Direkt zum InhaltDirekt zur SucheDirekt zur Navigation
▼ Zielgruppen ▼

Humboldt-Universität zu Berlin - Mathematisch-Naturwissen­schaft­liche Fakultät - Didaktik der Physik | Physics Education Research

Measurement uncertainties as a means to enhance students' ability to compare data

Measurement uncertainties as a means to enhance students' ability to compare data

Judging the quality of data is a competence that all students should have (Chinn & Malhotra, 2002). Being able to interpret this data is growing more and more important in our technological society (Sharma, 2006). Nevertheless, Kok, Priemer, Musold, & Masnick, (2019) have shown that showing more exact data (i.e. better quality) results in poorer decisions when comparing two data sets. In this study, students were introduced to an experiment in which the same quantity was measured six times, using two setups. The students were asked to compare the data of the two setups and judge whether the results were in agreement or not. They found that, with more decimal places, students’ ability to compare data sets was reduced. With more decimal places, measurement uncertainties become more explicit. Measurement uncertainties is a topic that is often neglected at schools (Priemer & Hellwig, 2018), and students often experience difficulties with this topic (Garfield & Ben‐Zvi, 2007; Ludwig, Priemer, & Lewalter, 2018; Priemer & Hellwig, 2018). The authors claim that this is the result of students’ inability to quantify the difference between two mean values, i.e. they lack the concept of an uncertainty interval.

In this study I aim to improve students’ ability to compare data sets by teaching them about measurement uncertainties. This topic is introduced through a series of interventions, based on the concepts of the model by Priemer & Hellwig, (2018).

 

Die Fähigkeiten Lernender im Vergleichen von Daten über Messunsicherheiten fördern

Die Qualität von Daten beurteilen zu können, stellt eine Fähigkeit dar, die in einer zunehmend technologischen Gesellschaft stetig an Bedeutung gewinnt (Sharma, 2006) und deshalb eine zentrale Fähigkeit von Schülerinnen und Schülern sein sollte (Chinn & Malhotra, 2002). Dennoch weisen Ergebnisse von Kok, Priemer, Musold und Masnick (2019) darauf hin, dass genauere Daten – also eine bessere Qualität dieser Daten – beim Vergleichen von zwei Messreihen bei Lernenden zu schlechteren Entscheidungen führen. In jener Studie wurde Lernenden ein quantitatives Experiment mit zwei unterschiedlichen Aufbauten vorgestellt, in welchem die gleiche Variable sechs Mal gemessen werden sollte. Die Lernenden wurden gebeten, ihre beiden resultierenden Datensätze zu vergleichen und zu entscheiden, ob die Ergebnisse miteinander verträglich seien. Aus diesem Setting schlussfolgerten die Autor*innen, dass die Fähigkeit von Lernenden, Datenreihen zu vergleichen, bei einer höheren Anzahl an Nachkommastellen schlechter wird. Mit einer erhöhten Anzahl an Nachkommastellen wurden Messunsicherheiten für die Lernenden präsenter. Da Messunsicherheiten ein vernachlässigtes Thema in Schulen darstellt (Priemer & Hellwig, 2018), weisen Lernende Schwierigkeiten im Umgang mit Messunsicherheiten auf (Garfield & Ben-Zvi, 2007; Ludwig, Priemer, & Lewalter, 2018; Priemer & Helllwig, 2018). Die Autor*innen folgern daraus, dass die Schwierigkeiten für Lernende darin bestehen, den Unterschied zwischen zwei Mittelwerten zu quantifizieren, also dass ihnen das Konzept der Varianz nicht ausreichend bewusst ist.

In meinem Vorhaben ziele ich deshalb auf eine Verbesserung des Vergleichens von Datenreihen von Lernenden ab, indem sie für Messunsicherheiten sensibilisiert werden. Diese Sensibilisierung erfolgt über die Entwicklung und Erprobung von Interventionen, welche auf den Konzepten des Sachstrukturmodells von Messunsicherheiten nach Priemer & Hellwig (2018) basieren.

 

References:

Chinn, C. A., & Malhotra, B. A. (2002). Epistemologically Authentic Inquiry in Schools: A Theoretical Framework for Evaluating Inquiry Tasks. Science Education, 86(2), 175–218. https://doi.org/10.1002/sce.10001

Garfield, J., & Ben‐Zvi, D. (2007). How Students Learn Statistics Revisited: A Current Review of Research on Teaching and Learning Statistics. International Statistical Review, 75(3), 372–396. https://doi.org/10.1111/j.1751-5823.2007.00029.x

Kok, K., Priemer, B., Musold, W., & Masnick, A. (2019). Students’ conclusions from measurement data: The more decimal places, the better? Physical Review Physics Education Research, 15(1), 010103. https://doi.org/10.1103/PhysRevPhysEducRes.15.010103

Ludwig, T., Priemer, B., & Lewalter, D. (2018). Decision-making in uncertainty-infused learning situations with experiments in physics classes. In Proceedings of the Tenth International Conference on Teaching Statistics (ICOTS10, July, 2018). Kyoto, Japan: Voorburg, The Netherlands: International Statistical Institute.

Priemer, B., & Hellwig, J. (2018). Learning About Measurement Uncertainties in Secondary Education: A Model of the Subject Matter. International Journal of Science and Mathematics Education, 16(1), 45–68. https://doi.org/10.1007/s10763-016-9768-0

Sharma, S. V. (2006). High School Students Interpreting Tables and Graphs: Implications for Research. International Journal of Science and Mathematics Education, 4(2), 241–268. https://doi.org/10.1007/s10763-005-9005-8