Maschinelles Lernen lernen Entwicklung und Erforschung einer Lehr-Lernumgebung in den Ingenieurwissenschaften

Maschinelles Lernen prägt zunehmend unseren Alltag, doch fehlt bislang eine Fachdidaktik, die das Thema als Lerngegenstand für Schulen und Hochschulen systematisch untersucht. In der vorliegenden Arbeit werden Methoden der fachdidaktische Entwicklungsforschung genutzt, um unter Einbezug verschiedener Naturwissenschaftsdidaktiken eine Lehr-Lernumgebung zu maschinellem Lernen für Ingenieurstudierende zu entwickeln. Die qualitative und quantitative empirische Untersuchung des entwickelten Materials in Design-Experimenten liefert Einsichten in die Lernprozesse der Studierenden, um den didaktischen Diskurs zu bereichern und Hinweise für die Lehrpraxis abzuleiten.

Einleitung.- Maschinelles Lernen.- Spezifizierung und Strukturierung der Lerngegenstände.- Design(weiter)entwicklung.- Designentwicklung und Datenerhebung.- Methoden der Datenanalyse.- Die Wirksamkeitsanalyse.- Evaluation der Mikrozyklen.- Erstellung und Nutzung von ML-Modellen.- Das individuelle Modellkonzept.- Die Weiterentwicklung des Designs und der Wirksamkeitszyklus.- Zusammenfassung und Diskussion.- Ausblick.

Katharina Bata ist Teamleitung einer Nachwuchsgruppe aus dem Bereich Mathematikdidaktik am Karlsruher Institut für Technologie. Ihre Forschungsschwerpunkte sind die Aufbereitung und Vermittlung von maschinellen Lernverfahren für Schüler:innen sowie Studierenden des Lehramts und der Ingenieurwissenschaften.