@inproceedings{29298,
  abstract     = {{Die Themen „Big Data“, „Künstliche Intelligenz und „Data Science“ werden seit einiger Zeit nicht nur in der breiten Öffentlichkeit kontrovers diskutiert, sondern stellen für die Ausbildung in den IT- und IT-nahen Berufen schon heute neue Herausforderungen dar, die in Zukunft durch die gesellschaftliche und technologische Weiterentwicklung hin zu einer Datengesellschaft noch größer werden.
An dieser Stelle stellt sich die Frage, welche Aspekte dieses großen Themenkomplexes für Schule und Ausbildung von Wichtigkeit sind und wie diese Themen sinnstiftend und gewinnbringend in die informatische Ausbildung in verschiedenen Bildungsgängen integriert werden können. Im Rahmen des von uns im Jahr 2017 organisierten Symposiums zum Thema „Data Science“ wurden für die Bildung relevante Aspekte erörtert, wodurch als Kernelemente für den Unterricht Algorithmen der Künstlichen Intelligenz und ihre Anwendung in Industrie und Gesellschaft, Explorationen von Big Data sowie der Umgang mit eigenen Daten in sozialen Netzwerken herausgearbeitet wurden. Ziel ist, aus diesen Themenbereichen sowohl ein umfassendes Curriculum als auch Module für verschiedene Unterrichtsszenarien zu entwickeln und zu erproben. Durch diese Materialien soll es Lehrkräften aus der Informatik, Mathematik oder Technik ermöglicht werden, diese Themen auf Basis des Curriculums und der erprobten Unterrichtskonzepte selbst zu unterrichten.
Hierfür wurde im Rahmen des Projekts ProDaBi (Projekt Data Science und Big Data in der Schule, https://www.prodabi.de), initiiert von der Telekom Stiftung, ein experimenteller Projektkurs entwickelt, den wir mit Schüler:innen der Sekundarstufe II an der Universität Paderborn im Schuljahr 2018/19 durchführten. Dieser Kurs enthält neben einem Modul zur Exploration von Big Data und einem weiteren Modul zum Maschinellen Lernen als Teil der Künstlichen Intelligenz auch eine Projektphase, die es in Zusammenarbeit mit lokalen Unternehmen den Schüler:innen
ermöglicht, das Erlernte in ein reales Data Science-Projekt einzubringen. Aus den Erfahrungen dieses Projektkurses sowie den parallel durchgeführten Erprobungen einzelner Bausteine auch mit beruflichen Schulen werden ab dem Schuljahr 2019/20 die hierfür verwendeten Materialien weiterentwickelt und weiteren Kooperationspartnern zur Erprobung zur Verfügung gestellt. Damit wurden zum Ende des Projekts nicht nur vollständige Unterrichtsmaterialien, sondern auch ein umfassendes Curriculum entwickelt.}},
  author       = {{Opel, Simone Anna and Schlichtig, Michael}},
  booktitle    = {{Sammelband der 27. Fachtagung der BAG Berufliche Bildung}},
  editor       = {{Vollmer, Thomas and Karges, Torben and Richter, Tim and Schlömer, Britta and Schütt-Sayed, Sören}},
  keywords     = {{Berufsbildung, vocational education, Ausbildung, training, berufliche Weiterbildung, advanced vocational education, Digitalisierung, digitalization, Unterricht, teaching, Lehrmethode, teaching method, Interdisziplinarität, interdisciplinarity, Fachdidaktik, subject didactics, Curriculum, curriculum, gewerblich-technischer Beruf, vocational/technical occupation, Fachkraft, specialist, Qualifikationsanforderungen, qualification requirements, Kompetenz, competence, Lehrerbildung, teacher training, Bundesrepublik Deutschland, Federal Republic of Germany}},
  location     = {{Siegen}},
  pages        = {{176--194}},
  publisher    = {{wbv Media GmbH & Co. KG}},
  title        = {{{Data Science und Big Data in der beruflichen Bildung – Konzeption und Erprobung eines Projektkurses für die Sekundarstufe II}}},
  doi          = {{https://doi.org/10.3278/6004722w}},
  volume       = {{55}},
  year         = {{2020}},
}

@inproceedings{15332,
  abstract     = {{Artificial intelligence (AI) has the potential for far-reaching – in our opinion – irreversible changes.
They range from effects on the individual and society to new societal and social issues. The question arises
as to how students can learn the basic functioning of AI systems, what areas of life and society are affected
by these and – most important – how their own lives are affected by these changes. Therefore, we are developing and evaluating school materials for the German ”Science Year AI”. It can be used for students of all
school types from the seventh grade upwards and will be distributed to about 2000 schools in autumn with
the support of the Federal Ministry of Education and Research. The material deals with the following aspects
of AI: Discussing everyday experiences with AI, how does machine learning work, historical development
of AI concepts, difference between man and machine, future distribution of roles between man and machine,
in which AI world do we want to live and how much AI would we like to have in our lives. Through an
accompanying evaluation, high quality of the technical content and didactic preparation is achieved in order
to guarantee the long-term applicability in the teaching context in the different age groups and school types.
In this paper, we describe the current state of the material development, the challenges arising, and the results
of tests with different classes to date. We also present first ideas for evaluating the results.}},
  author       = {{Schlichtig, Michael and Opel, Simone Anna and Budde, Lea and Schulte, Carsten}},
  booktitle    = {{ISSEP 2019 - 12th International conference on informatics in schools: Situation, evaluation and perspectives, Local Proceedings}},
  editor       = {{Jasutė, Eglė and Pozdniakov, Sergei}},
  isbn         = {{978-9925-553-27-3}},
  keywords     = {{Artificial Intelligence, Machine Learning, Teaching Material, Societal Aspects, Ethics. Social Aspects, Science Year, Simulation Game}},
  location     = {{Lanarca}},
  pages        = {{65 -- 73}},
  title        = {{{Understanding Artificial Intelligence – A Project for the Development of Comprehensive Teaching Material}}},
  volume       = {{12}},
  year         = {{2019}},
}

@inproceedings{15640,
  author       = {{Opel, Simone Anna and Schlichtig, Michael and Schulte, Carsten and Biehler, Rolf and Frischemeier, Daniel and Podworny, Susanne and Wassong, Thomas}},
  booktitle    = {{INFOS}},
  pages        = {{285--294}},
  publisher    = {{Gesellschaft für Informatik}},
  title        = {{{Entwicklung und Reflexion einer Unterrichtssequenz zum Maschinellen Lernen als Aspekt von Data Science in der Sekundarstufe II}}},
  volume       = {{P-288}},
  year         = {{2019}},
}

@inproceedings{15641,
  author       = {{Schlichtig, Michael and Opel, Simone Anna and Schulte, Carsten and Biehler, Rolf and Frischemeier, Daniel and Podworny, Susanne and Wassong, Thomas}},
  booktitle    = {{INFOS}},
  pages        = {{385}},
  publisher    = {{Gesellschaft für Informatik}},
  title        = {{{Maschinelles Lernen im Unterricht mit Jupyter Notebook}}},
  volume       = {{P-288}},
  year         = {{2019}},
}

@inproceedings{15643,
  author       = {{Opel, Simone Anna and Schlichtig, Michael and Schulte, Carsten}},
  booktitle    = {{WiPSCE}},
  pages        = {{11:1--11:2}},
  publisher    = {{ACM}},
  title        = {{{Developing Teaching Materials on Artificial Intelligence by Using a Simulation Game (Work in Progress)}}},
  year         = {{2019}},
}

@inproceedings{15646,
  author       = {{Heinemann, Birte and Opel, Simone Anna and Budde, Lea and Schulte, Carsten and Frischemeier, Daniel and Biehler, Rolf and Podworny, Susanne and Wassong, Thomas}},
  booktitle    = {{Koli Calling}},
  pages        = {{17:1--17:5}},
  publisher    = {{ACM}},
  title        = {{{Drafting a Data Science Curriculum for Secondary Schools}}},
  year         = {{2018}},
}