Refine
Year of publication
- 2023 (2) (remove)
Document Type
- Working Paper (2)
Has Fulltext
- no (2)
Is part of the Bibliography
- no (2)
Keywords
- Unterricht (2) (remove)
Institute
This volume is largely about nontraditional data; this paper is about a nontraditional visualization: classification trees. Using trees with data will be new to many students, so rather than beginning with a computer algorithm that produces optimal trees, we suggest that students first construct their own trees, one node at a time, to explore how they work, and how well. This build-it-yourself process is more transparent than using algorithms such as CART; we believe it will help students not only understand the fundamentals of trees, but also better understand tree-building algorithms when they do encounter them. And because classification is an important task in machine learning, a good foundation in trees can prepare students to better understand that emerging and important field. We also describe a free online tool—Arbor—that students can use to do this, and note some implications for instruction.
Naturwissenschaftliche Bildung für alle! – Eine Antwort auf die wachsende Diversität der Schülerschaft ist der inklusive Naturwissenschaftsunterricht. Empfehlungen zur Verknüpfung inklusiver und naturwissenschaftlicher Prinzipien sind bisweilen mehr normativ als praxisorientiert. Im SchülerInnenlabor der PH Ludwigsburg werden inklusive Lernumgebungen entwickelt und umgesetzte, die allen Lernenden eine aktive Teilhabe und das Forschende Lernen ermöglichen. Diese werden von Lerngruppen bewertet. Es werden Evaluationsergebnisse aus zwei Perspektiven hinsichtlich des Gelingens der aktiven Teilhabe aller Lernenden und des Forschenden Lernens vorgestellt, die andeuten, dass kontextorientierte und Lernhilfen-gestützte Lernumgebungen sowie das Arbeiten in kooperativen Teams und mit Tablets sich beim Experimentieren im SchülerInnenlabor positiv auf das Gelingen und das situative Interesse der Lernenden auswirken.