Post op Fediverse, op mastodon als ‘blabla2005@mastodon.social‘
Generatieve AI
We hebben ons verdiept in de werking van een fundamenteel onderdeel van het internet, namelijk generatieve AI. Dit onderzoek hebben we verwerkt in een presentatie en gedeeld met onze klasgenoten. Tot slot keken we terug op wat we zelf hebben geleerd en wat we hebben meegenomen uit de presentaties van anderen die andere onderdelen van het internet onderzochten.
-> link naar de kahoot: https://kahoot.it/challenge/01625443?challenge-id=26d253c3-faa9-4844-b2bf-f67901ae4a7d_1761404564018
*Ik heb een extra dia toegevoegd over de maatschappelijke impact van AI, met de focus op bias in trainingsdata. Tijdens mijn presentatie zou ik uitleggen dat AI-systemen vaak getraind worden op scheve datasets, waardoor bijvoorbeeld gezichtsherkenning mensen met een donkere huidskleur minder goed herkent. Dit laat zien dat technologie niet neutraal is en dat diversere data en betere controle nodig zijn om eerlijke algoritmes te ontwikkelen.
→ Gemaakt met Zakaria:
– Zakaria: Vragen voor de Kahoot opgesteld, bijdrage geleverd aan de presentatie en samen onderzoek gedaan.
– Kaoutar: Kahoot/presentatie in elkaar gezet en samen onderzoek gedaan.
Reflectie weekopdracht:
Voor deze weekopdracht hebben we allemaal onderzoek gedaan naar verschillende onderwerpen rondom technologie en AI. Ik begin bij mijn eigen onderzoek, dat ging over generatieve AI. In eerste instantie wist ik er niet superveel van. Ik gebruikte ChatGPT wel vaak, bijvoorbeeld voor schoolopdrachten of om snel iets op te zoeken, maar verder had ik eigenlijk geen idee hoe het allemaal werkte of wanneer dit allemaal begonnen is. Tijdens mijn onderzoek ben ik veel meer te weten gekomen. Mijn belangrijkste bron was ChatGPT zelf. Wie kan mij beter uitleggen hoe generatieve AI werkt dan een AI-systeem zelf? Ik vond het ook leuk om daar mee te experimenteren, dus ik stelde gewoon vragen aan ChatGPT en kreeg dan duidelijke antwoorden (Chatgpt, z.d.). Natuurlijk heb ik daarnaast ook nog andere bronnen bekeken, maar dit was wel de voornaamste. Wat me vooral heeft verrast is dat de manier waarop AI teksten en beelden maakt eigenlijk iets logischer in elkaar zit dan ik dacht. Het lijkt ingewikkeld, maar de basis, namelijk dat het steeds voorspelt wat het meest logische volgende woord of pixel is, maakt het beter te begrijpen. Dit zette me ook aan het denken: als dit nu al zo ver is, hoe ziet de toekomst er dan uit? Wordt alles straks automatisch gemaakt door AI?
Ook heb ik veel geleerd van de presentaties van mijn klasgenoten. De eerste presentatie die ik interessant vond was die van Freek en Laurens, over het fediversum. Hier wist ik eerlijk gezegd bijna niks van, behalve dat het iets met decentralisatie te maken had. Tijdens hun presentatie ben ik er niet alleen achter gekomen wat het is maar ook dat je data niet zomaar gedeeld wordt met allerlei instanties, en dat privacy dus echt een belangrijk punt is. Wat mij echt aan het denken heeft gezet, was de stelling die zij erbij gaven: wat is belangrijker, privacy of gebruiksgemak? Daar blijf ik een beetje tussenin hangen, omdat ik vind dat beide belangrijk zijn. Ik merkte dat ik eigenlijk best vaak kies voor gemak, bijvoorbeeld door gewoon snel met mijn Google-account ergens in te loggen, terwijl ik daarmee eigenlijk best veel privacy weggeef. Dat is iets waar ik na hun presentatie wel bewuster over ben gaan nadenken.
De tweede presentatie was van Yentl en Djieno over sociale media-algoritmes. Ik wist al dat je steeds vaker een bepaald soort content voorbij ziet komen, omdat je ergens op klikt of omdat je iets ‘leuk’ vindt. Maar hoe het precies werkt, wist ik niet echt. Nieuw voor mij was dat AI ook hierbij een grote rol speelt. Ik vond dat wel grappig, omdat ik zelf onderzoek deed naar generatieve AI, en hier dus een link lag. Wat mij echt aan het denken heeft gezet, is hoe erg dit ons wereldbeeld beïnvloedt. Je ziet vooral de dingen die jij leuk vindt of waar je het mee eens bent, en daardoor lijkt het alsof de hele wereld er zo uitziet. In hoeverre zijn we hier bewust van en gaan we dan echt gewoon mee in enkel wat ons algoritme ons laat zien?
(de volgende onderwerpen heb ik zelf onderzocht, aangezien ik niet ik de les kon zijn)
Het volgende onderwerp ging over het Internet of Things. Hier wist ik wel iets van, vooral slimme apparaten zoals lampen of een smartwatch, want die gebruik ik zelf ook. Wat ik nieuw heb geleerd, is dat al die apparaten ook met elkaar communiceren en dat daar dus heel veel data bij komt kijken. Ook begreep ik beter dat dit niet alleen handig is, maar ook risico’s met zich meebrengt. Bijvoorbeeld dat bedrijven veel meer over je weten dan je denkt. Dat zette me aan het denken: is het wel slim om straks alles ‘slim’ te maken? Een slimme koelkast lijkt me bijvoorbeeld handig, maar ik zit er niet op te wachten dat mijn koelkast weet wat ik eet en dat doorstuurt naar een bedrijf?
Tot slot over zoekmachines, zoals Google of DuckDuckGo. Wat ik al wist, is dat zoekmachines de toegangspoort zijn tot bijna alles wat je online doet. Ik gebruik zelf bijna altijd Google en heb nooit stil gestaan over wat daarachter zit. Tijdens het onderzoeken leerde ik dat zoekmachines niet alleen informatie verzamelen, maar ook sturen welke resultaten jij te zien krijgt. Dat was nieuw voor mij, want ik dacht altijd dat het gewoon neutraal was. Ook vond ik het interessant om te lezen dat alternatieven zoals DuckDuckGo juist meer op privacy gericht zijn. Dit zette me weer aan het denken, want ik realiseer me dat ik Google volledig vertrouw, terwijl zij natuurlijk heel veel van mijn data gebruiken. Eigenlijk hetzelfde als bij de presentatie van Freek en Laurens kwam hier ook weer de vraag terug: wat is belangrijker, gemak of privacy?
Plan van Aanpak – Commons Challenge: Makeup by Mario (Mario Dedivanovic).
1. Wat ga ik doen en waarom?
Ik ga bijdragen aan Wikipedia door de bestaande pagina over Mario Dedivanovic (Makeup by Mario) uit te breiden en te verbeteren. Mario Dedivanovic is een van de bekendste make-up artists ter wereld. Hij is vooral bekend van zijn werk met Kim Kardashian en zijn make-upmerk Makeup by Mario. De Wikipedia-pagina over hem is op dit moment erg kort of niet volledig, terwijl er internationaal veel betrouwbare informatie over hem beschikbaar is (denk aan interviews, nieuwsartikelen en zijn officiële website).
Mijn toevoeging zorgt ervoor dat mensen meer en beter geïnformeerde toegang krijgen tot informatie over een belangrijke persoon in de beauty-wereld. Zo draag ik bij aan de digitale commons, omdat Wikipedia door iedereen gebruikt mag worden en door iedereen verbeterd kan worden.
2. Wat ga ik precies toevoegen aan Wikipedia?
Ik ga:
- Meer biografische informatie toevoegen (geboorteplaats, achtergrond, hoe hij begon als make-up artist).
- Informatie over zijn carrière (zijn werk met beroemdheden, televisie-optredens, masterclasses).
- Informatie over zijn make-upmerk Makeup by Mario: oprichting, producten, missie, invloed op de make-up-industrie.
- Eventueel foto’s toevoegen die rechtenvrij zijn of onder een vrije licentie beschikbaar.
Ik zal eerst goed controleren of deze informatie nog niet op de Wikipedia-pagina staat, en daarna mijn bronvermelding zorgvuldig doen. Zo weet ik zeker dat ik iets nieuws toevoeg en niet iets dubbel doe.
3. Hoe past dit in de digitale commons?
Wikipedia is een van de grootste digitale commons ter wereld:
- De inhoud is vrij toegankelijk voor iedereen.
- Alles wat erop staat, kan door anderen gebruikt en aangepast worden.
- De inhoud blijft online bestaan, onafhankelijk van mijzelf — dus duurzaam gehost.
Mijn bijdrage wordt toegevoegd binnen de bestaande Wikipedia-gemeenschap, waar moderatoren en andere schrijvers het kunnen aanvullen of verbeteren. Daardoor blijft de informatie actueel, betrouwbaar en bruikbaar voor iedereen die geïnteresseerd is in make-up, mode of cultuur.
4. Haalbaarheid en planning
Dit plan is haalbaar, want er is genoeg informatie te vinden via betrouwbare bronnen zoals interviews, nieuwsartikelen en het merk zelf. Ik heb de vaardigheden om de informatie te verzamelen, te controleren en in een neutrale Wikipedia-stijl te herschrijven.
Ik heb een globale weekplanning gemaakt voor het tweede blok. Hier kan altijd nog wat geschoven worden, maar dit is in grote lijnen wat ik van plan ben om te doen.
- Week 1–2: Onderzoek doen naar Mario Dedivanovic en zijn merk Makeup by Mario.
- Week 3–4: Informatie selecteren en bronnen controleren op betrouwbaarheid.
- Week 5–6: Tekst schrijven en aanpassen aan de Wikipedia-stijl.
- Week 7-8: Feedback vragen, verbeteringen doorvoeren en de definitieve comment toevoegen.
5. Verwachte uitkomst
Na afloop is er een aangevulde, duidelijke Wikipedia-pagina over Mario Dedivanovic in het Nederlands, met betrouwbare informatie en goede bronnen. De bijdrage is duurzaam (blijft online), openbaar, en bruikbaar voor iedereen van make-upfans tot onderzoekers. Zo draag ik op mijn eigen manier bij aan de commons met iets wat ik zelf leuk en inspirerend vind.
Presentatie & filmpje leuke stad, Amsterdam
Presentatie public stack scan
EindReflectie delen:
In dit blok heb ik me onder andere beziggehouden met het delen van digitale informatie en de impact daarvan op gebruikers en de gemeenschap. Een concreet voorbeeld hiervan is de Mastodon-post die ik heb geplaatst als onderdeel van de opdracht: het ging vooral om het actief gebruiken van een platform om informatie te publiceren. Hoewel de inhoud van de post zelf beperkt was, maakte het me bewust van hoe het praktisch werkt om iets online te delen en dat er altijd keuzes gemaakt moeten worden over hoe, waar en in welke vorm informatie beschikbaar wordt gesteld.
Een ander voorbeeld is mijn presentatie over generatieve AI. Tijdens deze presentatie legde ik uit hoe AI-systemen werken. Door mijn verhaal te structureren met voorbeelden en een korte quiz, heb ik geleerd dat de manier waarop je informatie deelt minstens zo belangrijk is als de inhoud zelf. Achteraf heb ik een extra dia toegevoegd over de maatschappelijke impact van AI, met focus op bias in trainingsdata, maar deze dia is niet gepresenteerd. Dit illustreert dat delen ook een iteratief proces is: informatie kan worden aangepast of uitgebreid op basis van feedback of tijdsdruk, en dat keuzes over wat wordt gepresenteerd consequenties hebben voor wat het publiek meeneemt.
Van de presentaties van klasgenoten heb ik ook veel geleerd. De presentatie over het Fediverse benadrukte hoe decentralisatie en privacy hand in hand gaan, en zette me aan het denken over mijn eigen keuzes in digitale interacties. De presentatie over sociale media-algoritmes liet zien hoe AI bepaalt welke content we zien en hoe dit ons wereldbeeld kan beïnvloeden. Deze inzichten hebben mijn bewustzijn vergroot over de invloed van technologie op persoonlijke vrijheid en de verantwoordelijkheid die komt kijken bij het delen van informatie. Daarnaast hielp het dat beide presentaties op een overzichtelijke en toegankelijke manier werden gedeeld, met duidelijke voorbeelden en visuele ondersteuning; dit maakte het makkelijker om de inhoud te begrijpen en de impact van de informatie beter te overzien.
Daarnaast heb ik in de Commons Challenge een plan van aanpak gemaakt voor het uitbreiden van een Wikipedia-pagina over Mario Dedivanovic. Het plan laat zien hoe je informatie zo kunt voorbereiden dat het later door anderen kan worden gebruikt, gecontroleerd en aangevuld. Door goed te denken over bronnen, structuur en licenties, wordt duidelijk dat delen niet alleen gaat over publiceren, maar ook over duurzaamheid en toegankelijkheid van informatie.
Het ‘Delen’ heeft me daardoor laten inzien dat delen van digitale informatie altijd keuzes inhoudt, van platform en vormgeving tot inhoud en toekomstig gebruik. Presentaties, opdrachten en plannen zoals de Commons Challenge laten samen zien dat effectief delen betekent nadenken over hoe informatie wordt ontvangen, gebruikt en bewaard, en hoe anderen er later mee verder kunnen.