2.3.1 Informationen aus Daten extrahieren und die Ergebnisse diskutieren (z.B. Punktwolken, Diagramme)
Unterrichtsmaterial zum Lernziel: Die Maturandinnen und Maturanden können Informationen aus Daten extrahieren und die Ergebnisse diskutieren (z.B. Punktwolken, Diagramme).
⚠ Neu versucht die KI ungefähr das Niveau zu ermitteln. Bitte helfen Sie, indem Sie die Gewichtung der Kriterien mitbewerten! Generelles Feedback gern an marc@eduskript.org.
Soekia Lernaufgaben: Suchmaschinen, Indexierung und Ranking
Umfassendes Aufgabenpaket rund um das Schulungs-Tool Soekia, mit dem Schüler:innen die Funktionsweise einer Suchmaschine erkunden: Index-Erzeugung, Stemming, Stoppwörter, Ausbeute/Präzision und Relevanz-Rangierung. Enthält vier experimentelle Aufgabenserien mit vollständigen Lösungen sowie zwei Wettbewerbe (Stemming-Sammlung, Web-Spamming) mit didaktischen Hinweisen für die Lehrperson.
Das Geburtstagsparadoxon – mit Python ausrechnen
Interaktive Lerneinheit, die das Geburtstagsparadoxon zuerst intuitiv (Wette an einer Party) erschliesst, dann die Gegenwahrscheinlichkeit mathematisch herleitet und die Berechnung als Python-Challenge aufbereitet. Enthält zusätzlich eine rekursive Variante als Einstieg in Rekursion sowie eine Auflösungstabelle mit Erklärung, warum die Intuition versagt.
Castoro Informatico 2021 – Quesiti del concorso (tutte le categorie)
Kompletter Aufgabensatz des Schweizer Informatik-Bibers 2021 (italienische Ausgabe) mit 33 Knobelaufgaben aus allen Alterskategorien (3. Klasse bis Sekundarstufe II). Die Aufgaben behandeln spielerisch informatische Grundkonzepte wie Algorithmen, Logik, Graphen, Sortieren, Codierung und Scheduling ohne Vorwissen. Als Interaktions- und Wettbewerbsmaterial mit hohem Motivationspotenzial; Lösungen sind laut Vorlage in den Aufgabentexten integriert bzw. über das Online-System (cuttle.org) möglich.
Interaktiver Informatik-Kurs: Scratch, Calliope mini und Computer im Alltag
Ein umfangreiches, interaktives Lernangebot mit spielerischen Projekten in Scratch (Spiele wie Beetle-Race, Under Water, Kaninchen-Wettlauf), geführten Programmier-Lektionen für den Calliope mini (MakeCode/OpenRoberta) und entdeckenden Einstiegen zu Algorithmen, Automaten, Codierung und lernenden Systemen. Jede Lektion ist kleinschrittig aufgebaut und schliesst mit einer Zusammenfassung «Das hast du hier gelernt». Sehr lebendig gestaltet, jedoch auf unterer Sekundarstufe angesiedelt und daher fürs Gymnasium nur als Einstieg oder Differenzierungsmaterial brauchbar.
Neuronale Netze mit dem Zündholzschachtel-Computer (MENACE/NIM-Werkstatt)
Eine vollständig ausgearbeitete Werkstatt (7 Posten, 4 Lektionen, 9.–10. Klasse), in der Lernende mit physischen Zündholzschachtel-Computern deterministische Gewinnstrategien, nichtdeterministische Algorithmen und das Training eines künstlichen neuronalen Netzes spielerisch erkunden. Enthält Musterlösungen, Bauanleitung, Trainingsprotokoll und Pseudocode-Entwurfsaufgaben. Sehr lebendig und didaktisch rund — Richtung Tic Tacs essen als Bestrafung, MENACE-Simulation online, Abschlussaufgabe zum eigenen NN-Algorithmus.
Castor Informatique 2017 – Exercices et solutions (Petit Castor, 5/6H)
Cahier d'exercices du concours Castor Informatique 2017 pour les années HarmoS 5/6 avec neuf tâches illustrées et leurs solutions détaillées. Chaque tâche (parking, portail binaire, tri de bûches, labyrinthe, etc.) introduit de manière ludique un concept informatique comme le code binaire, les paquets de données, les graphes, le tri par sélection ou l'abstraction. Les solutions expliquent chaque réponse pas à pas et la rubrique «C'est de l'informatique !» fait le lien avec les concepts informatiques réels.
Castoro Informatico 2016 – Quesiti e soluzioni (11.–13. Schuljahr)
Aufgabensammlung des Schweizer Informatik-Bibers 2016 für die Kategorie 11.–13. Schuljahr mit 15 Multiple-Choice-Fragen und vollständigen, didaktisch aufbereiteten Lösungen. Jede Lösung enthält eine anschauliche Erklärung, einen Ausblick «Questa è l'informatica!» mit Realweltbezug sowie weiterführende Links. Die Aufgaben sind knifflig und alltagsnah (KIX-Code, Nim-Spiel, Medianfilter, Stack-Logik, binäre Suche, Turtle-Grafik) und eignen sich hervorragend als knifflige Knobel-Materialien im Unterricht.
Informatik-Biber 2021 – Aufgaben und Lösungen, Stufen 3/4 («Kleiner Biber»)
Aufgabenheft des Schweizer Informatik-Biber-Wettbewerbs 2021 für die Schulstufen 3/4 mit neun Knobelaufgaben, ausführlichen Lösungen und einem kurzen «Dies ist Informatik!»-Hintergrund pro Aufgabe. Die spielerischen Aufgaben zu logischen Operatoren, Codierung, Modellierung und Graphen setzen keine Computerkenntnisse voraus und laden zum aktiven Knobeln ein.
Neuronale Netze programmieren: Handschrifterkennung von Grund auf in Python
Ein mehrwöchiger Intensivkurs (TALIT), in dem Schüler:innen ein neuronales Netz komplett selbst in Python programmieren – zuerst ein vereinfachtes Toy-Problem, dann ein MNIST-Handschrifterkenner inkl. Backpropagation, am Ende optional mit TensorFlow/Keras und einer GUI. Die Aufgaben sind gut gestaffelt, mitobjektorientiert strukturiert, mit Wettbewerbs-Contests und reichhaltigen Zusatzaufgaben; die Slides erklären die Konzepte (Feedforward, Gradientenabstieg, Kettenregel) anschaulich und mathematisch sauber.
Soekia Lernaufgaben: Suchmaschinen, Index und Ranking
Praxisorientierte Lernaufgaben rund um das Schweizer Tool Soekia (Suchmaschinen-Simulator): Lernende erzeugen und untersuchen Invertierte Indizes, erklären sich Stemming und Stoppwort-Elimination und berechnen Ausbeute und Präzision. Zwei Wettbewerbe (Stemming-Knobbelaufgabe, Web-Spamming-Projekt) sorgen für spielerischen Wettbewerb, und alle Lösungen für die Lehrperson sind enthalten.
Weltbank-Indikatoren Projekt: Daten mit SQL in Python
Offenes Projekt-Auftragsblatt, in dem Lernende mit Python (sqlite3) und einer realen Weltbank-Datenbank eigene Datenanalysen oder interaktive Anwendungen entwickeln. Ein ausführlicher, kommentierter Beispielcode führt durch SQL-Abfragen, Aggregation, Fehlerbehandlung und Benutzerinteraktion; dazu Projektideen, klare Mindestanforderungen, Bewertungsraster und Regeln für den KI-Einsatz.
Erdbeben weltweit — eine Live-Karte aus echten Daten
Ein interaktives Python-Tutorial, in dem Schüler:innen aus echten USGS-Daten eine Weltkarte aller Erdbeben der letzten Woche bauen. Schritt für Schritt werden API-Abfragen, GeoJSON, List Comprehensions und matplotlib-Visualisierung eingeführt, bis der Pazifische Feuerring sich «selbst in den Daten zeichnet». Vier anspruchsvolle Vertiefungsaufgaben runden das Material ab.
Lügen mit Diagrammen
Unterrichtsmaterial zur kritischen Analyse von Diagrammen: 3D-Kuchendiagramme, gekürzte Achsen und Scheinkorrelationen verzerren Sachverhalte. Kernstück ist eine kreative Gruppenaufgabe, in der Lernende selbst überzeugend «lügen» und die Lügen der Kolleg:innen entlarven. Didaktisch originell mit klarem Bezug zur Lebenswelt,aber ohne Lösungen oder Vertiefung.
Data Mining – Die Suche nach wertvollen Informationen im Daten-Nirvana
Umfassende Unterrichtseinheit zu Data Mining für die Informatik: von Big Data und Datenrepräsentation über Kreuztabellen, 1R, Naïve Bayes, Entscheidungsbäume, Clustering und Assoziationsanalyse bis zum Datenschutz. Mit durchdachten Beispielen (Wetter-Problem, Spam-Erkennung, US-Census), Aufgaben inkl. Lösungen und praktischer Anwendung in Weka. Didaktisch anspruchsvoll und sorgfältig aufgebaut, inkl. statistischer Grundlagen wie Entropie und Bayes-Theorem.
Python Vertiefung: Jupyter, Git, Dictionaries, Text Processing und mehr
Ein umfangreiches, aufeinander aufbauendes Auftragsheft zur Python-Vertiefung: Git/GitHub-Workflow, Jupyter-Notebooks und Markdown-Portfolio, for-Schleifen, Funktionen, f-Strings, Dictionaries/JSON mit echten Schweizer Open-Data-Datensätzen, try-except, Textanalyse und List Comprehensions. Sehr viele praxisnahe, teils kreative Aufgaben (Zahlenratespiel, Häufigkeitsanalyse der Bibel, Zauberzahlenspiel) mit Bezug zur Lebenswelt der Schüler:innen (Thurgau-Ortsnamen), aber ohne ausformulierte Lösungen.
Data-Mining – Die Suche nach wertvollen Informationen im Daten-Nirvana
Umfassende Unterrichtseinheit zum Data Mining: von Big Data und Kreuztabellen über Klassifikationsverfahren (1R, Naïve Bayes, Entscheidungsbäume mit Entropie und Informationsgewinn) bis zu Cluster-Analyse, Assoziations-Analyse und Datenschutz in Big Data. Mit realen Datensätzen, zahlreichen Aufgaben inklusive Lösungen und praktischer Anwendung des Werkzeugs Weka.
Inhaltsbasiertes Empfehlungssystem mit KNN-Klassifikation
Ein Arbeitsblatt, in dem Schüler:innen Schritt für Schritt ein inhaltsbasiertes Empfehlungssystem für Filme aufbauen: Sie fertigen Punktdiagramme an, wenden die Nächste-Nachbar-Klassifikation an und erweitern das Modell schrittweise (feinere Klassen, drittes Attribut in GeoGebra 3D, Genre-Vektoren). Filme und Bewertungen sorgen für echten Weltbezug; die Progression von 2D über 3D zu tabellarischen Daten ist didaktisch sauber aufgebaut.
Aufgabenblatt zur Verkehrssteuerung mit der Simulation QueueTraffic
Ein Aufgabenblatt mit drei Teilen, in dem Lernende mit dem Simulationswerkzeug QueueTraffic Ampelphasen planen, Ankunftsraten (poissonverteilt vs. konstant), Durchsatz und Auslastung experimentell untersuchen und Stauerscheinungen erklären. Die geführten Experimente mit Skizieraufträgen und Begründungsfragen fördern aktives, hypothetisches Arbeiten mit Modellen und Simulation. Lösungen sind nicht beigegeben, die Aufgaben sind aber vielfach offen und denk-anregend.
Projekt: Empfehlungssysteme
Ein Data-Science-Projekt, in dem Schüler:innen ein eigenes Film-Empfehlungssystem nach dem CRISP-DM-Prozessmodell entwickeln. Ausgangspunkt ist die Alltagswelt der Lernenden (Netflix & Co.), und das Projekt schliesst mit einer Reflexion über Filterblasen. Der Text selbst ist die Projekt-Einleitung bzw. Übersicht, nicht das vollständige Material.
Das Zufallssurfermodell (PageRank)
Interaktive Unterrichtseinheit zum Random-Surfer-Modell als Einstieg in das Ranking-Problem von Webseiten (PageRank). Lernende simulieren das Surfen körperlich und mit Zahlen, dann automatisiert mit GeoGebra-Tabellenkalkulation und Python. Gute Progression von intuitiv zu programmatisch.
Introduction to Machine Learning: Image Classification (MIT App Inventor)
Eine zweistündige Unterrichtseinheit (2×45 Min.) von MIT App Inventor, in der Lernende Grundlagen des maschinellen Lernens kennenlernen und eine eigene Bildklassifikations-App erstellen. Sie experimentieren zunächst mit Teachable Machine, programmieren dann mit der Look-Extension eine App, die mit dem Handy Fotos klassifiziert und Konfidenzwerte liefert. Umfangreiche Zusatzmaterialien (Slides, Lehrpersonen-Leitfaden, Tutorials) sind enthalten.
PPG-Herzfrequenzmessung mit USB-Mikroskop und Python
Lektionsmaterial zur Verbesserung eines PPG-Setups mit USB-Mikroskop: SuS bauen ein kontrolliertes Messsetup auf, verarbeiten den Live-Videostream mit OpenCV in Python und vergleichen die Signalqualität verschiedener Körperstellen. Enthält vollständigen Code, Reflexionsfragen und gestufte Aufgaben, jedoch keine Musterlösungen.
PPG-Signal aufnehmen und visualisieren
Eine anschauliche Unterrichtsanleitung, in der Schüler:innen mit Smartphone-Kamera und Blitz ihr eigenes PPG-Signal (Pulssignal) aufnehmen, mit einem bereitgestellten Python-Script die Farbwerte als CSV extrahieren und in Excel visualisieren. Daraus zählen sie Peaks, berechnen die Herzfrequenz und diskutieren Störquellen wie Rauschen, Atmung und Bewegung. Mit guten Schritt-für-Schritt-Anleitungen, Fehlerbehandlung und optionalen Erweiterungen.
Künstliche Intelligenz: Maschinelles Lernen, neuronale Netze und ChatGPT verstehen
Umfassendes Unterrichtsmaterial zu Künstlicher Intelligenz und Maschinellem Lernen: von GOFAI über Neuronale Netze bis zu ChatGPT/LLMs, mit Alltagsanalogien, mehreren interaktiven Experimenten (SoekiaGPT, Teachable Machine, Netz-Visualisierungen), einer Ethik-Recherche-Aufgabe und ergänzenden Folien sowie einem vertiefenden Essay. intuition vor Formalismus, aber die Aufgaben liefern keine Lösungen.
Kartendaten mit Python
Lernende erstellen CSV-Dateien mit WKT-Geodaten (Punkte, Linien, Polygone) und importieren diese in Google Maps. In darauf aufbauenden Python-Aufgaben verarbeiten sie reale Datensätze der SBB und eidgenössischer Abstimmungen, um eigene Karten zu generieren. Das Material verbindet Datenformate, Koordinaten und Programmierung an anschaulichen, persönlichen Beispielen.
Interdisziplinäre Finanzdatenanalyse im Gymnasialunterricht
Ein GymInf-Abschlussprojekt mit einer vollständig ausgearbeiteten, 18 Lektionen umfassenden Unterrichtsreihe zur Finanzdatenanalyse mit Python: von Datenimport und -aufbereitung über Visualisierung und Risikoanalyse bis zu KI-gestützten Zeitreihenprognosen (Prophet, ARIMA, LSTM). Enthalten sind Kompetenzraster mit Basic/Advanced/Expert-Differenzierung, formative Mini-Checks, eine summative Prüfung, ein offenes Abschlussprojekt mit Bewertungskriterien und Musterlösungen sowie eine ausführliche Evaluation. Das Material richtet sich primär an Lehrpersonen, ist aber mit den konkreten Lektionsausarbeitungen direkt umsetzbar und punktet mit echten Börsendaten und hohem Lebensweltbezug.
Spamfilter mit Bayes: Validierung, Testdaten und die Frage nach den Halluzinationen
Arbeitsblatt zur Validierung eines im Tabellenprogramm (vermutlich Excel/Sheets) gebauten Naive-Bayes-Spamfilters mit echten, von der Klasse selbst verfassten Nachrichten. Die Schüler:innen berechnen Wort- und A-priori-Wahrscheinlichkeiten von Hand als Brüche, klassifizieren Testnachrichten, messen die Genauigkeit und untersuchen, wie ein Labelling-Fehler die Resultate verfälscht. Abschliessend wird gefragt, warum KI halluziniert – mit klarem Fazit zu Datenqualität und fehlendem Inhaltsverständnis.
Faltung in der Bildverarbeitung – interaktive Applets
Unterrichtsmaterial mit zwei Applets, mit denen Lernende den Faltungsvorgang in der Bildverarbeitung interaktiv beobachten und mit verschiedenen Faltungsmasken experimentieren können. Das Material betont ausdrücklich den didaktischen Zugang: erst intuitive Vorstellung und Experimentieren, dann erst die formale Definition. Es enthält konkrete Unterrichtsvorschläge (Leitprogramm, Gruppenarbeit, Demo) und anschauliche Beispiele wie Weichzeichner, Sobel-Operator und Schärfungsmasken.
Lügen mit Diagrammen
Material zur kritischen Datenvisualisierung: Es zeigt, wie 3D-Kuchendiagramme, gekürzte Achsen und nicht vergleichbare Grössen Diagramme zur Täuschung nutzen können. Kernstück ist eine Gruppenaufgabe, in der Lernende selbst eine überzeugende „Diagramm-Lüge“ produzieren und die Lügen der anderen entlarven sollen – mit echten Datenquellen (BFS, Covid, Börsenkurse).
Grundlagen neuronaler Netze – vom natürlichen zum künstlichen Neuron
Das Material erklärt anschaulich den Aufbau biologischer Neuronen und überführt diese Idee Schritt für Schritt in ein mathematisches Modell (künstliches Neuron mit Gewichten, Aktivierung und Schwellenwert). Eine Wahrheitstabelle illustriert das Verhalten bei binären Eingängen. Es ist didaktisch sauber aufgebaut (Biologie → Modell → Formel), enthält jedoch noch keine Übungen, Aufgaben oder interaktiven Elemente.
CNN-Viz: Interaktive Node-Link-Visualisierung von Convolutional Neural Networks
Ein wissenschaftlicher Paper-Begleiter zu einer interaktiven WebGL-Visualisierung eines auf MNIST trainierten CNNs. Studierende/Lernende können auf einem Zeichenpad Ziffern zeichnen, live die Aktivierungsmuster aller Schichten in Echtzeit sehen und durch Hover/Klick Details zu Knoten (Gewichte, Berechnungen) aufdecken. Das zugehörige Werkzeug ist frei verfügbar und sehr gut erkundbar; der vorliegende Text ist primär die beschreibende wissenschaftliche Veröffentlichung.
Zufallszahlen erzeugen – Die Methode der linearen Kongruenz
Lernposten zur Methode der linearen Kongruenz (Lehmer/Knuth) zur Erzeugung von Pseudo-Zufallszahlen. Die Schüler:innen lesen einen anschaulichen Theorieteil, bauen den Generator mit der REST-Funktion in einem Tabellenkalkulationsprogramm nach, untersuchen Periodenlänge und Parameterwahl und prüfen die Gleichverteilung. Mit Lösungen, Testaufgaben und Taxierung (K2/K3).
Arbeitsblatt Wolf-Sheep-Predation (NetLogo)
Arbeitsblatt zur NetLogo-Simulation «Wolf Sheep Predation», in dem Schüler:innen Räuber-Beute-Populationen experimentell untersuchen. Sie spielen Szenarien durch, variieren Parameter und belegen ihre Analysen mit Werten und Screenshots. Das Material ist ein reines Aufgabenblatt ohne Erklärtext oder Lösungen.
Simple Box Plot (PyTamaro-Aktivität)
Eine geführte Python-Programmieraktivität auf PyTamaro, in der Lernende eine Funktion zur Berechnung des Five-Number-Summary implementieren und daraus horizontale Boxplots zusammensetzen. Die Aktivität kombiniert Datenvisualisierung mit strategischer Zerlegung grafischer Komponenten und Testen der Funktionen.
Modellerweiterung: Das Random-Surfer-Modell mit Gelegenheitsjumpern (PageRank)
Arbeitsblatt zur Weiterentwicklung des vereinfachten Random-Surfer-Modells: Anhand einer erweiterten Webseitenwelt mit Selbst-Link entdecken die Schüler:innen das Problem der Link-Sackgassen und entwickeln mit dem Gelegenheitsjumper die echte PageRank-Formel. Ergänzt durch Patent-Zitat, Simulationsdateien und Programmier-Aufgaben.
Kartendaten mit Python: CSV, WKT und Google Maps
Lehrmaterial, das anhand von WKT-Geodaten und CSV-Dateien zeigt, wie man mit Python eigene Daten aus SBB- und Abstimmungsdatensätzen extrahiert und in Google Maps visualisiert. Die Theorie zum Format wird durch sechs aufbauende, Alltagsbezüge nutzende Aufgaben ergänzt. Behandelt werden CSV-Struktur, Koordinaten, verschachtelte JSON-Daten und try-except-Fehlerbehandlung.
Castoro Informatico 2016 – Quesiti (Biber-Wettbewerb, italienisch)
Sammlung der 40 Bebras-Aufgaben (Castoro Informatico 2016) für die Kategorien 3./4. Klasse bis 11.–13. Schuljahr, auf Italienisch. Die Aufgaben sind spielerische Knobelfragen zu algorithmischem Denken, Codierung, Datenstrukturen, Parallelität und Medienkompetenz — weitgehend ohne Programmieren. Enthalten sind nur die Aufgabenstellungen; Lösungen werden nicht mitgeliefert.
Fehlende Erfahrung: Ein lernendes System macht Fehler
Interaktives Material zu einem trainierten Emoji-Erkennungssystem, das systematische Fehler macht (z.B. fröhliches Gesicht auf dem Kopf als traurig erkannt). Die Lernenden stellen Vermutungen an, testen das System mit eigenen Zeichnungen und diskutieren, warum maschinelles Lernen auf echte «Erfahrung» angewiesen ist. Anschaulicher, handlungsorientierter Zugang zu Grundkonzepten der KI ohne Formalismus.
Warming Stripes – Temperaturanomalien der Südschweiz visualisieren (PyTamaro)
Geführte Programmieraktivität auf PyTamaro, bei der Schüler:innen mit einem echten MeteoSwiss-Datensatz (1864–2022) die berühmten «Warming Stripes» von Ed Hawkins Schritt für Schritt nachbauen. Dabei üben sie den Umgang mit Dictionaries, Farb-Codierung als RGB-Tupel und die Abbildung von Datenwerten auf Farben. Der starke Realweltbezug und die eindrückliche Visualisierung machen die Aktivität motivierend.
Herzfrequenz aus PPG-Signal per FFT extrahieren
Ein Jupyter-Notebook-Experiment, in dem Lernende aus einem PPG-Signal (aufgenommen am eigenen Finger via Kamera oder simuliert) mit der Fourier-Transformation die dominante Frequenz extrahieren und daraus die Herzfrequenz in bpm berechnen. Der Zugang ist anschaulich über das Klavier-Akkord-Beispiel und eigene Messungen, mitfertigbare Python-Code ist komplett vorhanden, plus Validierungsaufgabe (manueller Vergleich).
Datenbanken und SQL: Fundbüro, SQL-Island und der PageRank
Ein Kurspaket zum Thema Datenbanken mit anschaulicher Fundbüro-Analogie, erklärenden Folien zur Funktionsweise von SQL, Google-Suche und Cloud, sowie einem prüfungsnahen Aufgabenblatt mit vollständigen Lösungen. Praktisch wird das Lernen über das Spiel SQL-Island und ein Online-Tutorial vertieft.
Ein Klassenspiel: Daten sortieren und filtern – und der ASCII-Sortier-Trick
Arbeitsblatt mit realem Klassendatensatz (Steckbriefe in LibreOffice): Schüler:innen beantworten Fragen durch Sortieren und Filtern und entdecken dabei selbst, dass Text-Sortierung (ASCII) zu falschen Ergebnissen bei Zahlen führt. Ein eingebautes Experimentierfeld macht den Unterschied zwischen Zahlen- und Zeichensortierung erfahrbar, eine Expertenaufgabe überträgt das auf Geburtsdaten.
Der Primzahlsatz
Ein Arbeitsblatt zum Primzahlsatz: Schüler:innen entwickeln mit Python eine Funktion zur Zählung von Primzahlen und vergleichen das Ergebnis mit der Abschätzung n/ln(n). Eine zweite Aufgabe nutzt den Satz, um zu zeigen, dass eine Primzahldatenbank für Kryptographie hoffnungslos ist – 300-stellige Primzahlen sind viel zu zahlreich.
Simulieren – Brownian Motion und Stau-Simulation mit Greenfoot
Zwei sorgfältig aufgebaute Simulationsprojekte (Gasmoleküle und Nagel-Schreckenberg-Verkehrsmodell) verbinden Modellbildung, Programmieren in Greenfoot und wissenschaftliche Methodik (Evidenz–Theorie–Simulation–Validierung). Die Folien führen mit suggestiven Fragen und abgestuften Programmieraufgaben durch die Phasen Modellieren, Simulieren, Validieren und Analysieren. Interaktiver, alltagsnaher Zugang (echte Staus, YouTube-Videos), allerdings ohne Musterlösungen zu den Aufgaben.
Kleinstquadrat-Methode: Linearisieren von Messdaten und Polynomapproximation
Zwei Lernaufgaben zur Kleinstquadrat-Methode mit Lösungen: Lineare Regression (Repetitionsbeispiel Schuhgrösse/Körpergrösse), Linearisierung einer Sigmoid-Funktion und Polynomapproximation. Dazu interaktive Java-Applets zum Experimentieren mit Punktwolken und kritische Transferaufgaben (wann ist die linearisierte Lösung nicht die echte Kleinstquadratlösung?).
Das Geheimnis der irren Busfahrer – Iteration und fraktale Mengen entdecken
Eine aufwendig erzählte Harry-Potter-Geschichte führt Schritt für Schritt in die Iteration einer komplexen Rekursionsvorschrift ein – heimlich wird die Mandelbrot-Iteration (z→z²+c) erkundet. Schüler:innen schreiben ein Java-Programm mit Schleifen, Methoden und Koordinatenumrechnung und experimentieren anschliessend frei mit Startpunkten, um fraktale Verhaltensbereiche zu entdecken.
Warming Stripes – Temperaturdaten aus der Südschweiz visualisieren
Geführte Programmieraktivität (PyTamaro), in der Schüler:innen mit realen MeteoSvizzera-Daten (1864–2022) die berühmten «Warming Stripes» von Ed Hawkins nachbauen. Dabei werden Dictionaries, Listen, RGB-Farben und Funktionen sinnvoll kombiniert, um Temperaturanomalien visuell darzustellen. Das reale, aktuelle Thema und das eindrückliche Resultat machen die Übung motivierend; Lösungen sind im Text selbst allerdings nicht sichtbar.
Künstliche Intelligenz – Unterrichtsmaterialien ( Erkunden, Maschinelles Lernen mit Python, KI und Gesellschaft)
Ein umfangreiches, im Aufbau befindliches Online-Lehrwerk zur Künstlichen Intelligenz: von Grundbegriffen und Geschichte über Neuronale Netze und Verstärkendes Lernen bis hin zu Data Science mit Python und gesellschaftlichen Aspekten. Es kombiniert Erkundungen, Lernstrecken, Übungen, Jupyter-Notebooks und Projekte (z.B. Empfehlungssysteme, NIM-Spiel).
K-Nächste-Nachbar-Klassifikation: Wahl der Attribute
Arbeitsblatt zur Attributwahl beim KNN-Klassifikator am Beispiel von Zugverspätungen mit Punktdiagrammen und Datentabelle. Die mehrstufigen Aufgaben führen von der Anwendung zur kritischen Reflexion der Datengrundlage, enthalten aber keine Lösungen.