Sprungmarken

TU Dortmund

Hauptnavigation


Bereichsnavigation

Institut für Entwicklung und Erfoschung des Mathematikunterrichts

Nebeninhalt



Mathematikdidaktisches Kolloquium


26.01.2023 Funktionalistische Mathematikdidaktik und das Problem der Normenbegründung
Felix Lensing, FU Berlin
02.02.2023 Entwicklungen in Data Science und Künstlicher Intelligenz als Herausforderungen für den Mathematikunterricht
Professor Dr. Rolf Biehler, Universität Paderborn
 

26.01.2023 Funktionalistische Mathematikdidaktik und das Problem der Normenbegründung

Die Mathematikdidaktik ist nicht nur Wissenschaft von der mathematischen Bildungspraxis, sondern sie ist auch Wissenschaft für sie. Sie will die mathematischen Bildungspraxis nicht nur in ihren vielfältigen Arten, Formen und Ausprägungen theoretisch erkennen, sondern sie will sie auch praktisch normieren, gestalten und verbessern. Nun sind mathematische Bildungspraxen, wie sie sich etwa in Schulen oder Universitäten vollziehen, ein äußerst komplexes Geschehen. Für die Mathematikdidaktik stellt sich daher die Frage, wie sie ihrer doppelten Forschungsaufgabe unter den Bedingungen dieser Komplexität gerecht werden kann: Wie kann die Mathematikdidaktik konkret vorgehen, wenn sie sowohl theoretisch erkennen will, was in der mathematischen Bildungspraxis vor sich geht, als auch praktische Vorschläge dafür ausarbeiten will, was dort vor sich gehen sollte? In diesem Vortrag werde ich von meinen Versuchen berichten, belastbare Antworten auf diese Frage zu finden.
Zoom-Link

02.02.2023 Entwicklungen in Data Science und Künstlicher Intelligenz als Herausforderungen für den Mathematikunterricht

Data Science und Künstliche Intelligenz (Maschinelles Lernen) sind wissenschaftliche Entwicklungen mit großen Auswirkungen auf das tägliche Leben. Im ProDaBi-Projekt (www.prodabi.de) widmen wir uns der Frage, wie man diese Themen fächerübergreifend in den Sekundarstufen unterrichten kann. Wir entwickeln und erproben Unterrichtseinheiten und Lehrkräftefortbildungen. Dabei nutzen wir die Software CODAP und auf Python basierende Jupyter Notebooks. Um anschlussfähig zu sein, wären auch Umakzentuierungen in anderen Themengebieten des Mathematikunterrichts sinnvoll. Das betrifft u.a. den Umgang mit multivariaten, den Begriff des Algorithmus, das Thema Modellieren mit Funktionen und Daten (prädiktives Modellieren mit Trainings- und Testdaten, overfitting) und Entscheidungen unter Unsicherheit im Umfeld des Satzes von Bayes (confusion matrix). Im Vortrag werden theoretische Konzepte, Auszüge von Unterrichtsmaterialien und darauf bezogenen Forschungen aus unserem Projekt zur Diskussion gestellt.
Zoom-Link

Übersicht der Kolloquien