Karin Binder ist Professorin für Mathematikdidaktik and der LMU München. Damit ist sie Mitglied der mathematischen Fakultät einer doch recht angesehenen Universität im Land der Dichterinnen und Denkerinnen. Im Zentralblatt finden sich von ihrer Feder genau 0 Artikel.
Dennoch hat sie natürlich Sachen publiziert, und zwar vor allem eine: Das Häufigkeitsnetz. Bevor wir uns diesem zuwenden, schauen wir uns einige andere Ergebnisse ihrer Forschungen an. In
- Sechs verschiedene Darstellungsarten für "25%" - und wie man sie ineinander umrechnen kann
erklärt sie zusammen mit Patrick Wiesner, Prof. Dr. Stefan Krauss, Nicole Steib und Celina Leusch, wie man sechs verschiedene Darstellungsformen von 25 % ineinander umrechnen kann. Diese sechs Darstellungsarten
- 25 %; 0,25; 1/4; einer von vier; jeder Vierte; Verhältnis 1:3,
haben Prof. Dr. Binder und Prof. Dr. Krauss schon 2020 in einem fast 40-seitigen Artikel
- Natürliche Häufigkeiten als numerische Darstellungsart von Anteilen und Unsicherheit Forschungsdesiderate und einige Antworten
untersucht, und jetzt werden sie ineinander umgerechnet. Wenn man das mit den andern ganzzahligen Prozentzahlen von 0 bis 100 auch macht, hat man schon 100 Publikationen zusammen. Schwieriger wird es, wenn man versucht, Brüche wie 1/7 in Prozent umzuwandeln; vermutlich werden die Studierenden, die sich dafür interessieren, dazu an eine ausländische Universität gehen müssen.
It is possible to write endlessly on elliptic curves. (This is not a threat.)
- Binder, Krauss, Wiesner, A new visualization for probabilistic situations containing two binary events: the frequency net. Frontiers in Psychology. 2023
- Binder, Krauss, Steib, Bedingte Wahrscheinlichkeiten und Schnittwahrscheinlichkeiten GLEICHZEITIG visualisieren: Das Häufigkeitsnetz 2022
- Binder, Steib, Krauss, Von Baumdiagrammen über Doppelbäume zu Häufigkeitsnetzen – kognitive Überlastung oder didaktische Unterstützung? 2022
- Binder, Steib, Krauss, Das Häufigkeitsnetz - Alle Wahrscheinlichkeiten auf einen Blick erfassen 2021
- Wiesner, Binder, Krauss, Das Häufigkeitsnetz – Häufigkeiten und Wahrscheinlichkeiten geschickt verNETZt. 2020
- Binder, Weber, Krauss, Visualisierungen als Begründungshilfen in der Stochastik, 2019
- Binder, Krauss, Wassner, Der Häufigkeitsdoppelbaum - Anteilswerte und bedingte Wahrscheinlichkeiten vorteilhaft visualisieren, 2019,
- Bruckmaier, Binder, Krauss, Kufner, An Eye-Tracking Study of Statistical Reasoning With Tree Diagrams and 2 × 2 Tables, 2019
- Binder, Krauss, Wassner, Der Häufigkeitsdoppelbaum als didaktisch hilfreiches Werkzeug von der Unterstufe bis zum Abitur, 2018
- Binder, Förderung Bayesianischen Denkens. 2018 Dissertation Regensburg (Dr. phil. nat.)
- Binder, Marienhagen, Bayes’sches Denken – Schritt für Schritt – Mit Häufigkeiten und Baumdiagrammen Einsichten in komplexe Probleme ermöglichen, 2017
- Binder, Bruckmaier, Krauss, Marienhagen, Was bedeuten medizinische Testergebnisse wirklich. Baumdiagramme zur Visualisierung Bayesianischer Aufgaben. 2016
- Binder, Krauss, Bruckmaier, Marienhagen, Visualization of Complex Bayesian Tasks, 2016
- Binder, Krauss, Bruckmaier, Visualisierung komplexer Bayesianischer Aufgaben, 2016
- Binder, Krauss, Bruckmaier, Effects of visualizing statistical information – An empirical study on tree diagrams and 2 x 2 tables, 2015
Wenn man also wissen will, mit welcher Wahrscheinlichkeit Krebs vorliegt, wenn das Testergebnis positiv ist, rechnet man alle denkbaren bedingten Wahrscheinlichkeiten aus und sucht sich dann die richtige raus. Es versteht sich von selbst, dass sich revolutionäre Ideen wie diese nicht von alleine durchsetzen, also muss man schon etwas Werbung dafür machen. Das erklärt die vielen Publikationen zu diesem Thema.
- Im Vordergrund steht das Problem – oder: Warum ein Häufigkeitsnetz?
In der vorliegenden Studie wurden vollständig ausgefüllte Visualisierungen gezeigt, sodass weiterhin ungeklärt bleibt, ob nicht bei der eigenständigen Erstellung der jeweiligen Visualisierungen die kognitive Belastung höher als die didaktische Unterstützung ist.
In Bezug auf das Häufigkeitsnetz fehlen diesbezüglich aber bislang Erkenntnisse,inwiefern Schülerinnen und Schüler entsprechende Diagramme selbstständig anfertigenkönnen.
Die vorliegende Forschungsarbeit ist Teil des übergeordneten Projekts „Bayesian Reasoning“, ein kooperatives Forschungsprojekt der Universitäten Freiburg, Kassel und Regensburg sowie der Pädagogischen Hochschule Heidelberg und der Ludwig-Maximilians-Universität München zur Untersuchung der Unterstützung des Bayesianischen Denkens: http://www.bayesianreasoning.de/bayes.html.