Material

• Tablet für Vittascience und Code.org
• unterschiedliches Bildmaterial zum Sortieren und Kategorisieren, zum Beispiel Bilder von Prinzessinnen, Verkehrsschildern, Tieren, Spiel „Wer ist es?“, usw.
  Man kann aber auch Bausteine nehmen und diese sortieren lassen.
• Beamer oder interaktive Tafel zum Präsentieren
• Evtl. digitale Mindmap-Tools, wie z.B. Miro, Fobizz-Board

Medienkompetenzen

1.2 Daten, Informationen und digitale Inhalte analysieren und bewerten
1.4 Daten, Informationen und digitale Inhalte verarbeiten
5.2 Kritisch-reflektiert mit digitalen Medien interagieren

Bezug zum Lehrplan

Langues: Production orale

Kontext

In dieser Unterrichtseinheit wird thematisiert, wie ein KI-Modell trainiert wird. Anhand von Datensätzen werden Gegenstände oder Bilder bestimmten Kategorien zugeteilt. Die Lernenden erfahren, dass KI keine menschliche Intelligenz besitzt, sondern Muster anhand von Daten erkennt.

Ziele der Stunde

• Die Lernenden geben eine vereinfachte Definition von KI.
• Sie erklären, dass eine KI keine „Intelligenz“ im menschlichen Sinne besitzt, sondern auf Basis von Datensätzen Muster erkennt. #Wahrscheinlichkeitsberechnung #Algorithmus #Daten
• Sie erklären den vereinfachten Trainingsvorgang von KI.
• Sie kategorisieren Bilder anhand von bestimmten (vorher festgelegten) Merkmalen.
• Sie beschreiben die Funktionsweise eines Klassifikationsmodells (Eingabe → Verarbeitung → Ausgabe)   (données–> programme d’IA –> résultat)
• Sie geben mögliche Datenquellen an, zum Beispiel Fotodatenbank.

Ablauf der Stunde

1. Einstieg (10–15 Min)

Die Aktivität beginnt mit einer Ideensammlung. Die Lehrperson fragt die Lernenden, was sie sich unter Künstlicher Intelligenz vorstellen. Die Rückmeldungen können in einer Mindmap festgehalten werden. Auf diese kann am Ende der Einheit wieder zurückgegriffen werden.

Das Spiel “Wer ist diese Prinzessin?” wird gespielt. Hierfür können Bilder von Prinzessinnen oder anderes Bildmaterial (s.o.) verwendet werden. Jeder bekommt ein Bild und muss durch Fragen herausfinden, was auf seinem Bild abgebildet ist. (siehe Wer ist diese Prinzessin?)

2. Erarbeitung:  (30 – 50 Min)

Teil 1: Kategorisieren

Die Lernenden werden in Gruppen eingeteilt. Sie sollen die Bilder ordnen und anschließend ihr Ordnungssystem der Klasse vorstellen: Nach welchen Kriterien wurde sortiert? Können andere Kriterien genutzt werden?
Danach wird erklärt, wie eine KI oder ein Computer erkennt, was auf Bildern abgebildet ist und wie das Bild anschließend kategorisiert werden soll? (Anwendungen: Gesichtserkennung im Smartphone, Erkennung von Gesichtern in einer Fotodatenbank, Erkennung von Hindernissen und Verkehrsschildern bei autonomen Fahrzeugen)

Teil 2: Trainieren und testen

C3 und C4: Die Applikation Fisch oder Müll von Code.org wird mit den Lernenden durchgeführt. Ab Sekundarstufe kann sofort mit Vittascience trainiert werden.
Fragestellungen zu dieser Applikation:
– Welche Merkmale unterscheiden beide Kategorien?
– Was haben sie gemeinsam?
– Welche Kriterien sind ausschlaggebend?

Zu Vittascience: Hier können Kategorien ausgesucht werden, zum Beispiel „Katze und Hund“. Es können aber auch andere Datensätze verwendet werden, die zu einem gerade behandelten Thema passen (weitere Erklärungen: http://www.edulink.lu/7gvn)

Abschluss (5–10 Min)

Zum Abschluss wird auf das Mindmap vom Einstieg zurückgegriffen und die Erkenntnisse der Lernenden werden festgehalten und ergänzt.
Mögliche Fragestellungen:
– Was hat sich für mich geändert?
– Was weiß ich jetzt mehr?
– Wie wird eine KI trainiert?
– Warum sind Daten wichtig?

Weiterführende Aktivitäten

Siehe Lessonplan “Wir sortieren unseren Müll”

Hier kann auch ein anderes Thema, das gerade im Kontext der Kinder von Relevanz ist, ausgewählt werden.
– Fotos von Verkehrsschildern zur Verkehrssicherheit
– Trainieren einer Sicherheitskamera im Straßendienst: Ist der/die Fahrer*in gerade am Handy oder schläft sogar?
– Welche Vögel kommen an den Futterplatz? Die Vogelart durch eine trainierte KI bestimmen lassen.

Erklärung zum Aufbau eines digitalen Bildes: Aufteilung des Bildes in Pixel von 3 verschiedenen Farben. Das Bild wird zerlegt und wieder aufgebaut…