Mathematik · Klasse 10 · Stochastik: Bedingte Wahrscheinlichkeiten und Datenanalyse · 2. Halbjahr

Manipulation mit Statistiken

Die Schülerinnen und Schüler analysieren kritisch Diagramme und Kennzahlen in Medien und Politik und identifizieren mögliche Verzerrungen.

• KMK Bildungsstandards
• KMK.MA.STO.10.9
• KMK.MA.STO.10.10

Über dieses Thema

Im Thema „Manipulation mit Statistiken“ analysieren Schülerinnen und Schüler der Klasse 10 Diagramme und Kennzahlen aus Medien und Politik. Sie lernen, Verzerrungen wie unpassende Achsenskalierungen zu erkennen, die Trends übertrieben darstellen. Gleichzeitig unterscheiden sie Korrelation von Kausalität und prüfen, wie die Wahl der Stichprobe die Repräsentativität beeinflusst. Diese Fähigkeiten fördern kritisches Denken und schützen vor irreführenden Darstellungen in Alltag und Gesellschaft.

Das Thema knüpft an die KMK-Standards KMK.MA.STO.10.9 und KMK.MA.STO.10.10 an und ist Teil der Unit „Stochastik: Bedingte Wahrscheinlichkeiten und Datenanalyse“. Schüler beantworten zentrale Fragen: Wie verzerren Achsenskalierungen die Wahrnehmung von Trends? Was unterscheidet Korrelation von Kausalität und warum ist das wichtig? Wie kann die Stichprobenwahl manipuliert werden, um Ergebnisse zu beeinflussen? Aktuelle Beispiele aus Zeitungen oder Wahlkampagnen machen den Inhalt greifbar und relevant.

Aktives Lernen ist hier besonders wirksam, weil Schüler selbst Diagramme manipulieren und die Wirkung auf Mitschüler testen. Solche Übungen vertiefen das Verständnis für subtile Tricks und trainieren argumentative Diskussionen. Dadurch werden abstrakte Konzepte konkret und bleiben langfristig im Gedächtnis.

Leitfragen

1. Wie können Achsenskalierungen die Wahrnehmung eines Trends verzerren?
2. Was ist der Unterschied zwischen Korrelation und Kausalität und warum ist diese Unterscheidung wichtig?
3. Warum ist die Stichprobenwahl entscheidend für die Repräsentativität und wie kann sie manipuliert werden?

Lernziele

• Analysieren, wie Achsenskalierungen in Diagrammen die visuelle Interpretation von Daten verzerren können.
• Bewerten, ob eine Korrelation zwischen zwei Variablen auf eine Kausalität hindeutet, und begründen, warum diese Unterscheidung wichtig ist.
• Identifizieren, wie Stichprobenziehungsmethoden die Repräsentativität von Daten beeinflussen und zu manipulierten Schlussfolgerungen führen können.
• Erklären Sie die Rolle von bedingten Wahrscheinlichkeiten bei der Interpretation von Statistiken in realen Szenarien.

Bevor es losgeht

Grundlagen der Wahrscheinlichkeitsrechnung

Warum: Ein grundlegendes Verständnis von Wahrscheinlichkeitskonzepten ist notwendig, um bedingte Wahrscheinlichkeiten und deren Anwendung in der Datenanalyse zu verstehen.

Darstellung von Daten in Diagrammen

Warum: Schüler müssen verschiedene Diagrammtypen (Balken-, Linien-, Kreisdiagramme) kennen und erstellen können, um deren Manipulation und Interpretation zu analysieren.

Schlüsselvokabular

Achsenskalierung	Die Art und Weise, wie die Werte auf den Achsen eines Diagramms angeordnet sind. Eine manipulierte Skalierung kann Trends übertrieben oder abgeschwächt darstellen.
Korrelation	Ein statistischer Zusammenhang zwischen zwei Variablen, bei dem sie sich gemeinsam ändern. Dies bedeutet jedoch nicht zwangsläufig, dass die eine Variable die andere verursacht.
Kausalität	Eine Beziehung, bei der eine Variable direkt eine Veränderung in einer anderen Variablen verursacht.
Stichprobenziehung	Der Prozess der Auswahl einer Teilmenge von Individuen aus einer größeren Population, um statistische Schlussfolgerungen über die gesamte Population zu ziehen.
Repräsentativität	Das Ausmaß, in dem eine Stichprobe die Merkmale der Population widerspiegelt, aus der sie gezogen wurde.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

Korrelation bedeutet immer Kausalität.

Was Sie stattdessen lehren sollten

Viele Schüler glauben, dass zwei variierende Größen kausal verbunden sind. Aktive Debatten mit Alltagsbeispielen wie Sonnencreme und Haifischattacken helfen, den Unterschied zu erkennen. Gruppenarbeit fördert das Hinterfragen und schult evidenzbasiertes Denken.

Häufige Fehlvorstellung

Größere Stichproben sind immer repräsentativ.

Was Sie stattdessen lehren sollten

Schüler überschätzen oft die Größe und unterschätzen die Auswahl. Simulationsübungen, bei denen sie selbst verzerrte Proben ziehen, machen klar, warum Zufall und Diversität entscheidend sind. Peer-Feedback verstärkt das Lernen.

Häufige Fehlvorstellung

Diagramme in Medien sind immer objektiv.

Was Sie stattdessen lehren sollten

Viele nehmen Medienvisualisierungen für wahr. Das Analysieren echter Artikel in Stationen offenbart Tricks wie Y-Achsen-Starts bei 80 Prozent. Diskussionen in Gruppen bauen Skepsis auf.

Ideen für aktives Lernen

Gruppenanalyse: Medien-Diagramme

Teilen Sie aktuelle Zeitungsdiagramme aus. Gruppen identifizieren Verzerrungen wie Achsenmanipulationen, diskutieren Korrelation versus Kausalität und notieren Begründungen. Präsentieren Sie die Ergebnisse der Klasse.

45 Min.·Kleingruppen

Planspiel: Stichproben-Manipulation

Schüler ziehen Stichproben aus einer Klasse (z. B. für Lieblingsessen) und verändern sie bewusst (z. B. nur Jungs). Sie vergleichen Diagramme und debattieren Repräsentativität. Abschließend korrektes Sampling üben.

50 Min.·Partnerarbeit

Debatte: Korrelation oder Kausalität?

Paaren Sie Beispiele wie Eisverkäufe und Ertrinken. Paare argumentieren für Kausalität oder Korrelation, nutzen Flipcharts. Die Klasse votet und diskutiert evidenzbasierte Schlüsse.

35 Min.·Partnerarbeit

Werkstatt: Eigene Diagramme bauen

Individuell ein neutrales Dataset manipulieren (Achsenskalen ändern, Ausreißer verstecken). In Kleingruppen austauschen und gegenseitig Fehler finden. Gemeinsam Kriterien für faire Darstellungen entwickeln.

40 Min.·Kleingruppen

Bezüge zur Lebenswelt

• Politische Kampagnen nutzen oft Grafiken in Wahlwerbespots oder auf Social Media, um die Leistung eines Kandidaten oder die Schwächen des Gegners hervorzuheben. Eine gestauchte Y-Achse kann einen geringen Stimmenzuwachs wie einen dramatischen Anstieg aussehen lassen.
• Wirtschaftsnachrichten präsentieren häufig Diagramme zu Arbeitslosenquoten oder Inflationsraten. Ohne kritische Analyse der Achsenskalierung und der zugrundeliegenden Daten könnten Zuschauer zu falschen Schlüssen über die wirtschaftliche Gesundheit gelangen.
• Marktforschungsunternehmen wählen Stichproben für Umfragen aus, um Konsumverhalten vorherzusagen. Wenn die Stichprobe nicht repräsentativ ist (z.B. nur Personen mit hohem Einkommen befragt werden), können die Ergebnisse für die gesamte Bevölkerung irreführend sein.

Ideen zur Lernstandserhebung

Lernstandskontrolle

Geben Sie den Schülern ein Diagramm mit einer manipulierten Achsenskalierung. Bitten Sie sie, auf einer Karteikarte zu notieren, wie die Skalierung die Wahrnehmung des Trends beeinflusst und wie sie korrigiert werden könnte.

Diskussionsfrage

Stellen Sie die Frage: 'Ein Unternehmen stellt fest, dass der Verkauf von Eiscreme und die Zahl der Ertrinkungsfälle im Sommer steigen. Ist der Verkauf von Eiscreme die Ursache für Ertrinkungsfälle?' Lassen Sie die Schüler in Kleingruppen diskutieren und ihre Argumente darlegen, um Korrelation von Kausalität zu unterscheiden.

Kurze Überprüfung

Zeigen Sie zwei verschiedene Diagramme, die dieselbe Datenmenge darstellen, aber unterschiedliche Stichproben verwenden. Fragen Sie die Schüler: 'Welches Diagramm ist wahrscheinlich repräsentativer für die Gesamtbevölkerung und warum? Welche potenziellen Verzerrungen sehen Sie in der anderen Stichprobe?'

Häufig gestellte Fragen

Wie erkennt man verzerrte Achsenskalierungen in Diagrammen?

Achten Sie auf Achsen, die nicht bei Null beginnen oder Sprünge haben, was Trends übertreibt. Fordern Sie Schüler auf, Originaldaten zu plotten und Vergleiche anzustellen. Praktische Übungen mit Graph-Papier zeigen, wie kleine Änderungen die Wahrnehmung manipulieren. So lernen sie, Diagramme immer mit Skepsis zu betrachten und Quellen zu prüfen.

Was ist der Unterschied zwischen Korrelation und Kausalität?

Korrelation beschreibt, dass zwei Variablen zusammen variieren, ohne Ursache-Wirkung zu implizieren. Kausalität erfordert Beweise für Einfluss, z. B. durch Experimente. Beispiele wie Schokoladenkonsum und Nobelpreise verdeutlichen das. Schüler üben mit Debatten, um den Fehler zu vermeiden und fundierte Schlüsse zu ziehen.

Wie kann aktives Lernen Manipulation mit Statistiken vermitteln?

Aktives Lernen lässt Schüler Diagramme selbst manipulieren und testen, z. B. Achsen ändern und Mitschüler täuschen. Gruppenanalysen realer Medienbeispiele fördern Diskussionen über Korrelation und Stichproben. Solche Hände-auf-Ansätze machen abstrakte Verzerrungen erlebbar, stärken kritisches Denken und erhöhen die Motivation durch Relevanz zu Politik und Alltag.

Warum ist die Stichprobenwahl für Repräsentativität entscheidend?

Eine Stichprobe muss die Population widerspiegeln, sonst verzerren Bias-Effekte wie Auslassung von Gruppen die Ergebnisse. Schüler simulieren das mit Klassenumfragen und vergleichen verzerrte versus faire Proben. Diese Erfahrung zeigt, wie Umfragen manipuliert werden, und lehrt Kriterien wie Zufallsauswahl für valide Analysen.