Refine
Document Type
- Working Paper (3)
- Doctoral Thesis (2)
Language
- German (5) (remove)
Is part of the Bibliography
- no (5)
Keywords
- Statistik (5) (remove)
Institute
- Fakultät für Kultur- und Naturwissenschaften (5) (remove)
Eine Pandemie stellt die Entscheidungsfindung vor besondere Herausforderungen, da Entscheidungen kontinuierlich an sich schnell ändernde Beweise und verfügbare Daten angepasst werden müssen. Welche Gegenmaßnahmen sind zum Beispiel in einem bestimmten Stadium der Pandemie angemessen? Wie lässt sich die Schwere der Pandemie messen? Wie wirkt sich die Impfung in der Bevölkerung aus und welche Gruppen sollten zuerst geimpft werden? Der Prozess der Entscheidungsfindung beginnt mit der Datenerhebung und -modellierung und setzt sich bis zur Verbreitung der Ergebnisse und den anschließend getroffenen Entscheidungen fort. Das Ziel dieser Arbeit ist es, einen Überblick über diesen Prozess zu geben und Empfehlungen für die verschiedenen Schritte aus statistischer Sicht zu geben. Insbesondere diskutieren wir eine Reihe von Modellierungstechniken, darunter mathematische, statistische und entscheidungsanalytische Modelle sowie deren Anwendungen im COVID-19-Kontext. Mit dieser Übersicht möchten wir das Verständnis für die Ziele dieser Modellierungsansätze und die spezifischen Datenanforderungen fördern, die für die Interpretation der Ergebnisse und für erfolgreiche interdisziplinäre Kooperationen unerlässlich sind. Ein besonderer Schwerpunkt liegt auf der Rolle, die Daten in diesen verschiedenen Modellen spielen, und wir beziehen in die Diskussion die Bedeutung statistischer Grundkenntnisse und einer effektiven Verbreitung und Kommunikation von Erkenntnissen ein.
Die Autoren schreiben: " Insgesamt scheinen wir mit unserer Diskussion über die Rolle, die Daten und Statistiken in der COVID-19-Pandemie gespielt haben und weiterhin in anderen Krisen spielen, einen Nerv in der Statistik-Community getroffen zu haben. Wir versuchen nicht, alle in den Kommentaren erwähnten Punkte anzusprechen, sondern konzentrieren uns auf einige der Hauptthemen, die von mehreren Diskussionsteilnehmern angesprochen wurden."
Um Menschen auf den Umgang mit Gefahren, Krankheiten und Katastrophen vorzubereiten, muss ihnen Statistik vermittelt werden, und zwar idealerweise durch gute Darstellungsformate dynamisch. Diese Dynamiken in einfache Kommunikation zu übersetzen, ist das, was Regierungen von Wissenschaftlern brauchen.
Ziel dieser Arbeit ist es eine innovative statistische Lerneinheit zu entwickeln und zu evaluieren, mit deren Hilfe Mathematiklehramtsstudierende der Sekundarstufe I (und dann auch ihre Schülerinnen und Schüler) sich anhand multivariater Datensätze zu gesellschaftlich-relevanten Themen die Bereiche erarbeiten, die für eine evidenzbasierte Bewertung einer datenbasierten Aussage berücksichtigt werden sollten. Dazu wird zunächst ein Überblick über verschiedene Definitionen von statistischer Grundbildung gegeben, um im Anschluss die Verwendung innerhalb dieser Arbeit zu beschreiben. Sowohl die Relevanz statistischer Kompetenzen für mündige Bürger und deren Bedeutung innerhalb der Demokratie, als auch die Förderung von Mündigkeit in der Schule werden erörtert. Daran im Anschluss wird untersucht, welche Beiträge zur Verknüpfung von Statistik und Mündigkeit es innerhalb der Fachdidaktischen Statistik-Community gibt. Die statistische Lerneinheit, das CQS-Modul (critical questioning of data-based statements), und das Seminar, in dem es eingesetzt wurde, werden ausführlich beschrieben. Das CQS-Modul dient der Erarbeitung der Bereiche, die für eine evidenzbasierte Bewertung einer datenbasierten Aussage berücksichtigt werden sollten. Der empirische Teil der Arbeit besteht aus der Auswertung des eingesetzten Fragebogens, mit dem die Wirksamkeit des CQS-Moduls und des Seminars getestet wird, in welchem das CQS-Modul eingesetzt wurde. Dies impliziert die Aufstellung und Analyse von Strukturmodellen zu den Einflüssen der Variablen Wissen im Bereich Statistical Literacy, Einstellungen zur Statistik, Geschlecht und Teilnahme am Seminar im Pre-Posttestdesign. Die Ergebnisse werden im Anschluss diskutiert.