Grundkonzepte des Maschinellen Lernens für die GrundschuleAlgorithmen, Biases, Generalisierungsfehler
|
![]() |
Zusammenfassungen
In diesem Beitrag stellen wir die für maschinelles Lernen entwickelten Materialien vor,
die sich an Grundschulkinder der 3. und 4. Klasse richten. Im nächsten Abschnitt wird
das Lernproblem beschrieben, anhand dessen grundlegende Konzepte und verschiedene
Algorithmen des maschinellen Lernens eingeführt werden können. Danach werden Entscheidungsbaumlernen
sowie Perzeptronlernen für diese Beispieldomäne demonstriert.
Im vierten Abschnitt zeigen wir, wie für das Verständnis und die Beurteilung wichtige Eigenschaften sowie grundsätzliche Grenzen von maschinellem Lernen anhand des Beispiels
verdeutlicht werden können. Abschließend bewerten wir unser Konzept kritisch und geben
einen Ausblick auf geplante weiterführende Arbeiten.
Von Ute Schmid, Anja Gärtig-Daugs, Linda Müller, Alexander Werner im Text Grundkonzepte des Maschinellen Lernens für die Grundschule Da digitale Technologien zunehmend mehr Lebens- und Arbeitsbereiche durchdringen,
gewinnt die Förderung digitaler Kompetenzen bereits ab der Grundschule an Bedeutung. Durch
entsprechende Bildungsangebote sollen Kinder beim Erschließen, Verstehen und Mitgestalten der
digitalen Welt unterstützt werden. Hierbei ist wichtig, nicht nur digitale Handlungskompetenzen
auf der Anwendungsebene zu fördern, sondern Kinder beim Verstehen der zugrundeliegenden
Funktionsprinzipien zu unterstützen. Ein grundlegendes Verständnis der algorithmischen Konzepte,
die den digitalen Anwendungen zugrundeliegen ist hierfür zentral. Zunehmend beinhalten digitale
Anwendungen Komponenten, die auf Ansätzen der Künstlichen Intelligenz (KI) basieren. Kinder
begegnen solchen Systemen etwa in Form von intelligenten Sprachassistenten bei Fernsehern oder
beim Entsperren von Smartphones mittels Gesichtserkennung. Damit das kindliche Verständnis von KITechnologien
gefördert werden kann, muss das komplexe Thema für Kinder in didaktisch reduzierter
Form erfahrbar gemacht werden.Wir haben hierzu ein Spiel entwickelt, mit dem Kinder grundlegende
Konzepte des maschinellen Lernens wie regelbasierte Algorithmen (Entscheidungsbaumverfahren)
und neuronale Netze (Perzeptron) spielerisch erkunden können. Neben einem Grundverständnis
von Lernalgorithmen werden Kinder für kritische Aspekte wie Biases und Generalisierungsfehler
sensibilisiert. Durch Rückbezug des Spiels auf KI-Algorithmen im Alltag sollen die Kinder zur
Reflektion der Möglichkeiten und Grenzen von KI angeregt werden.
Von Ute Schmid, Anja Gärtig-Daugs, Linda Müller, Alexander Werner im Text Grundkonzepte des Maschinellen Lernens für die Grundschule
Dieses Konferenz-Paper erwähnt ...
![]() Personen KB IB clear | Beat Döbeli Honegger , Sabine Hirschmugl-Gaisch , Petra Huber , Thomas Irion , Martin Kandlhofer , Kristian Kersting , Christoph Lampert , Constantin Rothkopf , Gerald Steinbauer | |||||||||||||||||||||||||||
![]() Begriffe KB IB clear |
AI literacy
, | |||||||||||||||||||||||||||
![]() Bücher |
| |||||||||||||||||||||||||||
![]() Texte |
|
Dieses Konferenz-Paper erwähnt vermutlich nicht ... 
![]() Nicht erwähnte Begriffe | Alexa, Bildung, Eltern, Generation Y / Millenials, LehrerIn, Lernen, Siri, Unterricht |
Tagcloud
Zitationsgraph (Beta-Test mit vis.js)
Volltext dieses Dokuments
Anderswo suchen 
Beat und dieses Konferenz-Paper
Beat hat Dieses Konferenz-Paper während seiner Zeit am Institut für Medien und Schule (IMS) ins Biblionetz aufgenommen. Beat besitzt kein physisches, aber ein digitales Exemplar. (das er aber aus Urheberrechtsgründen nicht einfach weitergeben darf). Es gibt bisher nur wenige Objekte im Biblionetz, die dieses Werk zitieren.


, 2962 kByte)
Biblionetz-History