Oberseminar Didaktik der Mathematik - Nina Unshelm (Universität Würzburg)

Unsere Gesellschaft wird tagtäglich mit vielfältigen, teils widersprüchlichen Aussagen in den Medien konfrontiert. Darüber hinaus nehmen Fehl- und Desinformation zu und beeinflussen die öffentliche Meinungsbildung (Lewandowsky et al., 2017). Die Fähigkeit, diese zu erkennen und kritisch zu reflektieren, ist daher eine zentrale gesellschaftliche Notwendigkeit. Aktuelle Studien zeigen jedoch bestehende Herausforderungen: So gaben beispielsweise 50 % der Befragten aus 27 EU-Mitgliedsstaaten an, dass sie Desinformation nur (sehr) selten erkennen (Unzicker, 2023). Zusätzlich sind beim Umgang mit medialen Inhalten mathematische Kompetenzen sowie Data Literacy von zunehmender Bedeutung, da Berichterstattungen in Medien vermehrt Mathematik und Daten enthalten, etwa im Rahmen argumentativer Strukturen (Gal & Geiger, 2022; Schüller, 2020). Dementsprechend müssen mathematische Inhalte in medialen Kontexten identifiziert, interpretiert und verstanden sowie mithilfe mathematischer Verfahren und externer Datenquellen kritisch bewertet werden, um eine reflektierte Teilhabe am gesellschaftlichen Diskurs zu ermöglichen.

Zusammenfassend lässt sich festhalten, dass das Verstehen, Interpretieren und Bewerten medialer Aussagen eine gesellschaftliche Herausforderung in einer sich wandelnden Welt darstellt. Dieser Herausforderung kann mit mathematischem Modellieren als Methode begegnet werden (Siller & Vorhölter, 2025), da Modellierung sowie „ein Verständnis mathematischer Modelle […] entscheidend [sind], um den Herausforderungen einer sich zunehmend verändernden Welt zu begegnen“ (Siller et al., 2024, S. 318, übersetzt). Modellieren eröffnet damit die Möglichkeit, Kompetenzen zu fördern, „um fundierte Urteile zu fällen sowie Mathematik in einer Weise zu nutzen und sich mit ihr auseinanderzusetzen, die den Anforderungen eines konstruktiven, verantwortungsbewussten und reflektierten Bürgers gerecht werden“ (OECD, 2004, S. 15, übersetzt) – Kompetenzen, die auch im Kontext medialer Berichterstattung notwendig und bedeutsam sind.

In diesem Vortrag wird eine theoretische Charakterisierung des Modellierens als Methode zum Verstehen, Interpretieren und Bewerten medialer Aussagen vorgestellt. Hierfür wird eine holistische Perspektive auf das Modellieren eingenommen, da Studienergebnisse belegen, dass dieser Zugang sowohl motivierender als auch authentischer wirkt (Blomhøj & Jensen, 2003). Die Charakterisierung erfolgt unter Rückgriff auf verschiedene allgemeine und modellierungsspezifische Theorien: Neben grundlegenden Definitionen mathematischen Modellierens (z. B. Pollak, 1979) wird insbesondere die Tätigkeitstheorie nach Lompscher (Lompscher & Irrlitz, 1985) herangezogen. Modellieren wird dabei als Lernhandlung mit drei unterschiedlichen Orientierungsgrundlagen beschrieben – Probierorientierung, Musterorientierung und Feldorientierung (vgl. Bruder & Schmitt, 2016).

Durch diese theoretische Fundierung des Modellierens im Hinblick auf das Verstehen, Interpretieren und Bewerten medialer Aussagen werden erste Einblicke in das gesellschaftliche Potenzial dieses Ansatzes gewonnen und eine Grundlage geschaffen, um die Relevanz mathematischer Modellierung für die Bildungspraxis sichtbar zu machen.

Quellen

Blomhøj, M., & Jensen, T. H. (2003). Developing mathematical modelling competence: conceptual clarification and educational planning. Teaching Mathematics and Its Applications, 22(3), 123–139. https://doi.org/10.1093/teamat/22.3.123

Bruder, R., & Schmitt, O. (2016). Joachim Lompscher and His Activity Theory Approach Focusing on the Concept of Learning Activity and How It Influences Contemporary Research in Germany. In A. Bikner-Ahsbas, A. Vohns, O. Schmitt, R. Bruder, & W. Dörfler (Eds.), Theories in and of Mathematics Education: Theory Strands in German Speaking Countries (pp. 13–20). ICME-13 & Springer Open. https://doi.org/10.1007/978-3-319-42589-4_3

Gal, I., & Geiger, V. (2022). Welcome to the era of vague news: A study of the demands of statistical and mathematical products in the COVID-19 pandemic media. Educational Studies in Mathematics, 111(1), 5–28. https://doi.org/10.1007/s10649-022-10151-7

Lewandowsky, S., Ecker, U. K. H., & Cook, J. (2017). Beyond misinformation: Understanding and coping with the “post-truth” era. Journal of Applied Research in Memory and Cognition, 6(4), 353–369. https://doi.org/10.1016/j.jarmac.2017.07.008

Lompscher, J., & Irrlitz, L. (1985). Persönlichkeitsentwicklung in der Lerntätigkeit: Ein Lehrbuch für pädagogische Psychologie an Instituten für Lehrerbildung (1st ed.). Volk und Wissen.

OECD. (2004). The PISA 2003 assessment framework: Mathematics, reading, science and problem solving knowledge and skills. OECD. https://doi.org/10.1787/9789264101739-en

Pollak, H. O. (1979). The interaction between mathematics and other school subjects. In UNESCO (Ed.), New Trends in Mathematics Teaching IV (pp. 232–248). ICMI.

Schüller, K. (2020). Future Skills: A Framework for Data Literacy (Working Paper No. 53). https://doi.org/10.5281/ZENODO.3349864

Siller, H.‑S., Günster, S. M., & Geiger, V. (2024). Mathematics as a Central Focus in STEM: Theoretical and Practical Insights from a Special Study Program Within Pre-service (Prospective) Teacher Education. In Y. Li, Z. Zeng, & N. Song (Eds.), Advances in STEM Education. Disciplinary and Interdisciplinary Education in STEM: Changes and Innovations (1st ed. 2024, pp. 317–343). Springer Nature Switzerland; Imprint Springer. https://doi.org/10.1007/978-3-031-52924-5_15

Siller, H.‑S., & Vorhölter, K. (2025). Mathematical modelling as part of a general education in mathematics classrooms: Challenge for teachers, responsibility for researchers. In Fourteenth Congress of the European Society for Research in Mathematics Education (CERME14). Bozen.

Unzicker, K. (2023). Desinformation: Herausforderung für die Demokratie: Einstellungen und Wahrnehmungen in Europa. https://www.bertelsmann-stiftung.de/fileadmin/files/ST-DZ_Desinformation_Herausforderung_fuer_die_Demokratie_Europa_2023.pdf