Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl Ziele Content Blended Learning Szenario Besonderheiten Implementierung Evaluation

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl ZIELE –Vermittlung einer statistischen Bildung Wissenskomponenten Fertigkeiten und Kenntnisse Dispositionale Elemente

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl ZIELE-Wissenskomponenten –Textverständnis Erkennen von Fragestellungen deren Beantwortung auf empirischen Sachverhalten beruht Nicht die Analyse des Einzelfalls steht im Vordergrund sondern das Verstehen der Variabilität der Sachverhalte

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl ZIELE-Wissenskomponenten –Statistisches Fachwissen

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl ZIELE-Wissenskomponenten –Mathematisches Wissen Begründung der Methodik –Kontextverständnis –Kritische Fragen

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl ZIELE-Fertigkeiten –Traditionell: Manuelles Rechnen nach einfachen Algorithmen (Rezepte) –Heute: Werkzeuge erlauben auch Nicht- Statistiker/innen die Anwendung komplexer Verfahren

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl ZIELE-Dispositionale Neigungen –Wertschätzung der Leistungen der Statistik –Kritische Einstellung gegenüber der Statistik

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl CONTENT-Gestaltungsprinzipien –Konstruktivistischer Zugang –Eklektische Konzepte –Nicht die Mathematik steht im Vordergrund sondern die Lösungskompetenz in praktischen Fragen –Vom Beispiel zur allgemeinen Methode und deren Begründung

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl CONTENT-Gestaltungsprinzipien –Genereller Ablauf Beispiel, Fragestellung, Daten Transformation in die Sprache der Statistik Lösungsweg Evaluation des Lösungsweges Formale Begründung des Lösungsweges Umsetzung der Lösung Evaluation der Lösung Interpretation der Ergebnisse

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl CONTENT- Wissensbereiche Regressionsanalyse VarianzanalyseHäufigkeitsanalyse InferenzstatistikDeskriptive Statistik WKT AnwendungWKT Grundlagen

Unterstützung Tutor Vorlesung Abgabe Vorbereitung Referatsteam Aufgaben lösen VORLESUNG Feedback Übungsleiter Beispiele gemeinsam lösen, erklären, Diskutieren, Referat von Team Unterstützung Tutor eContent TUTORIUM Ü B U N G eContent PräsenzBlendedWeb Lernszenario eContent Assessment

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl Besonderheiten Implementierung –BSCW-Server Basic Support for Cooperative Work –Software: R und Rpad am Learnserver Excel-Applets RExcel

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl Evaluation –Verwenden Sie die am Learnserver zur Verfügung stehenden Lerninhalte auch außerhalb der Vorlesung bzw. Übung? –Helfen die Beispiele (Demobeispiele in Rpad bzw. die Excel- Beispiele zur Visualisierung) –beim Verstehen des Stoffes - beim Lösen der Aufgaben –Haben Sie Verbesserungsvorschläge, Kritik oder sonstige Anmerkungen bezüglich der Lernunterlagen zum Thema Häufigkeitsanalyse? Geschlossene Fragen, wie z.B. Offene Fragen, wie z.B.

Friday Lectures, 23. Nov. 2007, W. Grossmann, K. Schinagl Kontakt – – Bereitstellung der Materialien am Learnserver unter