KIT | KIT-Bibliothek | Impressum | Datenschutz

Von der Schulmathematik zu künstlichen neuronalen Netzen

Kindler, Stephan 1; Schönbrodt, Sarah ORCID iD icon 1; Frank, Martin ORCID iD icon 1
1 Karlsruher Institut für Technologie (KIT)

Abstract:

Maschinelles Lernen (ML) und KI werden in unserer datengetriebenen Welt immer wichtiger, sind im Mathematikunterricht aber kaum zu finden. Dabei erlauben die mathematischen Grundlagen gängiger ML-Methoden zahlreiche Anknüpfungspunkte an schulmathematische Inhalte. Um diesem Defizit entgegenzuwirken, werden im Rahmen des Schülerprogramms CAMMP (www.cammp.online) computergestützte Lernumgebungen entwickelt mithilfe derer Schüler*innen problemorientiert in die mathematischen Grundlagen von ML-Methoden eintauchen (Schönbrodt et al. 2021).


Verlagsausgabe §
DOI: 10.5445/IR/1000184691
Veröffentlicht am 09.09.2025
Originalveröffentlichung
DOI: 10.17877/DE290R-23766
Cover der Publikation
Zugehörige Institution(en) am KIT Scientific Computing Center (SCC)
Publikationstyp Proceedingsbeitrag
Publikationsjahr 2023
Sprache Deutsch
Identifikator ISBN: 978-3-95987-207-2
KITopen-ID: 1000184691
Erschienen in Beiträge zum Mathematikunterricht 2022
Veranstaltung 56. Jahrestagung der Gesellschaft für Didaktik der Mathematik (2022), Frankfurt am Main, Deutschland, 29.08.2022 – 02.09.2022
Verlag Verlag für wissenschaftliche Texte und Medien (WTM)
Schlagwörter Jupyter Notebooks, künstliche neuronale Netze, Lineare Regression, Maschinelles Lernen, Modellierung
Nachgewiesen in OpenAlex
KIT – Die Universität in der Helmholtz-Gemeinschaft
KITopen Landing Page