meta data for this page
  •  

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.

Link zu der Vergleichsansicht

Beide Seiten, vorherige ÜberarbeitungVorherige Überarbeitung
Nächste Überarbeitung		Vorherige Überarbeitung
portfolio:sequenz1 [2022/03/08 08:38] – [Kontext und Einbettung der Einheit in eine Mehrwochenplanung] adminportfolio:sequenz1 [2022/07/20 14:19] (aktuell) – Externe Bearbeitung 127.0.0.1
Zeile 14: Zeile 14:
 | **Voraussetzungen** | Lehrer:innen und Schüler:innen sind mit der Bedienung eines Webbrowsers vertraut. Sie können Screenshots anfertigen und im Dateisystem ablegen. Der Lehrkraft ist das Definitionsproblem rund um die Termini "künstliche Intelligenz" und "adaptives System" bewusst. Die Begriffe Information, Daten und Codierung sind sicher in der Lerngruppe eingeführt.| | **Voraussetzungen** | Lehrer:innen und Schüler:innen sind mit der Bedienung eines Webbrowsers vertraut. Sie können Screenshots anfertigen und im Dateisystem ablegen. Der Lehrkraft ist das Definitionsproblem rund um die Termini "künstliche Intelligenz" und "adaptives System" bewusst. Die Begriffe Information, Daten und Codierung sind sicher in der Lerngruppe eingeführt.|
 | **Ablauf** | Die Schüler:innen bekommen in einem Erklärvideo das Phänomen Spracherkennung ("Speech to Text") anhand der Diktierfunktion auf dem iPad vorgeführt. Sie stellen Vermutungen über die technischen Prozesse dahinter an. Die technischen Herausforderungen werden anhand von Aufzeichnungen phonetischer Laute als Hüllkurve von den Schüler:innen erarbeitet. Auf Basis der Ergebnisse kann sowohl die technische Notwendigkeit der Datenverarbeitung in Cloudsystemen als auch die Datenschutzproblematik thematisiert werden. Eine innere Differenzierung ist durch Zusatzaufgaben wie etwa das Anfertigen eines Diagramms zum schematischen Ablauf der Spracherkennung möglich.  | | **Ablauf** | Die Schüler:innen bekommen in einem Erklärvideo das Phänomen Spracherkennung ("Speech to Text") anhand der Diktierfunktion auf dem iPad vorgeführt. Sie stellen Vermutungen über die technischen Prozesse dahinter an. Die technischen Herausforderungen werden anhand von Aufzeichnungen phonetischer Laute als Hüllkurve von den Schüler:innen erarbeitet. Auf Basis der Ergebnisse kann sowohl die technische Notwendigkeit der Datenverarbeitung in Cloudsystemen als auch die Datenschutzproblematik thematisiert werden. Eine innere Differenzierung ist durch Zusatzaufgaben wie etwa das Anfertigen eines Diagramms zum schematischen Ablauf der Spracherkennung möglich.  |
-| **fachlicher Hintergrund** | Um gesprochene Sprache in Text umwandelt zu können, muss diese zunächst vom Endgerät in Audiodaten umgewandelt werden. Diese werden cloudbasiert analysiert und das Ergebnis wird dann an das Endgerät zurückübermittelt. Bei der Analyse der Rohdaten treten zahlreiche Herausforderungen auf, etwa sehr ähnliche, anhand von reinen Audiodaten kaum unterscheidbare Laute. Daher kommen sowohl Mechanismen der adaptiven Datenverarbeitung (Verbesserung der Erkennungsrate durch mehr Daten) als auch phonetische und grammatische Strategien zur Anwendung (z.B. Buchstabenergänzung bei bestimmten Lautkombinationen).  |+| **fachlicher Hintergrund** | Um gesprochene Sprache in Text umwandelt zu können, muss diese zunächst vom Endgerät in Audiodaten umgewandelt werden. Diese werden lokal bzw. ggf. zusätzlich cloudbasiert analysiert und das Ergebnis wird dann an das Endgerät zurückübermittelt. Bei der Analyse der Rohdaten treten zahlreiche Herausforderungen auf, etwa sehr ähnliche, anhand von reinen Audiodaten kaum unterscheidbare Laute. Daher kommen sowohl Mechanismen der adaptiven Datenverarbeitung (Verbesserung der Erkennungsrate durch mehr Daten) als auch phonetische und grammatische Strategien zur Anwendung (z.B. Buchstabenergänzung bei bestimmten Lautkombinationen).  |
 | **Materialien** | [[https://audio.apps.mzclp.de|Onlinewerkzeug für Sprachaufnahmen]] | | **Materialien** | [[https://audio.apps.mzclp.de|Onlinewerkzeug für Sprachaufnahmen]] |
  
Zeile 67: Zeile 67:
 | Reflektion mit Blick auf gesellschaftliche Aspekte | Datenschutzaspekte mit den Schüler:innen diskutieren / aufzeigen, dass die bestehenden Geschäftsmodelle technisch nicht alternativlos sind | | Reflektion mit Blick auf gesellschaftliche Aspekte | Datenschutzaspekte mit den Schüler:innen diskutieren / aufzeigen, dass die bestehenden Geschäftsmodelle technisch nicht alternativlos sind |
  
 +===== Stundenverlauf =====
 +Konzipiert ist diese Sequenz nicht für eine gesamte Unterrichtsstunde, da das Seminar unter Coronabedingungen stattfand und drei Sequenzen im Rahmen eines Distanzunterrichtes in 90 Minuten durchgeführt wurden. Ebenfalls treten prinzipbedingt Redundanzen auf, da der Verlaufsplan lediglich die konkreten Durchführungshinweise (vgl. nächster Abschnitt) anders organisiert. 
  
 +^ Phase / Zeit ^ Inhalte ^ Methodische und didaktische Hinweise ^ ggf. mögliche Impulse ^ 
 +| Einstieg / 8-10 Minuten  | Die Schüler:innen lernen das Phänomen Spracherkennung als Alternative zur Tastatureingabe am Beispiel des iPads kennen. | Die Schüler:innen schauen das Video in ihrer individuellen Geschwindigkeit. Sie nutzen die Impulse, um sich im dem technischen Phänomen "Spracherkennung" auseinanderzusetzen. Im Anschluss findet eine kurze Auswertung statt. Diese Auswertung lenkt auf die nächste Phase hin, in der sehr eng und exemplarisch ein möglicher technischer Ablauf bei der Spracherkennung selbst durchlaufen wird. | * Probiere das einmal aus mit einem deiner Texte.\\ \\ * Wie funktioniert das deiner Meinung nach?\\ \\ * Braucht das iPad dafür eine Internetverbindung? |
 +| Kurzinput / 2-4 Minuten  | Die Schüler:innen nutzen Audiomass, um Sprachaufnahmen selbst zu machen und Töne zu codieren. | Die Schüler:innen schauen das Erklärvideo und machen eine eigene Sprachaufnahme. Das ist notwendig, um die folgende exemplarische Codierung zweier Laute als Wellenform zu ermöglichen. | Erstmal muss man Sprache für den Computer „sichtbar“ machen. Das geht recht einfach mit dem Online-Audioeditor Audiomass. Du brauchst dafür keine App. Es reicht ein Browser wie Safari völlig aus.  |
 +| Arbeitsphase  / 5-10 Minuten  | Die Schüler:innen nutzen Audiomass, um die Laute "b" und "p" als Wellenform zu codieren. | Die Schüler:innen versuchen die Wellenformen anderer Schüler:innen als Laute "b" und "p" zu erkennen. Sie gehen dabei in die "Rolle" eines Informatiksystems, was diese Zuordnung automatisiert vornimmt. Zur Differenzierung eignen sich die Laute "m" und "n", die anhand der Wellenform kaum zu unterscheiden sind. | * Mache Aufnahmen der Laute B und P. Du darfst dabei nicht so sprechen, als wenn du das ABC aufsagst. Du musst die Laute so aufnehmen, wie du sie sprichst, also wie das „B“ im Wort Baum oder das „P“ im Wort Platz. \\ \\ * Zeige jetzt deine Aufnahmen jemandem aus deiner Klasse, der auch eine solche Aufnahme gemacht hat. Könnt ihr nur anhand des „Bildes“ unterscheiden, um welchen Laut es sich handelt? \\ \\ * Mache Aufnahmen der Laute M und N. Du darfst dabei nicht so sprechen, als wenn du das ABC aufsagst. Du musst die Laute so aufnehmen, wie du sie sprichst, also wie das „N“ im Wort Nena oder das „M“ im Wort Moos. \\ \\ * Wenn du Lust hast, kannst du das Ganze noch mit weiteren Lauten probieren, z.B. o und a oder k und t. Welche Laute kannst du gut erkennen/unterscheiden, welche nicht so gut?   |
 +| Auswertung / 5-10 Minuten  | Die Schüler:innen tauschen Ihre Erfahrungen im Plenum aus. | Die Schüler:innen nennen Kriterien, anhand derer sie die Wellenformen einzelner Laute unterscheiden konnten. Anhand von "m" und "n" fehlen diese Kriterien. Die Schüler:innen entwickeln ein Bewusstsein dafür, dass Spracherkennung ein komplexer informatischer Vorgang ist, der mit steigender Datenmenge genauer wird.  | * Konntet ihr die Wellenformen von "b" und "p" unterscheiden? Woran? \\ \\ * Wie war das bei "m" und "n"? \\ \\ * Was ist an Spracherkennung für Computer noch schwierig? \\ \\ * Vermute, warum das iPad eine Internetverbindung angefragt hat.  |
 +
 +Eine Sicherungsphase war online in der gegebenen Zeit nicht möglich. Die Lehrkraft sollte die Ideen der Schüler:innen selbst zusammenfassen und einordnen. Ggf. kann auf Basis einer vorgebenen Defintion von Intelligenz (s.o.) die Frage gestellt werden, ob es sich bei der Spracherkennung um KI handelt.
 ===== Konkrete Unterrichtseinheit ===== ===== Konkrete Unterrichtseinheit =====
  
Zeile 149: Zeile 158:
 Weil man das nicht so richtig weiß, gibt es durchaus Vorbehalte gegen den Einsatz von z.B. Sprachassistenten wie Siri, Alexa oder Cortana. Weil man das nicht so richtig weiß, gibt es durchaus Vorbehalte gegen den Einsatz von z.B. Sprachassistenten wie Siri, Alexa oder Cortana.
 </WRAP> </WRAP>
 +
 +===== Begriffsverzeichnis =====
 +^ Begriff ^ Bedeutung im Kontext der Unterrichtssequenz ^
 +| Künstliche Intelligenz | Künstliche Intelligenz bezeichnet die Fähigkeit von Computersystemen, auf sie zugeschnittene Aufgaben selbsttätig zu lösen, die aufgrund ihrer Komplexität bislang menschliche Fähigkeiten erforderten. |
 +| Spracherkennung | Umwandlung von akkustischen Informationen in computerverarbeitbare Daten |
 +| Wellenform | Grafische Repräsentation von computerverarbeitbaren Audiodaten |