Določevalni ključi za skupine živali

V aktivnosti se dogaja več stvari. Učenci

• z ustreznimi vizualizacijami opazujejo lastnosti posameznih skupin živali,
• se učijo uporabe okolja Orange, predvsem izbiranja podmnožic podatkov,
• čimbolj samostojno odkrijejo idejo klasifikacijskih dreves (kakor bi v umetni inteligenci rekli živalskemu ključu) in sestavijo takšno drevo,
• ponavljajo skupine živali (sesalci, žuželke, ribe …).

Aktivnost je podobna aktivnosti Obisk v živalskem vrtu, ki je namenjena mlajšim učencem.

Uvod

Podatke za to aktivnost najdemo v gradniku Zbirke podatkov. Nahajajo se med slovenskimi podatki pod imenom ‘Živali’. Dvakrat kliknemo nanje, da jih naložimo oziroma aktiviramo.

Naložimo tabelo z živalmi, med katerimi nekaj živali ni razvrščenih v skupine. Podatke pokažemo v tabeli. Med njimi je nekaj znanih živali, nekaj pa je učencem tujih. Znajo zanje (predvsem za tuje na podlagi njihovih lastnosti) določiti, v katero skupino sodijo?

Opazovanje podatkov

Podatke povežemo v Porazdelitve.

V Porazdelitve kot spremenljivko izberemo živalsko skupino, stolpce pa delimo glede na posamezne kriterije. Tako lahko vidimo, na primer, koliko živali iz posamezne skupine leti.

Če želimo sestaviti svoj ključ za razlikovanje med skupinami, pa se nam splača sliko obrniti: delimo glede na vrsto, kot spremenljivke pa izbiramo različne lastnosti. Tako, na primer, vidimo, da imajo zobe predvsem ribe in sesalci, nimajo pa jih ptice, žuželke in nevretenčarji.

Skupaj, frontalno, poiščemo podatek, ki nam čim uspešneje loči kako izmed skupin od ostalih. Recimo, da izberemo mleko. V tem primeru na tablo narišemo začetek drevesa – “daje mleko”, v vejo “Da” napišemo Sesalec, “Ne” pa se bo nadaljevala.

V Porazdelitvah izberemo “Ne” in podatke povežemo z novo Porazdelitvijo, ki dobi le izbrane podatke iz prvega gradnika Porazdelitve.

Če so učenci dovolj samostojni, nadaljujejo z gradnjo drevesa: v vsakem koraku najdejo spremenljivko, ki dobro deli preostale živali (v gornjem primeru bi bili to ne-sesalci). Pri tem lahko gre za lastnost, ki je tipična za določeno skupino ali pa tudi za več skupin, za nekatere pa ne (kot, na primer, do neke mere, zobje v prvem primeru, za vse živali).

Če učenci tega še ne bodo zmogli, drevo sestavimo frontalno. Tako postopno zgradimo drevo, ki je uporabno za razvrščanje.

Bi znali napisati recept, navodila, kako sestaviti takšno drevo? (Učence poskušamo pripeljati do tega, da čimbolj formalno opišejo postopek gradnje, ki smo ga izvajali. Pri tem ne silimo v vprašanje, kako določiti “uporabnost” posamezne lastnosti.)

Povemo, da se tak postopek res uporablja. Pokažemo, kakšno drevo iz teh podatkov zgradi Orange.

Drevo bo takšno:

To sliko uporabimo za razvrščanje živali, ki v prvi tabeli niso bile razvrščene. Z gradnikom Napovedi pogledamo, kako te živali razvrsti (po istem modelu) računalnik.

Zaključek

Učencem povemo, da računalniki na podoben način sestavljajo tudi modele iz podatkov za povsem druga področja. Tako lahko sestavimo model, ki napoveduje, ali ima nekdo določeno bolezen, katero reklamo se splača pokazati obiskovalcu neke spletne strani in ali se pred samovozečim avtomobilom nahaja kakšna ovira. Model, ki smo ga spoznali ima obliko drevesa. Takšne, preproste modele, so raziskovali predvsem v začetkih umetne inteligence. Današnji modeli so bolj zapleteni, osnovna ideja pa je še vedno podobna.