ScaDS.AI

Das Projekt

Das seit 2014 bestehende nationale Kompetenzzentrum im Raum Dresden/Leipzig für Big Data ScaDS wurde im Rahmen der KI-Initiative der Bundesregierung 2019 zu einem der deutschen Zentren für KI-Forschung ausgebaut. Dieses erweiterte Zentrum mit dem Namen ScaDS.AI (Center for Scalable Data Analytics and Artificial Intelligence) entwickelt fortschrittliche KI-Methoden und Verfahren zur effiziente Nutzung von Massendaten. Daneben erforscht ScaDS.AI auch die Auswirkungen von KI auf unsere Gesellschaft. In diesem Bereich wirkt die Professur für Didaktik der Informatik mit und entwickelt Konzepte zur Vermittlung von KI-Inhalten in der Kinder-, Jugend- und Erwachsenenbildung und untersucht die Vorausetzungen für eine gelingende KI-Lehre. Für weitere Informationen siehe die Projektseite von ScaDS.AI.

Uebersicht über die einzelnen Strukturbereiche von ScaDS.AI

Motivation

Künstliche Intelligenz wird zuehmend Teil unseres Alltags. Schon jetzt interagieren die meisten von uns bewusst oder unbewusst mit verschiedensten KI-Technologien, seien es einerseits automatisierte Chatbots im Kundensupport oder die intelligenten Algorithmen YouTubes, die uns das nächste Video vorschlagen. Doch während der Einzelne noch größtenteils in seiner Freizeit mit KI in Berührung kommt, hält künstliche Intelligenz längst Einzug in der Wirtschaft allen voran der Informatik, wobei sich zurzeit kein Ende der momentanen Entwicklung absehen lässt. Um Schüler*innen bestmöglich für die Zukunft zu rüsten, bedarf es daher einer intensiven Auseinandersetzung mit der Lehre von KI-Inhalten für Kinder und Jugendliche, aber auch in der Lehrer(fort)- und Erwachsenenbildung.

Projektziele

Im Fokus der Forschung an der Professur für Didaktik der Informatik steht das Öffnen von Forschungsfeldern und damit verbundenen Erkenntnissen im Bereich KI für die breite Öffentlichkeit, also für Kinder, Jugendliche und Erwachsene, die bisher keine oder kaum informatische Expertise und wenig Bezug zu KI-Themen hatten.

Forschungsfragen

Von dieser Prämisse ausgehend wurden folgende Forschungsfragen formuliert:

„Was interessiert/bewegt die breite Öffentlichkeit am Thema KI?“
„Welche (Fehl-)Vorstellungen, Sorgen und Hoffnungen existieren bei Novizen zum Thema KI?“
„Welche Grundkompetenzen sind nötig, um wichtige Aspekte des Themenfeldes KI nachvollziehen und mitgestalten zu können?“
„Welche interdisziplinären Aspekte eigenen sich besonders zur Thematisierung von KI in der Öffentlichkeit?“
„Wie können Kinder und Jugendliche (insb. technikferne Jugendliche) nachhaltig für den Themenkomplex ‚Künstliche Intelligenz‘ gewonnen/interessiert werden? Welche Formate sind dazu geeignet?“

Entwicklung von Lehrkonzepten

Um diese Fragen zu beantworten, zu gestalten und ggf. zu relativieren werden unterschiedliche Formate (wie Workshops, Diskussionsrunden, Erklärvideos, VR-Simulationen, Lernspiele) entwickelt, erprobt und evaluiert. Neuere KI-Lernsysteme bieten vielversprechende Lösungsansätze indem diese Teile des Deep Learning Workflows abbilden und auch für Lernende ohne Vorkenntnisse zugänglich machen [1][2][3]. Die Übertragung diese Ansätze auf neue digitale Lerntechnologien wie Multi-Touch-Tische ermöglicht kollaboratives Lernen durch Modifikation bestehender neuronaler Netze und bieten somit neue Zugänge zum Themengebiet KI. VR-Technologien bieten dem Lernenden die Möglichkeit, in angepassten Lernanwendungen Teil des Systems zu werden. Durch diesen Perspektivwechsel können KI-basierte Informatiksysteme entmystifiziert und begreifbar werden. Die Integration in entsprechende Lehrformate für die universitäre Lehre, insbesondere in der Lehrerausbildung, gewinnt Lehrende als zukünftige Multiplikatoren.

[1] Schultze, S.; Gruenefeld, U.; Boll, S.: Demystifying Deep Learning: Developing and Evaluating a User-Centered Learning App for Beginners to Gain Practical Experience. i-com 19/3, S. 201–213, 26. Jan. 2021,issn: 2196-6826, 1618-162X.

[2] Smilkov, D.; Carter, S.; Sculley, D.; Viégas, F. B.; Wattenberg, M.: Direct-Manipulation Visualization of Deep Networks. arXiv:1708.03788 [cs, stat]/,12. Aug. 2017, arXiv:1708.03788

[3] Yosinski, J.; Clune, J.; Nguyen, A.; Fuchs, T.; Lipson, H.: Understanding Neural Networks Through Deep Visualization. arXiv:1506.06579 [cs]/, 22. Juni 2015,arXiv:1506.06579

Lehrveranstaltungen

Die Integration von KI-Themen in die Lehrkraftaus- und weiterbildung, gewinnt Lehrende als zukünftige Multiplikatoren. Aus diesem Grund wird das Thema KI in verschiedenen Lehrveranstaltungen für Lehramtsstudierende thematisiert:

Hauptseminar Didaktik für die Oberschule (SoSe 22)
Fachdidaktik - Ausgewählte Aspekte (SoSe 21)

Auch durch Weiterbildungen von bestehenden Lehrkräften wird das Thema KI einer breiteren Schüler:innenschaft zugänglich gemacht:

Weiterbildungsveranstaltung Sächsischer Schulinformatiktag

Abschlusssarbeiten

(SoSe 21) KI-Workshop für Kids „Wie Computer denken lernen“
Der Workshop „Wie Computer denken lernen“ wurde im Rahmen einer Staatsexamensarbeit entwickelt und beforscht. Er richtet sich an die Klassenstufen 10 – 12, wobei viele der Inhalte bereits früher vermittelt werden können. Ziel des Workshops ist es Teilnehmenden die Bandbreite von KI-Anwendungen handlungsorientiert und interessengeleitet näher zu bringen. Die entstandenen Materialien werden beständig weiterentwickelt und sind über das EduInf abruf- und nutzbar.

(WiSe 21/22) KI Play – Didaktische Konzeption eines KI-Lernspiels für Multitouch-Tische
In dieser Staatsexamensarbeit wurde ein Lernspiel „Chaos im Zoo“ zum Thema von neuronalen Netzen für Multitouch-Tische konzipiert. Das Hauptaugenmerk lag dabei auf der Abstimmung von Gestaltung, fachlichen Inhalten und didaktischer Konzeption zur Schaffung eines kollaborativen Lernerlebnisses.

(SoSe 22) Didaktische Rekonstruktion des maschinellen Lernens im Kontext der Bildverarbeitung
In diesem Workshop, welcher im Rahmen einer Staatsexamensarbeit entstanden ist, wird das maschinelle Lernen unter dem Gesichtspunkt der Bildverarbeitung betrachtet. Als Grundlage zur Konzeption diente das Modell der didaktischen Rekonstruktion. Im Zentrum des Workshops steht die Erstellung eines eigenen Deepfakes. Dazu werden zunächste zentrale Elemente des maschinellen Lernens anhand von alltäglichen Phänomenen hergeleitet. Zum Abschluss werden die gesellschaftlichen Folgen von Deepfakes diskutiert.

(SoSe 24) Schüler:innenvorstellungen zu Empfehlungssystemen
In dieser Staatsexamensarbeit wurden qualitative Interviews mit Schüler:innen durchgeführt, um ihre Vorstellungen über Empfehlungssysteme, insbesondere das von YouTube, zu untersuchen. Ziel war es, mögliche Fehlvorstellungen zu identifizieren und zu analysieren, wie Schüler:innen maschinelles Lernen verstehen. Die Ergebnisse sollen dazu beitragen, didaktische Konzepte zur Vermittlung von ML-Themen im Schulunterricht zu verbessern.

Laufzeit

Start des Teilprojektes: 01.05.2021
Projektende: 31.12.2025

Leitung

Professor

Ms Prof. Dr. rer. nat. Mareen Grillenberger

Send email

Professur für Didaktik der Informatik

work

Visiting address:

Andreas-Pfitzmann-Bau, APB 2096 Nöthnitzer Str. 46

01187 Dresden

work Tel.

Ehemalige Leitung

01.05.2021 - 31.08.2023 Prof. Dr. Nadine Bergner
01.09.2023 - 31.01.2025 Vertretungsprof. Dr. Gregor Damnik

Mitarbeiter/innen

Marx, Erik

Wissenschaftlicher Mitarbeiter

Mr Erik Marx