Skip to main content
SpringerLink
Log in

Modellieren beim Nutzen von Darstellungen in statistischen Kontexten

Hierarchische Beschreibung und Bedingungsvariablen eines Aspekts mathematischer Kompetenz

  • Chapter
  • First Online:
Mathematisches Modellieren für Schule und Hochschule

Part of the book series: Realitätsbezüge im Mathematikunterricht ((REIMA))

Zusammenfassung

Die Partizipationsfähigkeit von Lernenden als verantwortungsvolle Bürgerinnen und Bürger steht im Zentrum des Konstrukts „Mathematical Literacy“ (OECD, 2003; Deutsches PISA-Konsortium, 2004). So ist in vielen gesellschaftlichen Umfeldern mathematische Kompetenz erforderlich, um in lebensweltlichen Situationsbezügen Sachverhalte eigenständig einschätzen und beurteilen zu können und nicht auf die Interpretation von Information durch Dritte angewiesen zu sein.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 29.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 29.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  • Artelt, C., Baumert, J., Klieme, E., Neubrand, M., Prenzel, M., Schiefele, U., Schneider, W., Schümer, G., Stanat, P., Tillmann, K.-J. & Weiß, M. (Hrsg.). (2001). PISA 2000– Zusammenfassung zentraler Befunde. Berlin: Max-Planck-Institut für Bildungsforschung.

    Google Scholar 

  • Blomhøj, M. & Jensen, T.H. (2003). Developing mathematical modelling competence: conceptual clarification and educational planning. Teaching Mathematics and its applications, 22(3),123–139.

    Article  Google Scholar 

  • Blum, W. (1985). Anwendungsorientierter Mathematikunterricht in der didaktischen Diskussion. Mathematische Semesterberichte, 32(2),195–232.

    Google Scholar 

  • Blum, W. (2007). Mathematisches Modellieren – zu schwer für Schüler und Lehrer? Beiträge zum Mathematikunterricht 2007 (S. 3–12). Hildesheim: Franzbecker.

    Google Scholar 

  • Blum, W., Galbraith, P.L., Henn, H.-W., Niss, M. (Hrsg.). (2007). Modelling and applications in mathematics education. The 14th ICMI study. New York: Springer.

    Book  MATH  Google Scholar 

  • Blum, W. & Leiß, D. (2005). Modellieren im Unterricht mit der „Tanken“-Aufgabe. mathematik lehren, 128, 18–21.

    Google Scholar 

  • Curcio, F.R. (1987). Comprehension of Mathematical Relationships Expressed in Graphs. Journal for Research in Mathematics Education, 18(5),382–393.

    Article  Google Scholar 

  • Deci, F. & Ryan, R. (1993). Die Selbstbestimmungstheorie der Motivation und ihre Bedeutung für die Pädagogik. Zeitschrift für Pädagogik, 39, 223–238.

    Google Scholar 

  • Deutsches PISA-Konsortium (Ed.). (2004). PISA 2003. Münster: Waxmann.

    Google Scholar 

  • Dooren, W. van, De Bock, D., Vleugels, K. & Verschaffel, L. (2009). Word problems classification: A promising modelling task at the elementary level. [Presentation on the 14th Int. Conf. on the Teaching of Mathematical Modelling and Applications (ICTMA 14). Univ. of Hamburg, 29th of July 2009].

    Google Scholar 

  • Engel, J. & Sedlmeier, P. (2005). On middle-school students’ comprehension of randomness and chance variability in data. Zentralblatt für Didaktik der Mathematik (ZDM), 37(3),168–177.

    Article  Google Scholar 

  • Fröhlich, A., Kuntze, S. & Lindmeier, A. (2007). Testentwicklung und -evaluation im Bereich von „Statistical Literacy“. In: Beiträge zum Mathematikunterricht 2007 (S. 783–786). Hildesheim: Franzbecker.

    Google Scholar 

  • Gal, I. (2004). Statistical literacy, Meanings, Components, Responsibilities. In D. Ben-Zvi, & J. Garfield (Eds.), The Challenge of Developing Statistical Literacy, Reasoning and Thinking (pp. 47–78). Dordrecht: Kluwer.

    Google Scholar 

  • Grigutsch, S. (1996). Mathematische Weltbilder bei Schülern: Struktur, Entwicklung, Einflussfaktoren. [Dissertation]. Duisburg: Gerhard-Mercator-Universität.

    Google Scholar 

  • Gundlach, M., Kuntze, S., Engel, J. & Martignon, L. (2010a). Motivation and self-efficacy related to probability and statistics: Task-specific motivation and proficiency. In C. Reading (Ed.), Data and context in statistics education: Towards an evidence-based society. Proceedings of the Eighth International Conference on Teaching Statistics (ICOTS8, July, 2010), Ljubljana, Slovenia. Voorburg, The Netherlands: International Statistical Institute. www.stat.auckland.ac.nz/~iase/publications.php [Refereed paper].

  • Gundlach, M., Kuntze, S., Engel, J. & Martignon, L. (2010b, im Druck). Einflussgrößen auf Statistical Literacy von Studierenden – Erste Ergebnisse aus dem Projekt RIKO-STAT unter besonderer Berücksichtigung motivationaler Dispositionen. Beiträge zum Mathematikunterricht 2010.

    Google Scholar 

  • Helmke, A. & Weinert, F. (1997). Bedingungsfaktoren schulischer Leistungen. In: F. Weinert (Hrsg.), Enzyklopädie der Psychologie. Bd. 3: Psychologie des Unterrichts und der Schule (S. 71–176). Göttingen: Hogrefe.

    Google Scholar 

  • Hofe, R von. (2008). Zur Entwicklung mathematischer Grundbildung in der Sekundarstufe I – Ergebnisse aus der Längsschnittstudie PALMA. [Vortrag am 05.06.2008 an der Ludwig-Maximilians-Universität München].

    Google Scholar 

  • Klieme, E. (2011, im Druck). Was ist guter (Mathematik –)Unterricht? Ergebnisse und Perspektiven einer fachbezogenen empirischen Forschung jenseits von Bildungsstandards. Beiträge zum Mathematikunterricht 2011.

    Google Scholar 

  • KMK (Kultusministerkonferenz). (2004). Bildungsstandards im Fach Mathematik für den mittleren Schulabschluss. München: Wolters Kluwer.

    Google Scholar 

  • Krapp, A. (1992). Das Interessenskonstrukt. In A. Krapp & M. Prenzel (Hrsg.), Interesse, Lernen, Leistung. Neuere Ansätze der pädagogisch-psychologischen Interessensforschung (S. 297–329). Münster: Aschendorff.

    Google Scholar 

  • Krapp, A. (1993). Psychologie der Lernmotivation. Zeitschrift für Pädagogik, 39, 187–206.

    Google Scholar 

  • Krapp, A. (1998). Entwicklung und Förderung von Interessen im Unterricht. Psychologie in Erziehung und Unterricht, 45, 186–203.

    Google Scholar 

  • Kröpfl, B., Peschek, W. & Schneider, E. (2000). Stochastik in der Schule: Globale Ideen, lokale Bedeutungen, zentrale Tätigkeiten. mathematica didactica, 23(2),25–57.

    Google Scholar 

  • Kuntze, S. (2010). Zur Beschreibung von Kompetenzen des mathematischen Modellierens konkretisiert an inhaltlichen Leitideen – Eine Diskussion von Kompetenzmodellen als Grundlage für Förderkonzepte zum Modellieren im Mathematikunterricht. Der Mathematikunterricht (MU), 56(4),4–19.

    Google Scholar 

  • Kuntze, S., Engel, J., Martignon, L. & Gundlach, M. (2010). Aspects of statistical literacy between competency measures and indicators for conceptual knowledge – Empirical research in the project RIKO-STAT. In C. Reading (Ed.), Data and context in statistics education: Towards an evidence-based society. Proceedings of the Eighth International Conference on Teaching Statistics. Voorburg, The Netherlands: International Statistical Institute. www.stat.auckland.ac.nz/~iase/publications.php [Refereed paper].

  • Kuntze, S., Lindmeier, A. & Reiss, K. (2008a). „Using models and representations in statistical contexts” as a sub-competency of statistical literacy – Results from three empirical studies. Proceedings of the 11th International Congress on Mathematical Education (ICME 11). [http://tsg.icme11.org/document/get/474, Stand: 08.12.2008].

  • Kuntze, S., Lindmeier, A. & Reiss, K. (2008b). „Daten und Zufall“ als Leitidee für ein Kompetenzstufenmodell zum „Nutzen von Darstellungen und Modellen“ als Teilkomponente von Statistical Literacy. In A. Eichler & J. Meyer (Hrsg.), Anregungen zum Stochastikunterricht, Bd. 4 (S. 111–122). Hildesheim: Franzbecker.

    Google Scholar 

  • Kuntze, S., Martignon, L. & Engel, J. (eingereicht). Einschätzungen von Schülerinnen und Schülern zu riskanten Problemsituationen – Empirische Ergebnisse aus dem Projekt RIKO-STAT. Stochastik in der Schule.

    Google Scholar 

  • Kuntze, S. & Reiss, K. (2006). Profile mathematikbezogener motivationaler Prädispositionen – Zusammenhänge zwischen Motivation, Interesse, Fähigkeitsselbstkonzepten und Schulleistungsentwicklung in verschiedenen Lernumgebungen. mathematica didactica, 29(2),24–48.

    Google Scholar 

  • Leiß, D., Schukajlow, S. & Besser, M. (2009). Is there only one modelling competency? The question of situated cognition when solving real world problems. [Presenta-tion on the 14th Int. Conf. on the Teaching of Mathematical Modelling and Appli-cations (ICTMA 14). Univ. of Hamburg, 30th of July 2009].

    Google Scholar 

  • Lindmeier, A., Kuntze, S. & Reiss, K. (2007). Representations of data and manipulations through reduction – competencies of German secondary students. In B. Philips & L. Weldon (Hrsg.), Proceedings of the IASE/ISI Satellite Conference on Statistical Education, Guimarães, Portugal, 19 –21 August 2007. Voorburg, NL: International Statistical Institute.

    Google Scholar 

  • Ludwig, M. & Xu, B. (2010). A Comparative Study of Modelling Competencies among Chinese and German Students. Journal für Mathematik-Didaktik (JMD), 31(1),77–98.

    Article  Google Scholar 

  • Maaß, K. (2006). What are modelling competencies? ZDM, 38(2),115–118.

    Article  Google Scholar 

  • Malle, G. (2000). Zwei Aspekte von Funktionen: Zuordnung und Kovariation. mathematik lehren, 103, 8–11.

    Google Scholar 

  • OECD (2003). The PISA 2003 Assessment Framework – Mathematics, Reading, Science and Problem Solving Knowledge and Skills. www.pisa.oecd.org/dataoecd/46/14/33694881.pdf

  • Pekrun, R. (1983). Schulische Persönlichkeitsentwicklung. Frankfurt a. M.: Peter Lang.

    Google Scholar 

  • Pekrun, R., Götz, T., Jullien, S., Zirngibl, A., Hofe, R. von & Blum, W. (2002). Skalenhandbuch PALMA: 1. Messzeitpunkt (5. Jahrgangsstufe). Universität München: Institut Pädagogische Psychologie.

    Google Scholar 

  • Pekrun, R., Götz, T., Jullien, S., Zirngibl, A., Hofe, R. von & Blum, W. (2003). Skalenhandbuch PALMA: 2. Messzeitpunkt (6. Jahrgangsstufe). Universität München: Institut für Pädagogische Psychologie.

    Google Scholar 

  • Reading, C. (2002), Profile for statistical understanding, In B. Phillips (Ed.), Proceedings of the Sixth International Conference on Teaching Statistics. Retrieved 14 of January 2010 from http://www.stat.auckland.ac.nz/~iase/publications/1/1a4_read.pdf.

  • Reiss, K., Pekrun, R., Kuntze, S., Lindmeier, A., Nett, U. & Zöttl, L. (2007). KOMMA – ein Projekt zur Entwicklung und Evaluation einer computergestützten Lernumgebung. GDM-Mitteilungen, 83, 16–17.

    Google Scholar 

  • Schiller, A. & Kuntze, S. (2012). Auf der Suche nach den bissigsten Hunden – Die Idee des Einschätzens von Risiken mit mathematischen und statistischen Grundkompetenzen verknüpfen. Stochastik in der Schule, 32(1),20–28.

    Google Scholar 

  • Wallman, K. (1993). Enhancing Statistical Literacy: Enriching our Society, Journal of the American Statistical Association, 88(421),1–8.

    Google Scholar 

  • Watson, J. M. (1997). Assessing Statistical Thinking Using the Media, In I. Gal & J. Garfield (Hrsg.), The Assessment Challenge in Statistics Education (S. 107–121). IOS Press.

    Google Scholar 

  • Watson, J. M. & Callingham, R. (2003). Statistical literacy: A complex hierarchical construct. Statistics Education Research Journal, 2(2),3–46.

    Google Scholar 

  • Weinert, F. (1996). Lerntheorien und Instruktionsmodelle. In F. Weinert (Hrsg.). Enzyklopädie der Psychologie. Pädagogische Psychologie. Bd. 2: Psychologie des Lernens und der Instruktion (S. 1–48). Göttingen: Hogrefe.

    Google Scholar 

  • Weinert, F. (2001). Vergleichende Leistungsmessung in Schulen – eine umstrittene Selbstverständlichkeit. In F. Weinert (Hrsg.), Leistungsmessungen in Schulen (S. 17–31). Weinheim: Beltz.

    Google Scholar 

  • Wild, C. & Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical Review, 3, 223–266.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Ludwigsburg, Deutschland

    Sebastian Kuntze

Authors
  1. Sebastian Kuntze
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Sebastian Kuntze .

Editor information

Editors and Affiliations

  1. , FB 10 Mathematik und, Universität Kassel, Heinrich-Plett-Str. 40, Kassel, 34132, Germany

    Rita Borromeo Ferri

  2. , Institut für Didaktik der Mathematik und, Universität Münster, Fliednerstr. 21, Münster, 48149, Germany

    Gilbert Greefrath

  3. , FB Erziehungswissenschaft, Universität Hamburg, Binderstr. 34, Hamburg, 20146, Germany

    Gabriele Kaiser

Rights and permissions

Reprints and permissions

Copyright information

© 2013 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Kuntze, S. (2013). Modellieren beim Nutzen von Darstellungen in statistischen Kontexten. In: Borromeo Ferri, R., Greefrath, G., Kaiser, G. (eds) Mathematisches Modellieren für Schule und Hochschule. Realitätsbezüge im Mathematikunterricht. Springer Spektrum, Wiesbaden. https://doi.org/10.1007/978-3-658-01580-0_4

Download citation

Publish with us

Policies and ethics

Search

Navigation