Kurs:Didaktik der Stochastik für Lernumgebungen
Einführung[Bearbeiten]
Dieser Kurs zur Didaktik der Stochastik für Lernumgebungen betrachtet die Stochastik aus folgenden Blickwinkeln:
- Welche Inhalte der Stochastik werden in der Lehramtsausbildung für den Einsatz in der Schule betrachtet?
- Wie kann man stochastische Aspekte in Alltagssituationen identifizieren und in die Lernumgebungen integrieren (z.B. Stochastik auf Texten, Suchen und Finden)
- Wie kann man stochastische Konzepte dazu verwenden, um individualisierte Lernumgebungen zu erstellen (z.B. individuelle Aufgabenblätter und Hilfen für Schüler:innen).
Open Community Approach[Bearbeiten]
Der Kurs basiert auf dem Open Community Approach und verwendet Open Source und Open Educational Resources, um
- die Inhalte für Lehrende und Studierende erweiterungs- und anpassungsfähig zur Verfügung zu stellen.
- Lehrer:innen und Lehrer in die Lage zu versetzen, mit OpenSource-Werkzeugen Schülerdaten zu analysieren, die das Schulgebäude bzw. den Rechner der Lehrperson nicht verlassen müssen (Datenschutz bzgl. Daten von Schüler:innen).
- OpenSource erlaubt zusätzlich die Überprüfung und Anpassung des Softwarecodes an die Datenschutzanforderung und Rahmenbedingungen der Bildungseinrichtung.
Ziel des Kurses[Bearbeiten]
Am Ende des Kurses sollen die Teilnehmer:innen in der Lage sein, als Lehrende für eine Schulklasse mit Daten maßgeschneiderte Übungblätter entsprechend der Lernvoraussetzungen der Schülerinnen und Schüler zu erstellen.
Voraussetzungen[Bearbeiten]
- OpenSource R/Studio Installation mit installiertem KnitR-Paket.
- Lernende beherrscht die Generierung eines LibreOffice-Writer- oder LaTeX-Dokumentes mit KnitR.
Inhalte[Bearbeiten]
Die Kursinhalte gliedern sich in
- fachwissenschaftlichen Lernvoraussetzungen, die für die fachdidaktische Betrachtung als Grundlage dienen.
- Technische Umsetzung von Beispielen: KnitR als Open Source R-Paket, mit dem auf Basis von Datenanalysen maßgeschneiderte Aufgabenblätter für einzelne Schüler:innen erzeugt werden.
- Stochastische Grundkonzepte
- Deskriptive Statistik Diagramme, Tabellen, räumliche Visualisierung,...
- unbekannte Wahrscheinlichkeit näherungsweise bestimmen mit Daten.
- unbekannte Funktionen näherungsweise mit zufälligen Daten bestimmen
- unbekannte Zusammenhänge zwischen Elementen einer Grundmenge identifzieren.
- Textanalyse und Textgenerierung, stochastischen Konzept für die Verarbeitung und Generierung von Texten.
- Lernerdaten
- Digitale Kontextergänzung von außerschulischen Lernorten
- individuelle Aufgabenblätter
- Adaptivität
- Citizen Science
- Lernerprofile
- Learning Analytics