Zeit: Mittwoch, 05.03.2025: 8:30 - 10:00 Chair der Sitzung: Susanne Podworny, Universität Paderborn Chair der Sitzung: Daniel Frischemeier, Universität Münster Chair der Sitzung: Sarah Schönbrodt, Paris Lodron Universität Salzburg |
Ort: Geb. E2 6 - E 04 Physikgebäude |
Data Science für informierte Bürgerinnen und Bürger
PH Ludwigsburg, Deutschland
Data Science als praktische Wissenschaft wurde konzipiert, um konkrete Probleme in Wissenschaft, Technologie und Gesellschaft zu lösen. Die Ausbildung von Studierenden in den Data Science geht über die Vermittlung von Algorithmen, Fähigkeiten zur Bearbeitung von Datensätzen, sowie die Erstellung und Interpretation visueller Darstellungen von Daten hinaus. Basierend auf einer Analyse von Trends und Bedürfnissen zum Schutz demokratischer Werte in einer datenbasierten Gesellschaft gibt dieser Beitrag Empfehlungen für die Gestaltung von Data Science Kursen zur Entwicklung informierter Bürger.
Entwicklung von Eye-Tracking Vignetten zu systematischen Fehlern bei der Interpretation statistischer Graphen
1Pädagogische Hochschule Heidelberg, Deutschland; 2Pädagogische Hochschule Schwäbisch Gmünd, Deutschland; 3Pädagogische Hochschule Freiburg, Deutschland; 4KU Leuven, Belgien; 5HU University of Applied Sciences Utrecht, Niederlande
Daten und deren Interpretation anhand statistischer Graphen spielen eine zentrale Rolle im Alltag. Studien belegen jedoch, dass hierbei häufig systematische Fehler auftreten. Im Rahmen des internationalen Projektes „Eye-teach-stats“ werden Vignetten nach dem 4C/ID Modell für die Lehrkräftebildung entwickelt. Diese nutzen Eye-Tracking Material, um systematische Fehler von Schüler*innen zu veranschaulichen und ein tieferes Verständnis zu fördern. Ziel ist es, Lehrkräfte dabei zu unterstützen, systematische Fehler zu diagnostizieren und im Unterricht aufzugreifen.