Fachset Informatik
Fachset Informatik
Im Fachset Informatik beschäftigen wir uns mit der Entwicklung kontext- und handlungsorientierter Materialien für den Informatikunterricht. Dabei spielt der im neuen Rahmenlehrplan als Wahlthema angegebene Bereich des "physical computing" eine zentrale Rolle. Wir setzen die Mikrocontroller-Experimentierplattform "Arduino" ein, um mit unseren Materialien den Schülerinnen und Schülern die Funktionsweise von alltäglichen digitalen Geräten näherzubringen.
Zur Unterstützung des Einsatzes der Hardware im Unterricht haben wir einen Materialkoffer mit günstigen und einfach beschaffbaren Bauteilen zusammengestellt. Die Teileliste zum Aufbau des Koffers ist in den Unterlagen zu den Modulen dokumentiert.
Unterrichtsmaterialien zum Download
Ampelhörnchen: Eine Ampelsteuerung mit Scratch
Die Ampelsteuerung ist ein bekanntes Problem aus der Informatik-Didaktik, welches in vielen verschiedenen Kontexten und Programmierumgebungen zur Erklärung vieler sehr unterschiedlicher Konzepte üblich und geeignet ist. Die vorliegende Aufgabe ist zwar von einigen dieser vorhandenen Ansätze inspiriert, verwendet den Kontext Ampelsteuerung aber auf eine neue kreative Weise. Die Schülerinnen und Schüler finden in der Programmierumgebung Scratch eine animierte Kreuzung mit verschiedenen sich bewegenden Verkehrsteilnehmern vor und sollen dann in diesem Rahmen die Steuerung der Ampelanlage an dieser Kreuzung programmieren. Dabei lernen sie die Scratch-Umgebung sowie den Umgang mit Sequenzen und einfachen Wiederholungen kennen. Der Einbezug bewegter Verkehrsteilnehmer und die Erweiterung des Problems Ampelsteuerung auf eine Kreuzung ermöglicht darüber hinaus die Thematisierung von Fragen aus der Verkehrserziehung.
Digitales Thermometer
Themenfeld 3.9: Physical Computing
Die Schülerinnen und Schüler erfahren anhand einer einfachen Schaltung und eines kurzen Programms, wie die Messung analoger Spannungen mit einem Mikrocontroller durchgeführt und digital verarbeitet werden kann. Das kurze Modul ist vielseitig erweiterbar, denn sobald die Schaltung aufgebaut ist, kann die Mess-Software beliebig erweitert werden, um z.B. für Überhitzung zu warnen oder das Raumklima zu regeln.
KI programmieren im Informatikunterricht Teil I: Einführung
Themenfeld 3.2: Informatiksysteme
Wer neuronale Netze einmal selbst trainiert hat, kann deren Risiken, Probleme und Chancen und damit auch mögliche gesellschaftliche Entwicklungen besser einschätzen.
Die Schüler entdecken mit der eigenständigen Programmierung von neuronalen Netzen (NN) deren Möglichkeiten. Zur Programmierung wird TensorFlow benutzt, das als Framework in der KI-Entwicklung viel Unterstützung bietet. Nach einer kurzen Einführung in die Ideen von NN wird die mögliche Umsetzung im Unterricht an Beispielen gezeigt. In diesem Sinne: All hands on code!
Intention der Lernaufgabe:
- Kennenlernen von Deep Learning DL / Künstlicher Intelligenz KI
- Erstellung / Programmierung eines eigenen NN
- Erkennen von Chancen und Risiken, möglichen gesellschaftlichen Auswirkungen
Wahlverfahren
Themenfeld 3.5: Algorithmisches Problemlösen
Fachübergreifendes Themenfeld: Demokratiebildung
Die Lernaufgabe „Demokratie und Informatik → Gerechtigkeit?" soll das Verfahren der Sitzverteilung bei Wahlen für Schülerinnen und Schüler nachvollziehbar und damit transparent machen. Mittels der in einem Jupyter-Notebook befindlichen Python-Programmcodes kann interaktiv das Ergebnis des jeweiligen Codeabschnitts dargestellt werden. So experimentieren die Schüler mit den vorgegebenen Programmcodes, verändern Sie und können so das Verfahren verstehen, sowie dessen Probleme (Alabama-Paradox, New-State-Paradox und Population-Paradox) beurteilen.
Digitales Thermometer
Themenfeld 3.9: Physical Computing
Die Schülerinnen und Schüler erfahren anhand einer einfachen Schaltung und eines kurzen Programms, wie die Messung analoger Spannungen mit einem Mikrocontroller durchgeführt und digital verarbeitet werden kann. Das kurze Modul ist vielseitig erweiterbar, denn sobald die Schaltung aufgebaut ist, kann die Mess-Software beliebig erweitert werden, um z.B. für Überhitzung zu warnen oder das Raumklima zu regeln.
„Wie kommt mein Puls auf das Smartphone?" - Bau eines Pulsmessgerätes mit dem Arduino
Themenfeld 3.9: Physical Computing
Die selbstständige Überwachung medizinischer Parameter wird seit der Verfügbarkeit von Fitness-Trackern mehr und mehr zum Mainstream. Das Modul behandelt die Funktion, den Aufbau und die Programmierung eines optischen Pulsmessgerätes. Die Entwicklung erfolgte in Zusammenarbeit mit dem Fachset Biologie.
„iSolar – die intelligente Solarzelle“
Themenfeld 3.9: Physical Computing
Erneuerbare Energie aus Sonnenlicht, doch bitte so effizient wie möglich! Im vorliegenden Unterrichtsmodul stellen die Schülerinnen und Schüler selbstständig einen Versuchsaufbau her, der eine Solarzelle immer im optimalen Winkel zur Sonne hält. Dazu wird die Arduino-Experimentierplattform in Verbindung mit zwei Modellbau-Stellmotoren genutzt. Die verwendeten Materialien sind einfach erhältlich und kostengünstig. Während der Durchführung mehrerer aufeinander aufbauender Experimente lernen die Schülerinnen und Schüler, wie sie Programme zur Spannungsmessung und Motorsteuerung schreiben und auf den Arduino-Mikrocontroller überspielen können. Die Programme sind einfach gehalten und für Programmier-Einsteiger geeignet. Der Aufbau der Experimente ist in übersichtlichen Schritt-für-Schritt-Anleitungen dargestellt.
KI programmieren im Informatikunterricht Teil I: Einführung
Vertiefungsgebiet V5: Künstliche Intelligenz
Wer neuronale Netze einmal selbst trainiert hat, kann deren Risiken, Probleme und Chancen und damit auch mögliche gesellschaftliche Entwicklungen besser einschätzen.
Die Schüler entdecken mit der eigenständigen Programmierung von neuronalen Netzen (NN) deren Möglichkeiten. Zur Programmierung wird TensorFlow benutzt, das als Framework in der KI-Entwicklung viel Unterstützung bietet. Nach einer kurzen Einführung in die Ideen von NN wird die mögliche Umsetzung im Unterricht an Beispielen gezeigt. In diesem Sinne: All hands on code!
Intention der Lernaufgabe:
- Kennenlernen von Deep Learning DL / Künstlicher Intelligenz KI
- Erstellung / Programmierung eines eigenen NN
- Erkennen von Chancen und Risiken, möglichen gesellschaftlichen Auswirkungen
KI programmieren im Informatikunterricht Teil 2: Bilderkennung
Vertiefungsgebiet V5: Künstliche Intelligenz
In dieser Lernaufgabe lernen die Schüler und Schülerinnen den Aufbau von neuronalen Netzen (NN) mithilfe von TensorFlow so, dass Bilder erkannt werden können. Im Anschluss ist es den Schülerinnen und Schüler möglich, Modelle in TensorFlow für eigene Projekte zu entwerfen und zu trainieren. Diese Lernaufgabe setzt die Grundlagen der ersten Lernaufgabe: „KI programmieren im Informatikunterricht Teil I: Einführung“ voraus. Ebenso wie Grundlagen der Programmierung mit Python, das Einbinden von Bibliotheken und den Umgang mit einer entsprechend leistungsfähigen IDE wie z. B. Spyder.
In diesem Sinne: All hands on code!
KI programmieren im Informatikunterricht Teil 3: Reihenvorhersage
Vertiefungsgebiet V5: Künstliche Intelligenz
In dieser Lernaufgabe lernen die Schüler und Schülerinnen den Aufbau von neuronalen Netzen (NN) mithilfe von TensorFlow, sodass Aussagen über Reihen mit Hilfe von LSTMs (long short term memory) gemacht werden können. Im Anschluss ist es den Schülerinnen und Schüler möglich, Modelle in TensorFlow für eigene Projekte zu entwerfen und zu trainieren. Diese Lernaufgabe setzt die Grundlagen der ersten Lernaufgabe: „KI
programmieren im Informatikunterricht Teil I: Einführung“ voraus. Weitere Voraussetzungen sind: Grundlagen der Programmierung mit Python,
das Einbinden von Bibliotheken und der Umgang mit einer entsprechend leistungsfähigen IDE wie z. B. Spyder.
KI programmieren im Informatikunterricht Teil 5: Teachable Machine
Vertiefungsgebiet V5: Künstliche Intelligenz
Diese Lernaufgabe führt in die Arbeit mit "Teachable Machine" ein, einer Online-Umgebung zum einfachen Training von neuronalen Netzen. Die Aufgabe enthält sprachdifferenziertes Material zur selbstständigen Erarbeitung und Bewertung eines Bild- oder Tonerkennungsmodells durch die Schülerinnen und Schüler. Ein Internetzugang wird zur Bearbeitung vorausgesetzt.
KI programmieren im Informatikunterricht Teil 6: Ethik
Vertiefungsgebiet V5: Künstliche Intelligenz
Anhand des Beispiels Gesichtserkennung sollen die SuS in einem Gruppenpuzzle den Einsatz von künstlicher Intelligenz bewerten. Als Grundlage hierfür lernen die Schülerinnen und Schüler (SuS) ein Modell zur Bewertung kennen, welches aus mehreren Teilkompetenzen besteht. Anschießend setzen sich die SuS mit den einzelnen Teilkompetenzen in Gruppen auseinander.
KI programmieren im Informatikunterricht Teil 7: DataScientist
Vertiefungsgebiet V5: Künstliche Intelligenz
Im KI-Bereich entwickeln sich rasant neue Tätigkeitsfelder und unerwartete Berufschanchen. In dieser Lernaufgabe sollen die Schülerinnen und Schüler einige dieser Berufsfelder besser kennenlernen. Die Lernaufgaben KI 1 (Einführung) und KI 2 (Bilderkennung) sind Voraussetzung hierfür. Die Lernenden übernehmen die Rollen verschiedener "Data-Scientists", extrahieren in Python Informationen aus Daten und arbeiten im Team zusammen.
Arbeit 4.0: Werden wir von der Digitalisierung der Arbeitswelt profitieren – oder machen wir uns selbst überflüssig?
Vertiefungsgebiet V8: Informatik und Gesellschaft
Gegenstand dieser Lernaufgabe ist es, die Schülerinnen und Schüler mit Hilfe der Unterrichtsmethode „Strukturierte Kontroverse“ in ihrem Urteils- und Meinungsbildungsprozess anzuleiten. Dies erfolgt thematisch am Beispiel der Digitalisierung der Arbeitswelt und den damit verbundenen Herausforderungen.
Die vorgestellte Methode lässt sich auf andere Themengebiete und Fächer übertragen. Hierfür steht ein Ablaufplan mit detaillierten Arbeitsaufträgen für die Schülerinnen und Schüler sowie didaktische Hinweise zu den einzelnen Phasen und zur Wahl des geeigneten Materials zur Verfügung.
Beratungen und Fortbildungen
- Beratungsangebote nach Terminvereinbarung
- Fortbildungen im Rahmen der iMINT-Akademie
Ansprechpartner Fachset Informatik
Redaktionell verantwortlich: Corinna Brännström, LISUM