Advertisement

Synergetisches Modell Ökonomischer Bildung – Der Dortmunder Ansatz

  • Andreas Liening
Chapter

Zusammenfassung

Die oben erschlossenen komplexen Zusammenhänge lassen sich zusammenfassend als Modell einer synergetischen Ökonomischen Bildung darstellen (siehe Abb. 5.1).

Literatur

  1. Albers, H.-J. (Hrsg.). (1995). Bundesfachgruppe für Ökonomische Bildung/Handlungsorientierung und Ökonomische Bildung. Bergisch Gladbach: Thomas Hobein.Google Scholar
  2. Bandt, C., & Pompe, B. (2002). Permutation entropy – A natural complexity measure for time series. Physical Review Letters, 88(17), 174102-174101–174102-174104.Google Scholar
  3. Blankertz, H. (1986). Theorien und Modelle der Didaktik. Weinheim: Juventa.Google Scholar
  4. Haken, H., & Tschacher, W. (2011). The transfer of principles of non-equilibrium physics to embodied cognition. In W. Tschacher & C. Bergomi (Hrsg.), The implications of embodiment: Cognition and communication (S. 75–88). Exeter: Imprint Academic.Google Scholar
  5. Heitger, M. (1990). Moralität und Bildung. In A. Regenbrecht & K. G. Pöppel (Hrsg.), Moralische Erziehung im Fachunterricht. Münster: Aschendorff.Google Scholar
  6. Jumarie, G. (Hrsg.). (1990). Relative information – theories and applicatons (Bd. 47). Berlin/Heidelberg: Springer.Google Scholar
  7. Kant, I. (1966). Über Pädagogik. In W. Weischedel (Hrsg.), Kant – Werke in sechs Bänden. Darmstadt: WBG.Google Scholar
  8. Kant, I. (Hrsg.). (1995). Der Streit der Facultäten und kleinere Abhandlungen. Köln: Könemann.Google Scholar
  9. Kantz, H. (1994). A robust method to estimate the maximal Lyapunov exponent of a time series. Physical Letters, 185(1), 77–87.CrossRefGoogle Scholar
  10. Kricks, K., Mittelstädt, E., & Liening, A. (2014). Schwellenkonzepte und Pännomenografie. Explorative Studie zur Messung von Unterschieden im ökonomischen Verstehen. Zeitschrift für ökonomische Bildung, 2, 17–41.Google Scholar
  11. Krol, G. J. (1994). Ökonomische Verhaltenstheorie, Verbraucher und Umwelt. In K.-P. Kruber (Hrsg.), Didaktik der Ökonomischen Bildung. Baltmannsweiler: Oldenbourg Wissenschaftsverlag.Google Scholar
  12. Kruber, K.-P. (1996). Der „systematische“ Ort für die Ethik in der Marktwirtschaft – ein Problem für die Ökonomische Bildung. In H.-J. Albers (Hrsg.), Ethik und Ökonomische Bildung. Bergisch Gladbach: Thomas Hobein.Google Scholar
  13. Liening, A. (1992). Intelligente Tutorielle Systeme (ITS). Eine kritische Analyse unter besonderer Berücksichtigung ihrer Einsatzmöglichkeiten in der Wirtschaftsdidaktik. Münster/Hamburg: LIT.Google Scholar
  14. Liening, A. (2014). Synergetische Wirtschaftsdidaktik: Ein kraf(f)tvoller Ansatz für die Ökonomische Bildung. In C. Müller, A. Liening, H. J. Schlösser & M. Schuhen (Hrsg.), Festschrift zum 80. Geb. von Dietmar Krafft (S. 55–57). Stuttgart: Lucius & Lucius.Google Scholar
  15. Liening, A. (2017). Komplexität und Entrepreneurship. Berlin/Heidelberg: Springer-Gabler.CrossRefGoogle Scholar
  16. Liening, A., & Kirchner, M. (2009). iMobile – A synergetic approach for self organized learning. Paper presented at the WAEL ’09, Umea.Google Scholar
  17. Liening, A., & Zardini, S. (2013). Chancen einer situationsorientierten Ökonomischen Bildung. In T. Retzmann (Hrsg.), Ökonomische Allgemeinbildung in der Sekundarstufe II (S. 275–288). Schwalbach/Ts: Wochenschau.Google Scholar
  18. Liening, A., Kirchner, M., & Mittelstädt, E. (2011). Wikis als wirtschaftsdidaktische Methode. In T. Retzmann (Hrsg.), Methodentrainings für den Ökonomieunterricht. Schwalbach/Ts: Wochenschau.Google Scholar
  19. Liening, A., Strunk, G., & Mittelstädt, E. (2013). Transitions between lower and higher level management learning in times of crisis. Experimental study based on the theories of nonlinear dynamic systems within a business simulation game. Nonlinear Dynamics, Psychology, and Life Sciences, 17(4), 517–541.Google Scholar
  20. Liening, A., Geiger, J.-M., & Vogler, K. (2015a). Interesse als Grundlage kognitiver Aktivierung. Welche Faktoren fördern die Aufmerksamkeit von Schülerinnen und Schülern hinsichtlich Ökonomischer Bildung? In H. Arndt (Hrsg.), Kognitive Aktivierung in der Ökonomischen Bildung (S. 88–102). Schwalbach/Ts: Wochenschau.CrossRefGoogle Scholar
  21. Liening, A., Kriedel, R., & Wagner, W. (2015b). Die Entrepreneurship School – Ein EXIST-Projekt im Rahmen von tu>startup. In J. Teichert, R. Ofianka & A. Jendrosch (Hrsg.), Universitäre Gründungsförderung (S. 145–156). Münster/New York: Waxmann.Google Scholar
  22. Liening, A., Geiger, J.-M., Kriedel, R., Lahme, C., Sender, T., & Wagner, W. (2016a). Synergetische Ökonomische Bildung – Theoriebildung und praktische Einbettung am Beispiel des Dortmunder Modells der Entrepreneurship Education. In H. Arndt (Hrsg.), Das Theorie-Praxis-Verhältnis in der Ökonomischen Bildung (S. 57–69). Schwalbach/Ts: Wochenschau.Google Scholar
  23. Liening, A., Geiger, J.-M., Kriedel, R., & Wagner, W. (2016b). Complexity & Entrepreneurship: Modelling the process of Entrepreneurship Education through the theory of synergetics. In E. Berger & A. Kuckertz (Hrsg.), Complexity in entrepreneurship, innovation and technology research. Applications of emergent and neglected methods (S. 93–115). Chur: Springer International Publishing.Google Scholar
  24. Liening, A., Geiger, J. M., Kriedel, R., & Sender, T. (2016c). Threshold concepts in entrepreneurship education. Frontiers of Entrepreneurship Research, 36(4), 104.Google Scholar
  25. Mittelstädt, E., Liening, A., & Sender, T. (2016). On the way to a quantitative method for finding threshold concepts. International Review of Economics Education.Google Scholar
  26. Pähler, K. (1988). Erkenntnis und Entscheidung im Kritischen Rationalismus Karl Poppers. In U. O. Sievering (Hrsg.), Kritischer Rationalismus heute. Frankfurt a. M.: Haag und Herchen.Google Scholar
  27. Petzelt, A. (1964). Grundzüge systematischer Pädagogik. Freiburg im Breisgau: Lambertus.Google Scholar
  28. Priddat, B. P. (1994). Der Philosophen Ökonomie: das Beispiel Georg Picht. In A. M. Hattenbach & E. Eberhard (Hrsg.), Wissenschaftliche und ethische Leitbilder für neue Wirtschaftskonzepte. Gießen: Focus Gießen.Google Scholar
  29. Rao, K. R., & Yip, P. C. (2000). The transform and data compression handbook Boca Raton. Florida: Taylor & Francis Inc.CrossRefGoogle Scholar
  30. Rosenstein, M. T., Collins, J. J., & Luca, C. J. D. (1993). A practical method for calculating largest Lyapunov exponents from small data sets. Physica, D, (65), 117–134.CrossRefGoogle Scholar
  31. Santjer-Schnabel, I., Lutz, S., Sembill, D., Wolf, K. D., & Wuttke, E. (2001). Förderung der Problemlösefähigkeit und der Motivation durch Selbstorganisiertes Lernen. In K. Beck & K. Volker (Hrsg.), Lehren und Lernen in der beruflichen Erstausbildung – Grundlagen einer modernen kaufmännischen Berufsausbildung. Wiesbaden: Springer.Google Scholar
  32. Seifried, J., & Detlef, S. (2006). Selbstorganisiertes Lernen als didaktische Lehr-Lern-Konzeption zur Verknüpfung von selbstgesteuertem und kooperativen Lernen. In D. Euler, L. Martin & G. Pätzold (Hrsg.), Selbstgesteuertes Lernen in der beruflichen Bildung. Stuttgart: Franz Steiner.Google Scholar
  33. Sender, T. (2017). Wirtschaftsdidaktische Lerndiagnostik und Komplexität – Lokalisierung liminaler Unsicherheitsphasen im Hinblick auf Schwellenübergänge. (Diss.). In A. Liening (Hrsg.), Entrepreneurship, Ökonomische Bildung und Komplexität. Wiesbaden: Springer.Google Scholar
  34. Shannon, C. E. (2001). A mathematical theory of communication. ACM Mobile Computing and Communications Review, 5(1), 3–55.CrossRefGoogle Scholar
  35. Skinner, J. E., Molnar, M., & Tomberg, C. (1994). The point correlation dimension: Performance with nonstationary surrogate dataand noise. Integrative Physiological and Behavioral Science, 29, 217–234.CrossRefGoogle Scholar
  36. Strunk, G. (2015). GChaos – Nichtlineare Zeitreihenanalyse. Wien.Google Scholar
  37. Strunk, G., & Schiepek, G. (1994). Dynamische Systeme – Grundlagen und Analysemethoden für Psychologen und Psychiater. Heidelberg: Asanger.Google Scholar
  38. Takens, F. (1981). Detecting strange attractors in turbulence. In D. Land & A. Young (Hrsg.), Dynamicals systems and turbulence – Lecture notes in mathematics (Bd. 898, S. 366–381). Berlin: Springer.Google Scholar
  39. Theiler, J. (1987). Efficient algorithm for estimating the correlation dimension from a set of discrete points. Physical Review A, 36(9), 4456–4462.CrossRefGoogle Scholar
  40. Theiler, J. (1989). Estimating fractal dimension. Journal of the Optical Society of America, 7(6), 1055–1073.CrossRefGoogle Scholar
  41. Tschacher, W., & Dauwalder, J.-P. (Hrsg.). (2003). The dynamical systems approach to cognition: Concepts and empirical paradigms based on self-organization, embodiment, and coordination dynamics (Studies of nonlinear phenomena in life science (Book 10)). Singapore: World Scientific Pub Co Inc.Google Scholar
  42. Weber, M. (Hrsg.). (1973). Wissenschaft als Beruf. In Gesammelte Aufsätze zur Wissenschaftslehre. Tübingen: J. C. B. Mohr.Google Scholar
  43. Welch, T. (1984). A technique for high-performance data compression. IEEE Computer, 17(6), 8–19.CrossRefGoogle Scholar
  44. Wolf, A., Swift, J. B., Swinney, H. L., & Vastano, J. A. (1985). Determining Lyapunov exponents from a time series. Physica D, 16, 285–317.CrossRefGoogle Scholar
  45. Ziv, J., & Lempel, A. (1977). A universal algorithm for sequential data compression. IEEE Transactions on Information Theory, 23(3), 337–343.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Andreas Liening
    • 1
  1. 1.TU DortmundDortmundDeutschland

Personalised recommendations