ZusammenfassungKünstliche Intelligenz und speziell auch maschinelles Lernen prägen als Technologie vermehrt unseren Alltag und werfen auch Fragen von gesamtgesellschaftlicher Tragweite auf. Die Thematisierung der Grundlagen dieser Verfahren ist damit auch eine schulische Aufgabe. Eine problemlose Einbettung in den existierenden Fachunterricht erscheint aber aus im Beitrag dargelegten Gründen nicht ohne Weiteres möglich, sodass zunächst eine fachdidaktische Aufbereitung der Themen – speziell auch in Form von Unterrichtsmaterial – erfolgen muss. Der Beitrag stellt dazu drei digitale Lernumgebungen vor, die basierend auf gemeinsamen theoretischen Überlegungen verschiedene Ausgestaltungen für Unterricht zu typischen Themen der künstlichen Intelligenz bzw. des maschinellen Lernens darstellen: Perceptren, künstliche neuronale Netze und Verstärkungslernen. Zentral für alle Umgebungen ist ein Element der interaktiven Exploration von Systemen, diese werden durch stärker oder weniger stark geleitete Bearbeitungswege und Aufgaben ergänzt.
ZusammenfassungDer Beitrag stellt die Ergebnisse einer Vorstudie und einer experimentellen Studie (N = 273) in der Sekundarstufe und der Universität im Kontext der Programmierung, genauer der Programmablaufverfolgung (Tracing), vor. Das Ziel ist die automatische Generierung von Items in einem adaptiven Testsystem, die bekannte Fehlvorstellungen sichtbar machen können. Verglichen werden dazu zunächst die empirisch unter Lernenden ermittelten Schwierigkeiten bekannter Items mit den Schwierigkeiten, die aus einem theoretischen Vorhersagemodell abgeleitet werden, sowie mit einem Rating von Experten. Darauf aufbauend werden Items anhand von einfachen Regeln generiert und in einer Hauptstudie deren durch die Regeln vorhergesagte Schwierigkeitsrangfolge empirisch überprüft. Die Ergebnisse zeigen, dass eine solche regelbasierte Generierung von Items vielversprechend ist. Bestimmte Programmkonstrukte sind hinsichtlich ihrer Schwierigkeit auf diese Weise gut klassifizierbar und können so für die automatisierte Itemkonstruktion genutzt werden. Praktisch erlauben solche adaptiven Testverfahren in kurzer Zeit die Diagnose von Fehlvorstellungen, die eine große Hürde in der Programmierausbildung darstellen. Aufgrund der Regeln und des Itemformats ist es darüber hinaus möglich, gezielt Feedback zu den Fehlvorstellungen an die Testerinnen und Tester, oder auch die Lernenden selbst, zu geben.
TheoryDigital technologies have become an integral part of everyday life that children are exposed to. Therefore, it is important for children to acquire an understanding of these technologies early on by teaching them computational thinking (CT) as a part of STEM. However, primary school teachers are often reluctant to teach CT. Expectancy-value theory suggests that motivational components play an important role in teaching and learning. Thus, one hindrance to teachers’ willingness to teach CT might be their low expectancies of success and high emotional costs, e.g., anxiety towards CT. Thus, introducing preservice teachers to CT during their university years might be a promising way to support their expectancies and values, while simultaneously alleviating their emotional costs. Prior CT competences might contribute to these outcomes.AimsWe investigated whether a specifically designed seminar on CT affected preservice teachers’ expectancies and values towards programming.Method: A total of 311 German primary school and special education preservice teachers took part in the study. The primary school preservice teachers received a seminar on CT and programming with low-threshold programming tasks, while the special education teachers served as a baseline group. The seminar was specifically designed to enhance expectancies and values and decrease emotional costs, following implications of research on expectancy-value theory.ResultsThe preservice teachers who visited the seminar gained higher expectancies and values towards CT and programming compared to the baseline group. Moreover, their emotional costs decreased. CT was positively related to change in expectancies and values and negatively related to emotional costs.DiscussionInterventions with low-threshold programming tasks can support primary school preservice teachers in finding trust in their abilities and values towards CT. Moreover, their anxiety towards CT and programming can be alleviated. Thus, first steps in preparing preservice teachers to teach CT in their future classrooms can be taken in university.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.