Material

• Äffchenkarten
  https://computingeducation.de/bc35e03d658f666007bc006b004e253d/ai-1-karten-1.pdf
• Präsentation
  https://computingeducation.de/proj-ai-unplugged/

Bezug zum Lehrplan

• Kriterien und Klassifikationsmodelle entwickeln
• Funktionsweise von KI-Systemen (überwachtes Lernen) verstehen

Medienkompetenzen

• 1.2 Daten, Informationen und digitale Inhalte analysieren und bewerten
• 2.1 Mit anderen zusammenarbeiten
• 3.3 Modellieren, strukturieren und kodieren

Bezug zum Alltag

KI-Systeme können auf der Basis von Daten autonome Entscheidungen treffen. Dazu bedienen sie sich Techniken des maschinellen Lernens, wie zum Beispiel der Klassifikation. Dabei
werden Daten mithilfe eines Entscheidungsbaumes aufgrund ihrer Merkmale in verschiedene Kategorien eingeteilt. Anhand von Testdaten werden die erstellten Kriterien überprüft
und eventuell angepasst. Diese Technik wird überwachtes Lernen (Supervised Learning) genannt.

Ablauf

Für Tierpflegende ist es wichtig zu wissen, welche Affen einen beißen könnten und welche nicht. Aufgrund der Erfahrung haben Tierpflegende bereits einige Informationen (Trainingsdaten)
zusammengetragen.

Einfache Variante (20 blaue Karten):
Die Lehrperson projiziert die Präsentation „Aktivität 1: Äffchenkarten“ oder bringt einen Teil der blauen Affen-Karten an der Tafel an – unterteilt in die Kategorien „beißend“ und „nicht beißend“. Die Lernenden betrachtendie Testdaten und überlegen sich Kriterien, die bestimmen, ob ein Affe beißt. Falls die Lernenden Hilfe benötigen, kann das Vorgehen an einem Beispiel illustriert werden, zum Beispiel der Mundform. Nun erstellen sie einen Entscheidungsbaum, um die Affen möglichst korrekt den beiden Kategorien „beißend“ und „nicht beißend“  zuzuordnen. Die Lehrperson zeigt anschließend die übrigen Affen-Karten (Testdaten) und die Lernenden wenden ihr Regelschema an, um das Beißverhalten des gezeigten Affen zu bewerten.

Fortgeschrittene Variante (40 blaue und grüne Karten):
Die Lernenden überlegen sich in Zweierteams, wie sie die Trainingsdaten anhand von Kriterien in beißende und nicht beißende Affen einstellen können. Sie erstellen einen  Entscheidungsbaum, der bei Vorhandensein oder Abwesenheit eines bestimmten Merkmals eine eindeutige Zuordnung zu einer der beiden Kategorien erlaubt. Im Anschluss werden die Entscheidungsbäume mit einem anderen Team getauscht. Nun entscheiden die Teams mithilfe des ihnen vorliegenden Regelschemas für die restlichen Affen-Bilder (Testdaten), ob der Affe beißt oder nicht. Jedes Team notiert die getroffene Entscheidung. Nachdem alle Testdaten gezeigt wurden, wird ausgewertet, welches Team bei den meisten Affen das Beißverhalten richtig bewertet hat.
Dabei fällt auf, dass viele Klassifikationsmodelle die Affen mehrheitlich richtig kategorisieren, es jedoch schwer ist, alle Tiere richtig einzuordnen.
Im Anschluss wird der Bezug des Affen-Problems und der Entscheidungsbäume zu Künstlicher Intelligenz dargestellt: Beim überwachten Lernen (Supervised Learning) beobachtet die KI Trainingsdaten und erlernt, wie diese miteinander in Beziehung stehen. Die so erkannten Muster werden nun verwendet, um neue Elemente in eine der Kategorien einzuordnen. Dabei gibt es nicht eine einzige richtige Lösung, sondern unterschiedliche Regelwerke. Testdaten, deren Kategorisierung uns – jedoch nicht dem Modell – bekannt ist, dienen dazu, die Güte des Klassifikationsmodells zu bewerten. Voraussichtlich arbeitet keines der Klassifikationsmodelle hundertprozentig genau, sondern es wird das Modell gewählt, das die Testdaten am besten einordnet.

Tipps & Tricks

Mit der Seite „Machine Learning for Kids“ kann die Klassifikation auch per Computer vorgenommen werden.
Zur Einübung von Klassifikationen anhand von Entscheidungsbäumen können eigene Fragestellungen verwendet werden, zum Beispiel: „Zeichne einen Entscheidungsbaum zu dem, was du für den Schulweg anziehst, je nachdem ob es regnet, nicht regnet, Sommer oder Winter ist.“

Weiterführende Links

https://www.plattform-lernende-systeme.de/video-tutorials.html