Maschinelles Lernen im Schulunterricht am Beispiel einer problemorientierten Lerneinheit zur Wortvorhersage

Hofmann, Stephanie; Frank, Martin

Maschinelles Lernen im Schulunterricht am Beispiel einer problemorientierten Lerneinheit zur Wortvorhersage

dc.contributor.author	Hofmann, Stephanie
dc.contributor.author	Frank, Martin
dc.date.accessioned	2023-06-07T10:40:06Z
dc.date.available	2023-06-07T10:40:06Z
dc.date.issued	2023
dc.description.abstract	Technologien aus dem Bereich des Maschinellen Lernens (ML) erleben derzeit durch den exponentiellen Anstieg der produzierten Daten und der enorm gestiegenen Rechenleistung ihren Aufstieg und werden zukünftig vermehrt Empfehlungen und Vorhersagen automatisiert treffen können. Die wachsende Bedeutung von ML für die Gesellschaft erfordert eine Thematisierung dieser Technologien und Fragestellungen auch im Unterricht. Die Relevanz von ML für Gegenwart und Zukunft der Lernenden sowie die Möglichkeit der didaktischen Reduktion einiger ML-Methoden auf schulmathematische Inhalte der Sekundarstufe unterstreichen diese Forderung. Gleichzeitig kann das Verständnis von und der Umgang mit Daten an Problemstellungen im Bereich ML geschult werden. Im Rahmen des Projektes CAMMP (www.cammp.online) entstand daher eine Lerneinheit, die Schüler*innen ab Klasse 10 am Beispiel der Wortvorhersage aufzeigt, wie maschinelle Lernmethoden genutzt werden können, um Vorhersagen aus Daten zu treffen.	de
dc.identifier.uri	http://hdl.handle.net/2003/41474
dc.identifier.uri	http://dx.doi.org/10.17877/DE290R-23317
dc.language.iso	de	de
dc.publisher	Gesellschaft für Didaktik der Mathematik
dc.relation.ispartof	Beiträge zum Mathematikunterricht 2022
dc.subject	Maschinelles Lernen	de
dc.subject	Jupyter Notebooks	en
dc.subject	Modellierung	de
dc.subject	natürliche Sprachverarbeitung	de
dc.subject	Data Science	en
dc.subject	künstliche Intelligenz	de
dc.subject	Statistik	de
dc.subject.ddc	510
dc.title	Maschinelles Lernen im Schulunterricht am Beispiel einer problemorientierten Lerneinheit zur Wortvorhersage	de
dc.type	Text	de
dc.type.publicationtype	conferenceObject	de
dcterms.accessRights	open access
eldorado.secondarypublication	false	de

Files

Original bundle

Now showing 1 - 1 of 1

Name:: BzMU22_157.pdf
Size:: 84.56 KB
Format:: Adobe Portable Document Format
Description:: DNB

Download

License bundle

Now showing 1 - 1 of 1

Name:: license.txt
Size:: 4.85 KB
Format:: Item-specific license agreed upon to submission
Description:

Download

Collections

2022