Zielgruppe

Die umfangreiche Unterrichtseinheit richtet sich an Lehrerinnen und Lehrer sowie Schülerinnen und Schüler der Sekundarstufe II. Da die einzelnen Kapitel weitgehend modular aufgebaut sind, können je nach Vorkenntnissen, Schwerpunktsetzung und verfügbarer Unterrichtszeit auch ausgewählte Teile eingesetzt werden.

Einordnung

Das Material führt von der Unterscheidung zwischen Daten, Informationen und Wissen zu verschiedenen Verfahren des Data Mining. Behandelt werden unter anderem Klassifikationsverfahren, Naive Bayes, Entscheidungsbäume, Cluster- und Assoziationsanalysen sowie Trainings- und Testdaten, Kreuzvalidierung und Overfitting. Die Verfahren werden zunächst nachvollziehbar erarbeitet und anschließend mithilfe realer Datensätze praktisch angewendet.

Ein eigenes Kapitel greift Fragen des Datenschutzes bei der Veröffentlichung und Auswertung großer Datenbestände auf. Die softwarebezogenen Anleitungen beziehen sich teilweise auf eine ältere Version von Weka. Vor dem Einsatz sollten daher die aktuelle Benutzeroberfläche und die technischen Voraussetzungen geprüft werden.

Lizenzierung

Für das Material ist keine Creative-Commons-Lizenz ausgewiesen. Es darf nicht für kommerzielle Zwecke verwendet werden. Für den schulischen Bereich darf es verwendet, bearbeitet und kopiert werden. Die Hinweise auf SwissEduc und die Autorenschaft müssen erhalten bleiben. Eine öffentliche Bereitstellung von Kopien auf einem anderen Webserver ist nicht gestattet; in schulinternen Intranets darf das Material bereitgestellt werden.

Bezüge zu den Hessischen Kerncurricula

• Information und Daten (I3) sowie Darstellen und Interpretieren (P2): Die Schülerinnen und Schüler unterscheiden zwischen Daten, Informationen und Wissen, untersuchen reale Datensätze und interpretieren unterschiedliche tabellarische und grafische Darstellungen.
• Algorithmen (I1): Verfahren zur Klassifikation, zur Bildung von Entscheidungsbäumen, zur Clusteranalyse und zur Ermittlung von Assoziationen werden nachvollzogen und auf Datensätze angewendet.
• Modellieren und Implementieren (P3) sowie Begründen und Bewerten (P5): Datenbasierte Modelle werden erstellt, getestet und anhand ihrer Ergebnisse und Fehlerquoten miteinander verglichen. Dabei können auch die Eignung und die Grenzen verschiedener Verfahren bewertet werden.
• Informatik, Mensch und Gesellschaft (I5): Die Auseinandersetzung mit personenbezogenen Daten, Reidentifikationsrisiken und Möglichkeiten zum Schutz veröffentlichter Datensätze unterstützt die Reflexion über Chancen, Risiken und rechtliche Rahmenbedingungen datenbasierter Systeme.