Uczniowie będą:

1. rozumieć, jak systemy rekomendacji AI wpływają na codzienne wybory i zachowania konsumpcyjne
2. rozpoznawać, że systemy rekomendacji są projektowane tak, aby optymalizować zaangażowanie, sprzedaż lub uwagę, a nie zrównoważony rozwój
3. wyjaśniać, jak systemy rekomendacji mogą wzmacniać linearne wzorce konsumpcji, takie jak ciągłe ulepszanie i wymiana
4. badać, jak te same systemy można przeprojektować, aby wspierały praktyki gospodarki o obiegu zamkniętym
5. identyfikować kompromisy między efektywnością, zyskiem, zaangażowaniem użytkowników i zrównoważonym rozwojem
6. zastanawiać się nad osobistą sprawczością i odpowiedzialnością podczas korzystania z rekomendacji AI