Mathematische Grundlagen der Künstlichen Intelligenz im Schulunterricht

Autor: Sarah Schönbrodt, Martin Frank, Thomas Camminady
Rok vydání: 2021
Předmět:
Zdroj: Mathematische Semesterberichte, 69, 73-101
ISSN: 1432-1815
0720-728X
DOI: 10.1007/s00591-021-00310-x
Popis: ZusammenfassungEin Anspruch des mathematischen Modellierungsunterrichts in der Schule sollte es sein, besonders aktuelle Probleme und interessante neue Technologien aus dem Alltag der Schüler/innen einzubeziehen. Dies gilt insbesondere, wenn sie eine didaktische Reduktion auf elementare (schul-)mathematische Inhalte leicht zulassen. Künstliche Intelligenz (KI) zieht sich durch verschiedene Bereiche von Wissenschaft und Technik und verbirgt sich insbesondere hinter zahlreichen Anwendungen unseres Alltags.In diesem Beitrag wird diskutiert, wie ein zeitgemäßer Mathematikunterricht durch die Modellierung realer, schülernaher Probleme aus dem Bereich KI bereichert werden kann. Dazu werden zwei Methoden und deren didaktische Reduktion für den Einsatz in einem computergestützten Mathematikunterricht vorgestellt.Bei der problemorientierten Diskussion beider Methoden werden zwei alltägliche Problemstellungen in den Blick genommen: Zum einen Klassifizierungsprobleme und deren Lösung mithilfe der sogenannten Stützvektormethode (SVM), die auf der Berechnung des Abstandes von Punkten zu Hyperebenen beruht; zum anderen Empfehlungssysteme, die auf einer Matrix-Faktorisierung basieren können.Zu beiden Problemstellungen wurden digitale Lernmaterialien für Oberstufenschüler/innen entwickelt, die im Rahmen von eintägigen Workshops zur mathematischen Modellierung bereits mehrfach erprobt wurden. Die digitale Umsetzung als Jupyter Notebooks wird abschließend beschrieben und steht den Leser/innen als Open Educational Resources unter einer Creative Commons Lizenz zur Verfügung.
Databáze: OpenAIRE
Externí odkaz: