Situationen mit zwei dichotomen Merkmalen sind prägend für den Stochastikunterricht der Sekundarstufen. Darunter bieten insbesondere Bayesianische Situationen praxisrelevante Möglichkeiten zum Modellieren und authentischem Anwendungsbezug. Diese Situationen erweisen sich zwar zunächst als für Lernende schwer zugänglich, jedoch stellt die mathematikdidaktische Forschung wirksame Werkzeuge wie Informationsformate und Visualisierungen bereit. Die im Beitrag vorgestellte Schulbuchanalyse untersucht, inwiefern diese Situationen und Werkzeuge bereits Einzug in die schulische Praxis gehalten haben.

Modellierungskompetenz ist ein zentrales Ziel des Mathematikunterrichts und Validieren gilt als wichtiger Teilschritt, bei dem Modelle oder Ergebnisse anhand vorheriger Teilprozesse kritisch evaluiert werden bzw., wenn nötig, revidiert werden. In einer Studie mit N=561 Schüler:innen untersucht diese Studie, ob Personen- (Motivation und inhaltliches Vorwissen) oder Aufgabenmerkmale (die Arbeit mit selbst erhobenen oder gegebenen realen Daten bzw. mit geglättenten Daten) Validierungsprozesse (die kritische Evaluation des Modells bzw. Formulieren von Verbesserungsvorschlägen) vohersagen.

Vorkurse sind an vielen Hochschulen Teil der Studienvorbereitung. Dieser Beitrag geht der Frage nach, inwiefern sich die Motivation Teilnehmender und Nichtteilnehmender an einem Vorkurs voneinander unterscheidet und ob sie sich verschieden entwickelt. In dieser quantitativen Studie wurden bis zu 90 Studierende der Fachmathematik und des gymnasialen Lehramts zu 3 Messzeitpunkten im Wintersemester befragt. Die Ergebnisse zeigen einen Stichprobeneffekt bei den Brückenkursteilnehmenden, jedoch keine unterschiedliche Entwicklung im Semesterverlauf. Der Vortrag zeichnet die Gruppentrajektorien nach.

Aktivierendes Feedback kann als ein Feedback verstanden werden, das auf eine falsche Aufgabenlösung eine Lernaktivität vorlegt, mittels derer sie die Defizite selbständig aufarbeiten sollen. Man könnte erwarten, dass Lernende diesen vergleichsweise fordernden Feedbacktyp ablehnen, oder dass die Akzeptanz zumindest von Lernpräferenzen abhängt. Die Daten einer quantitativen Studie mit Lehramtsstudierenden zeigen, dass zwar zu einzelnen Aspekten des verwendeten Akzeptanzkonstrukts durchaus differenziert geantwortet wird, die Lernpräferenzen aber keinen Einfluss auf die Akzeptanz hat.

Zum Lösen allgemeiner quadratischer Gleichungen werden im Mathematikunterricht zwei Formeln gelehrt: Die abc- und die pq-Formel. Nur wenige Bildungspläne machen zur Wahl eine Vorgabe, darüber hinaus existieren keine empirischen Studien zum Vergleich. Zur Generierung erster Erkenntnisse wurde eine Studie mit 115 Studierenden durchgeführt, die 15 Aufgaben bearbeiteten. Die Auswertung der Tests zeigt, dass die abc-Formel tendenziell bessere Ergebnisse als die pq-Formel liefert. Bei beiden Formeln ist das Basiswissen im Rahmen der Bruchrechnung entscheidend für das Gelingen.

Manche Aufgaben in der Stochastik können einfacher mit einem Baum, andere einfacher mit einer Vierfeldertafel gelöst werden, je nachdem, welche Informationen in einer Situation mit 2 dichotomen Merkmalen gegeben sind. In einer Studie mit 114 Schüler*innen haben wir untersucht, wie flexibel die Lösungsstrategien genutzt werden. Hierzu bearbeiteten die Lernenden Aufgaben, in denen entweder eine Vierfeldertafel, ein Baum oder beide Visualisierungen gleichermaßen vorteilhaft sind. Die Ergebnisse deuten darauf hin, dass ein adaptiver Umgang mit unterschiedlichen Darstellungen kaum erkennbar ist.

Mathematisches Argumentieren stellt eine zentrale Kompetenz kompetenzorientierten Mathematikunterrichts dar und umfasst u. a. das Begründen. In der vorliegenden Längsschnittstudie wurde die Entwicklung der Korrektheit mathematischer Begründungen von 176 Lernenden der 4. bis 6. Jahrgangsstufe über 2,5 Jahre untersucht. Die Ergebnisse zeigen einen signifikanten Leistungszuwachs mit mittlerem Effekt. Lernende mit Deutsch als Erstsprache erreichen durchgehend höhere Werte als jene mit anderer Erstsprache, beide Gruppen verbessern sich jedoch signifikant.

Die erfolgreiche Förderung der Problemlösekompetenz von Schüler*innen hängt maßgeblich von Lehrkräften ab. Vor allem für die Lehrkräftebildung erscheint es daher wesentlich, dass Anforderungen an Lehrkräfte klar umrissen sind. Um einen Überblick über die Forschung zum Lehren von Problemlösen zu generieren, haben wir einen Scoping Review angefertigt. Von elf identifizierten Forschungsschwerpunkten wird in diesem Beitrag exemplarisch der Schwerpunkt ‚Wissen der Lehrkraft‘ diskutiert. Es wird aufgezeigt, inwieweit existierende Konzepte mithilfe des Überblickes ergänzt und erweitert werden können.

Klimabezogene Themen sind in hohem Maß durch die Verbreitung von Falschinformationen betroffen. Eine frühzeitige Förderung von Data Literacy gewinnt an Bedeutung. Der Beitrag präsentiert Ergebnisse aus einem Lehr‑Lern‑Arrangements zum Thema Klimawandel. Als Impuls diente ein fiktives Video, in dem ein Influencer die Existenz des Klimawandels bestreitet. Im Fokus der Analysen stehen die datenbasierten Argumentationen von Drittklässler:innen. Die Ergebnisse geben Aufschluss über die Bedeutung des Kontextwissens der Grundschüler:innen beim Umgang mit klimabezogenen Falschinformationen.

Daten prägen zunehmend den Alltag, besonders in digitalen Kontexten. Kinder verfügen jedoch nur über ein begrenztes Verständnis, wie Daten entstehen, verarbeitet und im Netz verbreitet werden. Die Studie des transdisziplinären Projekts PInGu untersucht Vorstellungen von Kindern im Alter von 9-10 Jahren zu Daten und Daten im Internet. Grundlage bilden leitfadengestützte Interviews, die mittels qualitativer Verfahren ausgewertet wurden. Die Ergebnisse liefern Einblicke in frühe konzeptionelle Vorstellungen zu Daten und geben Anhaltspunkte für die Förderung einer Data Literacy im Kindesalter.

In einem zunehmend datengetriebenen Alltag müssen auch Schüler*innen ungewöhnliche Werte sicher erkennen können. Es wird untersucht, welche Vorkenntnisse und intuitiven Strategien Schüler*innen bei der Erkennung von Ausreißern besitzen. Mit digitalen Arbeitsblättern bearbeiteten 15 Lernende Datensätze mit und ohne Kontext. Mit Hilfe einer qualitativen Inhaltsanalyse wurde ein Kategoriensystem deduktiv-induktiv entwickelt, welches mathematische und kontextuelle Argumentationen sichtbar macht. Die Ergebnisse bieten eine Grundlage für Lernangebote zur Förderung von Data Literacy.

Die zunehmende Digitalisierung macht Data Literacy zu einer Schlüsselkompetenz. Das Projekt DUDa (Digitale adaptive Unterstützung generischer und fachbezogener Datenkompetenz) entwickelt eine KI-gestützte Bildungstechnologie, die Lernende interdisziplinär und individuell durch Lerneinheiten zu Data Literacy anhand realer Datensätze aus der Gesundheits- und Biodiversitätsforschung führt. Eine qualitative Pilotstudie Anfang 2026 bildet die Grundlage der Evaluation eines Prototyps dieser, der das Ziel hat, sowohl generische als auch fachspezifische Data-Literacy von Schüler*innen zu fördern.

Das Lesen mathematischer Texte ist auch im digitalen Zeitalter eine zentrale Grundlage selbstregulierten Lernens. Lernenden wie Lehrenden steht eine große Auswahl mathematischer Texte mit unterschiedlichen Merkmalen über Mathematik zur Verfügung. Welche speziellen Anforderungen und Chancen sich dabei für Lernende bei der Aufgabenbearbeitung ergeben können, soll in einer quasi-experimentellen Studie untersucht werden. Im Vordergrund steht dabei die Frage, wie mathematische Texte von Oberstufenschüler*innen und Studierenden ausgewählt und mit welchen Lesestrategien sie verarbeitet werden.

Der Vortrag beschäftigt sich mit dem Erfahrungsbergriff im Kontext finanziell allgemeinbildenden Mathematikunterrichts (MU) zum Thema Inflation. Der Fokus liegt dabei auf den persönlichen Erfahrungen, die Schüler:innen in der konkreten Beschäftigung - insbesondere beim Problemlösen und Modellieren - heranziehen. Diese werden durch Mikrophänomenologische Interviews erfasst und für die Analyse nutzbar gemacht. Ein Verständnis dieser Erfahrungswelten soll Grundlagen für zukünftige Konzeptionen schaffen und dazu beitragen, den Erfahrungsbegriff im Kontext des MUs auszuschärfen.

Im Zusammenhang mit Signifikanztests und p-Werten sind viele Missvorstellungen und -interpretationen gut belegt. Um diese zu überwinden und ein konzeptionelles Verständnis statistischer Inferenz aufzubauen, wird in der Literatur die Einführung statistischer Inferenz mittels Simulationen diskutiert. Der vorliegende Beitrag präsentiert die Konzeption einer Interventionsstudie, in welcher Simulationen zur Einführung von Signifikanztests und p-Werten genutzt werden. Im Vortrag werden zudem erste Ergebnisse aus einer Pilotierung vorgestellt.

Ein Fast-and-Frugal-Tree (FFT) ist eine Repräsentation von Klassifikations- oder Entscheidungsschritten in Form eines sehr einfachen Baumdiagramms. Gegenüber anderen Inferenzmechanismen zeichnet sich ein solcher Baum dadurch aus, dass Klassifikationen und Entscheidungen sehr einfach sind und sich mit geringen Eingangsinformationen schnell aus-führen lassen, während ihre prädiktive Kraft sehr hoch ist.

Der Beitrag untersucht aus interaktionstheoretischer Perspektive mathematische Aushandlungsprozesse in der Lernenden-KI-Interaktion. Anhand eines Fallbeispiels zur Bearbeitung einer algebraischen Aufgabe durch zwei Sechstklässlerinnen wird analysiert, wie die Autorität generativer KI hinsichtlich mathematischer Geltung interaktiv verhandelt wird. Die Interaktionsanalyse macht deutlich, dass generierte Erklärungen nicht ohne Weiteres übernommen werden, sondern unterschiedliche Begriffsverständnisse kritisch reflektiert werden. Dabei erweist sich die normative Rolle der KI als aushandelbar.

Der Beitrag untersucht explorativ den Einsatz des Sprach- und Videomodus eines generativen KI-Systems (ChatGPT) beim Bearbeiten einer anwendungsbezogenen Problemaufgabe in der Mathematik. In einer Single-Case-Study arbeiteten drei Lernende im Rahmen eines klinischen Interviews an einem Verpackungsproblem. Die qualitative Analyse der Video- und Transkriptionsdaten gibt Einblicke in unterschiedliche Nutzungsweisen der KI während des Bearbeitungsprozesses und eröffnet Ansatzpunkte für eine weiterführende Auseinandersetzung mit KI-gestützten Lernsettings.