CURRICULUM · VISUAL LAB

xKyro Visual Lab

A collection of xKyro-styled visualizations — algorithms, physics, and robotics. Each video explains how it works, an example use case, and its key formula or reference code.

Curriculum FilterAll

LevelElementary Junior High Senior High

PhasePhase C Phase D Phase E Phase F

ElementE1 · Computational Thinking E2 · Digital Literacy E3 · AI Literacy & Ethics E4 · AI Use & Development E5 · Programming & Algorithms E6 · Data Analysis

AI Literacy & Ethics4 lessons · Pemula–Menengah

AI Must Help, Not Harm

AI Literacy & EthicsPemula

Fase C–FE3E1

Prinsip dasar KA: dibangun untuk menyejahterakan manusia, bukan merugikan. Perancang yang beretika menjaga manfaatnya jauh lebih besar dari bahayanya.

Example use case

AI bantu tunanetra 'melihat' jalan (baik) vs AI yang menipu atau mengucilkan orang (buruk).

Syllabus

AI dibuat untuk membantu manusia. Timbang manfaat vs bahaya; rancang agar tak merugikan.

Objectives

·Memahami prinsip AI untuk kesejahteraan manusia
·Menimbang manfaat dan bahaya sebuah penggunaan AI
·Sikap empati & tidak merugikan orang lain

How It Works

·Tiap AI punya sisi manfaat dan sisi bahaya
·Rancangan beretika memperbesar manfaat, memperkecil bahaya
·Yang merugikan/menipu melanggar prinsip
·Manusia (dan perancang) bertanggung jawab menjaganya

Real-World Uses

·AI bantu disabilitas & kesehatan
·AI deteksi bencana dini
·vs penipuan/manipulasi berbasis AI

Key message AI harus membantu, bukan merugikan. Timbang manfaat vs bahaya.

How AI Learns

AI Literacy & EthicsPemula

Fase C–FE3E4

AI mengenali pola dari banyak contoh — bukan sihir. Ia bisa terdengar sangat percaya diri, tapi tetap bisa keliru. Yakin bukan berarti benar.

Example use case

AI yakin 98% sebuah foto adalah anjing, padahal jelas-jelas kucing.

Syllabus

AI menebak dari contoh yang pernah dilihat. Angka keyakinan tinggi tidak menjamin jawaban benar.

Objectives

·Memahami AI sebagai pencocok pola dari data, bukan sihir
·Menyadari AI bisa 'halusinasi' / pede tapi salah
·Terbiasa mengecek ulang jawaban AI

How It Works

·AI belajar memisahkan contoh berlabel
·Contoh baru ditebak seperti contoh terdekat
·Untuk kasus ambigu, tebakan bisa salah walau keyakinannya tinggi

Prerequisites

·Mesin Cerdas vs Mesin Biasa

Real-World Uses

·Teachable Machine di kelas
·Google Lens / pengenalan gambar
·Jawaban chatbot AI

Key message AI = pola dari contoh. Pede ≠ benar; selalu cek ulang.

Smart Machine vs Ordinary Machine

AI Literacy & EthicsPemula

Fase C–FE3E1

Mesin biasa hanya mengikuti aturan tetap. Mesin cerdas (AI) mengenali pola dari contoh, dan 'mengindra' dunia lewat kamera & mikrofon — cara yang berbeda dari indra manusia.

Example use case

Kalkulator selalu ikut aturan yang sama; asisten AI mengenali suara & wajah yang belum pernah persis ia lihat.

Syllabus

Mesin biasa mengikuti aturan tetap; mesin cerdas mengenali pola dari contoh.

Objectives

·Membedakan mesin cerdas dan mesin non-cerdas
·Memahami cara komputer 'mengindra' (kamera, mikrofon) vs indra manusia
·Mengenali AI di sekitar sehari-hari

How It Works

·Manusia mengindra lewat mata & telinga; komputer lewat kamera (piksel) & mikrofon (gelombang)
·Mesin biasa: input sama → output sama, selalu
·Mesin cerdas: mengenali pola sehingga bisa menghadapi contoh baru

Real-World Uses

·Buka kunci HP dengan wajah
·Asisten suara
·Kalkulator vs asisten AI

Key message Mesin biasa = aturan tetap. Mesin cerdas = pola dari contoh.

Digital Footprint

AI Literacy & EthicsMenengah

Fase C–FE3E2

Tiap tap, like, dan lokasi jadi satu titik data. Dikumpulkan, semuanya merakit profil dirimu — yang bisa dijual ke pengiklan tanpa kamu sadari.

Example use case

Aplikasi/game gratis minta izin kontak & lokasi; iklan tiba-tiba 'membaca pikiran' setelah kamu membicarakannya.

Syllabus

Data kecil yang kamu tinggalkan dikumpulkan jadi profil bernilai. Jaga jejakmu.

Objectives

·Memahami bahwa perilaku online meninggalkan data
·Menyadari data dirakit jadi profil & bisa diperjualbelikan
·Lebih hati-hati memberi izin & membagikan data

How It Works

·Tiap aksi (tap, like, lokasi) = satu titik data
·Titik-titik dikumpulkan lintas aplikasi
·Pola dirakit jadi profil (usia, minat, domisili, daya beli)
·Profil dipakai/dijual untuk menargetkan iklan

Real-World Uses

·Izin aplikasi gratis (kontak, lokasi, mikrofon)
·Iklan yang terasa 'menguping'
·Kuis/filter yang minta data pribadi

Key message Data kecilmu dirakit jadi profil yang dijual. Beri izin dengan sadar.