Modulinformationssystem Informatik

 

Maschinelles Lernen in Schule und Unterricht URL PDF XML

Modulcode: infMLSU-01a
Englische Bezeichnung: Machine learning for teachers
Modulverantwortliche(r): Prof. Dr. Andreas Mühling
Turnus: jedes Jahr im SS (SS20 SS21 SS22 SS23 SS24)
Präsenzzeiten: 2V 1Ü 1S
ECTS: 6
Workload: 30 Std. Vorlesung, 15 Std. Übung, 15 Stunden Seminar, 120 Std. Selbststudium
Dauer: ein Semester
Modulkategorien: 2F-MEd-Inf-P (MEd-Hdl Inf (21)) WI (MEd Inf) IMG (MEd Inf)
Lehrsprache: Deutsch
Voraussetzungen: Info

Kurzfassung:

Das Modul befasst sich mit einerseits mit den grundlegenden Verfahren des maschinellen Lernens und andererseits mit gesellschaftlichen und ethischen Fragestellungen des Themenbereichs künstliche Intelligenz. Der Fokus liegt auf der Anwendung im Unterricht der Sekundarstufe

Lernziele:

Die Studierenden kennen mehrere Verfahren des maschinellen Lernens und können die Anwendbarkeit in verschiedenen Situationen bewerten.

Die Studierenden verstehen wie gängige Lernverfahren funktionieren und können diese mit Hilfe geeigneter Software praktisch anwenden.

Die Studierenden können ethische Fragestellungen zu Themenfeldern der künstlichen Intelligenz differenziert bewerten.

Die Studierenden können Themen des maschinellen Lernens durch didaktische Reduktion geeignet in Unterrichtsplanungen für verschiedene Kontexte einsetzen.

Lehrinhalte:

  • Klassifikation von Lernverfahren: Überwachtes / Unüberwachtes Lernen, Verstärkungslernen
  • Clusterverfahren: k-means, Gaussian-Mixture-Models
  • Perzeptron und neuronale Netze
  • Backpropagation
  • Geschichtliche Entwicklung der künstlichen Intelligenz
  • Gesellschaftliche Folgen der künstlichen Intelligenz

Weitere Voraussetzungen:

Die Lernziele der Module: ADS, Programmiertechniken und Inf-I1-2FNF

Prüfungsleistung:

Prüfungsgespräch zu den fachlichen Inhalten, Ausarbeitung zu den fachdidaktischen Inhalten, benotet (Prüfungsvorleistung: gegebenenfalls Hausaufgaben)

Lehr- und Lernmethoden:

Vortrag, Selbstarbeit in Übungsgruppen, Selbstarbeit in Seminargruppe

Verwendbarkeit:

Das Seminar zählt mit 2 LP zur Fachdidaktik.

Literatur:

Russell, S. J. & Norvig, P. (2009). Artificial Intelligence. A Modern Approach (Prentice Hall series in artificial intelligence, 3. Aufl.). Upper Saddle River: Prentice Hall/Pearson Education.

Verweise:

Kommentar: