưa phù hợp có thể khiến máy phân loại sai. Việc bổ sung hình ảnh đa dạng giúp mô hình có cơ hội học thêm những đặc điểm mới.

Nhận thức này giúp học sinh hiểu đúng về trí tuệ nhân tạo, tránh quan niệm rằng máy luôn nhận dạng chính xác hoặc tự biết cách xử lí mọi tình huống. Đồng thời, các em hiểu rằng con người đóng vai trò quan trọng trong việc chuẩn bị, kiểm tra và cải thiện dữ liệu.

Rèn luyện tư duy khoa học thông qua kiểm thử mô hình

Quá trình chạy thử mô hình giúp học sinh hình thành thói quen quan sát và kiểm tra kết quả trước khi đưa ra kết luận. Các em được yêu cầu xác định biển báo thực tế, kết quả dự đoán của máy và những trường hợp nhận dạng sai.

Việc ghi lại lỗi vào phiếu “Báo cáo lỗi mô hình” giúp học sinh theo dõi quá trình kiểm thử có hệ thống. Các em hiểu rằng cần có bằng chứng cụ thể để xác định vấn đề, thay vì chỉ nhận xét chung rằng máy hoạt động chưa tốt.

Sau khi bổ sung dữ liệu và huấn luyện lại, học sinh tiếp tục kiểm tra mô hình bằng những hình ảnh đã sử dụng trước đó. Việc so sánh kết quả trước và sau giúp các em nhận biết sự thay đổi và đánh giá hiệu quả của quá trình cải thiện dữ liệu.

Phát triển năng lực phân tích và suy luận

Trong trò chơi “Bác sĩ AI”, học sinh phải xác định nguyên nhân của từng lỗi nhận dạng. Các em cần phân tích đặc điểm hình ảnh, xem xét khả năng thiếu dữ liệu và lựa chọn cách bổ sung phù hợp.

Ví dụ, khi ảnh biển báo bị che khuất, học sinh không chỉ nhận xét rằng hình ảnh không rõ mà còn cần giải thích vì sao máy có thể thiếu thông tin để nhận dạng. Khi ảnh chụp ở góc nghiêng, các em liên hệ với sự đa dạng của dữ liệu huấn luyện.

Những hoạt động này giúp học sinh phát triển khả năng suy luận từ tình huống cụ thể. Các em được rèn luyện cách xác định nguyên nhân, phân tích vấn đề và lựa chọn giải pháp có cơ sở.

Phát triển năng lực hợp tác và giao tiếp

Các hoạt động nhóm tạo cơ hội để học sinh trao đổi, phân công nhiệm vụ và thống nhất cách giải quyết vấn đề. Trong trò chơi “Bác sĩ AI”, mỗi thành viên có thể đảm nhận một vai trò khác nhau để hoàn thành hồ sơ chẩn đoán.

Việc trình bày kết quả trước lớp giúp học sinh phát triển khả năng diễn đạt và bảo vệ ý kiến. Các em được lắng nghe nhận xét của bạn bè, bổ sung những ý tưởng mới và điều chỉnh kết quả khi cần thiết.

Thông qua quá trình này, học sinh hiểu rằng việc giải quyết vấn đề có thể cần nhiều ý kiến và cách tiếp cận khác nhau. Các em được rèn luyện tinh thần hợp tác, tôn trọng ý kiến và hỗ trợ nhau trong học tập.

Hình thành tư duy cải tiến và học tập từ sai sót

Bài học giúp học sinh hiểu rằng kết quả chưa chính xác không phải là điều cần che giấu mà là cơ hội để cải thiện. Khi máy nhận dạng sai, các em cần tìm hiểu nguyên nhân, bổ sung dữ liệu và kiểm tra lại mô hình.

Quá trình này tạo điều kiện để học sinh hình thành tư duy cải tiến liên tục. Các em nhận biết rằng một mô hình có thể được nâng cấp thông qua những bước thực hành cụ thể, thay vì chỉ chấp nhận kết quả ban đầu.

Giáo viên có thể khuyến khích học sinh chia sẻ những lỗi đã gặp trong quá trình thực hành. Việc trao đổi về sai sót giúp các em hiểu rõ hơn cách xử lí vấn đề và phát triển thái độ kiên trì trong học tập.

Giáo dục học sinh sử dụng AI có trách nhiệm

Bài học không chỉ tập trung vào thao tác kỹ thuật mà còn chú trọng trách nhiệm khi sử dụng dữ liệu. Học sinh được nhắc nhở về việc thu thập hình ảnh an toàn, bảo vệ thông tin cá nhân và tuân thủ hướng dẫn của giáo viên.

Trong hoạt động vận dụng về giao thông, các em hiểu rằng AI có thể hỗ trợ nhận diện biển báo nhưng không thể thay thế hoàn toàn sự quan sát và phán đoán có trách nhiệm của con người. Những mô hình AI cần được kiểm tra cẩn thận trước khi sử dụng trong các tình huống thực tế.

Đây là nội dung quan trọng giúp học sinh hình thành nhận thức đúng đắn về công nghệ. Các em không chỉ biết cách sử dụng AI mà còn hiểu cần sử dụng một cách an toàn, có trách nhiệm và phù hợp với mục đích.

Vì sao giáo viên nên lựa chọn giáo án AI Bài 10?

Tiết kiệm thời gian chuẩn bị bài giảng

Việc xây dựng một kế hoạch bài dạy AI có nội dung thực hành trên Teachable Machine đòi hỏi giáo viên chuẩn bị nhiều học liệu, từ mô hình mẫu, hình ảnh biển báo, phiếu báo cáo lỗi đến hồ sơ trò chơi và nhiệm vụ vận dụng.

Giáo án Bài 10 cung cấp tiến trình rõ ràng, giúp thầy cô thuận tiện tham khảo và tổ chức bài học. Các hoạt động được thiết kế theo trình tự hợp lý, có mục tiêu, nội dung và sản phẩm học tập cụ thể.

Nhờ đó, giáo viên có thể tập trung vào việc chuẩn bị thiết bị, hình ảnh và tổ chức thực hành. Đây là lợi ích thiết thực đối với thầy cô đang triển khai nội dung trí tuệ nhân tạo ở lớp 5.

Thuận tiện chỉnh sửa và sử dụng trên Word

Giáo án được trình bày theo bố cục khoa học, phần tiến trình dạy học chia hai cột Giáo viên – Học sinh. Cách bố trí này giúp thầy cô dễ dàng theo dõi nhiệm vụ hướng dẫn và hoạt động tương ứng của học sinh.

File Word cho phép giáo viên chủ động chỉnh sửa, bổ sung ghi chú, thay đổi thời lượng hoặc điều chỉnh cách tổ chức hoạt động phù hợp với điều kiện thực tế. Thầy cô có thể cá nhân hóa bài giảng mà không cần xây dựng lại toàn bộ kế hoạch.

Hình ảnh minh họa được bố trí theo từng hoạt động giúp giáo viên thuận tiện sử dụng trong quá trình trình chiếu. Bản giáo án cũng hỗ trợ thầy cô theo dõi nhanh nhiệm vụ và sản phẩm học tập cần đạt.

Dễ dàng tổ chức thực hành với thiết bị sẵn có

Bài 10 sử dụng những thiết bị gần gũi với điều kiện dạy học hiện nay như máy tính, máy tính bảng có Webcam, kết nối Internet, giấy A4, bút và hình ảnh biển báo giao thông.

Nếu lớp học có đủ thiết bị, giáo viên có thể tổ chức cho học sinh thực hành trực tiếp theo nhóm hoặc cá nhân. Các em được mở mô hình, chạy thử, bổ sung dữ liệu và kiểm tra kết quả ngay trong giờ học.

Nếu số lượng máy tính hạn chế, thầy cô có thể trình chiếu thao tác mẫu, tổ chức học sinh quan sát và thực hiện theo nhóm luân phiên. Những hoạt động “Bác sĩ AI” và “Giám sát giao thông nhí” vẫn có thể triển khai bằng hình ảnh minh họa, hồ sơ tình huống và phiếu học tập.

Tăng tính trực quan và hấp dẫn của giờ học

Bài học kết hợp hình ảnh biển báo giao thông, thao tác Webcam, phần trăm dự đoán và trò chơi học tập. Những yếu tố này giúp học sinh dễ quan sát, dễ hiểu và hứng thú hơn với nội dung trí tuệ nhân tạo.

Thay vì chỉ học khái niệm nâng cấp dữ liệu, các em được trực tiếp thấy mô hình nhận dạng sai, tìm nguyên nhân và thử cải thiện kết quả. Quá trình trải nghiệm giúp kiến thức trở nên cụ thể và có ý nghĩa thực tế.

Các hoạt động được thiết kế theo hướng học sinh chủ động tham gia, giáo viên đóng vai trò hướng dẫn và hỗ trợ. Đây là cách tổ chức phù hợp với mục tiêu phát triển năng lực trong dạy học AI ở tiểu học.

Tải miễn phí giáo án AI Bài 10: Nâng cấp dữ liệu

Nếu thầy cô đang tìm kiếm một kế hoạch bài dạy AI có nội dung thiết thực, hoạt động rõ ràng và phương pháp tổ chức sinh động, giáo án AI Bài 10: Nâng cấp dữ liệu là tài liệu hữu ích để tham khảo và triển khai trong lớp học.

Bản giáo án được trình bày dưới dạng Word, bố cục khoa học, phần tiến trình dạy học chia hai cột Giáo viên – Học sinh, các hoạt động được sắp xếp liên tục và hình ảnh minh họa đặt theo nội dung tương ứng. Thầy cô có thể chủ động chỉnh sửa, bổ sung hoặc điều chỉnh cách tổ chức hoạt động phù hợp với đối tượng học sinh và điều kiện thiết bị.

Những nội dung thầy cô nhận được khi tải giáo án

• Kế hoạch bài dạy AI Bài 10: Nâng cấp dữ liệu.

• Nội dung yêu cầu cần đạt về kiến thức, năng lực và phẩm chất.

• Phần thiết bị dạy học, học liệu và tài nguyên thực hành.

• Hoạt động mở đầu “Thử tài trí tuệ nhân tạo”.

• Hoạt động khám phá “Thao tác dạy lại AI qua Webcam”.

• Quy trình chạy thử mô hình, ghi lỗi và bổ sung dữ liệu.

• Hướng dẫn huấn luyện lại mô hình bằng Train Model.

• Trò chơi luyện tập “Bác sĩ AI”.

• Hoạt động vận dụng “Dự án: Giám sát giao thông nhí”.

• Hệ thống câu hỏi, nhiệm vụ thực hành và tình huống vận dụng.

• File Word thuận tiện chỉnh sửa và sử dụng.

Hướng dẫn tải giáo án miễn phí

Thầy cô có thể truy cập khu vực tải tài liệu của bài viết để nhận bản giáo án Word Bài 10: Nâng cấp dữ liệu. Sau khi tải về, giáo viên có thể mở file, xem lại nội dung, điều chỉnh thông tin lớp học và bổ sung những học liệu phù hợp với điều kiện giảng dạy.

[TẢI MIỄN PHÍ GIÁO ÁN AI BÀI 10: NÂNG CẤP DỮ LIỆU]

Hy vọng tài liệu sẽ giúp thầy cô tiết kiệm thời gian chuẩn bị bài, tổ chức giờ học AI sinh động và tạo thêm nhiều cơ hội để học sinh khám phá công nghệ thông minh thông qua những trải nghiệm thực tế.

Câu hỏi thường gặp về giáo án AI Bài 10: Nâng cấp dữ liệu

Bài 10: Nâng cấp dữ liệu giúp học sinh học được gì?

Bài học giúp học sinh hiểu rằng dữ liệu có vai trò quan trọng trong quá trình huấn luyện mô hình AI. Các em được thực hành chạy thử mô hình, phát hiện lỗi phân loại, bổ sung hình ảnh và huấn luyện lại để cải thiện kết quả nhận dạng.

Giáo án Bài 10 có những hoạt động nào?

Giáo án gồm bốn hoạt động chính: Mở đầu “Thử tài trí tuệ nhân tạo”, Khám phá “Thao tác dạy lại AI qua Webcam”, Luyện tập – thực hành “Trò chơi: Bác sĩ AI” và Vận dụng – trải nghiệm “Dự án: Giám sát giao thông nhí”.

Các hoạt động được thiết kế theo tiến trình từ nhận biết vấn đề, khám phá cách cải thiện dữ liệu đến thực hành và vận dụng kiến thức vào những tình huống giao thông thực tế.

Học sinh có được trực tiếp thực hành trên Teachable Machine không?

Có. Trong hoạt động khám phá, học sinh được hướng dẫn truy cập Teachable Machine, mở mô hình “Phân loại biển báo”, kiểm thử bằng hình ảnh vẽ tay và ảnh chụp thực tế, ghi lỗi, bổ sung dữ liệu bằng Upload hoặc Webcam và nháy Train Model để huấn luyện lại.

Nếu máy tính không nhận dạng chính xác, học sinh cần làm gì?

Học sinh cần xác định loại biển báo thực tế, kết quả máy dự đoán và nguyên nhân có thể khiến mô hình nhận dạng sai. Sau đó, các em bổ sung những hình ảnh phù hợp, đúng loại, rõ nét và đa dạng hơn vào lớp dữ liệu tương ứng.

Tiếp theo, học sinh huấn luyện lại mô hình và kiểm tra kết quả sau khi bổ sung dữ liệu. Việc kiểm thử giúp các em đánh giá sự thay đổi và nhận biết hiệu quả của quá trình cải thiện mô hình.

Trò chơi Bác sĩ AI có ý nghĩa gì trong bài học?

Trò chơi giúp học sinh củng cố kiến thức về cách cải thiện dữ liệu thông qua việc chẩn đoán lỗi và đề xuất giải pháp. Các em được phân tích những tình huống như ảnh biển báo mờ, bị che khuất hoặc chụp ở góc nghiêng lạ.

Thông qua hoạt động nhóm, học sinh phát triển khả năng phân tích, hợp tác và giải quyết vấn đề. Đồng thời, các em hiểu rằng mỗi lỗi nhận dạng có thể cần một cách cải thiện dữ liệu phù hợp.

Giáo án có phù hợp với giáo viên đang triển khai chương trình AI ở tiểu học không?

Giáo án được xây dựng với mục tiêu, nội dung, sản phẩm và cách tổ chức thực hiện cụ thể. Thầy cô có thể sử dụng làm tài liệu tham khảo, đồng thời điều chỉnh thời lượng, học liệu và cách tổ chức hoạt động theo điều kiện thực tế của lớp học.

Giáo án được cung cấp dưới định dạng nào?

Tài liệu được cung cấp dưới dạng Word, thuận tiện cho giáo viên mở, chỉnh sửa và bổ sung nội dung. Phần tiến trình dạy học được trình bày theo hai cột Giáo viên – Học sinh, hỗ trợ việc theo dõi và tổ chức các hoạt động trên lớp.

Bài học có thể vận dụng vào cuộc sống hằng ngày không?

Có. Hoạt động “Giám sát giao thông nhí” giúp học sinh quan sát những tình huống biển báo thực tế và đề xuất dữ liệu cần bổ sung cho mô hình AI. Các em được suy nghĩ về những trường hợp biển báo bị che khuất, dính bùn đất, chụp trong điều kiện ánh sáng yếu hoặc ở khoảng cách xa.

Qua đó, học sinh hiểu rõ hơn vai trò của dữ liệu trong những ứng dụng AI hỗ trợ giao thông. Các em cũng được giáo dục về an toàn và trách nhiệm khi thu thập hình ảnh thực tế.

Kết luận: Nâng cấp dữ liệu – Bài học thực hành AI thiết thực dành cho học sinh lớp 5

Bài giảng AI Bài 10: Nâng cấp dữ liệu giúp học sinh hiểu rằng khả năng nhận dạng của trí tuệ nhân tạo phụ thuộc rất nhiều vào dữ liệu được cung cấp trong quá trình huấn luyện. Thông qua các hoạt động thực hành trên Teachable Machine, trò chơi “Bác sĩ AI” và dự án “Giám sát giao thông nhí”, các em được trực tiếp trải nghiệm quá trình phát hiện lỗi, bổ sung dữ liệu và cải thiện mô hình.

BẤM VÀO ĐÂY TẢI MIỄN PHÍ BÀI 10

Đối với giáo viên, kế hoạch bài dạy được thiết kế rõ ràng, có hình ảnh minh họa và tiến trình hoạt động cụ thể sẽ là nguồn tài liệu hữu ích trong quá trình chuẩn bị giờ học. Các hoạt động thực hành, trò chơi và nhiệm vụ vận dụng giúp thầy cô tổ chức bài học sinh động, tạo cơ hội để học sinh chủ động khám phá và phát triển năng lực sử dụng trí tuệ nhân tạo.