Advertisement

Diagnose und Bewertung beim mathematischen Modellieren

  • Gilbert GreefrathEmail author
  • Katja Maaß
Chapter
  • 64 Downloads
Part of the Realitätsbezüge im Mathematikunterricht book series (REIMA)

Zusammenfassung

Der Beitrag gibt einen Überblick über das Thema „Diagnose und Bewertung beim Modellieren“ und stellt neben dem theoretischen Hintergrund vor allem auch die Unterrichtsperspektive dar. Als erstes werden die verwendete Definition von Modellieren dargelegt und die Ziele, die in diesem Beitrag mit Modellieren verbunden werden, vorgestellt. Dies sind Voraussetzungen für eine geeignete Diagnose und Bewertung. Anschließend werden die vielfältigen Facetten von Modellierungskompetenzen diskutiert. Hierbei handelt es sich um einen weitern relevanten Schritt zur umfassenden, nicht einseitigen Diagnose und Bewertung beim mathematischen Modellieren.

Literatur

  1. Abel, M., Brauner, U., Brockes, E., Büchter, A., Indenkämpen, M., et al. (2006). Kompetenzorientierte Diagnose. Aufgaben für den Mathematikunterricht. Stuttgart: Klett.Google Scholar
  2. Baumert, J., & Kunter, M. (2011). Das Kompetenzmodell von COACTIV. In M. Kunter, J. Baumert, W. Blum, U. Klusmann, S. Krauss, & M. Neubrand (Hrsg.), Professionelle Kompetenzen von Lehrkräften. Ergebnisse des Forschungsprogramms COACTIV (S. 29–54). Münster: Waxmann.zbMATHGoogle Scholar
  3. Baumert, J., Klieme, E., Neubrand, M., Prenzel, M., Schiefele, U., Schneider, W., Stanat, P., Tillmann, K., & Weiß, M. (2001). Pisa 2000. http://www.mpib-berlin.mpg.de/pisa, Dezember 2001.
  4. Blomhøj, M., & Jensen, T. (2003). Developing mathematical modelling competence: Conceptual clarification and educational planning. Teaching Mathematics and its Applications, 22(3), 123–139.CrossRefGoogle Scholar
  5. Blomhøj, M., & Jensen, T. (2007). What’s all the fuss about competencies? In W. Blum, P. Galbraith, H.-W. Henn, & M. Niss (Hrsg.), Modelling and applications in mathematics education (S. 45–56). New York: Springer.CrossRefGoogle Scholar
  6. Blum, W., & Leiß, D. (2005). Modellieren im Unterricht mit der „Tanken“-Aufgabe. mathematik lehren, 128, 18–21.Google Scholar
  7. Blum, W., & Niss, M. (1991). Applied mathematical problem solving, modelling, applications and links to other subjects – State, trends and issues in mathematics instruction. Educational Studies in Mathematics, 22(1), 37–68.CrossRefGoogle Scholar
  8. Blum, W., et al. (2002). ICMI Study 14: Applications and modelling in mathematics education–Discussion document. Educational Studies in Mathematics, 51, 149–171.CrossRefGoogle Scholar
  9. Böhm, W. (2000). Wörterbuch der Pädagogik (15. Aufl.). Stuttgart: Kröner.Google Scholar
  10. Böhm, U. (2013). Modellierungskompetenzen langfristig und kumulativ fördern. Tätigkeitstheoretische Analyse des mathematischen Modellierens in der Sekundarstufe I. Berlin: Springer Spektrum.CrossRefzbMATHGoogle Scholar
  11. Borromeo Ferri, R., & Blum, W. (2009). Mathematical modelling in teacher education – Experiences from a modelling seminar. In V. Durand-Guerrier, S. Soury-Lavergne & F. Arzarello (Hrsg.), In: Proceedings of CERME 6 (S. 2046–2055). Lyon.Google Scholar
  12. Borromeo Ferri, R. (2007). Modelling problems from a cognitive perspective. In C. Haines, P. Galbraith, W. Blum, & S. Khan (Hrsg.), Mathematical modelling – Education, engineering and economics (S. 260–270). Chichester: Horwood Publishing Limited.CrossRefGoogle Scholar
  13. Brand, S. (2014). Erwerb von Modellierungskompetenzen. Empirischer Vergleich eines holistischen und eines atomistischen Ansatzes zur Förderung von Modellierungskompetenzen. Wiesbaden: Springer Spektrum.Google Scholar
  14. Bruder, R. (2003). Konstruieren – auswählen – begleiten. Über den Umgang mit Aufgaben. Friedrich Jahresheft, 2003, 12–15.Google Scholar
  15. Büchter, A., & Leuders, T. (2005). Mathematikaufgaben selbst entwickeln. Lernen fördern Leistung überprüfen. Berlin: Cornelsen Scriptor.Google Scholar
  16. Burkhardt, H. (1989). Mathematical modelling in the curriculum. In W. Blum, J. S. Berry, R. Biehler, I. Huntley, G. Kaiser-Meßmer, & L. Profke (Hrsg.), Applications and modelling in learning and teaching mathematics (S. 1–11). Chichester: Horwood Publishing.Google Scholar
  17. Cattell, R. B. (1971). Abilities: Their structure, growth, and action. New York: Houghton Mifflin.Google Scholar
  18. English, L. D. (2016). Advancing mathematics education research within a STEM environment. In K. Makar, S. Dole, J. Visnovska, M. Goos, A. Bennison, & K. Fry (Hrsg.), Research in mathematics education in Australasia 2012–2015. Singapore: Springer.Google Scholar
  19. Franke, M., & Ruwisch, S. (2010). Didaktik des Sachrechnens in der Grundschule. Berlin: Spektrum.CrossRefzbMATHGoogle Scholar
  20. Frejd, P. (2011). An investigation of mathematical modelling in the Swedish national course tests in mathematics. In M. Pytlak, T. Rowland, & E. Swoboda (Hrsg.), Proceedings of the Seventh Congress of the European Society for Research in Mathematics Education (S. 947–956). Poland: University of Rzeszów.Google Scholar
  21. Frejd, P. (2013). Modes of modelling assessment – A literature review. Educational Studies in Mathematics, 84(3), 413–438.CrossRefGoogle Scholar
  22. Galbraith, P., & Stillman, G. (2006). A framework for identifying student blockages during transitions in the modelling process. Zentralblatt für Didaktik der Mathematik, 38(2), 143–162.CrossRefGoogle Scholar
  23. Greefrath, G. (2004). Offene Aufgaben mit Realitätsbezug. Eine Übersicht mit Beispielen und erste Ergebnisse aus Fallstudien. mathematica didactica, 2(27), 16–38.Google Scholar
  24. Greefrath, G. (2018). Anwendungen und Modellieren im Mathematikunterricht. Didaktische Perspektiven des Sachrechnens in der Sekundarstufe. Berlin: Springer Spektrum.CrossRefGoogle Scholar
  25. Grigutsch, S., Raatz, U., & Törner, G. (1998). Einstellungen gegenüber Mathematik bei Mathematiklehrern. Journal für Mathematik-Didaktik, 19(98), 3–45.CrossRefGoogle Scholar
  26. Hankeln, C., Adamek, C., & Greefrath, G. (2019). Assessing sub-competencies of mathematical modelling – Development of a new test instrument. In G. A. Stillman & J. P. Brown (Hrsg.), Lines of inquiry in mathematical modelling research in education (S. 143–160). Cham: Springer.CrossRefGoogle Scholar
  27. Haines, C., Crouch, R., & Davies, J. (2001). Understanding students’ modelling skills. In J. Matos, W. Blum, K. Houston, & S. Carreira (Hrsg.), Modelling and mathematics education, Ictma 9: Applications in science and technology (S. 366–380). Chichester: Horwood Publishing.CrossRefGoogle Scholar
  28. Helmke, A., & Schrader, F. W. (2001). School achievement, cognitive and motivational determinants. In N. J. Smelser & P. B. Baltes (Hrsg.), International Encyclopedia of the social and behavioral sciences (Vol. 20, S. 13552–13556). Oxford: Elsevier. http://dx.doi.org/10.1016/B0-08-043076-7/02413-X.
  29. Helmke, A., & Schrader, F.-W. (2006). Determinanten der Schulleistung [Determinants of school learning]. In D. Rost (Hrsg.), Handwörterbuch Pädagogische Psychologie [Handbook Educational Psycholog] (S. 83–94). Weinheim: Beltz Psychologie Verlags Union.Google Scholar
  30. Izard, J. (1997). Assessment of complexity behaviour as expected in mathematical projects and investigations. In S. K. Houston, W. Blum, I. D. Huntley, & N. T. Neill (Hrsg.), Teaching and learning mathematical modelling (S. 95–107). Chichester: Albion Publishing.Google Scholar
  31. Jäger, R. S. (2001). Von der Beobachtung zur Notengebung – Ein Lehrbuch. Landau: Verlag Empirische Pädagogik.Google Scholar
  32. Jahnke, T., Klein, H.-P., Kühnel, W., Sonar, T., & Spindler, M. (2014). Die Hamburger Abituraufgaben im Fach Mathematik. Entwicklung von 2005 bis 2013. Mitteilungen der DMV, 115–121.Google Scholar
  33. Jank, W., & Meyer, H. (1994). Didaktische Modelle. Frankfurt a. M.: Cornelson Scriptor.Google Scholar
  34. Jordan, A., Krauss, S., Löwen, K., Blum, W., Neubrand, M., Brunner, M., et al. (2008). Aufgaben im COACTIV-Projekt: Zeugnisse des kognitiven Aktivierungspotentials im deutschen Mathematikunterricht. Journal für Mathematik-Didaktik, 29(2), 83–107.Google Scholar
  35. Kaiser, G. (1995). Realitätsbezüge im Mathematikunterricht – Ein Überblick über die aktuelle und historische Diskussion. In G. Graumann, T. Jahnke, G. Kaiser & J. Meyer (Hrsg.), Materialien für einen realitätsbezogenen Mathematikunterricht (Vol. 2, S. 66–84). Bad Salzdetfurth ü. Hildesheim: Franzbecker.Google Scholar
  36. Kaiser, G. (2007). Modelling and modelling competencies in school. In C. Haines, P. Galbraith, W. Blum, & S. Khan (Hrsg.), Mathematical modelling: Education, engineering and economics (S. 110–119). Chichester: Horwood.CrossRefGoogle Scholar
  37. Kaiser, G., & Sriraman, B. (2006). A global survey of international perspectives on modelling in mathematics education. ZDM Mathematics Education, 38(3), 302–310.CrossRefGoogle Scholar
  38. Kaiser-Meßmer, G. (1993). Reflections on future developments in the light of empirical research. In T. Breiteig, I. Huntley, & G. Kaiser-Meßmer (Hrsg.), Teaching and learning mathematics in context (S. 213–227). Chichester: Horwood Publishing.Google Scholar
  39. Klock H, & Wess R. (2018). Lehrerkompetenzen zum mathematischen Modellieren – Test zur Erfassung von Aspekten professioneller Kompetenz zum Lehren mathematischen Modellierens. WWU-Publikationsserver MIAMI.Google Scholar
  40. Klock, H., Wess, R., Greefrath, G., & Siller, H.-S. (2019). Aspekte professioneller Kompetenz zum Lehren mathematischen Modellierens bei (angehenden) Lehrkräften – Erfassung und Evaluation. In T. Leuders, E. Christophel, M. Hemmer, F. Korneck, & P. Labudde (Hrsg.), Fachdidaktische Forschungen zur Lehrerbildung (S. 135–146). Münster: Waxmann.Google Scholar
  41. KMK. (2012). Bildungsstandards im Fach Mathematik für die Allgemeine Hochschulreife. Köln: Wolters Kluver.Google Scholar
  42. Kreckler, J. (2017). Implementing modelling into the classroom: Results of an empirical research study. In G. A. Stillman, W. Blum, & G. Kaiser (Hrsg.), Mathematical modelling and applications: Crossing and researching boundaries in mathematics education (S. 277–287). Cham: Springer.CrossRefGoogle Scholar
  43. Leuders, T. (2006). Kompetenzorientierte Aufgaben im Unterricht. In W. Blum, C. Drüke-Noe, R. Hartung, & O. Köller (Hrsg.), Bildungsstandards Mathematik: konkret (S. 81–95). Berlin: Cornelsen Scriptor.Google Scholar
  44. Maaß, K. (2004). Mathematisches Modellieren im Unterricht. Ergebnisse einer empirischen Studie. Franzbecker, Hildesheim.Google Scholar
  45. Maaß, K. (2006). What are modelling competencies? ZDM Mathematics Education, 38(2), 113–142.CrossRefMathSciNetGoogle Scholar
  46. Maaß, K. (2007). Mathematisches Modellieren. Aufgaben für die Sekundarstufe I. Berlin: Cornelsen.Google Scholar
  47. Maaß, K. (2009). Mathematikunterricht weiterentwickeln. Berlin: Cornelson Scriptor.Google Scholar
  48. Maaß, K. (2010). Classification scheme for modelling tasks. Journal für Mathematik. Didaktik, 31(2), 285–311.CrossRefGoogle Scholar
  49. Maaß, K. (2011). How can teachers’ beliefs affect their professional development? ZDM Mathematics Education, 43(4), 573–586.CrossRefGoogle Scholar
  50. Maaß, K. (2016). Vier Millionen Unterschriften – Die Leistungen beim Modellieren sinnvoll messen. Mathematik, 5-10(4), 16, 26–29.Google Scholar
  51. Maaß, K. & Mischo, C. (2012). Fördert Mathematisches Modellieren die Motivation in Mathematik? – Befunde einer Interventionsstudie bei Hauptschülern (Ergebnisse des Projektes Stratum).Mathematica Didactica, 25–49.Google Scholar
  52. Maaß, K., Doorman, M., Jonker, V., & Wijers, M. (2019). Promoting active citizenship in mathematics teaching. ZDM Mathematics Education, 51(6), 991–1003. https://doi.org/10.1007/s11858-019-01048-6.
  53. Mischo, C., & Maaß, K. (2013). Which personal factors affect mathematical modelling? The effect of abilities, domain specific and cross domain-competences and beliefs on performance in mathematical modelling. Journal of Mathematical Modelling and Application, 1(7), 3–19.Google Scholar
  54. Naylor, T. (1991). Assessment of a modelling and applications teaching module. In M. Niss, W. Blum, & I. D. Huntley (Hrsg.), Teaching of mathematical modelling and applications (S. 317–325). Chichester: Ellis Horwood.Google Scholar
  55. Niss, M., Blum, W., & Galbraith, P. (2007). Introduction. In W. Blum, P. L. Galbraith, H.-W. Henn, & M. Niss (Hrsg.), Modelling and applications in mathematics education (S. 3–32). New York: Springer.CrossRefzbMATHGoogle Scholar
  56. Palm, T. (2008). Impact of authenticity on sense making in word problem solving. Educational Studies in Mathematics, 67, 37–58.CrossRefGoogle Scholar
  57. Rellensmann, J., Schukajlow, S., & Leopold, C. (2017). Make a drawing. Effects of strategic knowledge, drawing accuracy, and type of drawing on students’ mathematical modelling performance. Educational Studies in Mathematics, 95(1), 53–78.CrossRefGoogle Scholar
  58. 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
  59. Schoenfeld, A. H. (1992). Learning to think mathematically: Problem solving, metacognition, and sense-making in mathematics. In D. Grouws (Hrsg.), Handbook for research on mathematics teaching and learning (S. 334–370). New York: MacMillan.Google Scholar
  60. Schukajlow, S., Krug, A., & Rakoczy, K. (2015). Effects of prompting multiple solutions for modelling problems on students’ performance. Educational Studies in Mathematics, 89(3), 393–417.CrossRefGoogle Scholar
  61. Sjuts, J. (2003). Metakognition per didaktisch- sozialem Vertrag. Journal für Mathematik-Didaktik, 24(1), 18–40.CrossRefGoogle Scholar
  62. Staub, F. C., & Stern, E. (2002). The nature of teachers’ pedagogical content beliefs matters for students’ achievement gains. Journal of Educational Psychology, 94(2), 344–355.CrossRefGoogle Scholar
  63. Stillman, G. (1998). The emperor’s new clothes? Teaching and assessment of mathematical applications at the senior secondary level. In P. L. Galbraith, et al. (Hrsg.), Mathematical modelling: Teaching and assessment in a technology-rich world (S. 243–254). West Sussex: Horwood Publishing Ltd.Google Scholar
  64. Sundermann, B., & Selter, C. (2006). Beurteilen und Fördern im Mathematikunterricht. Gute Aufgaben. Differenzierte Arbeiten Ermutigende Rückmeldungen. Berlin: Cornelsen Scriptor.Google Scholar
  65. Tanner, H., & Jones, S. (1995). Developing Metacognitive Skills in mathematical modelling – a socio-contructivist interpretation. In C. Sloyer, W. Blum, & I. Huntley (Hrsg.), Advances and perspectives in the teaching of mathematical modelling and applications (S. 61–70). Yorklyn: Water Street Mathematics.Google Scholar
  66. Turner, R. (2007). Modelling and applications in PISA. In W. Blum, P. L. Galbraith, H. Henn, & M. Niss (Hrsg.), Modelling and applications in mathematics education. The 14th ICMI study (S. 433–440). New York: Springer.CrossRefGoogle Scholar
  67. Wang, M. C., Haertel, G. D., & Walberg, H. J. (1993). Toward a knowledge base for school learning. Review of Educational Research, 63, 249–294.Google Scholar
  68. Weinert, F. E. (2001). Leistungsmessungen in Schulen. Weinheim: Beltz.Google Scholar
  69. Zöttl, L. (2010). Modellierungskompetenzen fördern mit heuristischen Lösungsbeispielen. Ph.D. thesis, Ludwig-Maximilians-Universität München.Google Scholar
  70. Zöttl, L., Ufer, S., & Reiss, K. (2010). Modelling with Heuristic Worked Examples in the KOMMA Learning Environment. Journal für Mathemaitkdidaktik, 31, 143–165.Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2020

Authors and Affiliations

  1. 1.Institut für Didaktik der Mathematik und der InformatikWestfälische Wilhelms-UniversitätMünsterDeutschland
  2. 2.Institut für Mathematische Bildung FreiburgPädagogische Hochschule FreiburgFreiburg im BreisgauDeutschland

Personalised recommendations