Impact of computing · השפעת החישוב
Computing changes the world
- Computing affects almost every part of life: school, work, health, money, and friends.
- The same tool can bring benefits (good effects) and harms (bad effects).
- A good computer scientist thinks about both sides, not just the cool features.
המחשוב משנה את העולם
- המחשוב משפיע על כמעט כל חלק בחיים: לימודים, עבודה, בריאות, כסף וחברים.
- אותו כלי יכול להביא יתרונות (אפקטים טובים) ונזקים (אפקטים רעים).
- מדען מחשב טוב חושב על שני הצדדים, ולא רק על הפיچות המדהימות.
One technology, two sides:
Social media
Benefit: stay in touch, share, learn
Harm: bullying, false news, less sleep
Benefits and harms together
- A benefit for one group can be a harm for another.
- Example: an app that suggests videos keeps you watching (benefit for the company) but can waste your time (harm for you).
- Always ask: who gains, who loses, and what could go wrong?
יתרונות ונזקים ביחד
- יתרון לקבוצה אחת עשוי להיות נזק לקבוצה אחרת.
- דוגמה: אפליקציה שמציגה וידאו ממשיכה אותך לצפות (יתרון לחברה) אך עלולה לבזבז את זמנך (נזק לך).
- תמיד שאל: מי נהנה, מי מפסיד, ומה עלול להסתבך?
The digital divide
- The digital divide is the gap between people who have good access to computing and those who do not.
- Causes include money, where you live (no fast Internet), and not having training.
- This is unfair: people without access miss out on school, jobs, and information.
הפער הדיגיטלי
- הפער הדיגיטלי הוא הפער בין אנשים בעלי גישה טובה למחשבים ובין אלו שאינם נגישים אליו.
- הגורמים כוללים חוסר כספי, מקום מגורים (ללא אינטרנט מהיר) וחוסר בהכשרה.
- מצב זה לא הוגן: אנשים ללא גישה פספסים הזדמנויות לימוד, עבודה ומידע.
Bias in computing
- Bias means an unfair result that favors one group over another.
- Software learns from data. If the data is unfair or incomplete, the results can be unfair too.
- Example: a face tool trained mostly on one kind of face may work badly for other people.
סטייה במחשוב
- סטייה מתייחסת לתוצאה לא הוגנה המעדיפה קבוצה אחת על פני אחרת.
- תוכנות לומדות מתוך נתונים. אם הנתונים בלתי הוגנים או חסרים, התוצאות עשויות להיות גם הן לא הוגנות.
- דוגמה: כלי זיהוי פנים מאומן בעיקר על סוג אחד של פנים עשוי לפעול בצורה לקויה עבור אנשים אחרים.
Biased data -> biased results
Training data: mostly group A faces
Result: works well for A, poorly for B
Intellectual property and licensing
- Intellectual property (IP) is creative work people make: code, music, art, writing.
- A license is the rules for how others may use that work. Using work without permission can break the law.
- Open source software shares its code so others may read and reuse it; Creative Commons licenses let creators say "you may share this, with these conditions".
רכוש רוחני ורישיונות
- רכוש רוחני (IP) הוא יצירה יצירתית שיוצרת אנשים: קוד, מוזיקה, אמנות, כתיבה.
- רישיון הוא הסדר הקובע כיצד אחרים יכולים להשתמש ביצירה זו. שימוש ביצירה ללא רשות עשוי להוות הפרת חוק.
- תוכנה קוד פתוח משתפת את הקוד שלה כדי שאחרים יוכלו לקרוא אותו ולשלב בו; רישיונות Creative Commons מאפשרים ליצירות להצהיר "ניתן לשתף, בתנאים מסוימים".
Privacy and PII
- PII means Personally Identifiable Information: data that points to a real person.
- Examples: full name, home address, phone number, ID number, exact location.
- Once data is online it is hard to take back, and apps may collect more than you expect. Share carefully.
פרטיות ומידע זיהוי אישי
- PII מייצג מידע זיהוי אישי: נתונים המפנים לאדם אמיתי.
- דוגמאות: שם מלא, כתובת בית, מספר טלפון, מספר זהות, מיקום מדויק.
- ברגע שהנתונים נמצאים ברשת, קשה לחזור אותם, ואפליקציות עשויות לאסוף יותר ממה שצפית. יש לשתף בזהירות.
Safe computing
- Use a strong, unique password for important accounts (long, mixed, not reused).
- Watch out for phishing: fake messages that trick you into giving passwords or money. Check the sender; do not click strange links.
- Keep software updated, and think before you post personal data.
מחשוב בטוח
- השתמש בסיסמת מעבר חזקה ויחידית לחשבונות חשובים (ארוכה, מעורבת, לא מושחזת).
- שימו לב לפישिंग: הודעות מזויפות שמטרה להטות אותך למסור סיסמות או כסף. בדק את השולח; אל תלחץ בקישורים מוזרים.
- שמור על התוכנה מעודכנת, וחשב לפני שאתה מעלה נתונים אישיים.
Key words
- Digital divide: the gap in access to computing.
- Bias: an unfair result, often from unfair data.
- Intellectual property / license: who owns creative work and how it may be used.
- PII / privacy: personal data, and protecting it.
- Phishing: fake messages that try to steal your information.
מילים מפתח
- הפער הדיגיטלי: הפער בגישה למחשוב.
- הטיה: תוצאה בלתי הוגנת, לרוב נובעת מנתונים לא הוגנים.
- זכויות רוחניות / רישיון: מי בעל העבודה היצירתית וכיצד היא עשויה לשמש.
- PII / פרטיות: נתונים אישיים והגנה עליהם.
- פישिंग: הודעות מזויפות המנסות לגנוב את המידע שלך.
Common mistakes
- Weigh both the benefits and the harms (bias, privacy, unequal access).
- The digital divide is the gap in access to technology.
טעויות נפוצות
- שקול גם את התועלות וגם את הנזקים (הטיה, פרטיות, גישה לא-שוויונית).
- הפער הדיגיטלי הוא הבדל בגישה לטכנולוגיה.
Now you try
- These tasks turn the ideas above into code: PII, bias, and password safety.
- Press Check answer to test your code.
כעת תנסו בעצמכם
- משימות אלו ממירות את הרעיונות לעיל לקוד: PII, הטיה ובטיחות סיסמאות.
- לחץ על בדוק תשובה כדי לבדוק את הקוד שלך.
PII is data that points to a real person. You are given a record fields (a dict like {"name": ..., "color": ..., "phone": ...}) and a set pii_names of PII field names. Write count_pii(fields, pii_names) that returns how many of the record's keys are PII. · PII הוא נתון המצביע על אדם אמיתי. נתונה לך רשומה fields (מפה כמו {"name": ..., "color": ..., "phone": ...}) וערך pii_names של שמות שדות PII. כתוב count_pii(fields, pii_names) שמח多少 כמה ממפתחות הרשומה הם PII.
Click Run to see the output here. · לחץ על הרץ כדי לראות את התוצא כאן.
Software can be biased if it works better for one group than another. Write accuracy_gap(correct_a, total_a, correct_b, total_b) that returns group A's accuracy minus group B's accuracy, as a decimal. Example: accuracy_gap(90, 100, 60, 100) is 0.3. · תוכנה יכולה להיות מעוורת אם היא עובדת טוב יותר לקבוצה אחת מאשר לאחרת. כתוב accuracy_gap(correct_a, total_a, correct_b, total_b) שמח多少 דיוק הקבוצה A מינוס דיוק הקבוצה B, כמספר עשרוני. דוגמה: accuracy_gap(90, 100, 60, 100) הוא 0.3.
Click Run to see the output here. · לחץ על הרץ כדי לראות את התוצא כאן.
A password is strong when it is at least 12 characters and is not in the list of common passwords. Write is_strong(password, common) returning True or False. Example: with common = ["password", "123456"], is_strong("correcthorsebattery", common) is True. · סיסמה היא חזקה כאשר היא מורכבת מכ- 12 תווים לפחות וגם אינה מופיעה ברשימת הסיסמאות הנפוצות. כתוב פונקציה is_strong(password, common) המוחזרת True או False. דוגמה: עבור נתון common = ["password", "123456"], הפונקציה is_strong("correcthorsebattery", common) מחזירה True.
Click Run to see the output here. · לחץ על הרץ כדי לראות את התוצא כאן.