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 og beskrivelse af aktiviteten
I denne workshop stifter eleverne bekendtskab med machine learning (ML) gennem en interaktion prototype af et ML læringsværktøj.
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.
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
Materialer
Teknologier
Årgange
Link
Forskningsbaseret projekt
Undervisningsforløbet er udviklet af forskere tilknyttet CCTD. Forløbet kan være udarbejdet som en del af et større projekt, og materialet er derfor løbende blevet afprøvet med forskellige elever.
