
BNE-Professionalisierung im Fach Mathematik
In Anbetracht existenzieller Herausforderungen des 21. Jahrhunderts haben sich die Mitgliedsstaaten der UN globale Nachhaltigkeitsziele gesetzt. Als Wegbereiter aller Nachhaltigkeitsziele (UNESCO, 2021) gilt das Konzept Bildung für nachhaltige Entwicklung (BNE), welches als Querschnittsaufgabe aller Unterrichtsfächer Lernenden in Schule ermöglichen soll, sich aktiv an der Förderung einer nachhaltigen Entwicklung zu beteiligen. Hierbei muss die Mathematik als unabdingbarer Bestandteil von BNE gesehen werden, sofern Nachhaltigkeitsfragen ernsthaft inhaltlich diskutiert werden wollen (wie bspw.: Was bewirkt ein Tempolimit? Wie entwickeln sich Infektionszahlen?). Obwohl universitärer Lehrkräftebildung für eine erfolgreiche Umsetzung von BNE in Schule große Bedeutung zugesprochen wird (BMBF, 2017), liegen bisher kaum Ansätze vor, wie BNE gewinnbringend in die Professionalisierung von Mathematiklehrkräften integriert werden kann. Ausgehend hiervon zielt das Projekt darauf ab, ein Seminarkonzept zur Implementierung und Verstetigung von BNE in der universitären Ausbildung von angehenden Mathematiklehrkräften zu entwickeln. Zur weiterführenden Erforschung von Bedingungen für erfolgreiche BNE (an Universitäten) sowie zur Beurteilung des Seminars soll der Kompetenzaufbau der Lehramtsstudierenden mittels Mixed-Method-Ansatz analysiert werden. Zentrales Ziel des Projekts ist nicht nur das Betreiben von BNE selbst, sondern auch die Aufarbeitung praxisnaher Materialien (OER).
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren

Anticipating the Digital Age of Mathematics
Computergestützte Beweisassistenten haben heute ein Niveau erreicht, das die Formalisierung, Verifizierung und digitale Weiterverarbeitung weiter Teile unseres mathematischen Kenntnisstandes in greifbare Nähe rücken lässt. Das Ende 2020 vom Fields-Medallisten Peter Scholze initiierte Liquid Tensor Experiment hat gezeigt, dass es inzwischen möglich ist, selbst neueste Forschungsergebnisse mit vertretbarem Aufwand digital abzubilden und zu verifizieren. Wir müssen davon ausgehen, dass für die nächste Generation Mathematikerinnen Beweisassistenten zu einem zentralen Werkzeug avancieren werden. Das Projekt ADAM möchte einen Beitrag leisten, sie für diesen Wandel zu wappnen.
Projekt anzeigen
KI-basiertes Feedback in simulierten Lernsettings
Aktuelle Machine-Learning-Ansätze sollen entwickelt werden, um menschliches Verhalten in ausgewählten Kommunikationssituationen anhand definierter Kriterien objektiv und reliabel zu erfassen. Aufbauend auf umfangreichen Vorarbeiten wurde ein Machine-Learning-Algorithmus weiterentwickelt, der Mimik im Hinblick auf definierte Kriterien auswertet. Studierende erhalten darauf basierend automatisiertes, KI-gestütztes Feedback zu ihrem kommunikativen Verhalten in digital angereicherten Präsenzsettings (z. B. Arzt-Patienten- oder Beratungsgespräche). Der Mehrwert liegt insbesondere in höherer Objektivität und Skalierbarkeit gegenüber rein menschlichem Feedback. Der Ansatz wurde pilotiert und auf die Grundschulpädagogik ausgeweitet. Für Eltern-LehrerInnen-Gespräche wurde ein strukturierender Leitfaden entwickelt, der als Grundlage für KI-gestützte Avatare als Gesprächspartner dient.
Maßnahme anzeigen
E-Assessment in MINT-Fächern: Coden von Übungsaufgaben mit Python & Jupyter.
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen