Immergenz: Deep Learning als Forschungsprojekt

17
Immergenz: Deep Learning als Forschungsprojekt Wilfried Swoboda

Transcript of Immergenz: Deep Learning als Forschungsprojekt

Page 1: Immergenz: Deep Learning als Forschungsprojekt

Immergenz: Deep Learning als

ForschungsprojektWilfried Swoboda

Page 2: Immergenz: Deep Learning als Forschungsprojekt

Immergenz: Deep Learning als Forschungsprojekt

• Wilfried Swoboda

• Forschungsarbeit 2016-2019 • Friedrich-Schiller-University Jena, Deutschland

• Thema Immersion/Immergenz

• Disposition im Unterricht

• Beispiel aus der pädagogischen Praxis • Schulprojekt Resonanzräume im mumok 2017

Page 3: Immergenz: Deep Learning als Forschungsprojekt

EU-Projekt als Rahmen

• Erasmus+: Schule INKLUSIVE Kulturelle Bildung (2015 – 2017)

• Thema: Kulturelle Schulentwicklung

• Endprodukt: Leitfaden für Kulturelle Schulentwicklung

• Regionen: Berlin, Wien und Bern

• 17 Institutionen: Schulbehörde, Schulen, Kulturinstitutionen, Kunsthochschule

Page 4: Immergenz: Deep Learning als Forschungsprojekt

Untersuchung der Aktion „Resonanzräume“

• 9 Workshops im Rahmen des Erasmus+ Projektes • Museum für Moderne Kunst Wien (mumok)

• 44 Lernende aus drei Wiener Schulen (Volksschule, Mittelschule, Sonderpädagogisches Zentrum)

• Kunstfotografin

• Museumskonzept „Kunst und…“ („Kunst und Musik“; „Kunst und Sprache“; „Kunst und Körper“)

• Herantasten an die Immergenztheorie

• Festhalten von Momenten immersiver Versunkenheit

• Tauglichkeit der abgeleiteten Aspekte

• Aufzeigen möglicher Praxisumsetzung

Page 5: Immergenz: Deep Learning als Forschungsprojekt

Foto: N. Viktorik, 2017Copyright: Bildungsdirektion für Wien

Page 6: Immergenz: Deep Learning als Forschungsprojekt

Foto: N. Viktorik, 2017Copyright: Bildungsdirektion für Wien

Page 7: Immergenz: Deep Learning als Forschungsprojekt

Foto: N. Viktorik, 2017Copyright: Bildungsdirektion für Wien

Page 8: Immergenz: Deep Learning als Forschungsprojekt

Foto: N. Viktorik, 2017Copyright: Bildungsdirektion für Wien

Page 9: Immergenz: Deep Learning als Forschungsprojekt

Untersuchungsmethode

• Qualitative Untersuchung:• Gedächtnisprotokolle der Workshops

• Fotografien

• Aufzeichnungen der Reflexionsgespräche mit Kunstvermittlerinnen und Lehrerinnen

• Entlang folgender Fragen: • Welche strukturellen und interaktiven Bezüge lassen sich zu festgelegten Aspekten

der Immersionstheorie zuordnen?

• Wo sind die Aspekte in der Praxis verankert und in welcher Signifikanz treten sie auf?

• Welche Schlüsse lassen sich aus den Aspekt-Verankerungen und deren Signifikanzen ziehen?

Page 10: Immergenz: Deep Learning als Forschungsprojekt
Page 11: Immergenz: Deep Learning als Forschungsprojekt

Immersion• Eingetaucht-Sein• Versunkenheit • Verschmolzenheit von Subjekt und Objekt

Immergenz (Swoboda, 2019)• Eintauchende mentale Bewegung• Prozesse der analytischen Rationalität und der empathischen

Intuition

Deep Attention (Hayles, 2007) Deep Reading (Wolf, 2009) Deep Thinking (Stocker, 2015, Kasparov, 2017)

Foto: N. Viktorik, 2017Copyright: Bildungsdirektion für Wien

Page 12: Immergenz: Deep Learning als Forschungsprojekt

Deep Reading (Wolf, 2009)

• Absorptionsfähigkeit beim Lesen fördert Planung und Kreativität (Smallwood 2013)

• Imaginationsfähigkeit eröffnet eine empathische Perspektive, einen Zwischenraum (Stevens 2014)

• Die Kognitionswissenschaftlerin Maryanne Wolf (2009) stellt sich die verflochtenen Beziehungen zwischen den Komponenten des Lesens als Musik vor: man hört letztlich das Zusammenspiel vieler Musiker/innen, keine/n hört man einzeln heraus, sondern alle tragen zum großen Ganzen bei.

Page 13: Immergenz: Deep Learning als Forschungsprojekt
Page 14: Immergenz: Deep Learning als Forschungsprojekt

Theory of Immergence (Swoboda, 2020)

Reversal perspective Atmosphere Between

Swoboda, 2019

Page 15: Immergenz: Deep Learning als Forschungsprojekt

Veränderte Perspektive

Lernen im immergenten Unterricht legt Wert • auf das Dazwischen• auf das Einlassen in die Gegenwärtigkeit• auf nicht-messbare Anteile des Kognitiven• auf Kontingenz des Subjektiven als Vieldeutigkeit und Pluralität

Bildungstheoretische Bedeutung • Bildungsebene • Ebene der Bildungseinrichtung • Unterrichtsebene • Ebene des Lernens

Page 16: Immergenz: Deep Learning als Forschungsprojekt

• Eisner, Will (2008). Graphic storytelling and visual narrative. Principles and practices from the legendary cartoonist Will Eisner. New York: W.W. Norton &Company.

• Hayles, Katherine N. (2007). Hyper and Deep Attention: The generational divide in cognitive modes. In Profession 2007. The modern language association of America. (S. 187–199). Online unter: http://www.jessicapressman.com/CAT_winter2013/wp-content/uploads/2012/11/Hayles-attention.pdf. [Zugriff: 04.01.2017]

• Kasparov, Garry (2017). Deep Thinking: Where Machine Intelligence Ends and Human Creativity Begins. New York: PublicAffairs.

• Stocker, Günther (2015). Aufgewacht aus tiefem Lesen. Überlegungen zur Medialität des Bücherlesens im digitalen Zeitalter. In: Hans-Christian von Herrmann & Jeannie Moser (ed.). Lesen. Ein Handapparat. (p. 33-48). Frankfurt am Main: Klostermann.

• Swoboda, Wilfried (2019). Immergenz. Immersion im didaktischen Spiegel. Jena. https://doi.org/10.22032/dbt.40428 [18.04.2020]

• Swoboda, Wilfried (2020). Learning and Immergence. Studies on the Theory of Immergence Part C. https://www.researchgate.net/project/Immergenz-immergence [06.05.2020]

• Wolf, Maryanne (2009). Das lesende Gehirn. Wie der Mensch zum Lesen kam – und was es in unserem Köpfen bewirkt. Heidelberg: Spektrum.

Page 17: Immergenz: Deep Learning als Forschungsprojekt

Researchgate: Wilfried Swoboda


DEEP OSCILLATION · DEEP OSCILLATION® Anwendungsbereiche von DEEP OSCILLATION® in der ästhetischen Medizin DEEP OSCILLATION® eignet sich durch seinen nichtinvasiven, nichttraumatischen

DEEP OSCILLATION · DEEP OSCILLATION® Anwendungsbereiche von DEEP OSCILLATION® in der ästhetischen Medizin DEEP OSCILLATION® eignet sich durch seinen nichtinvasiven, nichttraumatischen

Künstliche Intelligenz – inspirierende Lösungen · Intelligente Inspektion, Big Data und Deep Learning für die Zukunft der SMT-Fertigung Künstliche Intelligenz – inspirierende

Künstliche Intelligenz – inspirierende Lösungen · Intelligente Inspektion, Big Data und Deep Learning für die Zukunft der SMT-Fertigung Künstliche Intelligenz – inspirierende

Deep Learning mit TensorFlow, Keras und TensorFlow · Machine Learning und Deep Learning »Wahrlich es ist nicht das Wissen, sondern das Lernen, nicht das Besitzen, sondern das Erwerben,

Deep Learning mit TensorFlow, Keras und TensorFlow · Machine Learning und Deep Learning »Wahrlich es ist nicht das Wissen, sondern das Lernen, nicht das Besitzen, sondern das Erwerben,

Introductory Overview Lecture The Deep Learning Revolution ...rsalakhu/talks/JSM_part2.pdfThe Deep Learning Revolution Part II: Optimization, Regularization Russ Salakhutdinov Machine

Introductory Overview Lecture The Deep Learning Revolution ...rsalakhu/talks/JSM_part2.pdfThe Deep Learning Revolution Part II: Optimization, Regularization Russ Salakhutdinov Machine

Deep Learning zur Analyse von Bildern von Seidenstoffen ... · M. Dorozynski, D. Wittich & F. Rottensteiner 388 der Sammlung liegen neben den Bildern auch gesammelte Informationen

Deep Learning zur Analyse von Bildern von Seidenstoffen ... · M. Dorozynski, D. Wittich & F. Rottensteiner 388 der Sammlung liegen neben den Bildern auch gesammelte Informationen

Deep Reinforcement Learning of Volume-Guided …openaccess.thecvf.com/content_CVPR_2019/papers/Han_Deep...Deep Reinforcement Learning of Volume-guided Progressive View Inpainting for

Deep Reinforcement Learning of Volume-Guided …openaccess.thecvf.com/content_CVPR_2019/papers/Han_Deep...Deep Reinforcement Learning of Volume-guided Progressive View Inpainting for

Deep Learning for Reinforcement Learning in Pacman · a feature representation of observations of Pacman game states is learned using a deep learning method. This feature representation

Deep Learning for Reinforcement Learning in Pacman · a feature representation of observations of Pacman game states is learned using a deep learning method. This feature representation

Trends für die Künstliche Intelligenz...7 Neuronale Netzte (Deep Learning) Künstliche neuronale Netze sind eine Basis für maschinelle Lernverfahren nach dem Vorbild der Nervenzellenvernetzung

Trends für die Künstliche Intelligenz...7 Neuronale Netzte (Deep Learning) Künstliche neuronale Netze sind eine Basis für maschinelle Lernverfahren nach dem Vorbild der Nervenzellenvernetzung

PowerPoint-Präsentationid17.at/wp-content/uploads/2017/10/11_Erich_Schuster.pdf · Chatbot Meetup, Deep Learning Meetup BUCHPRÄSENTATIONEN Mario Herger "Der Letzte Führerscheinneuling

PowerPoint-Präsentationid17.at/wp-content/uploads/2017/10/11_Erich_Schuster.pdf · Chatbot Meetup, Deep Learning Meetup BUCHPRÄSENTATIONEN Mario Herger "Der Letzte Führerscheinneuling

Report from the Front Lines of Deep Learning€¦ · Report from the Front Lines of Deep Learning Deep Learning Workshop, Bern, June 06, ... Why? Zürcher Fachhochschule 3 Agenda

Report from the Front Lines of Deep Learning€¦ · Report from the Front Lines of Deep Learning Deep Learning Workshop, Bern, June 06, ... Why? Zürcher Fachhochschule 3 Agenda

1 Einführung in das Reinforcement Learning DFG-Forschungsprojekt Einführung in das Reinforcement- Learning.

1 Einführung in das Reinforcement Learning DFG-Forschungsprojekt Einführung in das Reinforcement- Learning.

Künstliche Intelligenz - das Mögliche und das Unmögliche ... · Business News 1-2018 | 9 Künstliche Intelligenz men“ nutzen Deep-Learning-Techniken, um anhand weniger Frames

Künstliche Intelligenz - das Mögliche und das Unmögliche ... · Business News 1-2018 | 9 Künstliche Intelligenz men“ nutzen Deep-Learning-Techniken, um anhand weniger Frames

Studie Machine Learning / Deep Learning 2019 · arbeitern und kleinere Firmen. An die 30 Prozent der Befragten kämpfen dagegen mit der Unverständlich- keit von ML-Algorithmen. Speziell

Studie Machine Learning / Deep Learning 2019 · arbeitern und kleinere Firmen. An die 30 Prozent der Befragten kämpfen dagegen mit der Unverständlich- keit von ML-Algorithmen. Speziell

Maschinelles Lernen – Ergebnisbericht · Maschinelles Lernen und insbesondere das sogenannte Deep Learning (DL) eröffnen völlig neue Möglichkeiten in der automatischen Sprachverarbeitung,

Maschinelles Lernen – Ergebnisbericht · Maschinelles Lernen und insbesondere das sogenannte Deep Learning (DL) eröffnen völlig neue Möglichkeiten in der automatischen Sprachverarbeitung,

ANWENDUNG VON DEEP-LEARNING-VERFAHREN ZUR OCT … · Degenerationsprozess der menschlichen Netzhaut, häufig altersbedingt (AMD) ist in Deutschland mit 50% Anteil die häufigste Ursache

ANWENDUNG VON DEEP-LEARNING-VERFAHREN ZUR OCT … · Degenerationsprozess der menschlichen Netzhaut, häufig altersbedingt (AMD) ist in Deutschland mit 50% Anteil die häufigste Ursache

Pressekonferenz der Korporativen Mitglieder der Deutschen ... · Im Falle der neusten syngo.via-Version können mithilfe solcher Deep-Learning-Algorithmen anatomisch zusammengehörende

Pressekonferenz der Korporativen Mitglieder der Deutschen ... · Im Falle der neusten syngo.via-Version können mithilfe solcher Deep-Learning-Algorithmen anatomisch zusammengehörende

Deep impact ?! Fluch oder Segen des multimedialen Lernens Dr. Thomas Huk Learning Lab Lower Saxony Institut für Sozialwissenschaften Lehrstuhl Prof. Floto.

Deep impact ?! Fluch oder Segen des multimedialen Lernens Dr. Thomas Huk Learning Lab Lower Saxony Institut für Sozialwissenschaften Lehrstuhl Prof. Floto.

Datalab – The ZHAW Data Science Laboratory€¦ · • Data Mining, Statistik und Predictive Modelling • Machine Learning, besonders Deep Learning • Graph Analytics und Network

Datalab – The ZHAW Data Science Laboratory€¦ · • Data Mining, Statistik und Predictive Modelling • Machine Learning, besonders Deep Learning • Graph Analytics und Network

Deep Learning - files.mnio.net · • Geoffrey E. Hinton (Google) • Yann LeCun (Facebook) • Yoshua Bengio Mario Neises · 23.05.2016 2 / 19

Deep Learning - files.mnio.net · • Geoffrey E. Hinton (Google) • Yann LeCun (Facebook) • Yoshua Bengio Mario Neises · 23.05.2016 2 / 19

Ring Artifact Reduction in Sinogram Space Using Deep Learning · 2020-08-05 · Ring Artifact Reduction in Sinogram Space Using Deep Learning M. Nauwynck , S. Bazrafkan , A. H. van

Ring Artifact Reduction in Sinogram Space Using Deep Learning · 2020-08-05 · Ring Artifact Reduction in Sinogram Space Using Deep Learning M. Nauwynck , S. Bazrafkan , A. H. van