Mathematik im gesellschaftlichen Kontext

Aktive Lernformen machen die abstrakte Verbindung zwischen Mathematik und Gesellschaft greifbar. Durch Debatten, Rollenspiele und Fallanalysen erkennen Schülerinnen und Schüler, dass mathematische Modelle nicht neutral sind, sondern gesellschaftliche Werte und Entscheidungen widerspiegeln. Erst das praktische Erleben zeigt die Tragweite dieser Erkenntnis.

• Klasse 13
• Analysis, Analytische Geometrie und Stochastik: Vorbereitung auf das Abitur
• 4 Aktivitäten
• 40 Min.–60 Min.

Lernziele

1. Analysieren Sie, wie statistische Modelle in Wahlkampfstrategien zur Beeinflussung der öffentlichen Meinung eingesetzt werden.
2. Bewerten Sie die Zuverlässigkeit von Wirtschaftsmodellen bei der Vorhersage von Marktentwicklungen unter Berücksichtigung externer Schocks.
3. Kritisieren Sie die ethischen Implikationen von algorithmischen Entscheidungssystemen im Kontext von Kreditvergabe oder Strafjustiz.
4. Synthetisieren Sie Argumente für und gegen den Einsatz von KI in der medizinischen Diagnostik unter Berücksichtigung von Datenschutz und Fehlerrisiken.

Debatte

⏱ 45 Min.·Kleingruppen

Debatte: Statistik in der Politik

Teilen Sie die Klasse in Pro- und Kontra-Gruppen auf. Jede Gruppe bereitet Argumente vor, wie statistische Kennzahlen Wahlen beeinflussen. Nach 10 Minuten Präsentation folgt eine offene Diskussion mit Moderator. Schüler notieren Gegenargumente.

Vorbereitung & Details

Analysieren Sie, inwiefern statistische Kennzahlen politische Entscheidungen und deren Wahrnehmung beeinflussen.

Moderationstipp: Bei der Debatte 'Statistik in der Politik' achten Sie darauf, dass die Gruppen sowohl Pro- als auch Kontra-Argumente sammeln, bevor sie in die Diskussion gehen, um eine ausgewogene Perspektive zu fördern.

Setup: Zwei sich gegenüberstehende Teams, Sitzplätze für das Publikum

Materials: Thesenkarte für die Debatte, Recherche-Dossier für jede Seite, Bewertungsbogen für das Publikum, Stoppuhr

• Analysieren
• Bewerten
• Erschaffen
• Selbststeuerung
• Entscheidungsfähigkeit

Fallstudienanalyse

⏱ 50 Min.·Kleingruppen

Fallstudienanalyse: Wirtschaftsmodell

Geben Sie reale Daten zu einer Wirtschaftskrise aus. Gruppen modellieren Vorhersagen mit einfachen Regressionsfunktionen und diskutieren Abweichungen zur Realität. Präsentieren Sie Ergebnisse und Grenzen.

Vorbereitung & Details

Bewerten Sie, wo die Vorhersagekraft mathematischer Modelle in der echten Welt endet.

Moderationstipp: Verteilen Sie für die Fallstudie 'Wirtschaftsmodell' echte Datensätze aus verlässlichen Quellen und lassen Sie die Schüler die Annahmen des Modells direkt am Material markieren.

Setup: Gruppentische mit Platz für die Fallunterlagen

Materials: Fallstudien-Paket (3-5 Seiten), Arbeitsblatt mit Analyseraster, Präsentationsvorlage

• Analysieren
• Bewerten
• Erschaffen
• Entscheidungsfähigkeit
• Selbststeuerung

Rollenspiel

⏱ 40 Min.·Partnerarbeit

Rollenspiel: Ethische Algorithmen

Schüler übernehmen Rollen als Mathematiker, Politiker und Betroffene. Sie debattieren die Ethik eines KI-Algorithmus für Kreditzuweisung. Abschließende Reflexion in Plenum.

Vorbereitung & Details

Diskutieren Sie die ethische Verantwortung von Mathematikern bei der Entwicklung von Algorithmen.

Moderationstipp: Im Rollenspiel 'Ethische Algorithmen' geben Sie den Schülerinnen und Schülern klare Rollenkarten mit unterschiedlichen Interessen vor, um echte Konflikte zu simulieren.

Setup: Spielfläche oder entsprechend angeordnete Tische für das Szenario

Materials: Rollenkarten mit Hintergrundinfos und Zielen, Szenario-Briefing

• Anwenden
• Analysieren
• Bewerten
• Sozialbewusstsein
• Selbstwahrnehmung

Fishbowl-Diskussion

⏱ 60 Min.·Partnerarbeit

Modellkritik-Stationen

Richten Sie Stationen zu Politik, Wirtschaft und Technik ein. An jeder analysieren Paare ein Modell, notieren Stärken und Schwächen. Rotation nach 10 Minuten, abschließende Synthese.

Vorbereitung & Details

Analysieren Sie, inwiefern statistische Kennzahlen politische Entscheidungen und deren Wahrnehmung beeinflussen.

Moderationstipp: Bei den 'Modellkritik-Stationen' stellen Sie sicher, dass die Stationen verschiedene Modelle abdecken, damit die Kritikfähigkeit nicht nur an einem Beispiel trainiert wird.

Setup: Innenkreis mit 4–6 Stühlen, umgeben von einem Außenkreis

Materials: Diskussionsimpuls oder Leitfrage, Beobachtungsbogen

• Analysieren
• Bewerten
• Sozialbewusstsein
• Selbstwahrnehmung

Dieses Thema unterrichten

Beginne mit konkreten Beispielen, die den Lernenden vertraut sind, wie Wahlprognosen oder Kreditbewertungen. Vermeide eine rein theoretische Auseinandersetzung mit Modellkritik, sondern lasse die Schüler selbst Annahmen hinterfragen. Forschung zeigt, dass Schüler dann am meisten lernen, wenn sie die Konsequenzen von Modellen in realen Kontexten durchspielen dürfen.

Was Sie erwartet

Am Ende der Einheit können die Lernenden konkrete Beispiele benennen, in denen mathematische Modelle gesellschaftliche Prozesse beeinflussen, und fundiert über deren Grenzen sowie ethische Implikationen diskutieren. Erfolg zeigt sich darin, dass sie Annahmen hinter Modellen hinterfragen und nicht nur Fakten wiedergeben.

Vorsicht vor diesen Fehlvorstellungen

Häufige Fehlvorstellung

Während der Debatte 'Statistik in der Politik' könnte der Eindruck entstehen, dass mathematische Modelle immer präzise Vorhersagen treffen.

Was Sie stattdessen lehren sollten

Nutzen Sie die Debatte, um gezielt zu fragen: 'Welche Annahmen stecken hinter den politischen Prognosen? Wo sehen Sie Unsicherheiten?' und lenken Sie die Diskussion auf die Vereinfachungen der Modelle.

Häufige Fehlvorstellung

Während der Fallstudie 'Wirtschaftsmodell' könnte angenommen werden, dass statistische Kennzahlen vollständig objektiv sind.

Was Sie stattdessen lehren sollten

Fordern Sie die Schüler auf, die Auswahl der Kennzahlen und deren Darstellung im Modell zu vergleichen und zu diskutieren, wie unterschiedliche Interpretationen möglich sind.

Häufige Fehlvorstellung

Während des Rollenspiels 'Ethische Algorithmen' könnte die Meinung entstehen, Mathematiker trügen keine Verantwortung für die Anwendung ihrer Modelle.

Was Sie stattdessen lehren sollten

Nutzen Sie die Rollenkarten, um die Schüler direkt zu fragen: 'Welche Konsequenzen hat ihr Algorithmus für die betroffenen Personen?' und lassen Sie sie ethische Dilemmata benennen und diskutieren.

Ideen zur Lernstandserhebung

Diskussionsfrage

Nach der Fallstudie 'Wirtschaftsmodell' teilen Sie die Klasse in Kleingruppen auf. Jede Gruppe erhält einen Datensatz und soll diskutieren: Welche Annahmen liegen dem Modell zugrunde? Wo liegen mögliche Schwächen oder ethische Probleme? Sammeln Sie die Kernerkenntnisse und lassen Sie zwei Gruppen ihre Ergebnisse präsentieren.

Lernstandskontrolle

Nach dem Rollenspiel 'Ethische Algorithmen' bitten Sie die Schüler, auf einem Zettel zu notieren: Nennen Sie ein Beispiel, wo ein mathematisches Modell ethische Probleme verursacht hat. Erklären Sie kurz, warum das Modell in diesem Fall problematisch war.

Kurze Überprüfung

Während der Debatte 'Statistik in der Politik' stellen Sie die kontroverse Aussage 'Statistiken lügen nie' auf. Lassen Sie die Schüler per Handzeichen abstimmen und bitten Sie anschließend 2-3 Schüler, ihre Entscheidung kurz zu begründen. Heben Sie dabei die Grenzen von Modellen hervor.

Erweiterungen & Unterstützung

• Fordern Sie die Schüler auf, ein eigenes Mini-Modell zu einem lokalen Thema zu entwickeln (z.B. Schulweg-Statistik) und dessen Grenzen zu reflektieren.
• Bieten Sie für unsichere Schüler eine Vorlage an, in der sie die Annahmen des Modells aus der Fallstudie strukturiert eintragen können.
• Vertiefen Sie das Thema mit einem Gastvortrag einer Person aus der Praxis (z.B. Statistiker:in oder Datenjournalist:in), die über die Umsetzung von Modellen berichtet.

Schlüsselvokabular

Statistische Kennzahl	Ein numerischer Wert, der eine charakteristische Eigenschaft einer Stichprobe oder Grundgesamtheit beschreibt und zur Datenanalyse verwendet wird.
Modellunsicherheit	Das Ausmaß der Ungenauigkeit oder Unzuverlässigkeit, das mit mathematischen Modellen verbunden ist, insbesondere wenn sie zur Vorhersage komplexer Systeme eingesetzt werden.
Algorithmus	Eine schrittweise Anleitung oder ein Regelwerk zur Lösung eines Problems oder zur Durchführung einer Berechnung, oft verwendet in der Informatik und künstlichen Intelligenz.
Bias (verzerrte Darstellung)	Eine systematische Abweichung in Daten oder Modellen, die zu unfairen oder diskriminierenden Ergebnissen führen kann, oft aufgrund von Vorurteilen in den Trainingsdaten.