Machine Learning Machine (MicroBit)
Lad eleverne opleve og afprøve, hvordan de kan træne en Machine Learning Machine til at genkende deres egne bevægelser og gestik. Aktiviteten giver eleverne mulighed for at udforske Machine learning (herefter omtalt som ML) igennem arbejdet med et hertil udviklet læringsværktøj. Eleverne får mulighed for at lave deres egne ML-modeller lære, hvordan de kan træne og forbedre modellerne, og hvad der kan gå galt. Til sidst i aktiviteten står med en model, der kan genkende deres egne bevægelser og gestik som vises som et output på en Micro:Bit.
Introduktion
Igennem denne aktivitet får eleverne mulighed for at stifte bekendskab med centrale begreber og et konkret værktøj til at arbejde med Machine learning (ML). Værktøjet er udviklet til undervisning igennem et forskningsprojektet på Aarhus Universitet. Eleverne vil gennem arbejdet med læringsværktøjet og machine learning lære om træning af machine learning modeller til klassificering. De kommer til at arbejde med at skabe, træne og forbedre modeller og prøver på egen krop, hvordan modellen kan genkende deres egne bevægelser. Forløbet er oplagt til en informatiklasse eller lignende.
Aktivitetens længde
Aktiviteten har en længde på 2,5 time.
Materialer
I det downloaded materiale vil I finde et dokument med undervisningsstrukturen samt en powerpoint der er blevet brug til undervisningen.
Aktiviteten kræver en computer og to Micro:Bit version 2 (Det virker desværre ikke med version 1) pr. gruppe af elever. Det digitale værktøj er tilgængeligt online på https://ml-machine.org/. Inde på siden kan du hente koden til Micro:Biten. Værktøjet virker kun i browserne Chrome, Edge og Opera (Det virker ikke i safari!).
Aktivitetens sværhedsgrad
Der er ikke nogle faglige forudsætninger for at deltage i aktiviteten.
Beskrivelse af aktiviteten
Aktiviteten er inddelt i tre dele som hver starter med en introduktion fra læreren, før eleverne selv får lov at arbejde med læringsværktøjet. Aktiviteten er planlagt således at eleverne arbejder med en lille del af værktøjet før de kan gå videre til den næste del. Det fungerer godt, hvis eleverne arbejder i grupper af 2 og 2, for at de ikke bliver for mange omkring værktøjet.
Afprøvning
Dette forløb er blevet afprøvet med en STX klasse.
Andet
Da dette forløb er baseret på et igangværende forskningsprojekt, er værktøjet under kontinuerlig udvikling vil blive afprøvet i flere forskellige konstellationer og formater. Derfor vil vi også meget gerne høre fra jer, hvis I har feedback, forslag til forbedringer eller vil være samarbejdspartnere på den videre udvikling.
- Kontakt person:
- Karl-Emil Kjær Bilstrup
- Keb@cs.au.dk
Information om forløbet
Forfatter
- Karl-Emil Kjær Bilstrup
- CCTD, Aarhus Universitet
- Magnus HøHolt Kaspersen
- CCTD, Aarhus Universitet
Materialer
Teknologier
Årgange
Link
Forskningsbaseret projekt
