Logo des Repositoriums

Auflistung nach Autor:in "Joachim, Silvia"

1 - 5 von 5
  • Zeitschriftenartikel
    ClusterLabor: Ein Werkzeug zur interaktiven Visualisierung und Analyse von Clusteralgorithmen
    (Informatische Bildung in Schulen (IBiS): Vol. 2, No. 2, 2024) Andres, Daniela; Joachim, Silvia; Hennecke, Martin
    In diesem Beitrag wird die Webanwendung ClusterLabor (verfügbar unter ddi.informatik.uni-wuerzburg.de) vorgestellt. ClusterLabor ermöglicht eine interaktive Visualisierung und Analyse von Clusteralgorithmen in zweidimensionalen Datensätzen. Damit können verschiedene Algorithmen hinsichtlich ihrer Ergebnisse in Abhängigkeit von der gewünschten Anzahl an Clustern verglichen werden. Anwender können aus verschiedenen Beispieldatensätzen wählen, eigene Datensätze hochladen oder Datensätze direkt durch manuelle Eingabe generieren. Zum Clustern stehen verschiedene Methoden zur Verfügung: der k-Means-Algorithmus mit Varianten wie Lloyd oder MacQueen, der k-Medoids-Algorithmus sowie hierarchische Clusteranalyse mit unterschiedlichen Distanzmaßen und Fusionierungsalgorithmen. Ein besonderer Fokus liegt dabei auf dem Unsupervised Learning, einem Bereich der Künstlichen Intelligenz (KI), bei dem Algorithmen Muster und Strukturen in unbeschrifteten Daten selbstständig erkennen. Zur Bestimmung der "optimalen" Clusterzahl k sind zudem Visualisierungen des Elbow Plots (Ellenbogendiagramms), des Average Silhouette Plots (ASW-Kurve) sowie des Dendrogramms integriert.
  • Konferenzbeitrag
    Enaktive Bestimmung der Hyperparameter beim Entscheidungsbaum- und k-nächste-Nachbarn-Algorithmus
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Joachim, Silvia; Hennecke, Martin
    Für den Bereich der Künstlichen Intelligenz werden momentan zahlreiche Unterrichtsmaterialien veröffentlicht. Viele davon konzentrieren sich dabei auf den Teilbereich des Maschinellen Lernens. Die hier vorgestellten Unterrichtsmaterialien gehören ebenfalls in diese Kategorie – sie sprechen allerdings gezielt verschiedene Repräsentationsebenen an und sollen durch die haptische Zugänglichkeit auch Menschen mit einer Sehbeeinträchtigung den Zugang erleichtern. Bei den in diesem Beitrag vorgestellten Materialien handelt es sich um aus Holz gefertigte Pilze, die sich u.a. für die Erarbeitung des k-nächste-Nachbarn- und Entscheidungsbaum-Algorithmus eignen. Die Pilze verfügen dazu über binäre und metrische Merkmale. Der zugrunde liegende Datensatz ist bewusst klein und wurde so gewählt, dass der Einfluss von Hyperparametern gezeigt werden kann. Er enthält Validierungsdaten, die die Optimierung der Baumtiefe und der Anzahl der Nachbarn ermöglichen. Der Datensatz kann für weitere Algorithmen verwendet werden und ermöglicht somit eine effiziente Unterrichtsgestaltung.
  • Konferenzbeitrag
    Förderung von KI-Kompetenzen von Informatiklehrkräften in Bayern
    (Proceedings of DELFI Workshops 2024, 2024) Ehmann, Matthias; Günzel-Weinkamm, Nicole; Hennecke, Martin; Joachim, Silvia
    Das Thema Künstliche Intelligenz (KI) ist inzwischen in vielen schulischen Curricula angekommen. In diesem Paper berichten wir über eine dreitägige Fortbildungsreihe an den Universitäten Bayreuth und Würzburg (Deutschland). Diese soll Lehrkräfte auf den Unterricht in der 11. Jahrgangsstufe des bayerischen Gymnasiums vorbereiten, sie über verschiedene Arten von KI- Systemen und grundlegende Algorithmen informieren und ihnen didaktische Werkzeuge für den Unterricht an die Hand geben. Wir stellen zudem eine Längsschnittstudie vor, die die Entwicklung der Selbsteinschätzung der KI-Kompetenzen der teilnehmenden Lehrkräfte beschreibt.
  • Zeitschriftenartikel
    Den k-Means-Algorithmus verstehen: Mit Stift & Papier und BlueJ
    (Informatische Bildung in Schulen (IBiS): Vol. 2, No. 1, 2024) Andres, Daniela; Joachim, Silvia; Hennecke, Martin
    Dieser Praxisbeitrag stellt unterrichtliche Aktivitäten vor, um den k-Means-Algorithmus einzuführen und ihn anschließend in BlueJ zu implementieren. Anhand eines Beispieldatensatzes mit Fundkoordinaten von Pilzen können sich die Schülerinnen und Schüler die Funktionsweise des k-Means-Algorithmus selbst erschließen. Der Datensatz ist zweidimensional und klein genug, um den Algorithmus mit Stift und Papier in angemessener Zeit zu erarbeiten. Anschließend kann der Algorithmus in der den Schülerinnen und Schülern sowie Lehrkräften bekannten Umgebung BlueJ programmiert und das Ergebnis durch Einlesen einer csv-Datei mit den vorher verwendeten Fundkoordinaten verifiziert werden.
  • Poster
    Reinforcement-Learning enaktiv und inklusiv vermitteln
    (INFOS 2023 - Informatikunterricht zwischen Aktualität und Zeitlosigkeit, 2023) Joachim, Silvia; Hennecke, Martin
    Es gibt vielfältige Unterrichtsmaterialien zum Thema Künstliche Intelligenz bzw. Reinforcement-Learning. Menschen mit körperlichen Beeinträchtigungen, wie etwa eine Sehbeeinträchtigung, benötigen eine besondere Umsetzung von Unterrichtsmaterialien. Das vorgestellte KI-Gewinnt-Spiel soll helfen, diese Lücke zu schließen.