Zusammenfassung
Das Verhältnis von Schulmathematik und (außermathematischer) Realität wird im vorliegenden Kapitel von der Feststellung aus beleuchtet, dass Mathematik einen Beitrag zum Verstehen der uns umgebenden Welt leistet, der einzigartig ist und nicht gleichwertig durch Beiträge aus anderen Disziplinen ersetzt werden kann. Für die Klärung des anregenden Potenzials von Realitätsbezügen im Mathematikunterricht wird zunächst betrachtet, wie Mathematik historisch aus außer- bzw. vormathematischen Fragestellungen entstanden ist, und wie Mathematik genutzt wird, um Realität zu beschreiben, vorherzusagen, zu erklären und zu gestalten. Anschließend wird u. a. unter Heranziehen einschlägiger bildungstheoretischer Grundlagen diskutiert, welche Begründungen, Zielsetzungen und Konzeptionen es für einen realitätsbezogenen Mathematikunterricht gibt, bevor aktuelle Herausforderungen für einen entsprechenden Unterricht und die auf ihn bezogene mathematikdidaktische Forschung dargestellt werden. In einem Ausblick wird skizziert, inwiefern „Machine Learning“ ein neues Paradigma des Anwendens von Mathematik darstellt, und welche Konsequenzen hieraus für den Mathematikunterricht folgen können.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Das vierte im Titel verwendete Nomen „Verstehen“ verwenden wir naiv als nicht weiter zu klärenden Grundbegriff.
- 2.
Von diesem engen Verständnis gehen auch die Betrachtungen in Kap. 13 (Modellieren) aus.
- 3.
Dieses weite Verständnis von Anwenden wird in Kap. 10 (Problemlösen) weiterverfolgt.
- 4.
Einen solchen Mathematikunterricht werden wir im Folgenden kurz realitätsbezogenen Mathematikunterricht nennen.
- 5.
„Allgemeingültig“ bedeutet dabei „relativ zu den Axiomen und logischen Regeln wahr“.
- 6.
Darin spiegelt sich ein religiöses Motiv: Die von Gott geschaffene Harmonie ist eine perfekte und erträgt keine Abweichungen, seien sie auch noch so klein.
- 7.
Das findet gewiss nicht vor dem Hintergrund statt, dass die infinitesimalen Größen im Rahmen der Nicht-Standard-Analysis seit den Arbeiten von Robinson (Robinson & Luxemburg, 1962) doch noch einen mathematisch gesicherten, aber auch konzeptionell und theoretisch voraussetzungsreichen Status gefunden haben, sondern hängt wohl eher daran, dass die Idee von den infinitesimalen Größen ein starkes heuristisches Werkzeug zur Aufstellung von Differentialgleichungen liefert, sodass die Anwenderinnen und Anwender nicht bereit sind, es durch den gedanklichen Vollzug eines Grenzwertprozesses zu ersetzen. Mathematisch werden Differentiale auch als Differentialformen präzisiert. Diese nutzen aber nicht das Konzept des Infinitesimalen.
- 8.
Wir verwenden diesen Begriff hier zunächst naiv – etwa im Sinne der „inneren Scheinbilder“ (Hertz, 1894) – und präzisieren ihn nach den folgenden Betrachtungen.
- 9.
Es können also auch auf Seite der Theorie weitere Vereinfachungen vorgenommen werden, hier in Form der in Naturwissenschaften und Technik allgegenwärtigen Linearisierung.
- 10.
In der Mathematikdidaktik wurde die Betrachtung des mathematischen Modellierens in den vergangenen Jahrzehnten theoretisch ausdifferenziert und empirisch fundiert. Eine aktuelle Begriffsauffassung wird in Kap. 13 dargestellt.
- 11.
Damit werden in der Medizin die Menschen bezeichnet, die nicht infiziert sind, aber infiziert werden können.
- 12.
Auch das ist eine idealisierende Annahme: Bei vielen Viren hält die Immunisierung nur eine gewisse Zeit und kann ggf. auch durch Virusvarianten, wie z. B. bei SARS-CoV 2, unterlaufen werden.
- 13.
In den exakten Naturwissenschaften passiert das auch im Rahmen der Quantentheorie, in der prinzipiell nur ein durch die Beobachtung selbst veränderter Zustand des Systems beobachtet werden kann. Heisenberg (1955) drückt das so aus: „Wenn von einem Naturbild der exakten Naturwissenschaften in unserer Zeit gesprochen werden kann, so handelt es sich also eigentlich nicht mehr um ein Bild der Natur, sondern um ein Bild unserer Beziehung zur Natur.“
- 14.
Quelle: https://www.mued.de/ueber-uns; Abrufdatum: 28.09.2022.
- 15.
Zu nennen sind hier u. a. die ICTMA-Tagungen (vgl. https://www.ictma.net) sowie entsprechende Arbeitsgruppen auf IMCE-Tagungen (https://www.mathunion.org/icmi/conferences/icme-international-congress-mathematical-education) und CERME-Tagungen (http://erme.site/cerme-conferences/) jeweils mit den entsprechenden Publikationen.
- 16.
Mit dieser Betrachtung lässt sich auch die Bezeichnung des auf Freudenthal zurückgehenden Konzepts „Realistic Mathematics Education (RME)“ erklären, bei dem „realistic“ auf das niederländische „zich realisiren“ (dt.: sich etwas vorstellen) zurückgeht (vgl. van den Heuvel-Panhuizen & Wijers, 2005, S. 288).
- 17.
Möglichkeiten der Förderung von „Modellierungskompetenzen“ werden in Kap. 13 diskutiert.
- 18.
In dieser Schriftenreihe erschienen bzw. erscheinen jeweils Sammelbände (zunächst unter dem Reihennamen „Materialien für einen realitätsbezogenen Mathematikunterricht“ beim Franzbecker Verlag und später unter dem Reihennamen „Neue Materialien für einen realitätsbezogenen Mathematikunterricht“ bei Springer).
- 19.
Ansonsten wäre man schon an Land oder unmittelbar davor und hätte andere Probleme.
- 20.
Das klingt in Zeiten von GPS & Co. bei oberflächlicher Betrachtung evtl. künstlich, allerdings sind diese analogen Backups ohne elektronische Anteile gerade auf kleineren Booten wichtig, da z. B. in einem Gewitter durch Blitzschlag alle elektronischen Geräte funktionsunfähig werden können.
- 21.
Etwa im Sinne Klafkis Charakterisierung des Exemplarischen, als etwas Typisches, einen Einzelfall der für Bereiche mit gleicher Struktur steht (vgl. Klafki, 1957).
Literatur
Bauer, S. (2017). Modellieren mit Differentialgleichungen über das logistische Wachstum hinaus. Der Mathematikunterricht, 63(1), 28–36.
Bauer, S., & Büchter, A. (2017). Vom Hauptsatz aus Weiterdenken – Analysis wissenschaftspropädeutisch unterrichten. Der Mathematikunterricht, 63(1), 17–27.
Bauer, S., & Donner, L. (2022). Modellieren von Epidemien – exponentiell und darüber hinaus. mathematik lehren, Heft 234, 36–42.
Beutelspacher, A., Schwenk, J., & Wolfenstetter, K. (2015). Moderne Verfahren der Kryptographie. Von RSA zu Zero-Knowledge (8. Aufl.). Springer Spektrum. https://doi.org/10.1007/978-3-8348-2322-9.
Biehler, R., & Fleischer, Y. (2021). Introducing students to machine learning with decision trees using CODAP and Jupyter notebooks. Teaching Statistics, 43(S1), S133–S142. https://doi.org/10.1111/test.12279.
Deutscher Bildungsrat (1970). Empfehlungen der Bildungskommission. Klett.
Blum, W., Galbraith P. L., Henn H.-W. & Niss, M. (Hrsg.) (2007). Modelling and applications in mathematics education. The 14th ICMI Study. New ICMI Studies Series no. 10. Springer. https://doi.org/10.1007/978-0-387-29822-1.
Büchter, A., & Henn, H.-W. (2007). Elementare Stochastik. Eine Einführung in die Mathematik der Daten und des Zufalls (2. Aufl.). Springer.
Büchter, A., & Henn, H.-W. (2010). Elementare Analysis. Von der Anschauung zur Theorie: Spektrum Akademischer Verlag. https://doi.org/10.1007/978-3-8274-2680-2.
Büchter, A., & Henn, H.-W. (2017). Welche Bedeutung können Anwendungen im Mathematikunterricht haben? Der Mathematikunterricht, 63(3), 25–35.
Callaway, E. (2021). DeepMind’s AI predicts structures for a vast trove of proteins. Nature, 595(7869), 635–635. https://doi.org/10.1038/d41586-021-02025-4.
Büchter, A. (2006). Daten und Zufall entdecken. Aspekte eines zeitgemäßen Stochastikunterrichts. mathematik lehren, 138, 4–11.
Dehning, J., Zierenberg, J., Spitzner, F. P., Wibral, M., Neto, J. P., Wilczek, M., & Priesemann, V. (2020). Inferring change points in the spread of COVID-19 reveals the effectiveness of interventions. Science, 369(6500), eabb9789. https://doi.org/10.1126/science.abb9789.
Dirac, P. (1979). The test of time. The Unesco courier 32, 17 und 21–23.
Dieudonné, J. (1983). History of functional analysis. North-Holland mathematics studies (S. 49).
Fischer, R. (2012). Fächerorientierte Allgemeinbildung: Entscheidungskompetenz und Kommunikationsfähigkeit mit ExpertInnen. In R. Fischer, U. Greiner, & H. Bastel (Hrsg.), Domänen fächerorientierter Allgemeinbildung (S. 9–17). Trauner.
Freudenthal, H. (1973). Mathematik als pädagogische Aufgabe (Bd. 2). Klett.
Freudenthal, H. (1983). Didactical phenomenology of mathematical structures. Reidel.
Frigg, R. & Hartmann, S. (2020). Models in science. In E. N. Zalta (Hrsg.), The Stanford Encyclopedia of Philosophy. Spring 2020 Edition. (https://plato.stanford.edu/archives/spr2020/entries/models-science/).
Genzel, M. & Kutyniok, G. (2019). Artificial neural networks. GAMM Rundbrief, 2/2019,12–18.
Gutzmer, A. (1905). Bericht betreffend den Unterricht in der Mathematik an den neunklassigen höheren Lehranstalten. Zeitschrift für mathematischen und naturwissenschaftlichen Unterricht, 36, 543–553.
Hamann, T. (2018). Die „Mengenlehre“ im Anfangsunterricht – historische Darstellung einer gescheiterten Unterrichtsreform in der Bundesrepublik Deutschland. universi Universitätsverlag Siegen.
Heisenberg, W. (1955). Das Naturbild der heutigen Physik. Rowohlts deutsche Enzyklopädie.
Henn, H.-W. (2018). Änderungsraten als Zugang zu den zentralen Begriffen und Resultaten der Analysis. In H.-S. Siller, G. Greefrath, & W. Blum (Hrsg.), Neue Materialien für einen realitätsbezogenen Mathematikunterricht, Band 4. 25 Jahre ISTRON-Gruppe – eine Best-of-Auswahl aus der ISTRON-Schriftenreihe (S. 145–160). Springer Spektrum. https://doi.org/10.1007/978-3-658-17599-3_11.
Hertz, H. (1894). Prinzipien der Mechanik in neuem Zusammenhange dargestellt. Teubner. (Neudruck (1963). Wissenschaftliche Buchgesellschaft).
van den Heuvel-Panhuizen, M., & Wijers, M. (2005). Mathematics standards and curricula in the Netherlands. Zentralblatt für Didaktik der Mathematik, 37(4), 287–307. https://doi.org/10.1007/BF02655816.
Heymann, H.-W. (1996). Allgemeinbildung und Mathematik. Beltz.
vom Hofe, R. (1995). Grundvorstellungen mathematischer Inhalte. Spektrum-Verlag.
vom Hofe, R., & Blum, W. (2016). Grundvorstellungen as a category of subject matter didactics. Journal für Didaktik der Mathematik, 37(Suppl. 1), 224–254. https://doi.org/10.1007/s13138-016-0107-3.
Humenberger, H. (2012). Das PageRank-System von Google – eine aktuelle Anwendung im Mathematikunterricht. Didaktikhefte der Österreichischen Mathematischen Gesellschaft, 44, 46–58.
Hund, F. (1975). Geschichte der Quantentheorie. Bibliographisches Institut.
Hußmann, S. (2002a). Konstruktivistisches Lernen an Intentionalen Problemen – Mathematik unterrichten in einem offenen Lernarrangement. Franzbecker.
Hußmann, S. (2002b). Mathematik entdecken und erforschen in der Sekundarstufe II – Theorie und Praxis des Selbstlernen in der Sekundarstufe II. Cornelsen.
Jahnke, T. (2005). Zur Authentizität von Mathematikaufgaben. Beiträge zum Mathematikunterricht (S. 271–274). Franzbecker.
Kant, I. (1786). Metaphysische Anfangsgründe der Naturwissenschaft. Johann Friedrich Hartknoch.
Klafki, W. (1957). Das pädagogische Problem des Elementaren und die Theorie der kategorialen Bildung. Beltz.
Klafki, W. (1991). Neue Studien zur Bildungstheorie und Didaktik. Zeitgemäße Allgemeinbildung und kritisch-konstruktive Didaktik (2. Aufl.). Beltz.
Kermack, W. O., & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society of London. Series A, Containing Papers of a Mathematical and Physical Character, 115(772), 700–721. https://doi.org/10.1098/rspa.1927.0118.
KMK (Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland) (Hrsg.). (2004). Bildungsstandards im Fach Mathematik für den Mittleren Bildungsabschluss. Wolters Kluwer.
KMK (Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland) (Hrsg.). (2005a). Bildungsstandards im Fach Mathematik für den Hauptschulabschluss. Wolters Kluwer.
KMK (Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland) (Hrsg.). (2005b). Bildungsstandards im Fach Mathematik für den Primarbereich. Wolters Kluwer.
KMK (Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland) (Hrsg.). (2012). Bildungsstandards im Fach Mathematik für die Allgemeine Hochschulreife. Wolters Kluwer.
KMK (Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland) (Hrsg.). (2022a). Bildungsstandards für das Fach Mathematik. Erster Schulabschluss (ESA) und Mittlerer Schulabschluss.
KMK (Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland) (Hrsg.). (2022b). Bildungsstandards für das Fach Mathematik. Primarbereich.
Kneser, H. (1956). Aus einer Vorlesung über den mathematischen Schulstoff. Mathematisch-physikalische Semesterberichte, 5, 80–91.
Kuypers, F. (2016). Klassische Mechanik (10. Aufl.). Wiley-VCH.
Lambert, A., et al. (2005). Bildung und Standards im Mathematikunterricht – oder: Was schon beim alten Lietzmann steht. In P. Bender (Hrsg.), Neue Medien und Bildungsstandards (S. 70–80). Franzbecker.
Lengnink, K. (2020). (Wie) kann der Mathematikunterricht zur Algorithmischen Mündigkeit beitragen? Beiträge zum Mathematikunterricht, 2020, 593–596.
Lenné, H. (1969). Analyse der Mathematikdidaktik in Deutschland. Klett.
Lietzmann, W. (1926). Methodik des mathematischen Unterrichts (Bd. 1, 2. Aufl.). Quelle & Meyer.
Lützen, J. (2012). The prehistory of the theory of distributions. Springer.
Meschede, D. (Hrsg.). (2015). Gerthsen Physik (25. Aufl.). Springer Spektrum. https://doi.org/10.1007/978-3-662-45977-5.
Müller, O. L. (2019). Zu schön, um falsch zu sein. Über die Ästhetik in der Naturwissenschaft. Fischer
Murray, J. D. (2013). Mathematical biology: I. An Introduction. Springer.
Niss, M. (1994). Mathematics in society. In R. Biehler, R. W. Scholz, R. Straesser, & B. Winkelmann (Hrsg.), The didactics of mathematics as a scientific discipline (S. 367–378). Kluwer.
Osserman, R. (1997). Geometrie des Universums. Von der Göttlichen Komödie zu Riemann und Einstein. Friedrich Vieweg + Sohn. https://doi.org/10.1007/978-3-322-85025-6.
Papula, L. (2018). Mathematik für Ingenieure und Naturwissenschaftler Band 1: Ein Lehr- und Arbeitsbuch für das Grundstudium. Springer Spektrum. https://doi.org/10.1007/978-3-658-21746-4.
Pohlkamp, S. (2021). Normative Modellierung im Mathematikunterricht. Bildungspotenzial, exemplarische Sachkontexte und Lernumgebungen. RWTH Aachen University.
Pollak, H. (1979). The interaction between mathematics and other school subjects. In UNESCO. (Hrsg.), New trends in mathematics teaching, Band IV (S. 232–248). UNESCO.
Posch, T. (2017). Johannes Kepler: Die Entdeckung der Weltharmonie. WBG.
Rajan, S., Cylus, D., & J. & Mckee, M. (2020). What do countries need to do to implement effective ‘find, test, trace, isolate and support’ systems? Journal of the Royal Society of medicine, 113(7), 245–250. https://doi.org/10.1177/0141076820939395.
Robinson, A., Luxemburg, W. A. J. (1962). Non-standard analysis: Lectures on a. Robinson’s theory of infinitesimals and infinitely large numbers. Mathematics Department, California Institute of Technology.
Russo, L. (2004). The forgotten revolution: How science was born in 300 BC and why it had to be reborn. Springer.
Scherer, S. (2015). Symmetrien und Gruppen in der Teilchenphysik. Springer. https://doi.org/10.1007/978-3-662-47734-2.
Schnaubelt, R., Zacher, R., & Prüß, J. W. (2011). Mathematische Modelle in der Biologie. Deterministische homogene Systeme. Birkhäuser.
Schönbrodt, S. (2019). Maschinelle Lernmethoden für Klassifizierungsprobleme – Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern. Springer. https://doi.org/10.1007/978-3-658-25137-6.
Schönbrodt, S., Camminady, T., & Frank, M. (2022). Mathematische Grundlagen der Künstlichen Intelligenz im Schulunterricht. Mathematische Semesterberichte, 69, 73–101. https://doi.org/10.1007/s00591-021-00310-x.
Schubring, G. (2011). Conceptions for relating the evolution of mathematical concepts to mathematics learning – epistemology, history and semiotics interactive. Educational Studies in Mathematics, 77(1), 79–104. https://doi.org/10.1007/s10649-011-9301-x.
Sonar, T. (2011). 3000 Jahre analysis. Springer. https://doi.org/10.1007/978-3-642-17204-5.
Volkert, K. T. (1988). Geschichte der Analysis. Wissenschaftsverlag.
Weizsäcker, C. F. von (1971). Die Tragweite der Wissenschaft (3., unveränderte Aufl.). S. Hirzel Verlag.
Wigner, E. P. (1960). The unreasonable effectiveness of mathematics in the natural sciences. Communications in Pure and Applied Mathematics, 13(1), 1–14. https://doi.org/10.1002/cpa.3160130102.
Winter, H. (1985). Sachrechnen in der Grundschule. Cornelsen Scriptor.
Winter, H. (1987). Mathematik entdecken. Neue Ansätze für den Unterricht in der Grundschule. Cornelsen Scriptor.
Winter, H. (1995). Mathematikunterricht und Allgemeinbildung. Mitteilungen der Gesellschaft für Didaktik der Mathematik, 61, 37–46.
Wußing, H. (2008). 6000 Jahre Mathematik (Bd. 2). Springer. https://doi.org/10.1007/978-3-540-77192-0.
Wußing, H. (2009). Adam Ries (3. Aufl.). Edition am Gutenbergplatz.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2023 Der/die Autor(en), exklusiv lizenziert an Springer-Verlag GmbH, DE, ein Teil von Springer Nature
About this chapter
Cite this chapter
Bauer, S., Büchter, A., Henn, H.W. (2023). Schulmathematik und Realität – Verstehen durch Anwenden. In: Bruder, R., Büchter, A., Gasteiger, H., Schmidt-Thieme, B., Weigand, HG. (eds) Handbuch der Mathematikdidaktik. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-66604-3_2
Download citation
DOI: https://doi.org/10.1007/978-3-662-66604-3_2
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-66603-6
Online ISBN: 978-3-662-66604-3
eBook Packages: Life Science and Basic Disciplines (German Language)