Rheine. Auf dem „Nationalen Science on Stage-Festival“ kamen vom 16. bis zum 18. November in Berlin rund 100 Pädagogen zusammen, um auf Deutschlands größter Ideenbörse für MINT-Lehrkräfte (Mathe, Informatik, Naturwissenschaft und Technik) originelle Konzepte für einen fesselnden naturwissenschaftlichen Unterricht zu präsentieren.
Elf von ihnen wurden ausgewählt, die Bundesrepublik im kommenden Jahr als nationale Delegation beim „Europäischen Science on Stage-Festival“ in Cascais 2019 zu vertreten. Mit Dr. Daniel Janssen vom Gymnasium Dionysianum tritt nun auch ein Lehrer aus Rheine die Reise nach Portugal an.
Der Informatiklehrer stellte auf dem Festival ein Unterrichtsprojekt rund um das Thema „Machine Learning“ vor. Darin beschäftigen sich seine Schüler mit einfachen Modellen künstlicher neuraler Netze, die selbstständig lernen. So entwerfen sie etwa ein Gesichtsmodell, das per Lernalgorithmus darauf trainiert werden kann, Gesichter zu erkennen. Sein Konzept, das für den Einsatz künstlicher Intelligenz im Alltag sensiblisiert und gleichzeitig Schülern einen praktischen und spannenden Anwendungsbezug für Informatikwissen bietet, hat in Berlin nicht nur die Kollegen auf dem Bildungsmarkt, sondern auch die Fachjury nachhaltig beeindruckt. Im nächsten Jahr geht es für Janssen nun als Delegationsmitglied von Science on Stage Deutschland e.V. nach Cascais, Portugal: Unter dem Motto „Skills for the Future“ gastiert das „Europäische Science on Stage-Festival“ dort vom 31. Oktober bis zum 3. November 2019 am Estoril Congress Center. An der Veranstaltung nehmen über 450 MINT-Lehrkräfte aus über 30 europäischen Ländern teil, um sich über gelungene Unterrichtsideen auszutauschen. Mit dem Projekt von Dr. Janssen findet damit eine innovative Unterrichtsidee aus Rheine über den internationalen MINT-Lehrergipfel seinen Weg in Europas Klassenzimmer.
Das Projekt aus Rheine
In diesem Projekt lernen die Schüler einfache Modelle künstlicher neuronaler Netze kennen und konstruieren mit dem Modellierungswerkzeug „MemBrain“ eigene künstliche neuronale Netze, die selbstständig lernen.
Sie wetteifern, wer im „IRIS“-Datensatz mit seinem Netz die höchsten Erkennungsraten erreicht, und entwerfen ein Gesichts-Modell, das sie per Lernalgorithmus darauf trainieren, Gesichter wiederzuerkennen.
