Advertisement

Lehramtsstudierende im Fach Mathematik –Wie hilft uns die Analyse von Lernvoraussetzungen für eine kohärente Lehrerbildung?

  • Stefanie RachEmail author
Chapter

Zusammenfassung

Der Übergang in ein Lehramtsstudium im Fach Mathematik ist häufig mit Problemen verbunden, was hohe Studienabbruchquoten anzeigen. Durch eine stärkere Kohärenz des fachlichen, universitären Lehrangebotes zu dem schulischen Lehrangebot in der Studieneingangsphase könnten die Probleme beim Übergang gemildert wird. Diese Kohärenz ist auf den ersten Blick schwierig zu erreichen, da sich der Lerngegenstand Mathematik zwischen Schulunterricht und Hochschulstudium deutlich unterscheidet.

Schlüsselwörter

kognitive und motivationale Lernvoraussetzungen Studieneingangsphase Mathematikstudium 

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Ableitinger, C., Hefendehl-Hebeker, L., & Herrmann, A. (2013). Aufgaben zur Vernetzung von Schul- und Hochschulmathematik. In H. Allmendinger, K. Lengnink, A. Vohns, & G. Wickel (Hrsg.), Mathematik verständlich unterrichten. Perspektiven für Unterricht und Lehrerbildung (S. 217–233). Wiesbaden: Springer Fachmedien.CrossRefGoogle Scholar
  2. Bauer, T. (2013). Schulmathematik und universitäre Mathematik – Vernetzung durch inhaltliche Längsschnitte. In H. Allmendinger, K. Lengnink, A. Vohns, & G. Wickel (Hrsg.), Mathematik verständlich unterrichten. Perspektiven für Unterricht und Lehrerbildung (S. 235–252). Wiesbaden: Springer Fachmedien.CrossRefGoogle Scholar
  3. Biehler, R. & Kempen, L. (2016). Didaktisch orientierte Beweiskonzepte – Eine Analyse zur mathematikdidaktischen Ideenentwicklung. Journal für Mathematik-Didaktik, 37(1), 141–179.CrossRefGoogle Scholar
  4. Blömeke, S. (2009). Ausbildungs- und Berufserfolg im Lehramtsstudium im Vergleich zum Diplom-Studium – Zur prognostischen Validität kognitiver und psycho-motivationaler Auswahlkriterien. Zeitschrift für Erziehungswissenschaft, 12, 82–110.CrossRefGoogle Scholar
  5. Blüthmann, I. (2012). Individuelle und studienbezogene Einflussfaktoren auf die Zufriedenheit von Bachelorstudierenden. Zeitschrift für Erziehungswissenschaft, 15, 273–303.CrossRefGoogle Scholar
  6. Buchholtz, N. & Kaiser, G. (2013). Improving mathematics teacher education in Germany: Empirical results from a longitudinal evaluation of innovative programs. International Journal of Science and Mathematics Education, 11, 949–977.CrossRefGoogle Scholar
  7. Clark, M. & Lovric, M. (2009). Understanding secondary-tertiary transition in mathematics. International Journal of Mathematical Education in Science and Technology, 40(6), 755–776.CrossRefGoogle Scholar
  8. Dreher, A., Lindmeier, A., Heinze, A., & Niemand, C. (2018). What kind of content knowledge do secondary mathematics teachers need? Journal für Mathematik-Didaktik, 1–23.Google Scholar
  9. Gueudet, G. (2008). Investigating the secondary-tertiary transition. Educational Studies in Mathematics, 67, 237–254.CrossRefGoogle Scholar
  10. Hailikari, T., Nevgi, A., & Komulainen, E. (2008). Academic self‐beliefs and prior knowledge as predictors of student achievement in mathematics: A structural model. Educational Psychology: An International Journal of Experimental Educational Psychology, 28(1), 59–71.CrossRefGoogle Scholar
  11. Hefendehl-Hebeker, L. (2013). Doppelte Diskontinuität oder die Chance der Brückenschläge. In C. Ableitinger, J. Kramer, & S. Prediger (Hrsg.), Zur doppelten Diskontinuität in der Gymnasiallehrerbildung. Ansätze zu Verknüpfungen der fachinhaltlichen Ausbildung mit schulischen Vorerfahrungen und Erfordernissen (S. 1–15). Wiesbaden: Springer Fachmedien.Google Scholar
  12. Heinze, A. & Grüßing, M. (2009). Mathematiklernen vom Kindergarten bis zum Studium. Kontinuität und Kohärenz als Herausforderung für den Mathematikunterricht. Münster: Waxmann.Google Scholar
  13. Helmke, A. & Schrader, F.-W. (2010). Hochschuldidaktik. In D. H. Rost (Hrsg.), Handwörterbuch pädagogische Psychologie (S. 273–279). Weinheim: Beltz PVU.Google Scholar
  14. Heublein, U., Richter, J., Schmelzer, R., & Sommer, D. (2014). Die Entwicklung der Schwund- und Studienabbruchquoten an den deutschen Hochschulen. Abgerufen am 12. Juli 2018 von http://www.dzhw.eu/pdf/pub_fh/fh-201404.pdf
  15. Hidi, S. & Renninger, K. A. (2006). The four-phase model of interest development. Educational Psychologist, 41(2), 111–127.CrossRefGoogle Scholar
  16. Kaub, K., Karbach, J., Biermann, A., Friedrich, A., Bedersdorfer, H.-W., Spinath, F. M., & Brünken, R. (2012). Berufliche Interessensorientierungen und kognitive Leistungsprofile von Lehramtsstudierenden mit unterschiedlichen Fachkombinationen. Zeitschrift für Pädagogische Psychologie, 26(4), 233–249.CrossRefGoogle Scholar
  17. Kleickmann, T., Richter, D., Kunter, M., Elsner, J., Besser, M., Krauss, S., & Baumert, J. (2013). Teachers’ content knowledge and pedagogical content knowledge: The role of structural differences in teacher education. Journal of Teacher Education, 64(1), 90–106.CrossRefGoogle Scholar
  18. Klostermann, M., Hoeffler, T., Anschütz, A., Busker, M., & Parchmann, I. (2014). Erfassung und Charakterisierung kognitiver und affektiver Merkmale von Studienanfängerinnen und Studienan-fängern im Fach Chemie. Zeitschrift für Didaktik der Naturwissenschaften, 20(1), 101–113.CrossRefGoogle Scholar
  19. KMK (2008). Ländergemeinsame inhaltliche Anforderungen für die Fachwissenschaften und Fachdidaktiken in der Lehrerbildung. Abgerufen am 12. Juli 2018 von http://www.kmk.org/fileadmin/Dateien/veroeffentlichungen_beschluesse/2008/2008_10_16-Fachprofile-Lehrerbildung.pdf
  20. Künsting, J. & Lipowsky, F. (2011). Studienwahlmotivation und Persönlichkeitseigenschaften als Prädiktoren für Zufriedenheit und Strategienutzung im Lehramtsstudium. Zeitschrift für Pädagogische Psychologie, 25(2), 105–114.CrossRefGoogle Scholar
  21. Lindblom-Ylänne, S., Trigwell, K., Nevgi, A., & Ashwin, P. (2006). How approaches to teaching are affected by discipline and teaching context. Studies in Higher Education 31(3), 285–298.CrossRefGoogle Scholar
  22. Lübeck, D. (2010). Wird fachspezifisch unterschiedlich gelehrt? Empirische Befunde zu hochschulischen Lehransätzen in verschiedenen Fachdisziplinen. Zeitschrift für Hochschulentwicklung, 5(2), 7–24.Google Scholar
  23. Nagy, G. (2006). Berufliche Interessen, kognitive und fachgebundene Kompetenzen: Ihre Bedeutung für die Studienfachwahl und die Bewährung im Studium. Dissertation. Freie Universität Berlin, Berlin.Google Scholar
  24. Neugebauer, M. (2013). Wer entscheidet sich für ein Lehramtsstudium – und warum? Zeitschrift für Erziehungswissenschaft, 16, 157–184.CrossRefGoogle Scholar
  25. Nowakowski, A., Vervecken, D., Braun, E., & Hannover, B. (2012). Was Hochschuldozierende aus Lehrevaluations-Rückmeldungen lernen können. Der differenzielle Einfluss prozess- versus ergebnisorientierten Feedbacks auf Lehrorientierungen. Zeitschrift für Erziehungswissenschaft, 15, 253–271.CrossRefGoogle Scholar
  26. Panse, A., Hilgert, J., & Hoffmann, M. (2014). Handlungsbedarf in fachmathematischen Veranstal-tungen? Spezielle Maßnahmen an der Universität Paderborn. In J. Roth & J. Ames (Hrsg.), Beiträge zum Mathematikunterricht (S. 883–886). Münster: WTM-Verlag.Google Scholar
  27. Rach, S. (2014). Charakteristika von Lehr-Lern-Prozessen im Mathematikstudium: Bedingungsfaktoren für den Studienerfolg im ersten Semester. Münster: Waxmann.Google Scholar
  28. Rach, S. & Heinze, A. (2017). The transition from school to university in mathematics: Which influence do school-related variables have? International Journal of Science and Mathematics Education, 15(7), 1343–1363.CrossRefGoogle Scholar
  29. Rach, S., Heinze, A., & Ufer, S. (2014). Welche mathematischen Anforderungen erwarten Studierende im ersten Semester des Mathematikstudiums? Journal für Mathematik-Didaktik, 35(2), 205–228.CrossRefGoogle Scholar
  30. Rach, S., Ufer S., & Kosiol, T. (2017). Interesse an Schulmathematik und an akademischer Mathematik: Was beeinflusst den Erfolg in einem Mathematikstudium? In U. Kortenkamp & A. Kuzle, Beiträge zum Mathematikunterricht 2017 (S. 1345–1348). Münster: WTM.Google Scholar
  31. Richardson, M., Abraham, C., & Bond, R. (2012). Psychological correlates of university students’ academic performance: A systematic review and meta-analysis. Psychological Bulletin, 138(2), 353–387.CrossRefGoogle Scholar
  32. Schiefele, U., Streblow, L., & Brinkmann J. (2007). Aussteigen oder Durchhalten. Was unterscheidet Studienabbrecher von anderen Studierenden? Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie, 39(3), 127–140.CrossRefGoogle Scholar
  33. Schneider, M. & Preckel, F. (2017). Variables associated with achievement in higher education: A systematic review of meta-analyses. Psychological Bulletin, 143(6), 565–600.CrossRefGoogle Scholar
  34. Tall, D. & Vinner, S. (1981). Concept image and concept definition in mathematics with particular reference to limits and continuity. Educational Studies in Mathematics, 12(2), 151–169.CrossRefGoogle Scholar
  35. Trapmann, S., Hell, B., Weigand, S., & Schuler, H. (2007). Die Validität von Schulnoten zur Vorhersage des Studienerfolgs – Eine Metaanalyse. Zeitschrift für Pädagogische Psychologie, 21(1), 11–27.CrossRefGoogle Scholar
  36. Ufer, S., Rach, S., & Kosiol, T. (2017). Interest in mathematics = Interest in mathematics? What general measures of interest reflect when the object of interest changes. ZDM Mathematics Education, 49(3), 397–409.CrossRefGoogle Scholar
  37. Weber, K., Fukawa-Connelly, T. P., Mejia-Ramos, J. P., & Lew, K. (2016). How to help students understand lectures in advanced mathematics. Notices of the AMS, 63(10), 1190–1193.CrossRefGoogle Scholar
  38. Wild, K.-P. (2005). Individuelle Lernstrategien von Studierenden. Konsequenzen für die Hochschuldidaktik und die Hochschullehre. Beiträge zur Lehrerbildung, 23(2), 191–206.Google Scholar
  39. Witzke, I. (2015), Different understandings of mathematics. An epistemological approach to bridge the gap between school and university mathematics. ESU, 7, 304–322.Google Scholar
  40. Woitkowski, D. (2017). Studieneingangsprofile in Fach- und Lehramts-Studiengängen Physik: Eine kontrastierende Analyse auf Basis eines Kompetenzstrukturmodells für Fach-Physiker. Physik und Didaktik in Schule und Hochschule, 16(1), 43–56.Google Scholar

Copyright information

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

Authors and Affiliations

  1. 1.Institut für Algebra und GeometrieOtto-von-Guericke-Universität MagdeburgMagdeburgDeutschland

Personalised recommendations