Pädagogische Mythen (Folge 6, zu Gast: Prof. Dr. Nicole Vidal)

Audio: Pädagogische Mythen (Folge 6, zu Gast: Prof. Dr. Nicole Vidal)

Lerntypen, Lernpyramide, hirngerechtes Lernen – viele beliebte pädagogische Annahmen halten einer wissenschaftlichen Prüfung nicht stand. Frau Prof. Dr. Nicole Vidal, Professorin für Allgemeine Erziehungswissenschaft an der Pädagogischen Hochschule in Freiburg, räumt in dieser Folge mit beliebten Mythen der Pädagogik auf.

Audio abspielen

Download (14.99 MB)

Benedikt Wisniewski

Lernpyramide, Lerntyp

Lernressource	Audio
Lizenz	Copyright, freier Zugang
Sprache	Deutsch

ähnliche Materialien

Video: Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (MP4)

Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (MP4)

Du hast nun einen Überblick über die Lern- und Problemtypen und kennst verschiedene Verfahren des überwachten maschinellen Lernens. Aber wie wählt man

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Daten, Entscheidungsfindung, Informatik, KI, Klassifikation, Lerntyp, Problemtyp, Rechenleistung, Regression, Technologie, eLearning, künstliche Intelligenz

Kurs: Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (PDF)

Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (PDF)

Du hast nun einen Überblick über die Lern- und Problemtypen und kennst verschiedene Verfahren des überwachten maschinellen Lernens. Aber wie wählt man

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Daten, Entscheidungsfindung, Informatik, KI, Klassifikation, Lerntyp, Problemtyp, Rechenleistung, Regression, Technologie, eLearning, künstliche Intelligenz

Arbeitsblatt: Basisbildung Altenpflegehilfe | Modul 1: Lernen lernen

Basisbildung Altenpflegehilfe | Modul 1: Lernen lernen

Dieses Dokument aus dem Projekt „Basisbildung Altenpflegehilfe - neue Wege in die Pflege“ vermittelt die Grundlagen des Lernens: Lernkanäle, Lerntypen

Volkshochschule Göttingen Osterode gGmbH

Altenpflege, DaF, DaZ, Gedächtnis, Gehirn, Grundbildung, Lernen, Lernerfolg, Lernplan, Lernstrategie, Lerntechnik, Lerntyp, Lernumgebung, Pflege, Pflegetheorie, sprachsensibel

Interaktion: Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (Aufgabe 2)

Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "Auswahlkriterien für ein Verfahren" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Daten, Entscheidungsfindung, Informatik, KI, Klassifikation, Lerntyp, Problemtyp, Rechenleistung, Regression, Technologie, eLearning, künstliche Intelligenz

Interaktion: Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (Aufgabe 1)

Prognosemodelle: Klassifikation und Regression | 04 | Auswahlkriterien für ein Verfahren (Aufgabe 1)

Diese Aufgabe dient als Vertiefung zum Video "Auswahlkriterien für ein Verfahren" aus der Sektion “Prognosemodelle: Klassifikation und Regression”.

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Daten, Entscheidungsfindung, Informatik, KI, Klassifikation, Lerntyp, Problemtyp, Rechenleistung, Regression, Technologie, eLearning, künstliche Intelligenz

Video: Prognosemodelle: Klassifikation und Regression | 01 | (Überwachtes) Maschinelles Lernen (MP4)

Prognosemodelle: Klassifikation und Regression | 01 | (Überwachtes) Maschinelles Lernen (MP4)

Du kennst nun unseren Anwendungsfall und weißt, dass es in diesem Themenblock um Prognosemodelle geht und diese auf Verfahren des überwachten

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Decision trees, Evaluation, Informatik, KI, Klassifikation, Lerntyp, ML, Neuronale Netze, Regression, Technologie, bestärkendes Lernen, eLearning, künstliche Intelligenz, lineare Regression, machine Learning, maschinelles Lernen, reinforcement learning, supervised learning, unsupervised learning, unüberwachtes Lernen, überwachtes Lernen, überwachtes maschinelles Lernen

Kurs: Prognosemodelle: Klassifikation und Regression | 01 | (Überwachtes) Maschinelles Lernen (PDF)

Prognosemodelle: Klassifikation und Regression | 01 | (Überwachtes) Maschinelles Lernen (PDF)

Du kennst nun unseren Anwendungsfall und weißt, dass es in diesem Themenblock um Prognosemodelle geht und diese auf Verfahren des überwachten

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Decision trees, Evaluation, Informatik, KI, Klassifikation, Lerntyp, ML, Neuronale Netze, Regression, Technologie, bestärkendes Lernen, eLearning, künstliche Intelligenz, lineare Regression, machine Learning, maschinelles Lernen, reinforcement learning, supervised learning, unsupervised learning, unüberwachtes Lernen, überwachtes Lernen, überwachtes maschinelles Lernen

Interaktion: Prognosemodelle: Klassifikation und Regression | 01 | (Überwachtes) Maschinelles Lernen (Aufgabe 2)

Prognosemodelle: Klassifikation und Regression | 01 | (Überwachtes) Maschinelles Lernen (Aufgabe 2)

Diese Aufgabe dient als Vertiefung zum Video "(Überwachtes) Maschinelles Lernen" aus der Sektion "Prognosemodelle: Klassifikation und Regression".

Heinrich-Heine-Universität Düsseldorf

AI, Artificial Intelligence, Decision trees, Evaluation, Informatik, KI, Klassifikation, Lerntyp, ML, Neuronale Netze, Regression, Technologie, bestärkendes Lernen, eLearning, künstliche Intelligenz, lineare Regression, machine Learning, maschinelles Lernen, reinforcement learning, supervised learning, unsupervised learning, unüberwachtes Lernen, überwachtes Lernen, überwachtes maschinelles Lernen

Als Anwendung installieren

Installieren Sie HubbS als App für ein besseres Nutzungserlebnis. Mehr erfahren.

Abbrechen