Zusammenfassung
„Big Data“ ist ein neuer Trend, der mit der zunehmenden Digitalisierung aller Lebensbereiche in die Lebenswelt von Schülerinnen und Schülern gerückt ist, ja geradezu gedrängt wird. Es wird immer wichtiger, auch große Datenmengen mathematisch verarbeiten zu können, so dass der Mathematikunterricht auf diese Aufgabe vorbereiten muss. Gleichzeitig bietet es sich aber durch den Einsatz digitaler Werkzeuge auch an, bei der Verarbeitung großer Datenmengen andere Themen des Mathematikunterrichts besser zu durchdringen. Naheliegend sind hierfür Inhalte, die die Leitidee Daten und Zufall mit dem Funktionalen Zusammenhang verknüpfen. In diesem Artikel möchte ich einen Bogen von der Ausgangsfrage, was überhaupt „big“ ist, über die Anwendung von Funktionen auf einzelne und auf viele Daten zum Verschlüsseln und Entschlüsseln bis hin zur Frage, wie damit grundlegende Fragestellungen aus dem Bereich der Medienkompetenz im Mathematikunterricht erreicht werden, schlagen. Dabei werden die schon fast übertrieben zu nennenden Rechenfähigkeiten der Grafik-Prozessoren, wie sie heutzutage nicht nur in Desktop-Computern, sondern auch in Smartphones und Tablets zu finden sind, mit der einfachen Scriptsprache CindyScript genutzt. Diese macht die maschinelle Rechenkraft zu einem Werkzeug in der Hand der Schülerinnen und Schüler.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Burgess, M. (2018). Strava’s data lets anyone see the names (and heart rates) of people exercising on military bases. Wired UK, 30. Januar 2018. URL: https://www.wired.co.uk/article/strava-military-bases-area-51-map-afghanistan-gchq-military. Zugriff 14.11.2018.
Cisco (2017). Cisco Visual Networking Index: Forecast and Methodology, 2016–2021. URL: https://www.cisco.com/c/en/us/solutions/collateral/service-provider/visual-networking-index-vni/complete-white-paper-c11-481360.pdf. Zugriff 14.11.2018.
Cole, R. & Yap, C. K. (1985). A parallel median algorithm. Information Processing Letters 20 (3), 137–139, https://doi.org/10.1016/0020-0190(85)90080-8.
Feierabend, S., Plankenhorn, T. & Rathgeb, T. (2017). JIM 2017 – Jugend, Information, (Multi-)Media: Basisstudie zum Medienumgang 12- bis 19-Jähriger in Deutschland. Stuttgart: Medienpädagogischer Forschungsverbund Südwest (mpfs). URL: https://www.mpfs.de/fileadmin/files/Studien/JIM/2017/JIM_2017.pdf. Zugriff 14.11.2018.
von Gagern M., Kortenkamp U., Richter-Gebert J. & Strobel M. (2016). CindyJS. Mathematical Visualization on Modern Devices. In G.-M. Greuel, T. Koch, P. Paule & A. Sommese (Hrsg.) Mathematical Software – ICMS 2016. Lecture Notes in Computer Science, vol. 9725. Cham: Springer. https://doi.org/10.1007/978-3-319-42432-3_39
Kern, F., Burgeth, B. & Eichhorn, D. (2015). Algorithmen zur Bildbearbeitung. Mathe-Welt. mathematik lehren, (188), Beilage.
KMK (2016). Bildung in der digitalen Welt. Strategie der Kultusministerkonferenz. Beschluss vom 8.12.2016. URL: https://www.kmk.org/fileadmin/Dateien/pdf/PresseUndAktuelles/2016/Bildung_digitale_Welt_Webversion.pdf. Zugriff 8.12.2018.
Loughran, S. (2018). Advanced Deanonymization through Strava. Blog post. URL: http://steveloughran.blogspot.com/2018/01/advanced-denanonymization-through-strava.html. Zugriff 14.11.2018.
Montag A., Richter-Gebert J. (2016). CindyGL: Authoring GPU-Based Interactive Mathematical Content. In GM. Greuel, T. Koch, P. Paule, A. Sommese (Hrsg.), Mathematical Software – ICMS 2016. Lecture Notes in Computer Science, vol. 9725. Cham: Springer. https://doi.org/10.1007/978-3-319-42432-3_44
Oldenburg, R. (o. D.). Bildbearbeitung. Online-Angebot unter https://myweb.rz.uni-augsburg.de/~oldenbre/webBV/index.html. Zugriff 14.11.2018.
Oldenburg, R. (2006). Die Mathematik der Bildverarbeitung. ISTRON, Materialien für einen realitätsbezogenen Mathematikunterricht, (Bd. 9, S. 23–37). Hildesheim: Franzbecker.
Richter-Gebert, J. & Kortenkamp, U. (2012). The Cinderella.2 Manual: Working with the Interactive Geometry Software. Heidelberg: Springer. https://doi.org/10.1007/978-3-540-34926-6
Wittmann, E. C. (1985). Objekte – Operationen – Wirkungen: Das operative Prinzip in der Mathematikdidaktik. mathematik lehren, (11), 7–11.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Kortenkamp, U. (2019). Think Big! – Funktionales Denken mit Big Data. In: Büchter, A., Glade, M., Herold-Blasius, R., Klinger, M., Schacht, F., Scherer, P. (eds) Vielfältige Zugänge zum Mathematikunterricht. Springer Spektrum, Wiesbaden. https://doi.org/10.1007/978-3-658-24292-3_14
Download citation
DOI: https://doi.org/10.1007/978-3-658-24292-3_14
Published:
Publisher Name: Springer Spektrum, Wiesbaden
Print ISBN: 978-3-658-24291-6
Online ISBN: 978-3-658-24292-3
eBook Packages: Life Science and Basic Disciplines (German Language)