19.02.26

Rolf Biehler

17:00 bis 18:00 Uhr

Im Mathematikunterricht soll beim Modellieren ein authentisches Sachproblem im Mittelpunkt stehen, das mithilfe mathematischer Werkzeuge bearbeitet wird. Dafür müssen Modellannahmen expliziert, ihre Angemessenheit begründet und Modelle validiert werden. So soll deutlich werden, wie Mathematik reale Fragestellungen bearbeitet. In der Schulpraxis werden jedoch weiterhin oft stark vereinfachte oder künstliche Probleme genutzt.

Diese Problematik zeigt sich auch im Stochastikunterricht. Zahlreiche Annahmen werden dort stillschweigend und ungeprüft getroffen, etwa stochastische Unabhängigkeit, konstante Wahrscheinlichkeiten, die Übertragung relativer Häufigkeiten aus der Vergangenheit als Wahrscheinlichkeiten auf zukünftige Ereignisse oder zufälliges Ziehen von Stichproben. In der außerschulischen Praxis erfolgen Modellvalidierungen jedoch meist datenbasiert, auch mit statistischen Tests, die in der Schule i.d.R. nicht behandelt werden. Neue Formen des datenbasierten Modellierens sind im Kontext von Data Science und KI entstanden.

Der Vortrag analysiert diese Herausforderungen und zeigt anhand ausgewählter Unterrichtsbeispiele, welche Schritte zu einem authentischeren, datenbasierten Modellieren möglich sein könnten.

SR 1.067