MINT-Wissen 4.0
Überblick
Auf einen Blick
Schlüsselwörter: Programmieren, Künstliche Intelligenz, Machine Learning, PictoBlox, fächerverbindender Unterricht
Fächer: Naturwissenschaften, Chemie, Mathematik, Biologie, Informatik
Weitere Disziplinen: Programmieren
Altersstufe der Schüler*innen: 12–16
Benötigte Vorkenntnisse: Lehrkraft und Schüler*innen sollten über Grundkenntnisse in visuellen Programmiersprachen verfügen (Scratch, mBlock, PictoBlox o. ä.)
Zeitrahmen: 4–8 Unterrichtsstunden pro Einheit
Benötigte Materialien/Hardware/Software/Onlinedienste und-tools:
- PictoBlox: PictoBlox ist eine visuelle Programmiersoftware, die auf Scratch 3 basiert. Hier herunterladen
- Computer mit Internetzugang
- Webcam
- Für Unterrichtseinheit Chemie: Universalindikator-Farbkarten
- Für Unterrichtseinheit Mathematik: 3D-Drucker oder Bastelmaterialien, Tinkercad-Web-Anwendung
Autor: Paulo Torcato (Portugal)
Im englischsprachigen Raum bezeichnet der Begriff STEAM die Erweiterung der herkömmlichen MINT-Fächer (engl. Science, Technology, Engineering, Mathematics) um künstlerisch-kreative Fächer (Art). Dieser pädagogische Ansatz hat zum Ziel, die Schüler*innen durch die Förderung von kritischem Denken, Problemlösungskompetenz und Kreativität auf die Herausforderungen des 21. Jahrhunderts vorzubereiten. In unserer zunehmend technologisierten und globalisierten Welt mit ständig neuen Anforderungen auf dem Arbeitsmarkt ist dies wichtiger denn je. Die Erstellung digitaler Lernanwendungen vermittelt Schüler*innen entscheidende Fähigkeiten für ihren weiteren Bildungs- und Berufserfolg.
Die hier dargestellten fächerverbindenden Unterrichtseinheiten nutzen Methoden des Aktiven Lehren/Lernens, in diesem Fall forschendes Lernen und Tandem-Programmieren. Die Schüler*innen werden in den Mittelpunkt des Prozesses gestellt und im Gegensatz zu einem traditionelleren Modell, bei dem sie lediglich Wissensempfänger*innen sind, dazu ermutigt, ihren Lern- und Entwicklungsprozess selbst in die Hand zu nehmen.
Zugleich wird damit das Interesse am Programmieren gefördert und den Schüler*innen vermittelt, wie sie Künstliche Intelligenz anwenden können und wie das Trainieren, Testen und Verbessern von Machine-Learning-Modellen funktioniert. Der gesamte Prozess lässt sich für jedes beliebige Fach und jeden Lehrinhalt adaptieren.
Chemie: Die Farbe des Wissens
Die Klasse teilt sich in Zweiergruppen auf. Jede Gruppe arbeitet an einem Computer mit Internetzugang und Webcam, auf dem PictoBlox installiert ist.
Die Lehrkraft erklärt zunächst den Ablauf der Unterrichtseinheit, führt die PictoBlox-Programmierumgebung vor und ruft den Schüler*innen einige Scratch-Befehle in Erinnerung. Danach werden die Farbkarten verteilt (Beispieldateien zum Herunterladen) und die Forschungsfrage gestellt:
- Findet ihr für jeden Wert auf der Skala eine Substanz mit diesem pH-Wert?
Nachdem die Schüler*innen die Frage erforscht haben, trainieren sie ein Machine-Learning-Modell, um eine digitale Lernanwendung zum Thema pH-Wert zu programmieren.
Phase 1: Recherche und Bilder sammeln
- Jede Gruppe muss für jeden Wert auf der Skala (insgesamt 15) eine Substanz mit dem entsprechenden pH-Wert recherchieren.
- Wenn die Schüler*innen fündig geworden sind, suchen sie ein Bild der Substanz und speichern die Datei.
Phase 2: Machine-Learning-Modell trainieren
- Jede Gruppe öffnet ein neues Projekt in der PictoBlox-Software und fügt die Erweiterung „Maschinelles Lernen“ hinzu.
- Über die Webcam-Funktion in der Machine-Learning-Umgebung nehmen die Gruppen Bilder von den Farbkarten auf und trainieren damit ein Machine-Learning-Modell, das lernen soll, Farben und pH-Werte zu verknüpfen.
- Empfehlung: Von jeder Farbkarte sollten mindestens 25 Bilder aufgenommen werden.
Phase 3: Programm erstellen
- Jede Gruppe kreiert ein Programm, das ausgehend von der erkannten Farbe den entsprechenden pH-Wert, die Art der Lösung, den Namen der Beispielsubstanz mit diesem pH-Wert und das dazugehörige Bild ausgibt.
Hinweise:
- Das Programm sollte mit mehreren Beispielen getestet und das Modell ggf. verbessert werden.
- Jede Gruppe kann ihr Programm um weitere Funktionen erweitern, wenn sie möchte.
- Nach Abschluss der Unterrichtseinheit schreibt jede Gruppe einen Bericht über ihr Projekt und stellt es der Klasse vor.
Biologie: Abenteuer im einheimischem Ökosystem
Die Klasse teilt sich in Zweiergruppen auf. Jede Gruppe arbeitet an einem Computer mit Internetzugang und Webcam, auf dem PictoBlox installiert ist.
Die Lehrkraft erklärt zunächst den Ablauf der Unterrichtseinheit und gibt jeder Gruppe den Auftrag, sich drei Tiere auszusuchen, die in der Gegend heimisch sind. Dann wird die Forschungsfrage gestellt:
- Welche Informationen sollten auf einem Steckbrief zu diesen Tieren stehen?
Die Schüler*innen recherchieren zu Merkmalen der gewählten Tiere und trainieren ein Machine-Learning-Modell, um eine digitale Lernanwendung zum Thema Tiere zu erstellen.
Ein Programmier-Beispiel für die Klassifikation von Hunden und Katzen in PictoBlox lässt sich mit dieser Tutorial-Datei in PictoBlox öffnen und ausführen.
Phase 1: Recherche und Bilder sammeln
- Jede Gruppe muss Informationen über drei einheimische Tiere sammeln und für jedes Tier einen Steckbrief mit den recherchierten Merkmalen erstellen.
- Für jedes Tier müssen Bilder gefunden und die Dateien gespeichert werden. Empfehlung: Pro Tier sollten mindestens 25 Bilder benutzt werden.
- Zusätzlich bereiten die Schüler*innen fünf Multiple-Choice-Fragen zu jedem Tier vor.
Phase 2: Machine-Learning-Modell trainieren
- Jede Gruppe öffnet ein neues Projekt in der PictoBlox-Software und fügt die Erweiterungen „Maschinelles Lernen“ und „Text zu Sprache“ hinzu.
- In der Machine-Learning-Umgebung trainieren die Schüler*innen ein Modell mit den in Phase 1 gespeicherten Bildern.
- Dazu legen sie drei Kategorien (Klassen) für ihre drei gewählten Tiere an und laden die Bilder hoch (siehe Screenshot in der Bildergalerie).
Phase 3: Programm erstellen
- Jede Gruppe kreiert ein Programm, das zu jedem Bild, das in der Kulisse (dem Feld rechts oben, engl. scenario) erscheint, den Namen des entsprechenden Tiers und den dazugehörigen Steckbrief ausgibt. Mit der Text-zu-Sprache-Funktion kann die Figur des Programms den Namen des erkannten Tiers verkünden.
- Das Programm sollte drei verschiedene Bilder von jedem gewählten Tier angezeigt bekommen.
Hinweise:
- Das Programm sollte mit mehreren Beispielen getestet und das Modell ggf. verbessert werden.
- Jede Gruppe kann ihr Programm um weitere Funktionen erweitern. Zum Beispiel kann auf die Klassifizierung der Tierbilder ein Quiz auf Basis der vorbereiteten Multiple-Choice-Fragen folgen.
- Nach Abschluss der Unterrichtseinheit schreibt jede Gruppe einen Bericht über ihr Projekt und stellt es der Klasse vor.
In diesem Tutorialvideo wird das Klassifizieren und Programmieren in PictoBlox Schritt für Schritt demonstriert:
Mathematik: Magische Geometrie
Die Klasse teilt sich in Zweiergruppen auf. Jede Gruppe arbeitet an einem Computer mit Internetzugang und Webcam, auf dem PictoBlox installiert ist.
Die Lehrkraft erklärt den Ablauf der Unterrichtseinheit und präsentiert die Forschungsfrage:
- Welche geometrischen Körper gibt es und wie berechnet man jeweils ihr Volumen und ihre Oberfläche?
Jede Gruppe muss sich drei geometrische Körper aussuchen. Dabei sollte mindestens einer der der folgenden Körper gewählt werden: Kegel, Kugel oder Zylinder. Danach recherchieren die Schüler*innen die Formeln zur Volumen- und Oberflächenberechnung. Nachdem sie mit einem 3D-Printer oder aus Bastelmaterialien eigene Körper hergestellt haben, trainieren sie mit Bildern dieser Objekte ein Machine-Learning-Modell und programmieren eine digitale Lernanwendung zum Thema geometrische Körper.
Phase 1: Recherche
- Jede Gruppe muss zu drei geometrischen Körpern die Formeln für die Volumen- und Oberflächenberechnung recherchieren.
Phase 2: 3D-Objekte drucken oder basteln
- In der Webanwendung Tinkercad erstellen die Schüler*innen ein neues 3D-Projekt und fügen die drei gewählten geometrischen Körper hinzu.
- Für jedes Objekt sollte die Größe so eingestellt werden, dass es etwa 5 cm hoch ist. Danach wird das Projekt gespeichert und als stl-Datei exportiert.
- Das Projekt wird mit einem 3D-Drucker gedruckt.
- Alternativ kann man die Objekte aus Knete und/oder recycelbaren Materialien wie Kartons oder Verpackungen basteln.
Phase 3: Machine-Learning-Modell trainieren
- Über die Webcam-Funktion in der Machine-Learning-Umgebung nehmen die Gruppen Bilder von ihren geometrischen Körpern auf und trainieren damit ein Machine-Learning-Modell.
- Dazu legen sie drei Kategorien (Klassen) für ihre drei gewählten Körper an und laden die Bilder hoch.
- Empfehlung: Von jedem geometrischen Körper sollten mindestens 50 Bilder aufgenommen werden.
Phase 4: Programm erstellen
- Jede Gruppe kreiert ein Programm, das zu jedem von der Webcam erfassten Bild den Namen des entsprechenden Körpers und die dazugehörigen Formeln für die Volumen- und Oberflächenberechnungen ausgibt. Mit der Text-zu-Sprache-Funktion kann die Figur des Programms den Namen des erkannten geometrischen Körpers verkünden.
Hinweise:
- Das Programm sollte mit mehreren Beispielen getestet und das Modell ggf. verbessert werden.
- Jede Gruppe kann ihr Programm um weitere Funktionen erweitern, wenn sie möchte. Zum Beispiel könnten die Nutzer*innen der Lernanwendung im nächsten Schritt Daten eingeben und Volumen und Oberfläche des gewählten geometrischen Körpers berechnen lassen.
- Nach Abschluss der Unterrichtseinheit schreibt jede Gruppe einen Bericht über ihr Projekt und stellt es der Klasse vor.
Evaluierung der Unterrichtseinheiten
Während des gesamten Prozesses beobachtet die Lehrkraft die Arbeit der Schüler*innen im Klassenraum sowie die Dynamik innerhalb der Gruppen und die Beteiligung jedes ihrer Mitglieder an der Durchführung der Aktivität.
Aufgrund ihres spezifischen Charakters wird die Programmier-Aufgabe während der gesamten Programmentwicklungsphase formativ bewertet. Dies ist eine Phase, in der Fehler eine Schlüsselrolle bei der Regulierung der Schüler*innen spielen. Das Aufspüren und Korrigieren von Fehlern im Programm ist das Regulativ für ihr Lernen und den Erfolg ihres Projekts.
Mit Rubrics (Bewertungsrastern) wird Folgendes evaluiert:
- der Prozess des Recherchierens, Sammelns und Erstellens der Elemente, die für die zu programmierende Lernanwendung benötigt werden
- das Endergebnis und die Leistung der Schüler*innen während der Programmentwicklungsphase
Editierbare Vorlagen für die Rubrics-Raster können hier heruntergeladen werden. Jede*r Schüler*in evaluiert sich selbst und den/die Gruppenpartner*in.
Schlussbemerkung
Die hier vorgeschlagenen Unterrichtseinheiten fördern rechnerisches Denken, Programmierfähigkeiten und die Vernetzung verschiedener Fächer der Sekundarstufe. Durch den Einsatz aktiver Methoden ermöglichen sie praktisches, projektbasiertes Lernen in realen Kontexten. So werden die Neugier und das Interesse der Schüler*innen geweckt, die Welt um sich herum zu hinterfragen und zu erforschen. Gleichzeitig fördert das Projekt das Verständnis für digitale Technologien und ihre Anwendung in verschiedenen Disziplinen und befähigt die Schüler*innen, digitale Werkzeuge effektiv zu nutzen.
Schüler*innen sind in der Regel Konsument*innen: Sie arbeiten mit Anwendungen, die bereits erstellt wurden. Durch die Erarbeitung eines eigenen digitalen Lernprogramms machen wir sie zu Schöpfer*innen: Wir erhalten Anwendungen von Schüler*innen für Schüler*innen.
Zu den wesentlichen transversalen Lernprozessen dieses Projekts gehören:
- Durchführung von Recherchen anhand von Problemfragen und mit Unterstützung von Arbeitsleitfäden, mit zunehmender Selbstständigkeit
- Auswahl und Organisation von Informationen aus verschiedenen Quellen auf zunehmend eigenständige Weise, wobei zur Nutzung digitaler Technologien und zur Integration von Vorkenntnissen zum Aufbau neuen Wissens ermuntert wird
- Sammeln von Daten und Meinungen zur Analyse der untersuchten Themen
- Erfahrung mit Gruppenarbeit, Einnehmen verschiedener Rollen, gegenseitiger Respekt und genaues Zuhören
- Entwicklung und Mobilisierung des rechnerischen Denkens
Die Unterrichtseinheiten wurden so konzipiert, dass sie sich an jedes Thema und jeden Lerninhalt anpassen lassen.
Farbkarten für pH-Werte: Datei herunterladen
PictoBlox-Beispielprojekt für die Klassifizierung von Hunden und Katzen: Datei herunterladen
Editierbare Rubrics-Bewertungsraster: Ordner herunterladen
Diese Seite teilen
