Hier werden die Siedetemperaturen von 1-Alkanolen sowie von kurzkettigen, verzweigten, einwertigen Alkanolen behandelt. Mithilfe einer haptisch gestützten Datenorganisation analysieren die Schülerinnen und Schüler dabei, wie molekulare Strukturmerkmale die Siedetemperatur beeinflussen. Der verwendete Algorithmus ist didaktisch reduziert und mathematisch so vereinfacht, dass er ohne Programmierkenntnisse in der Sekundarstufe II nachvollziehbar ist. Die Methode erlaubt außerdem eine Einführung in grundlegende Prinzipien des maschinellen Lernens, ohne an eine spezifische Programmiersprache gebunden zu sein. So können aktuelle Entwicklungen der digitalen Bildung und der KI fachdidaktisch sinnvoll in den Chemieunterricht integriert werden, um den Umgang mit Daten zu fördern und ein vertieftes Verständnis chemischer Zusammenhänge zu vermitteln. 

Vermittlung von Struktur-Eigenschaftsbeziehungen mit maschinellem Lernen
https://doi.org/10.1002/ckon.202500016   English translation of the paper