• Keine Ergebnisse gefunden

Zufall, Daten und Wahrscheinlichkeit – Aktuelle empirische Studien zur Didaktik der Stochastik

N/A
N/A
Protected

Academic year: 2021

Aktie "Zufall, Daten und Wahrscheinlichkeit – Aktuelle empirische Studien zur Didaktik der Stochastik"

Copied!
2
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Susanne SCHNELL, Paderborn & Andreas EICHLER, Kassel

Zufall, Daten und Wahrscheinlichkeit –

Aktuelle empirische Studien zur Didaktik der Stochastik

Der Entwicklung einer umfassenden stochastischen Grundbildung – der Sta- tistical Literacy (Gal, 2004) – im Unterricht kommt vor dem Hintergrund neuer gesellschaftlicher Herausforderungen wie dem Umgang mit big data zunehmend Bedeutung zu. Schülerinnen und Schüler müssen in die Lage versetzt werden, Aussagen mit Daten und Wahrscheinlichkeiten angemessen verstehen, interpretieren und beurteilen sowie eigenständig Argumentatio- nen entwickeln zu können (Gal, 2018). Diese Zielsetzungen stellen auch eine zentrale Forderung der bildungspolitischen Stellungnahme des Arbeitskrei- ses Stochastik (2002) dar. Um den Stochastikunterricht in Schulen entspre- chend gestalten zu können, bedarf es einer verstärkten empirischen Befor- schung von Voraussetzungen, Bedingungen und Prozessen des Lehrens und Lernens von Stochastik (Ainley & Pratt, 2018).

Von zentraler Bedeutung ist dabei die Betrachtung der ganzen Bildungs- kette: Wie Winter bereits 1974 anmerkte, werden die Grundlagen für ein Verständnis stochastischer Konzepte und Begriffe in der Primarstufe gelegt, die dann in weiterführenden Schulen und in der Hochschule erweitert und vertieft werden. Darüber hinaus ist die Beforschung von Lehrkräften ein wichtiger Baustein zur Erfassung und Gestaltung des Stochastikunterrichts (da Batanero, Burrill & Reading, 2011). Die Beiträge zu diesem Minisym- posium geben Einblicke in empirische Studien zu verschiedenen Aspekten des Lehrens und Lernens von Stochastik.

So stellt Frischemeier in seinem Beitrag eine Unterrichtsreihe zur Förderung der Datenkompetenz vor, mit der Lernende der Klasse 4 mit Hilfe digitaler Werkzeuge Verteilungsvergleiche durchführen können.

In dem Entwicklungsforschungsprojekt von Büscher entwickeln Lernende der Klasse 7 individuelle Maße zur Beschreibung von Datensätzen. Diese werden vor dem Hintergrund des Zusammenspiels Reflektieren und Mathe- matisieren diskutiert.

Die Studie von Walter identifiziert Schwierigkeiten und Fehlermuster bei der Planung und Durchführung statistischer Untersuchungen durch Lernende der Klasse 9 und 10.

Plicht legt den Schwerpunkt auf eine interdisziplinäre Untersuchung und be- forscht den Umgang von Lernenden der weiterführenden Schule mit statisti- schen Diagrammen in Biologiebüchern.

In Fachgruppe Didaktik der Mathematik der Universität Paderborn (Hrsg.)

Beiträge zum Mathematikunterricht 2018. Münster: WTM-Verlag 115

(2)

Im Beitrag von Schmelzer werden grundlagentheoretisch Grundvorstellun- gen zum Wahrscheinlichkeitsbegriff diskutiert, die als Ausgangspunkt für die Gestaltung angemessener Lehr-Lern-Prozesse dienen sollen.

Schließlich untersucht Schnell die spezifischen, während der Stochastikfort- bildung fachfremd-unterrichtender Lehrkräften ablaufenden Prozesse und Diskussionen bei der Analyse von Schulbuchaufgaben.

Vorträge im Minisymposium

Büscher, C.: Mathematisieren und Reflektieren auf individuellen Wegen – eine Entwick- lungsforschungsstudie zu statistischen Maßen in Klasse 7

Frischemeier, D.: Förderung der Datenkompetenz in der Primarstufe unter Verwendung digitaler Werkzeuge

Plicht, C.: Ausgewählte empirische Befunde zum Einsatz von Diagrammen im Unter- richtsfach Biologie

Schmelzer, N.: Grundvorstellungen zum Wahrscheinlichkeitsbegriff

Schnell, S.: Qualifizierung fachfremd unterrichtender Lehrkräfte zur Stochastik

Walter, C.: Eine empirische Untersuchung zur Planung und Durchführung statistischer Untersuchungen von Lernenden aus 9ten und 10ten Schuljahrgängen – Studienergeb- nisse

Literatur

Ainley, J. & Pratt, D. (2018). Contemporary Issues and Emerging Directions in Research on Learning and Teaching Statistics. In D. Ben-Zvi, K. Makar, & J. Garfield (Hrsg.), International Handbook of Research in Statistics Education (S. 357-358). Cham, Switzerland: Springer.

Arbeitskreis Stochastik (2002). Empfehlungen zu Zielen und zur Gestaltung des Stochas- tikunterrichts. Online unter https://www.math.uni-frankfurt.de/ak-stochastik/bildung spolitische-stellungnahme.html.

Batanero, C., Burrill, G. & Reading, C. (Hrsg.) (2011). Teaching Statistics in School Mathematics-Challenges for Teaching and Teacher Education. A Joint ICMI/IASE Study: The 18th ICMI Study. Dordrecht: Springer Science+Business Media B.V.

Gal, I. (2004). Adults’ statistical literacy: Meanings, components, responsibilities. In D.

Ben-Zvi & J.Garfield (Hrsg.), The challenge of developing statistical literacy, reason- ing and thinking (S. 47-78). Dordrecht: Kluwer.

Gal, I. (2018). Developing statistical literacy in mathematics education? Navigating be- tween current gaps and new needs, contents, and tools. Beiträge zum Mathematik- unterricht 2018. In diesem Band.

Winter, H. (1978). Erfahrungen zur Stochastik in der Grundschule. Didaktik der Mathe- matik, 1, 22-37.

116

Referenzen

ÄHNLICHE DOKUMENTE

ist die Wahrscheinlichkeit für das Eintreten des Ereignisses

Fachwissen- schaftlich wird in der Stochastik der Begriff „unmög- lich“ als Konstrukt für „unmögliches Ereignis“ ver- wendet und beschreibt damit ein Ereignis, dass nie

sind: Durch Kunst Fortunas Fehler wieder gut zu machen – ut arte emendaturus fortuna (Horaz, [14]). Darf man daraus nicht schliessen, dass man andere, bessere Ergebnisse

Uber testgetriebene Entwicklung liegen ebenfalls brauchbare Studien vor, wenn auch nicht ¨ so viele wie ¨uber Paar-Programmierung.. Zwei unabh¨angige Faktoren sind hier zu

(2019) mit 47,3 Prozent Pils bevorzugen und zwei der identifizierten Cluster sich vor allem durch ihre Präferenz für Pils auszeichnen, favorisieren die hier Befragten Mixbier

HAU.. In einer Tabelle lassen sich die Daten auch mehreren Kategorien zuordnen, beispielsweise in drei, vier oder fünf Kategorien. Hier ein Beispiel für drei Kategorien:. Möbel

welches Ereignis eintritt, so handelt es sich um ein Zufallsexperiment. Wie viele Gegenstände, mit denen man Zufallsexperimente durchführen kann, gibt es in allen Haushalten

2 Arbeitskarten (AK) mit Aufgaben zum selbständigen Bearbeiten 2.1 Häufigkeiten und Wahrscheinlichkeiten