Datendetektive bei der Arbeit - Data Science und künstliche Intelligenz (ohne Programmierkenntnisse)
Hinweise
Dieses Fortbildungsangebot beruht auf einer Kooperation mit dem durch die Deutsche Telekom Stiftung geförderten ProDaBi-Projekt der Universität Paderborn (ProDaBi).
Die Fortbildungen werden von der Universität Paderborn wissenschaftlich begleitet, um die Materialien und die Fortbildungsgestaltung adressatengerecht zu optimieren. Diese ist auf die aktive Mitarbeit aller Teilnehmenden angewiesen.
Vorbemerkung
Die Materialien, die in der Fortbildung vorgestellt werden, sind mit dem geltenden Lehrplan kompatibel. Es werden praxiserprobte Unterrichtseinheiten und -materialien vorgestellt, die gemeinsam von erfahrenen Informatik-Lehrkräften aus den Bezirken Arnsberg, Detmold und Münster und Mitarbeitenden aus dem ProDaBi-Projekt der Universität Paderborn entwickelt wurden.
Inhalte
In diesem Fortbildungsmodul geht es in zwei Unterrichtseinheiten um die Einführung in Data Science anhand von Datenexploration und Entscheidungsbäume als einer KI-Methode des maschinellen Lernens. Die beiden Unterrichtseinheiten dieses Moduls können in verschiedenen Varianten genutzt werden. Sie können sowohl aufeinander aufbauend unterrichtet werden als auch jeweils als einzelne Einheiten, je nach gewünschtem Schwerpunkt.
In diesem Modul wird die kostenlose, browserbasierte Software CODAP eingesetzt, mit der Datenexploration und Entscheidungsbäume interaktiv ohne Programmieren erarbeitet werden können.
Unterrichtseinheit 1: In der ersten Unterrichtseinheit explorieren Schülerinnen und Schüler Umfragedaten zur Mediennutzung von Jugendlichen mit Hilfe des webbasierten Data Science Tools CODAP mit einem Schwerpunkt auf statistischen Analysen. Der Anwendungskontext ist eine online Plattform, die für verschiedene Kunden gezielt Werbung für Jugendliche platzieren möchte. Die Schülerinnen und Schüler untersuchen den multivariaten Datensatz unter verschiedenen Fragestellungen und erarbeiten projektartig Analysen und Interpretationen, die sie am Ende der Unterrichtseinheit präsentieren. Der Schwerpunkt liegt auf dem Inhaltsfeld Daten und Information. Die Einheit umfasst ca. 8 Schulstunden.
Unterrichtseinheit 2: In der zweiten Unterrichtseinheit können die Ergebnisse aus der ersten Einheit genutzt werden, um mit Hilfe der KI-Methode Entscheidungsbäume Prognosen über verschiedene Fragestellungen zu erstellen. Dabei steht das Lernen und Verstehen von Entscheidungsbäumen als datenbasiertem Entscheidungsmodell im Vordergrund. Die Schülerinnen und Schüler erstellen Entscheidungsbäume anhand des Datensatzes zunächst intuitiv und manuell mit der Software CODAP. Im Anschluss wird der Erstellungsprozess durch die Schülerinnen und Schüler Schritt für Schritt systematisiert, um nachzuvollziehen wie ein Algorithmus automatisch Entscheidungsbäume erstellen kann. Ein weiterer Schwerpunkt liegt auf der Beurteilung von fertigen Entscheidungsmodellen anhand von Testdaten. Die Einheit umfasst ca. 8 Schulstunden.
Themen
Von Datenexploration zu Entscheidungsbäumen
Einführung in das Tool CODAP und den JIM-Datensatz
Schwerpunkt I: Datenexploration mit CODAP und Einsatzmöglichkeiten für den Unterricht
Schwerpunkt II: Entscheidungsbäume mit CODAP als KI-Methode des maschinellen Lernens und Einsatzmöglichkeiten für den Unterricht
Vorstellung der Unterrichtsreihen
Lernpotentiale und Lernhürden für Schülerinnen und Schüler