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
KnitR zur adaptiven Dokumentengenerierung[Bearbeiten]
In R gibt es mit dem Packet KnitR die Möglichkeit die mathematischen Funktionen in R auf Daten anzuwenden und in Abhängigkeit von den statischen oder numerischen Ergebnissen die Dokumentenausgabe zu erzeugen. Für dynamisch generierte Aufgabenblätter in Abhängigkeit von den Lernvoraussetzungen der Schülerinnen und Schüler kann so lokal auf einem Standardrechner individualisierte Übungsblätter erstellt werden.
- KnitR/Computer Algebra in R - (Foliensatz)
- Nutzung von Computeralgebrasystemen in R und KnitR
