Advertisement

Erfassung unterschiedlicher Dimensionen von Modellierungskompetenzen im Rahmen eines vergleichenden Interventionsprojekts

  • Susanne Brand
Chapter
  • 21 Downloads
Part of the Realitätsbezüge im Mathematikunterricht book series (REIMA)

Zusammenfassung

Das Konstrukt der mathematischen Modellierungskompetenzen kann in verschiedene Dimensionen untergliedert werden: Subkompetenzen beziehen sich auf einzelne Teilprozesse des Modellierungsprozesses und eine Gesamtmodellierungskompetenz beinhaltet Aspekte, die sich auf den gesamten Prozess beziehen. In dem folgenden Artikel wird auf die Erfassung der verschiedenen Dimensionen der Modellierungskompetenzen durch Tests im Rahmen des Interventionsprojekts ERMO (Erwerb von Modellierungskompetenzen) eingegangen. Ebenso werden einzelne Ergebnisse in Hinblick auf eine Förderung dieser Modellierungskompetenzen durch einen holistischen bzw. atomistischen Modellierungsansatz diskutiert.

Literatur

  1. 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
  2. Blum, W. (1996). Anwendungsbezüge im Mathematikunterricht – Trends und Perspektiven. In G. Kadunz, H. Kautschitsch, G. Ossimitz, & E. Schneider (Hrsg.), Trends und Perspektiven. Beiträge zum 7. Internationalen Symposium zur Didaktik der Mathematik (S. 15–38). Wien: Hölder-Pichler-Tempsky.Google Scholar
  3. Blum, W., P. L. Galbraith, P.L., Henn, H.-W. & Niss, M. (Hrsg.) (2007), Modelling and Applications in Mathematics Education. The 14th ICMI Study. New York: SpringerGoogle Scholar
  4. Böhm, U. (2013). Modellierungskompetenzen langfristig und kumulativ fördern. Tätigkeitstheoretische Analyse des mathematischen Modellierens in der Sekundarstufe I. Berlin: Springer Spektrum.CrossRefGoogle Scholar
  5. Böttcher, K. (2013). Ansätze zur Förderung von Modellierungskompetenzen aus Sicht der Lehrkraft. Masterarbeit im Fachbereich Erziehungswissenschaft der Universität Hamburg. Hamburg: unveröffentlicht.Google Scholar
  6. Borromeo Ferri, R. (2011). Wege zur Innenwelt des mathematischen Modellierens. Kognitive Analysen zu Modellierungsprozessen im Mathematikunterricht. Wiesbaden: Vieweg + Teubner.CrossRefGoogle Scholar
  7. Borromeo Ferri, R. & Kaiser, G. (2008). Aktuelle Ansätze und Perspektiven zum Modellieren in der nationalen und internationalen Diskussion. In A. Eichler & F. Förster (Hrsg.), Materialien für einen realitätsbezogenen Mathematikunterricht (Bd. 12, S. 1–10). Hildesheim: Franzbecker.Google Scholar
  8. Brand, S. (2014). Erwerb von Modellierungskompetenzen. Empirischer Vergleich eines holistischen und eines atomistischen Ansatzes zur Förderung von Modellierungskompetenzen. Wiesbaden: Springer Spektrum.Google Scholar
  9. Bruder, R., Krüger, U.-H. & Bergmann, L. (2014). LEMAMOP – Ein Kompetenzentwicklungsmodell für Argumentieren, Modellieren und Problemlösen wird umgesetzt. Beiträge zum Mathematikunterricht 2014.Google Scholar
  10. Bühner, M. (2011). Einführung in die Test- und Fragebogenkonstruktion (3. Aktualisierte Aufgabe). München: Pearson Studium.Google Scholar
  11. Galbraith, P., & Stillman, G. (2006). A framework for identifying blockades during transitions in the modelling process. Zentralblatt für Didaktik der Mathematik, 38(2), 143–162.CrossRefGoogle Scholar
  12. Greefrath, G., Kaiser, G., Blum, W., & Borromeo Ferri, R. (2013).Mathematisches Modellieren – Eine Einführung in theoretische und didaktische Hintergründe. In R. Borromeo Ferri, G. Greefrath, & G. Kaiser (Hrsg.), Realitätsbezüge im Mathematikunterricht. Mathematisches Modellieren für Schule und Hochschule. Theoretische und didaktische Hintergründe (S. 11–37). Wiesbaden: Springer Fachmedien.Google Scholar
  13. Haines, C., Crouch, R., & Davis, J. (2001). Understanding student’s modelling skills. In J. F. Matos, W. Blum, K. Houston, & S. P. Carreira (Hrsg.), Modelling and mathematics education: ICTMA9: Applications in science and technology (S. 366–381). Chichester: Horwood.Google Scholar
  14. 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 (Bd. 2, S. 66–84), (ISTRON) (S Hildesheim: Franzbecker.Google Scholar
  15. 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 Publishing.CrossRefGoogle Scholar
  16. Kaiser, G., Blomhøj, M., & Sriraman, B. (2006). Towards a didactical theory for mathematical modelling. Zentralblatt für Didaktik der Mathematik, 38(2), 82–85.CrossRefGoogle Scholar
  17. Kaiser, G., & Stender, P. (2013). Complex modelling problems in co-operative, self-directed learning environments. In G. Stillman, G. Kaiser, W. Blum, & J. P. Brown (Hrsg.), Teaching mathematical modelling: Connecting to research and practice (S. 277–293). Dordrecht: Springer.CrossRefGoogle Scholar
  18. Klocke, N. (2013). Förderung von Modellierungskompetenzen nach dem holistischen Ansatz aus Lehrerperspektive. Bachelorarbeit im Fachbereich Erziehungswissenschaft der Universität Hamburg. Hamburg: unveröffentlicht.Google Scholar
  19. Krüger, A. (2013). Förderung von Modellierungskompetenzen nach dem atomistischen Ansatz aus Lehrerperspektive. Bachelorarbeit im Fachbereich Erziehungswissenschaft der Universität Hamburg. Hamburg: unveröffentlicht.Google Scholar
  20. 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, 4, 4–19.Google Scholar
  21. Leiss, D., Blum, W., Messner, R., Müller, M., Schukajlow, S., & Pekrun, R. (2008). Modellieren lehren und lernen in der Realschule. Beiträge zum Mathematikunterricht, 2008, 79–82.Google Scholar
  22. Maaß, K. (2004). Mathematisches Modellieren im Unterricht. Ergebnisse einer empirischen Studie. Hildesheim: Franzbecker.CrossRefGoogle Scholar
  23. Maaß, K. (2005a). Modellieren im Mathematikunterricht der Sekundarstufe I. Journal für Mathematikdidaktik, 26(2), 114–142.CrossRefGoogle Scholar
  24. Maaß, K. (2005b). Stau – Eine Aufgabe für alle Jahrgänge! PM Praxis der Mathematik, 47(3), 8–13.Google Scholar
  25. Maaß, K. (2007). Mathematisches Modellieren. Aufgaben für die Sekundarstufe I. Berlin: Cornelsen Scriptor.Google Scholar
  26. 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. The 14th ICMI Study (S. 3–32). New York: Springer.Google Scholar
  27. Rost, J. (2004). Lehrbuch Testtheorie – Testkonstruktion. Bern: Huber.Google Scholar
  28. Schukajlow, S. & Krug., A. (2013). Considering multiple solutions for modelling problems – Design and first results from the MultiMa-Project. In G. Stillman, G. Kaiser, W. Blum, & J. P. Brown (Hrsg.), Teaching mathematical modelling: Connecting to research and practice (S. 207–216). Dordrecht: Springer.Google Scholar
  29. Schupp, H. (1997). Anwendungsorientierter Mathematikunterricht in der Sekundarstufe I zwischen Tradition und neuen Impulsen. In W. Blum, W. Henn, M. Klika, & J. Maaß (Hrsg.), Materialien für einen realitätsbezogenen Mathematikunterricht (Bd. 1, S. 1–11)., ISTRON Hildesheim: Franzbecker.Google Scholar
  30. Stillman, G., Kaiser, G., Blum, W., & Brown, J. P. (Hrsg.). (2013). Teaching mathematical modelling: Connecting to research and practice. Dordrecht: Springer.zbMATHGoogle Scholar
  31. Weinert, F. E. (2001). Concept of competence: A conceptual clarification. In D. S. Rychen & L. H. Salganik (Hrsg.), Defining and selecting key competencies (S. 45–65). Seattle: Hogrefe & Huber Publishers.Google Scholar
  32. Zöttl, L. (2010). Modellierungskompetenz fördern mit heuristischen Lösungsbeispielen. Hildesheim: Franzbecker.Google Scholar

Copyright information

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

Authors and Affiliations

  • Susanne Brand
    • 1
  1. 1.Kantonsschule UsterZürichSchweiz

Personalised recommendations