Logo des Repositoriums

Auflistung nach Autor:in "Podworny, Susanne"

1 - 6 von 6
  • Conference Proceedings
    Data Science ab Klasse 5 – Konkrete Unterrichtsvorschläge für künstliche Intelligenz unplugged und Datenbewusstsein
    (INFOS 2021 – 19. GI-Fachtagung Informatik und Schule, 2021) Podworny, Susanne; Höper, Lukas; Fleischer, Yannik; Hüsing, Sven; Schulte, Carsten
  • Konferenzbeitrag
    Entscheidungsbäume erstellen ab Klasse
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Podworny, Susanne; Fleischer, Yannik; Biehler, Rolf
    Entscheidungsbäume können eine Methode sein, die den steigenden Bedarf an schulischen Lerninhalten zu KI bedienen. Im ProDaBi-Projekt wird Unterrichtsmaterial entwickelt, erprobt und beforscht, um datenbasiert Entscheidungsbäume mit Datenkarten ab Klasse 6 zu lehren. Evaluationen zeigen positive Ergebnisse zum Verstehen und Anwenden von Entscheidungsbäumen von Lernenden. Dies kann einen ersten Schriftt für KI-Verständnis im Schulcurriculum legen.
  • Textdokument
    Entwicklung und Reflexion einer Unterrichtssequenz zum Maschinellen Lernen als Aspekt von Data Science in der Sekundarstufe II
    (Informatik für alle, 2019) Opel, Simone; Schlichtig, Michael; Schulte, Carsten; Biehler, Rolf; Frischemeier, Daniel; Podworny, Susanne; Wassong, Thomas
    Die Bereiche „Data Science“ und „Big Data“ sowie ihre technischen, ethischen und gesellschaftlichen Auswirkungen werden zunehmend nicht nur in der Wissenschaft, sondern auch in diversen Medien diskutiert und somit verstärkt auch zu einem wichtigen Thema für alle. Um den Schülerinnen und Schülern der Sekundarstufe II einen theoretisch und fachwissenschaftlich fundierten Einstieg in diesen Themenbereich zu ermöglichen, wurde ein erster Entwurf eines interdisziplinären Curriculums entwickelt, das neben fachlichen Aspekten von Data Science einen Fokus auf sich hieraus ergebende gesellschaftliche Fragestellungen legt. Es werden neben der Konzeption des Kurses die bisherigen Erfahrungen aus der Durchführung – insbesondere in Hinsicht der darin enthaltenen Unterrichtseinheit zum Maschinellen Lernen - berichtet, sowie die sich hieraus ergebenden Implikationen für die Weiterentwicklung dargestellt und diskutiert.
  • Textdokument
    Maschinelles Lernen im Unterricht mit Jupyter Notebook
    (Informatik für alle, 2019) Schlichtig, Michael; Opel, Simone; Schulte, Carsten; Biehler, Rolf; Frischemeier, Daniel; Podworny, Susanne; Wassong, Thomas
    Data Science und Big Data durchdringt in ihren diversen Facetten unser tägliches Leben– kaum ein Tag, an dem nicht verschiedene Meldungen über technische Innovationen, Einsatzmöglichkeiten von Künstlicher Intelligenz (KI) und Maschinelles Lernen (ML) und ihre ethischen sowie gesellschaftlichen Implikationen in den unterschiedlichen Medien diskutiert werden. Aus diesem Grund erscheint es uns immens wichtig, diese Fragestellungen und Technologien auch in den Unterricht der Sekundarstufe II zu integrieren. Um diesem Anspruch gerecht zu werden, entwickelten wir im Rahmen eines Forschungsprojekts ein Curriculum, welches wir als konkretes Unterrichtskonzept innerhalb eines Projektkurses erprobt, evaluiert weiterentwickelt wird. Bei der Implementierung entschieden wir uns, zur aktiven Umsetzung von Konzepten von ML als Plattform Jupyter Notebook mit Python zu verwenden, da diese Umgebung durch die Verbindung von Code und Hypertext zur Dokumentation und Erklärung Medienbrüche im Lernprozess verringern kann. Zudem ist Python zur Implementierung der Methoden von ML sehr gut geeignet. Im Themenfeld des ML als Teilgebiet der KI legen wir den Fokus auf zwei unterschiedliche Lernverfahren um verschieden Aspekte von ML, u.A. wie Nachvollziehbarkeit unter gesellschaftlichen Gesichtspunkten zu vermitteln. Diese sind Künstliche Neuronale Netze (bei denen die Berechnung und Bedeutung der Kantengewichte zwischen den Neuronen für den Menschen insbesondere bei komplexeren Netzen kaum nachvollziehbar erschienen) und Entscheidungsbäume (strukturierte und gerichtete Bäume zur Darstellung von Entscheidungsregeln, welche auch für Schülerinnen und Schüler meist gut nachvollziehbares und verständliches KI-Modell darstellen). In diesem Workshop stellen wir konkrete Umsetzungsbeispiele inklusive der Programmierung für beide Verfahren mit Jupyter Notebook und Python als Teil einer Unterrichtssequenz vor und diskutieren diese.
  • Konferenzbeitrag
    Ein Projektkurs Data Science und Künstliche Intelligenz für die Sekundarstufe II
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Fleischer, Yannik; Hülsing, Sven; Biehler, Rolf; Höper, Lukas; Podworny, Susanne; Schulte, Carsten
  • Conference Proceedings
    Zur neuen Bedeutung von Daten in Data Science und künstlicher Intelligenz
    (INFOS 2021 – 19. GI-Fachtagung Informatik und Schule, 2021) Höper, Lukas; Podworny, Susanne; Hüsing, Sven; Schulte, Carsten; Fleischer, Yannik; Biehler, Rolf; Frischemeier, Daniel; Malatyali, Hülya