Draaiboek: AI-Ontdekkers, dag na dag
Het volledige verloop van het 4-5-daagse kernkamp, uur per uur: wat er gebeurt, wat de kinderen daarbij leren, welk spel erbij hoort en welke ondernemersrollen ze zelf opnemen. Eén regel loopt door de hele week: er wordt enkel getraind op foto's van de dieren, nooit van de kinderen zelf. De volledige lijst bouwstenen staat op de kamppagina, alle spelregels ook los in de Spellenbank. Onderaan staat hoe je hieruit het 2-daagse en het 10-daagse kamp afleidt.
Dag 1 — Zonder scherm: de robot en de beslisboom
Vandaag bouwen de kinderen de kernwoorden van AI op zonder één scherm aan te raken: trainen, classificeren, een regel raden uit voorbeelden. Iedereen gaat naar huis met een robot die écht "getraind" is — door een klasgenoot.
Vandaag leren ze
Trainen is leren uit voorbeelden, geen uitleg · classificeren is een "als-dan"-regel uit kenmerken halen · onze privacyregel: enkel dierenfoto's, nooit kinderfoto's.
Vandaag maken ze
Een werkend "instructieprogramma" voor de Klasgenoot-Robot en een fysieke beslisboom van touw die alle boerderijdieren correct classificeert.
Vandaag runnen ze
Het rollenbord: elk tweetal verdeelt Data-scout, Trainer, Kwaliteitschef en Perschef — rollen die de hele week roteren.
| Tijd | Blok | Wat gebeurt er | Wat leren ze |
|---|---|---|---|
| 8u30-9u00 | Opvang | Vrij spel op het terrein, dieren bekijken van achter het hek | aankomen op eigen tempo |
| 9u00-9u30 | Dagopening | Kennismakingskring bij de stallen; rondleiding langs alle 7 diersoorten (alpaca, mini-koe, micro-varken, schaap, geit, konijn, pony); de privacyregel wordt een kampafspraak die de kinderen zelf mee ondertekenen: "deze week fotograferen we enkel de dieren, nooit elkaar" | een spelregel snappen vóór het spel begint |
| 9u30-10u30 | Blok 1 | Train je Klasgenoot-Robot: in duo's speelt één kind "robot" die enkel doet wat de ander letterlijk instrueert (bv. een emmer voeder naar het konijnenhok brengen); geen stap overslaan, elke instructie moet precies genoeg zijn | trainen = leren via exacte voorbeelden, niet via uitleg |
| 10u30-10u45 | Pauze | Buiten, fruit + water; wie wil helpt de konijnen voederen met een verzorger | — |
| 10u45-12u00 | Blok 2 | Beslisboom-Detective: met dierenkaarten (heeft het hoeven? veren? lange oren?) bouwen kinderen fysiek, met touw op de grond, een beslisboom die elk dier op de kaartenstapel correct classificeert | classificatie is een keten van als-dan-vragen uit kenmerken |
| 12u00-13u00 | Middag | Picknick; daarna dierenronde met de verzorger: "welk kenmerk gebruikte je net om dit dier te herkennen?" | een geleerde regel herkennen in het echt |
| 13u00-13u45 | Blok 3 | De Vijf Grote Ideeën van AI kindvriendelijk verteld aan de hand van wat er vanmorgen al gebeurde: perceptie (de robot "zag" enkel wat je zei), representatie & redeneren (de beslisboom), leren (steeds betere instructies) | vandaag deden ze AI al drie keer, zonder het te weten |
| 13u45-14u45 | Blok 4 | Rollenbord ingevuld per duo en de rekencredits-economie uitgelegd: vanaf morgen krijgt elk duo een dagbudget "rekencredits" om hun AI-model mee te trainen — zuinig omspringen loont | ook een computer "trainen" kost iets (tijd, stroom, geduld) |
| 14u45-15u15 | Blok 5 | Elk duo kiest zijn "eerste" diersoort voor morgen en oefent met de tablet-camera welke hoek en welk licht het duidelijkst zijn — nog geen training, enkel foto's leren nemen | een goede trainingsfoto toont het dier duidelijk, van meerdere kanten |
| 15u15-15u30 | Spel van de dag | Train-de-mens (zie hieronder) | voorbeelden zonder uitleg = precies hoe een AI leert |
| 15u30-16u00 | Afsluitkring | Opruimen + rollenbord bevestigen; kring: "wat was moeilijker, de robot instrueren of de beslisboom bouwen?" | reflectie |
Team A kiest in het geheim een regel die op minstens vijf van de dierenkaarten past ("alles met vier poten", "alles wat op de boerderij woont", of een gemenere zoals "alles met een even aantal letters in de naam"). Team B krijgt de dierenkaarten één voor één te zien; Team A antwoordt bij elke kaart enkel met JA of NEE, nooit met uitleg. Team B mag pas een gok wagen na minstens acht kaarten — te vroeg gokken kost een strafkaart. Juist geraden? Dan wisselen de teams van rol, met een lastigere regel. Waarom dit spel: zo leert een AI-model ook: geen uitleg, alleen voorbeelden — en wie te snel gokt op te weinig voorbeelden, leert precies wat "bias" verderop deze week zal betekenen.
Differentiatie: 6-8 spelen de Klasgenoot-Robot met een kortere, voorgestructureerde instructiekaart en bouwen de beslisboom met slechts 4 dieren · 9-11 volledige beslisboom met alle 7 dieren en zelf bedachte kenmerkvragen · 12-14 verzinnen zelf een gemenere "robot-instructie" voor een jongere groep en begeleiden die groep er even bij.
Dag 2 — Fotosafari: de eerste dierenherkenner
Vandaag gaat de laptop voor het eerst open. In tweetallen trekken de kinderen met tablet naar de stallen, verzamelen zelf foto's van de boerderijdieren en trainen bij Google Teachable Machine hun allereerste werkend AI-model — dat vóór het einde van de dag een dier via de webcam herkent.
Vandaag leren ze
Meer en gevarieerdere voorbeelden geven een beter model · een model "ziet" alleen wat het als foto kreeg te zien · privacy: enkel dieren, nooit elkaar op de foto.
Vandaag maken ze
Een eigen getraind Teachable Machine-model per duo dat minstens drie diersoorten live herkent via de webcam.
Vandaag runnen ze
De rekencredits-economie in actie: elke trainingsronde kost een credit uit het dagbudget.
| Tijd | Blok | Wat gebeurt er | Wat leren ze |
|---|---|---|---|
| 9u00-9u20 | Dagopening | Kort herhalen: privacyregel + rolkaarten; de begeleider demonstreert Teachable Machine live met een teddybeer tegenover een pen: "kijk, het model kent nog helemaal niets" | een ongetraind model kan niets, het moet eerst voorbeelden zien |
| 9u20-10u30 | AI-blok 1 | Fotosafari: elk duo trekt met de tablet naar de stallen en verzamelt 20-30 foto's/korte video's per diersoort (minstens 3 soorten); Data-scout kiest, Kwaliteitschef checkt scherpte, hoek en licht — enkel dierenfoto's, geen kinderen in beeld | variatie in hoek, afstand en licht maakt een sterker model |
| 10u30-10u45 | Pauze | Buiten, fruit + water | — |
| 10u45-12u00 | AI-blok 2 | De foto's per diersoort worden een eigen "klasse" in Teachable Machine; de Trainer klikt Train Model (kost 1 rekencredit) en het model wordt meteen live getest via de webcam bij de stallen | elke diersoort-klasse heeft genoeg eigen voorbeelden nodig |
| 12u00-13u00 | Middag | Picknick + dierenronde: "welk dier herkent jouw model nu al het best, en welk nog niet?" | — |
| 13u00-14u15 | AI-blok 3 | Verfijnen: extra foto's bijmaken voor de zwakste klasse, tweede trainingsronde (opnieuw 1 credit), en een klasse "leeg hok" toevoegen zodat het model ook "niets" leert herkennen | een verkeerd geklasseerd voorbeeld bijstellen is ook trainen |
| 14u15-15u15 | AI-blok 4 | Testparcours: elk duo test zijn model op een dier van een ánder duo — dus op onbekende foto's — en noteert het confidence-percentage in de testtabel van het AI-logboek | testen op nieuwe voorbeelden is de echte proef, niet op je eigen trainingsfoto's |
| 15u15-15u35 | Spel van de dag | Confidence-limbo (zie hieronder) | hardop een percentage durven inschatten |
| 15u35-16u00 | Afsluitkring | Kwaliteitschefs delen hun beste confidence-score; rekencredits-kas geteld; kring: "wat zou jij morgen anders doen om je model beter te maken?" | — |
Op de grond ligt een krijtlijn van 0% tot 100% (elke grote stap is 10%); twee begeleiders houden aan het einde een limbolat op heuphoogte. De begeleider test live via de webcam een lastig dier (half verstopt achter een emmer, van opzij, in tegenlicht) en roept "GO!" — zonder overleg rent iedereen naar het punt op de lijn waar ze denken dat het confidence-percentage zal uitkomen, en moet daarbij vóór er tot drie geteld is onder de limbolat door. Te laat of de lat geraakt: die ronde tel je niet mee. Zodra iedereen staat, toont de begeleider het echte percentage op het scherm — wie binnen 10% van het echte cijfer staat, verdient een rekencredit. Na elke ronde zakt de lat een stukje. Waarom dit spel: hardop een percentage durven inschatten, onder lichte tijdsdruk, is precies wat de confidence-balk op het scherm van Teachable Machine betekent — en het verklaart meteen waarom er vandaag zoveel foto's per dier nodig waren.
Differentiatie: 6-8 trainen samen met een oudere maat of begeleider die klikt, op 2-3 diersoorten, in korte sessies van 10-15 minuten · 9-11 volledige herkenner voor alle 7 diersoorten, zelfstandig fotograferen en trainen · 12-14 voegen zelf de klasse "leeg hok" toe en houden een meettabel bij van confidence-percentages per trainingsronde.
Dag 3 — Eerlijke AI: bias-dag en het Wollen Brein
Vandaag draait alles om de vraag: kan een AI-model oneerlijk zijn zonder dat het dat "weet"? De kinderen testen bewust wat er misgaat bij te weinig of te eenzijdige voorbeelden, en voelen nadien met wol en kralen letterlijk aan hoe een netwerk stap voor stap beter leert raden.
Vandaag leren ze
Te weinig of te eenzijdige voorbeelden geven een bevooroordeeld model (garbage in, garbage out) · een neuraal netwerk gokt en stelt zijn "gewichten" bij na elke fout.
Vandaag maken ze
Een eerlijke "modelkaart" per duo over hun eigen model, en samen het Wollen Brein — een werkend neuraal netwerk van wol, kralen en kinderen.
Vandaag runnen ze
De Kwaliteitschef stelt vandaag de modelkaart op — een eerlijkheidslabel voor hun eigen AI, zoals echte AI-bedrijven ook doen.
| Tijd | Blok | Wat gebeurt er | Wat leren ze |
|---|---|---|---|
| 9u00-9u20 | Dagopening | Demo: een model dat enkel op foto's van één wit konijn werd getraind, herkent een bruin konijn niet; kring: "hoe komt dat, denk je?" | een fout van het model is vaak een fout in de voorbeelden, niet in het model zelf |
| 9u20-10u30 | AI-blok 1 | Bias & Eerlijkheid Detective: elk duo test zijn eigen dierenherkenner bewust met foto's die net iets afwijken van de trainingsfoto's (ander licht, ander individueel dier, andere hoek) en noteert wanneer het misgaat | garbage in, garbage out — een AI kan niet raden wat het nooit zag |
| 10u30-10u45 | Pauze | Buiten, fruit + water | — |
| 10u45-12u00 | AI-blok 2 | De modelkaart: elk duo vult een eenvoudige, eerlijke kaart in over hun eigen model (hoeveel foto's per dier, wat werkt goed, wat nog niet) en bespreekt in de kring waar ze oneerlijke AI al tegenkwamen buiten het kamp (een app die een dier verkeerd benoemt, spraakherkenning die een accent niet verstaat) | eerlijk benoemen wat je model níét kan is ook een vorm van kwaliteit |
| 12u00-13u00 | Middag | Picknick + dierenronde: "zou jij een AI vertrouwen die maar naar drie foto's van een schaap heeft gekeken?" | — |
| 13u00-14u15 | AI-blok 3 | Het Wollen Brein opbouwen: kinderen stellen zich op als "knopen" in drie lagen, verbonden met wollen draden die de gewichten voorstellen; eerste rondes fluisteren en raden met dierenkaarten | een netwerk is een keten van eenvoudige beslissingen die samen een antwoord vormen |
| 14u15-15u15 | AI-blok 4 | Fouten bijsturen: na elke foute gok worden de draden dunner of dikker gemaakt; de groep telt hoeveel gokken juist zijn per ronde van vijf kaarten | dat is backpropagation, in het echt |
| 15u15-15u40 | Spel van de dag | Het Wollen Brein: de meetronde (zie hieronder) | meer voorbeelden = minder fouten, meetbaar |
| 15u40-16u00 | Afsluitkring | Modelkaarten opgehangen naast elk toestel; kring: "gokte het brein beter aan het einde dan aan het begin?" | — |
Kinderen stellen zich op in drie lagen — invoer, verborgen laag, uitvoer — verbonden met wollen draden: hoe dikker de draad naar jou toe, hoe zwaarder dat signaal meetelt. De invoerlaag krijgt een dierenkaart met een kenmerk en fluistert dat door via de draden; de verborgen laag telt de binnenkomende signalen op en de uitvoerlaag roept een gok. Fout geraden? Dan wordt de dikte van de draden die tot die foute gok leidden een tikje bijgesteld — dunner waar het misging, dikker waar het net klopte — en de volgende kaart wordt opnieuw geraden. Na vijf kaarten meet de groep: hoeveel gokken waren juist in de eerste ronde, hoeveel in de laatste? Waarom dit spel: forward- en backpropagation voel je zo letterlijk aan een draad, en de link met vanmorgen ligt voor de hand — de bias van vanmorgen kwam van te weinig voorbeelden, hier zie je hoe méér voorbeelden de gewichten stap voor stap bijstellen.
Differentiatie: 6-8 doen enkel het korte, speelse bias-momentje ("waarom herkent hij mijn konijn niet?") en spelen mee als "knoop" in het Wollen Brein, zonder zelf de modelkaart in te vullen · 9-11 volledige bias-test + modelkaart, en wisselen tussen de rol van knoop en kaartlezer in het Wollen Brein · 12-14 leiden zelf een ronde van het Wollen Brein voor een jongere groep en schrijven de modelkaart in volzinnen voor het ouderbord.
Dag 4 — Van model naar spel: Scratch en de chatbot
Vandaag verandert "een AI trainen" in "een AI gebruiken": via Machine Learning for Kids koppelen de kinderen hun model aan een eigen Scratch-spel, en de oudste groep bouwt er een volledige boerderijgids-chatbot bovenop.
Vandaag leren ze
Een getraind model kan je aan een programma koppelen als een soort bouwblok · een AI-beeld en een echte foto zijn niet altijd te onderscheiden · een classifier heeft categorieën, geen begrip.
Vandaag maken ze
Een Scratch-voederspel gekoppeld aan hun dierenherkenner (alle leeftijden) en een boerderijgids-chatbot (Alpaca's).
Vandaag runnen ze
De credits-veiling: gespaarde rekencredits inruilen voor speciale extra's.
| Tijd | Blok | Wat gebeurt er | Wat leren ze |
|---|---|---|---|
| 9u00-9u20 | Dagopening | Demo: de begeleider koppelt live een Scratch-blok aan het dierenmodel van gisteren — "als het een schaap ziet, doe dan..." | een AI-model is een bouwsteen, geen eindproduct |
| 9u20-9u40 | De credits-veiling | Speciale extra's onder de hamer: een extra diersoort-klasse, vroege toegang tot de chatbot-tool, een AI-kunstgeneratie-beurt, de eretitel "Hoofdtrainer van de dag"; duo's bieden met gespaarde rekencredits | kiezen wat je écht nodig hebt met een beperkt budget |
| 9u40-10u30 | AI-blok 1 | Van model naar Scratch-spel: via Machine Learning for Kids koppelen alle duo's hun dierenmodel aan een eigen Scratch-voederspel: sleep het juiste voer naar het juiste dier, de webcam controleert het antwoord | "AI trainen" wordt nu "AI gebruiken in je eigen spel" |
| 10u30-10u45 | Pauze | Buiten, fruit + water | — |
| 10u45-12u00 | AI-blok 2 | AI-Kunst & Echt-of-Nep: via één begeleidersaccount genereert de groep een AI-kunstwerk van "hun" dier op basis van een eigen beschrijving en vergelijkt dat met de eigen foto; nadien oefenen ze met de VRT AI Check-quiz en de zaakkaarten van het Deepfake-detectivebureau (echte foto's gemixt met de AI-kunst) op signalen van een nepbeeld | patronen herkennen is niet hetzelfde als begrijpen; vuistregels om een AI-beeld te herkennen |
| 12u00-13u00 | Middag | Picknick; de Alpaca's bespreken alvast welke vragen hun chatbot straks moet kunnen beantwoorden | — |
| 13u00-14u30 | AI-blok 3 | De boerderijgids-chatbot: Alpaca's trainen via Machine Learning for Kids een tekstclassifier op vaste vraagcategorieën (voeder, pony's, moestuin) en koppelen die in Scratch aan een chatbot-personage; jongere groepen verfijnen intussen hun Scratch-voederspel | een chatbot "begrijpt" niets, hij herkent enkel in welk hokje jouw vraag past |
| 14u30-15u10 | AI-blok 4 | Elk duo probeert eerst zelf zijn eigen chatbot of classifier te misleiden, vóór het spel meteen erna | weten waar je model zwak is, is het begin van het beter maken |
| 15u10-15u30 | Spel van de dag | Om de Tuin Geleid? (zie hieronder) | een categorie misleiden vraagt precies begrijpen hoe ze werkt |
| 15u30-16u00 | Afsluitkring | Chatbots en Scratch-spellen opgeslagen voor morgen; kring: "welke vraag verraste jouw chatbot het meest?" | — |
De getrainde chatbot (Alpaca's) of het Scratch-voederspel-model (jongere groepen) draait op het gedeelde begeleidersscherm. Elk team krijgt drie pogingen van telkens één zin om de AI op het verkeerde been te zetten — bijvoorbeeld een vraag over voeder verkleed als een vraag over pony's, of een dierenfoto die twee dieren tegelijk toont. Herkent de AI het toch correct? Dan is dat 1 punt voor "de AI". Lukt het om hem fout te laten gokken? Dan is dat 1 punt voor "de mens" — maar het team moet meteen hardop benoemen wélk woord of kenmerk de AI waarschijnlijk op het verkeerde been zette, anders telt het punt niet. Hoogste score na drie rondes wint de titel Categorie-Kraker. Waarom dit spel: dit is precies het onderzoek dat de oudste kinderen vandaag al deden — "kan je een AI om de tuin leiden?" — nu in wedstrijdvorm, en het dwingt iedereen goed na te denken over hoe hun eigen classifier categorieën herkent.
Differentiatie: 6-8 spelen en verfijnen enkel het Scratch-voederspel, met hulp bij het slepen van de blokken · 9-11 bouwen het volledige Scratch-voederspel zelfstandig en zijn AI-kunst-testers · 12-14 bouwen de boerderijgids-chatbot, werken via het ene begeleidersaccount en zijn tijdens Om de Tuin Geleid? de rechtstreekse tegenstander van de begeleider.
Dag 5 — AI-Expo bij de stallen
De slotdag draait om tonen: elke stand van de AI-Expo wordt opgebouwd tussen de dierenweides, en om 15u openen de kinderen zélf hun expo voor de ouders — zij zijn vandaag de gids, niet de begeleider.
Vandaag leren ze
Presenteren is een vak · een quiz voor bezoekers ontwerpen dwingt je om zelf goed te snappen wat je hebt gemaakt · trots tonen wat je kunt.
Vandaag maken ze
De volledige AI-Expo: demo-standjes, modelkaarten, een AI-kunstgalerij en een ouder-quiz.
Vandaag runnen ze
De hele expo zelf: uitnodigen, standjes bemannen, de ouder-quiz afnemen en de kampmunten-kassa.
| Tijd | Blok | Wat gebeurt er | Wat leren ze |
|---|---|---|---|
| 9u00-9u20 | Dagopening | Laatste kring: elk duo overloopt zijn standje en wie welke rol krijgt tijdens de expo (Data-scout wordt gastheer, Trainer demonstreert live, Kwaliteitschef beantwoordt vragen, Perschef ontvangt de gasten) | een goede uitleg is korter dan je denkt |
| 9u20-10u30 | AI-blok 1 | Laatste polijst: modellen, Scratch-spellen en chatbot krijgen een laatste check; modelkaarten worden netjes overgeschreven voor bij het standje | afwerken hoort bij een project, niet enkel het "werkende" deel |
| 10u30-10u45 | Pauze | Buiten, fruit + water | — |
| 10u45-12u00 | AI-blok 2 | Expo-opbouw: standjes ingericht tussen de stallen — dierenherkenner-standje met webcam, AI-kunstgalerij naast de echte dierenfoto's, chatbot-standje, deepfake-quizhoek; elk duo oefent zijn uitleg (max. 1 minuut) op elkaar | een tentoonstelling is ook een ontwerp |
| 12u00-13u00 | Middag | Picknick + generale repetitie van de rondleiding in duo's | — |
| 13u00-14u00 | AI-blok 3 | Elk duo schrijft 2-3 ouder-quizvragen voor zijn standje (bv. "is deze foto van onze alpaca echt of AI?"), gekoppeld aan de kassa: ouders "kopen" een deelnametoken met kampmunten die ze eerst bij hun kind verdienen door een AI-vraag juist te beantwoorden | een goede quizvraag heeft één duidelijk juist antwoord |
| 14u00-14u30 | Spel van de dag | De Echt-of-nep-veiling, de generale (zie hieronder) | laatste keer oefenen vóór het met de ouders moet |
| 14u30-15u00 | Laatste voorbereiding | Standjes definitief klaargezet, rollen nog eens overlopen, kassa gevuld met kampmunten | — |
| 15u00-16u00 | AI-Expo | Ouders komen langs; kinderen zijn zelf gids, geven de demo's en nemen de ouder-quiz af aan hun standje — ook wanneer ouders zelf meetesten via hun telefoon blijft het steeds bij de dieren, nooit bij kinderen; om 15u45: certificaatuitreiking | trots tonen wat je gemaakt hebt |
Tien beelden verschijnen na elkaar op het scherm: echte foto's van de boerderijdieren gemixt met de AI-kunstwerken van gisteren. Elke ploeg krijgt 20 rekencredits als startkapitaal. Bij elk beeld zet de ploeg in stilte credits in op ECHT of NEP — hoe zekerder ze zijn, hoe meer ze inzetten. Juist? Dan verdubbelt de inzet. Fout? Dan is die kwijt. Na elk beeld moet de ploeg in één zin benoemen wáárom ze dachten dat het nep (of echt) was — geen argument, geen punt, ook bij een juiste gok. De ploeg met de meeste credits na tien beelden wint. Waarom dit spel: dit is exact de "Echt-of-Nep"-quiz die vanmiddag voor de ouders klaarstaat, nu eerst geoefend onder elkaar — en hardop benoemen wáárom iets nep oogt (rare oren, te perfect licht) is precies de confidence-redenering van deze hele week.
Differentiatie: 6-8 demonstreren hun eenvoudige 2-3-diersoorten-herkenner samen met een oudere maat en stellen de kortste quizvraag · 9-11 bemannen het dierenherkenner- en Scratch-spel-standje volledig zelfstandig · 12-14 runnen het chatbot-standje en de deepfake-quiz, en zijn expo-regisseur: wie staat waar, hoe verloopt de rondleiding.
Zo leid je de andere formaten hieruit af
2-daags = dag 1 + dag 2-compact
Dag 1 integraal (unplugged + rollenbord), maar meteen na de middag al starten met de fotosafari en de eerste Teachable Machine-herkenner (2-3 diersoorten volstaan). Dag 2 VM: model afwerken en testen, een kort Bias-momentje (geen volledige bias-dag), model koppelen aan een eenvoudig Scratch-spelletje. Dag 2 NM: Echt-of-Nep-quiz en een verkorte AI-Expo bij het afhalen. De rekencredits-economie start meteen op dag 1; de credits-veiling, het Wollen Brein en de chatbot vervallen. Spellen: Train-de-mens op dag 1, Confidence-limbo verkort op dag 2.
10-daags = week 1 + de verdiepingsweek
Week 1 = dit draaiboek, maar trager: elke dag krijgt meer ademruimte, vooral het bias/eerlijkheidsgesprek op dag 3, plus een extra dag Sensoren & Perceptie (een AI-oor bouwen met micro:bit of Makey Makey dat reageert op dierengeluid of -beweging). Week 2 splitst in subgroepen: de jongste kinderen (6-9j) breiden hun dierenherkenner uit met meer soorten en klassen en spelen het Pose-Power bewegingsspel; de oudste kinderen (10-14j) verdiepen de chatbot met tekstclassificatie en doen het mini-onderzoek "kan je een AI om de tuin leiden?", met Om de Tuin Geleid? als terugkerend onderzoeksinstrument. De rekencredits-economie loopt door met een "loondag" (elke rol verdient credits) en de veiling wordt een echte aanbesteding: subgroepen "bieden" met hun modelkaart als offerte op wie welk expo-standje mag runnen. Laatste vrijdagmiddag: de grote AI-Expo met alle standjes samen.