Künstliche Intelligenz (KI) sind längst als Alexa und Siri oder beim autonomen Autofahren involviert und auch beim täglichen Chatten mit Freund:innen unterstützt uns eine KI: Wir bekommen Wörter vorgeschlagen und sparen damit nicht nur wertvolle Zeit, sondern machen auch weniger Fehler beim Schreiben. Doch woher weiß das Handy, was ich als Nächstes schreiben möchte? Wie können solche Wortvorschläge möglichst so generiert werden, dass sie mit hoher Wahrscheinlichkeit das von dem / der Nutzer:in gewünschte Wort liefern? Wie gut funktionieren solche Wortvorschläge? Kann man am Ende mit Hilfe solcher Vorhersagemodelle die Sprache des Nutzers oder der Nutzerin so gut imitieren, dass niemand mehr merkt, dass der Text von einer KI anstatt von einem echten Menschen erzeugt wird?

In diesem Workshop erstellen die Schüler:innen selbst ein Vorhersagemodell, verbessern dieses und testen es aus. Dabei wird die praktische Relevanz der Mathematik im Alltag erkennbar und die Schüler:innen erleben einen ganz neuen handlungsorientierten computergestützten Zugang zur Mathematik.

Dauer: ab 5 Stunden
Inhalte: Stochastik (Wahrscheinlichkeitsbegriff), Markov Ketten n-ter Ordnung (Übergangsgraphen und -tabellen), gewichteter Mittelwert, Logarithmusfunktion, Optimierung, grundlegende Strategie des maschinellen Lernens
Vorwissen: relative und absolute Häufigkeit, Wahrscheinlichkeitsbegriff
Zielgruppe: Mathematikkurse oder Informatikkurse ab der 10. Klasse
Erstellt von: Stephanie Hofmann
Anmeldung: Termine können individuell über dieses Formular vereinbart werden.

Bildquelle: https://unsplash.com/photos/ik_AuIWeBBM

Material

Auf das interaktive Lernmaterial kann über die Online-Plattform workshops.cammp.online zugegriffen werden. Wie ein Account auf der Plattform erstellt und das Material verwendet wird, wird in diesem Video erklärt. Zusätzlich wird für Lehrkräfte auf der Online-Plattform Begleitmaterial zur Verfügung gestellt, welches über ein Passwort, das per Mail angefragt werden kann, zugänglich ist.

Liste von Publikationen und Vorträgen zu diesem Modul

• Hofmann, S. & Frank, M. (in Druck): Maschinelles Lernen im Schulunterricht am Beispiel einer problemorientierten Lerneinheit zur Wortvorhersage, GDM, Frankfurt.
• Hofmann, S. & Frank, M. (2022). Teaching data science in school: Digital learning material on predictive text systems. In G. Bolondi & J. Hodgen (Eds.), ''Proceedings of the Twelfth Congress of the European Society for Research in Mathematics Education''.