Advertisement

Fermi-Aufgaben in Vergleichsarbeiten in Klasse 8 – Kriterien und Ergebnisse

  • Gilbert GreefrathEmail author
Chapter

Zusammenfassung

Auf Basis theoretischer Überlegungen sowie in der Literatur häufig genannter zentraler Eigenschaften und Kriterien für Modellierungsaufgaben wird ein Kriterienkatalog zur Entwicklung und Evaluation von Testaufgaben mit Realitätsbezug entwickelt. Diese Kriterien werden speziell auf Fermi-Aufgaben in Tests angewendet, konkret werden Aufgaben aus Vergleichsarbeiten in Klasse 8 (VERA 8) ausgewählt. Auf dieser Basis werden Unterschiede und Gemeinsamkeiten von Fermi-Aufgaben in Vergleichsarbeiten herausgearbeitet und vor dem Hintergrund der jeweiligen Itemschwierigkeit diskutiert. Die untersuchten Fermi-Aufgaben zeigen einerseits eine gewisse Homogenität als bestimmte Modellierungsaufgaben. Andererseits zeigt sich auch eine große Bandbreite bezüglich der Itemschwierigkeit, die möglicherweise mit der Anzahl der für die Lösung erforderlichen Größen zusammenhängt. Fermi-Aufgaben können ein großes Leistungsspektrum abdecken und stellen eine gute Möglichkeit dar, authentische Situationen in Testaufgaben zu berücksichtigen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Barzel, B., Hußmann, S., & Leuders, T. (2005). Der „Funktionenführerschein“. Praxis der Mathematik in der Schule, 2, 20–25.Google Scholar
  2. Blum, W., & Leiß, D. (2005). Modellieren im Unterricht mit der „Tanken“-Aufgabe. mathematik lehren, (128), 18–21.Google Scholar
  3. Bruder, R. (1988). Grundfragen mathematikmethodischer Theoriebildung unter besonderer Berücksichtigung des Arbeitens mit Aufgaben. Potsdam: Pädagogische Hochschule Potsdam.Google Scholar
  4. Bruder, R. (2000). Akzentuierte Aufgaben und heuristische Erfahrungen. Wege zu einem anspruchsvollen Mathematikunterricht für alle. In L. Flade, & W. Herget (Hrsg.), Mathematik lehren und lernen nach TIMSS: Anregungen für die Sekundarstufen, 69–78. Berlin: Volk und Wissen.Google Scholar
  5. Büchter, A., Herget, W., Leuders, T., & Müller, J. H. (2006). Die Fermi-Box. Lebendige Mathematik für Alle. Seelze: Friedrich.Google Scholar
  6. Greefrath, G. (2018). Anwendungen und Modellieren im Mathematikunterricht. Didaktische Perspektiven zum Sachrechnen in der Sekundarstufe. Heidelberg: Springer Spektrum.Google Scholar
  7. Greefrath, G., & Vorhölter, K. (2016). Teaching and learning mathematical modeling. Approaches and developments from German speaking countries. Cham: Springer.Google Scholar
  8. Greefrath, G., Siller, H.-S., & Ludwig, M. (2017). Modelling problems in German grammar school leaving examinations (Abitur) – Theory and practice. In Dooley T., Gueudet, G. (Hrsg.), Proceedings of the Tenth Congress of the European Society for Research in Mathematics Education (CERME10, February 1–5, 2 017), (S. 932–939). D ublin, Ireland: DCU Institute of Education and ERME.Google Scholar
  9. Herget, W., & Klika, M. (2003). Fotos und Fragen. Messen, Schätzen, Überlegen – viele Wege, viele Ideen, viele Antworten. mathematik lehren, (119), 14–19.Google Scholar
  10. Jordan, A., Krauss, S., Löwen, K., Blum, W., Neubrand, M., Brunner, M., Kunter, M., Baumert, J. (2008). Aufgaben im COACTIV-Projekt: Zeugnisse des kognitiven Aktivierungspotentials im deutschen Mathematikunterricht. Journal für Mathematikdidaktik, 29(2), 83–107.CrossRefGoogle Scholar
  11. Kaiser, G. (2007). Modelling and modelling competencies in school. In C. Haines, P. Galbraith, W. Blum & S. Khan (Hrsg.), Mathematical modelling (ICTMA 12): Education, engineering and economics (S. 110–119). Chichester: Horwood.Google Scholar
  12. Kaiser, G., & Leuders, T. (2016). Arbeitskreis: Empirische Bildungsforschung. Bericht von der Frühjahrstagung in Hannover, 29.–30.4.2016, GDM-Mitteilungen, 101, 45–49.Google Scholar
  13. Kaiser, G., & Stender, P. (2016). Die Kompetenz mathematisch Modellieren. In W. Blum, S. Vogel, C. Drüke-Noe, A. Maier, U., Kleinknecht, M., Metz, K., Bohl, T. (2010). Ein allgemeindidaktisches Kategoriensystem zur Analyse des kognitiven Potenzials von Aufgaben. In Beiträge zur Lehrerinnen und Lehrerbildung, 28(1), 84–96.Google Scholar
  14. Roppelt (Hrsg.), Bildungsstandards aktuell: Mathematik in der Sekundarstufe II, S. 95–106. Braunschweig: Westermann Schroedel Diesterweg Schöningh Winklers.Google Scholar
  15. Leuders, T. (2001). Qualität im Mathematikunterricht der Sekundarstufe I und II. Berlin: Cornelsen Scriptor.Google Scholar
  16. Leuders, T. (2006). Kompetenzorientierte Aufgaben im Unterricht. In W. Blum, C. Drüke-Noe, R. Hartung, & O. Köller (Hrsg.), Bildungsstandards Mathematik: konkret, 81–95, Berlin: Cornelsen Scriptor.Google Scholar
  17. Maaß, K. (2004). Mathematisches Modellieren im Unterricht. Ergebnisse einer empirischen Studie. Hildesheim: Franzbecker.Google Scholar
  18. Maaß, K. (2010). Classification scheme for modelling tasks. Journal für Mathematik-Didaktik, 31, 285–311.CrossRefGoogle Scholar
  19. Mayring, P. (2010). Qualitative Inhaltsanalyse. Grundlagen und Techniken. Weinheim: Beltz.Google Scholar
  20. Niss, M. (1992). Applications and modelling in school mathematics – Directions for future development. Roskilde: IMFUFA Roskilde Universitetscenter.Google Scholar
  21. Palm, T. (2007). Features and impact of the authenticity of applied mathematical school tasks. In W. Blum, P. Galbraith, H.-W. Henn & M. Niss (Hrsg.), Modelling and applications in mathematics education, (S. 201–208), New York: Springer.Google Scholar
  22. Radatz, H., & Schipper, W. (1983). Handbuch für den Mathematikunterricht an Grundschulen. Hannover: Schroedel.Google Scholar
  23. Scherer, P. (1999). Mathematiklernen bei Kindern mit Lernschwächen. Perspektiven für die Lehrerbildung. In C. Selter, & G. Walther (Hrsg.), Mathematikdidaktik als design science. Festschrift für Erich Christian Wittmann. Stuttgart: Klett.Google Scholar
  24. Sundermann, B., & Selter, C. (2006). Beurteilen und Fördern im Mathematikunterricht. Gute Aufgaben. Differenzierte Arbeiten. Ermutigende Rückmeldungen. Berlin: Cornelsen Scriptor.Google Scholar

Copyright information

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

Authors and Affiliations

  1. 1.WWU MünsterMünsterDeutschland

Personalised recommendations