Das erwartet dich

KISS* stellt eine Lernumgebung zum besseren Verständnis und zur Auseinandersetzung mit der Zukunftstechnologie der Künstlichen Intelligenz bereit.

Vorschaubild
100% online
4
Seiten
ohne Vorbildung

Zusammenfassung

Künstliche Intelligenz weckt großen Hoffnungen aber auch viel Ängste. Ursache dafür ist häufig Unwissen über die dahinterliegenden Mechanismen.

KISS soll umfangreiches Material zum besseren Verständnis und zur Auseinandersetzung mit der wichtigen Zukunftstechnologie der Künstlichen Intelligenz in einem freien Online Education Tool (Wordpress / H5P) bereit stellen.

Neben der Darstellung der wichtigsten Mechanismen und Einsatzzwecke der KI werden auch die gesellschaftlichen und ethischen Folgen der KI berücksichtigt und zur Diskussion gestellt werden.

Die Darstellung und Erklärungen sollen sich an der Erlebniswelt von Schüler*innen und Studierenden orientieren.

Die Inhalte sind als Open Educational Resource (OER) verfügbar.

Wie nutze ich KISS?

KISS stellt eine komplette Online Lernumgebung für folgende Zwecke bereit:

  1. Zum Selbstlernen, alleine oder in Gruppen (für Lernende)
  2. Für Gruppenarbeiten im Unterricht (für Lehrende)
  3. Zum Selbstlernen oder für Gruppenarbeiten im Unterricht (für Lernende und Lehrende)

Zielgruppe:

  • a) Schüler:innen ohne Vorkenntnisse in Informatik und mit Grundkenntnissen in Mathematik
  • b) Studierende aller Fachrichtungen, die ein Grundverständnis von KI erreichen wollen
  • c) Lehrende sowohl im Schul als auch im Hochschulbereich, die eine systematische Sammlung an KI-Themen für einführende Lehrveranstaltungen in das Thema KI benötigen
  • d) Interessierte Selbstlerner, die alleine oder in Gruppen ein Verständnis von KI erlangen wollen.

Sprache: Deutsch

Aufbereitung: KISS ist eine Open Educational Resource auf der Basis der kostenlosen und freiverfügbaren Blog-Software Wordpress

mehr lesen

weniger lesen

Inhalt

Methodik

Für die einzelnen Kapitel wurden klare Lernziele formuliert, die Vorgehensweise zur Vermittlung und Vertiefung der Inhalte, sowie die Art und Weise, wie der Lernerfolg überprüft werden soll (Ergebnis und Lerncheck). Als Instrumente der Vertiefung verwenden wir:

  1. Offene Listen und Freitext-Antworten - diese dienen dazu, sich durch eigenes Nachdenken intensiver mit dem Stoff auseinanderzusetzen oder eigene Erfahrungen zu reaktivieren. Beispiele: Vorteile-Nachteile auflisten, eigene Erfahrungen niederschreiben. Hier gibt es keine 100% richtige oder falsche Antworten. Es werden „Musterlösungen“ beigefügt, die die wichtigsten Aspekte, die adressiert werden sollen, auflistet und zum Abgleich mit dem Lernenden-Beiträgen dient.

  2. Auswahl-Tests, ausgeführt als WAHR/FALSCH-Abfragen, Zuordnungsaufgaben, Lückentexte

  3. Ergebnisabfragen, die sich nach Durchspielen/Durchrechnen eines Modells ergeben. Beispiele: einen Entscheidungsbaum oder eine Algorithmenbeschreibung durchgehen und das Ergebnis eigenständig ermitteln.

Das Lernkonzept setzt auf die Aspekte: Beispiele aus der Lebenswelt der Lernenden, interaktive Beispiele zum Ausprobieren und Interaktive Quizabfragen zur Wissenssicherung innerhalb der Lektionen.

mehr lesen

weniger lesen

Lernziele

1 Wo finden wir KI? Ziel: Aufmerksamkeit wecken, wo KI im Alltag verwendet wird

2 Welche Art von KI gibt es? Ziel: Unterscheidung Starke/Schwache KI, positive/negative Beispiele für KI, potenzielle Auswirkungen von KI

3 Wie funktioniert KI?

  • Begriffsklärung Künstliche Intelligenz, Grundbegriffe der KI lernen
  • Erklärung den drei historischen Phasen der KI-Entwicklung
  • Klärung der Grundbegriffe: Daten, Algorithmus, Modell, Maschinelles Lernen & Lernende Algorithmen

4 Regelbasierte KI Ziel: Verstehen, wie ein Expertensystem funktioniert

5 Maschinelles Lernen (ML) Ziel: Grundprinzip des ML verstehen und die die wichtigsten Formen des ML kennenlernen

Beispiele für den Einsatz von KI

6 Überwachtes Lernen I - Lineare Regression Ziel: Verstehen wie Prognosen aus Daten gemacht werden ** 7 Überwachtes Lernen II - Logistische Regression** Ziel: Erkennen, dass ML-Klassifikationen mit Wahrscheinlichkeiten arbeiten

8 Empfehlungssysteme: Collaborative Filtering Film-Empfehlung Ziel: Verstehen, wie ein Vorschlagssystem funktioniert

9 Unüberwachtes Lernen - Clustering Ziel: Verstehen, wie aus Daten mit dem k-Means-Algorithmus zu Clustern gruppiert werden können

10 Reinforcement Learning: Spiele und Ernsthafte Anwendungen Ziel: Verstehen wie durch Belohnungsysteme zielgerichtetes Verhalten simuliert werden kann.

11 Künstliche Neuronale Netze Ziel: Grundverständnis wie KNNs funktionieren und intuitives Verständnis erlangen wie damit Klassifikationen gemachen werden können.

12 Chat Bots Ziel: Verstehen wie ein komplexer Bestellvorgang in einzelne einfache Teilschritte heruntergebrochen werden kann um automatisch ausgeführt zu werden.

13 Auswirkungen von KI Ziel: Sich mit ethischen Fragen der KI auseinandersetzen um eine informierte Meinungsbildung zu den Themen KI und Sicherheit, Verantwortung und Macht zu erlangen.

mehr lesen

weniger lesen

Technische Voraussetzungen

Ein beliebieger Browser (bevorzugt Firefox) oder mobiler Browser reichen als Voraussetzung für das Lernangebot aus.

Um die interaktiven Elemente nutzen zu können, muss JavaScript aktiviert sein

mehr lesen

weniger lesen

Nähere Informationen

Veröffentlicht am

July 21, 2021

Sprachen

Deutsch

Autor*innen

Werner Bogula

Repositorium

LRMI Metadaten

Anzeigen