Mathematik · Klasse 10

Ideen für aktives Lernen

Anwendung von Wachstumsmodellen

Aktive Modellierung von Wachstumsprozessen hilft Schülerinnen und Schülern, die Verbindung zwischen Mathematik und realen Phänomenen zu erkennen. Durch das Arbeiten mit echten Datensätzen verstehen sie, warum bestimmte Modelle passen und wann ihre Grenzen liegen, was nachhaltiges Lernen fördert.

• KMK Bildungsstandards
• KMK Bildungsstandards MSA: L2 Funktionaler Zusammenhang, Potenzfunktionen mit ganzzahligen Exponenten und Wurzelfunktionen beschreiben
• LehrplanPLUS Bayern Gymnasium 10: M 10.1 Funktionen, Potenzfunktionen mit ganzzahligen Exponenten sowie Wurzelfunktionen untersuchen
• Kernlehrplan NRW G9 Sek I: Inhaltsfeld Funktionen, Eigenschaften von Potenzfunktionen mit ganzzahligen Exponenten und deren Graphen

• 15–30 Min.
• Partnerarbeit → Ganze Klasse
• 4 Aktivitäten

Aktivität 01

• Projektbasiertes Lernen
• 25 Min. · Partnerarbeit

Paararbeit: Datenmodellierung

Paare erhalten reale Populationsdaten und passen lineare, exponentielle sowie logistische Funktionen an. Sie plotten die Kurven und berechnen Residuen. Abschließend vergleichen sie die Güte der Modelle.

Vergleichen Sie die Vorhersagekraft von linearen, exponentiellen und logistischen Modellen für reale Phänomene.

Moderationstipp

Geben Sie den Lernenden in der Paararbeit konkrete Fragen zur Hand, die sie beim Vergleich der Modelle leiten, z.B. 'Wo zeigt die Grafik eine Beschleunigung, die ein lineares Modell nicht erfasst?'.

Worauf zu achten ist

Geben Sie jeder Schülerin und jedem Schüler einen kurzen Datensatz (z.B. tägliche Verkaufszahlen eines neuen Produkts). Bitten Sie sie, zu entscheiden, welches Wachstumsmodell (linear, exponentiell, logistisch) am besten passt, und begründen Sie ihre Wahl mit zwei Sätzen.

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Beziehungsfähigkeit
• Entscheidungsfähigkeit

Aktivität 02

• Projektbasiertes Lernen
• 30 Min. · Kleingruppen

Kleine Gruppen: Experimentdesign

Gruppen planen ein Experiment zur Erfassung von Wachstumsdaten, z. B. Hefewachstum. Sie definieren Variablen, Messmethoden und erwartete Modelle. Präsentation der Pläne in der Klasse.

Bewerten Sie die Grenzen mathematischer Modelle bei der Beschreibung komplexer Systeme.

Moderationstipp

Fordern Sie die Gruppen im Experimentdesign auf, ihre Versuchsanordnung vorab zu skizzieren und mögliche Störfaktoren zu benennen.

Worauf zu achten ist

Stellen Sie die Frage: 'Unter welchen Bedingungen könnte ein lineares Modell für das Wachstum einer Bakterienkultur genauer sein als ein exponentielles Modell?' Leiten Sie eine Diskussion über die Grenzen der Modelle und die Bedeutung des Kontexts.

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Beziehungsfähigkeit
• Entscheidungsfähigkeit

Aktivität 03

• Projektbasiertes Lernen
• 20 Min. · Ganze Klasse

Ganze Klasse: Modellkritik

Die Klasse diskutiert anhand von Beispieldaten die Grenzen der Modelle. Jede Gruppe trägt einen Aspekt bei, z. B. Sättigungseffekte. Gemeinsam notieren sie Kriterien für Modellwahl.

Designen Sie ein Experiment zur Datenerfassung, um ein spezifisches Wachstumsproblem zu modellieren.

Moderationstipp

Nutzen Sie die Modellkritik im Plenum als Forum, in dem Schülerinnen und Schüler ihre eigenen Ergebnisse hinterfragen und von anderen Feedback einholen.

Worauf zu achten ist

Präsentieren Sie eine Grafik mit Datenpunkten, die ein logistisches Wachstum zeigen. Fragen Sie: 'Welchen Wert hat die Kapazitätsgrenze laut diesem Modell, und woher wissen Sie das?'

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Beziehungsfähigkeit
• Entscheidungsfähigkeit

Aktivität 04

• Projektbasiertes Lernen
• 15 Min. · Einzelarbeit

Individuell: Vorhersageaufgabe

Jede Schülerin und jeder Schüler prognostiziert zukünftige Werte mit verschiedenen Modellen und begründet die Wahl. Ergebnisse werden in einer Tabelle dokumentiert.

Vergleichen Sie die Vorhersagekraft von linearen, exponentiellen und logistischen Modellen für reale Phänomene.

Moderationstipp

Legen Sie Wert auf eine klare Struktur bei der Vorhersageaufgabe: Zuerst Datenanalyse, dann Modellwahl, zum Schluss Begründung mit Kontextbezug.

Worauf zu achten ist

Geben Sie jeder Schülerin und jedem Schüler einen kurzen Datensatz (z.B. tägliche Verkaufszahlen eines neuen Produkts). Bitten Sie sie, zu entscheiden, welches Wachstumsmodell (linear, exponentiell, logistisch) am besten passt, und begründen Sie ihre Wahl mit zwei Sätzen.

• Anwenden
• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Beziehungsfähigkeit
• Entscheidungsfähigkeit

Einige Hinweise zum Unterrichten dieser Einheit

Erfahrene Lehrkräfte beginnen mit einfachen, anschaulichen Beispielen aus dem Alltag, etwa dem Wachstum einer Bakterienkultur oder den Verkaufszahlen eines neuen Produkts. Sie vermeiden zu frühe Abstraktion und fördern stattdessen das schrittweise Herantasten an komplexe Modelle. Wichtig ist, immer wieder den Kontext zu betonen, damit Schülerinnen und Schüler verstehen, warum bestimmte Modelle sinnvoll sind und wo ihre Grenzen liegen.

Erfolgreiches Lernen zeigt sich darin, dass Schülerinnen und Schüler passende Modelle auswählen, ihre Wahl begründen und die Grenzen der Modelle kritisch diskutieren können. Sie nutzen Residuenanalysen, um Vorhersagen zu validieren und Experimente sinnvoll zu gestalten.

---

Vorsicht vor diesen Fehlvorstellungen

• Während der Paararbeit: Watch for Schülerinnen und Schüler, die lineare Modelle auf beschleunigtes Wachstum anwenden. Korrigieren Sie direkt, indem Sie sie auffordern, die Grafik auf Krümmungen zu prüfen und dann ein exponentielles Modell zu testen.

  Fordern Sie die Lernenden auf, die Residuen beider Modelle zu berechnen und zu vergleichen, um zu zeigen, dass lineare Modelle systematische Abweichungen produzieren.

• Während der Modellkritik im Plenum: Watch for die Annahme, dass mathematische Modelle die Realität perfekt abbilden. Achten Sie darauf, dass Schülerinnen und Schüler konkrete Beispiele für ignorierte Faktoren nennen, z.B. 'Die logistische Kurve berücksichtigt keine plötzlichen Umweltveränderungen wie Dürren'.

  Lenken Sie die Diskussion auf die Residuenanalyse: Lassen Sie die Klasse überprüfen, ob die Reste zufällig verteilt sind oder systematische Muster aufweisen.

• Während des Experimentdesigns in der Kleingruppe: Watch for die vereinfachende Annahme, dass logistische Modelle unnötig sind. Fordern Sie die Gruppen auf, ihre Datensätze auf Sättigungseffekte zu untersuchen und zu begründen, ob diese berücksichtigt werden müssen.

  Bitten Sie die Schülerinnen und Schüler, ein logistisches Modell anzupassen und die Kapazitätsgrenze mit der Ressourcenverfügbarkeit im Kontext zu vergleichen.

---

In dieser Übersicht verwendete Methoden

• Projektbasiertes Lernen