Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Teamcycling – Optimales Teamtraining im Radsport Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

Forschungsprozess und probabilistische Modellbildung – Stochastische Denkweisen

verfasst von : Manfred Borovcnik, Prof. Dr.

Erschienen in: Neue Materialien für einen realitätsbezogenen Mathematikunterricht 2

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Die Begriffe der Wahrscheinlichkeitsrechnung sind abstrakt und einer direkten Deutung kaum zugänglich. Die Methoden der beurteilenden Statistik bauen darauf auf und verwenden zusätzlich eine eigene Logik. Für echte Anwendungen ist es unerlässlich, den Modellbildungsgedanken einzubinden. Das kann auch die Unterweisung verbessern. Wir illustrieren mit Fallbeispielen aus der empirischen „Forschung“ das Potential, über Modellbildung stochastische Denkweisen zu fördern.
Wie muss man denken, damit man aus empirischen Untersuchungen Erkenntnisse ziehen kann, die man als evidenzbasiertes Wissen nach innen (innerhalb der Disziplin) und nach außen (in die Gesellschaft) vertreten kann. Dazu entfalten wir die Denkweise und das Verfahren des statistischen Signifikanztests sowie eine systemanalytische Modellierung von Einflussfaktoren. Dabei ist eine enge Bindung an den Kontext wesentlich für die Interpretation der Vorgangsweise und für die Einordnung der Ergebnisse.
Modelle dienen zur Verbesserung von Entscheidungen. Wir entfalten dazu die Idee eines Szenarios und stellen sie dem Modellbegriff gegenüber. Die Frage „Wie sind die Begriffe zu verstehen?“ wird ergänzt durch die Frage „Wozu sind die Begriffe nützlich?“ Blum (2012) spricht von der formativen Kraft der Modellbildung. Man versteht die Begriffe durch den Prozess der Modellbildung einfach besser.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Teamcycling – Optimales Teamtraining im Radsport
Nächstes Kapitel Sparen mit Verstand – Möglichkeiten zur Vernetzung von Mathematik und politischer Bildung
Literatur
Bachelder, B.L.: The magical number 4 = 7: Span theory on capacity limitations. Behavioral and Brain Sciences 24, 116–117 (2001)CrossRef
Blum, W.: Quality teaching of mathematical modelling – what do we know, what can we do? Plenary lecture at ICME 12., Seoul (2012) (Private Mitteilung; wird erst veröffentlicht)
Borovcnik, M.: Aufgaben in der Stochastik – Chancen jenseits von Motivation. Didaktik-Reihe der Österreichischen Mathematischen Gesellschaft 42, 1–23 (2009)
Borovcnik, M.: Key properties and central theorems in probability and statistics – corroborated by simulations and animations. Selçuk Journal of Applied Mathematics. Special Issue of “Statistics“ 12, 3–19 (2011a)
Borovcnik, M.: Strengthening the role of probability within statistics curricula. In: Batanero, C., Burrill, G., Reading, C. (Hrsg.) Teaching statistics in school mathematics. challenges for teaching and teacher education: A joint ICMI/IASE Study, S. 71–83. Springer, New York (2011b)CrossRef
Borovcnik, M., Kapadia, R.: Modelling in probability and statistics–key ideas and innovative examples. In: Maaß, J., O`Donoghue, J. (Hrsg.) Real-World Problems for Secondary School Students–Case Studies, S. 1–44. Sense, Rotterdam (2011)CrossRef
Borovcnik, M., Peard, R.: Probability. In: Bishop, A., Clements, K., Keitel, C., Kilpatrick, J., Laborde, C. (Hrsg.) International Handbook of Mathematics Education, S. 239–288. Kluwer, Dordrecht (1996)
Chaput, B., Girard, J.C., Henry, M.: Modeling and simulations in statistics education. In: Batanero, C., Burrill, G., Reading, C. (Hrsg.) Teaching statistics in school mathematics. Challenges for teaching and teacher education: A joint ICMI/IASE Study, S. 85--95. Springer, New York (2011)CrossRef
Dubben, H.-H., Beck-Bornholdt, H.-P.: Mit an Sicherheit grenzender Wahrscheinlichkeit. Logisches Denken und Zufall. Rowohlt, Reinbek bei Hamburg (2010)
Ehrenberg, A.S.C.: Data reduction. Wiley, New York (1981)
de Finetti, B.: Theory of probability. Wiley, New York (1974). (Transl. A. Machi, & A. Smith)MATH
Fischbein, E.: The intuitive sources of probabilistic thinking in children. D. Reidel, Dordrecht (1975)CrossRefMATH
Freedman, D., Pisani, R., Purves, S.: Statistics, 4. Aufl. Norton, London (2007)
Gigerenzer, G.: Calculated risks: How to know when numbers deceive you. Simon & Schuster, New York (2002)
MacKenzie, D.A.: Statistics in Britain – 1865–1930 – The social construction of scientific knowledge. Edinburgh University Press, Edinburgh (1981)
Meyer, P.L.: Introductory probability and statistical applications, 2. Aufl. Addison-Wesley, Reading (1970)
Miller, G.: The magical number seven, plus or minus two: Some limits on our capacity for processing information. The Psychological Review 63(2), 81–97 (1956). Online: www.musanim.com/miller1956CrossRef
Popper, K. (1935): Logik der Forschung. Zur Erkenntnistheorie der modernen Naturwissenschaft. Wien: J. Springer. 11. Aufl. H. Keuth (Hrsg.): 2005. Tübingen: Mohr Siebeck.
Richardson, M., Reischman, D.: The magical number 7. Teaching Statistics 33(1), 17–19 (2011)CrossRef
Styer, D.F.: The strange world of quantum mechanics. Cambridge University Press, Cambridge (2000)
Wild, C.J., Pfannkuch, M.: Statistical thinking in empirical enquiry. International Statistical Review 67(3), 223–265 (1997)CrossRef
Metadaten
Titel
Forschungsprozess und probabilistische Modellbildung – Stochastische Denkweisen
verfasst von
Manfred Borovcnik, Prof. Dr.
Copyright-Jahr
2014
Buch
Neue Materialien für einen realitätsbezogenen Mathematikunterricht 2

Print ISBN: 978-3-658-05002-3

Electronic ISBN: 978-3-658-05003-0

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-658-05003-0_2