Mit Mikrocontrollern: Dynamische Daten in den Naturwissenschaften – eine SWOT-Analyse
DOI:
https://doi.org/10.25321/prise.2023.1391Abstract
Hintergrund: Die Stärken, Schwächen, Chancen und Risiken beim Einsatz von Mikrokontrollern zur dynamischen Visualisierung von Daten in den Naturwissenschaften wurden basierend auf Fachliteratur und Beobachtungen im Themenfeld Fotosynthese mittels SWOT-Analyse geordnet.
Ziel: Anhand eines beispielhaften Datensatzes zur Fotosynthese werden die besonderen didaktischen Möglichkeiten dynamischer Daten aufgezeigt. Diese beruhen insbesondere darauf, dass mit dynamischen, also zeitlich direkt aufgelösten und sich mindestens teilweise verändernde Daten auch weitere Informationsebenen sowie subjektive Erlebnismöglichkeiten verbunden sind.
Ergebnisse: Dynamische Visualisierung können mehr und oft relevantere Informationen liefern als statische Illustrationen, z.B. können naturwissenschaftliche Phänomene mit einer Zeitvorstellung verknüpft werden und Veränderungsraten werden im eigenen Zeitgefühl erlebbar. Ausserdem motivieren dynamische Daten zu Interaktivität. Abstrakte naturwissenschaftliche Phänomene können für Schüler:innen zugänglicher, sichtbarer und insbesondere erlebbarer gemacht werden. Die Interpretation dynamischer Daten kann aber sowohl für Lernende als auch für Lehrende herausfordernd sein. Es besteht das Risiko der Konzentration auf Details der Dynamik, die prägnant aber unwichtig sind, zudem besteht die Gefahr der Missinterpretation aufgrund nicht erkannter Querbeeinflussungen.
Fazit: Die Interpretation von dynamischen Daten hat enormes didaktisches Potential. Insbesondere mit dem Voranschreiten der Fähigkeiten von etablierten Mikrokontrollern wie micro:bit und der damit einhergehenden einfacheren Zugänglichkeit durch blockbasierte Programmierung können zusätzliche motivierende Lernmöglichkeiten realisiert werden.
Keywords: Dynamische Daten, Echtzeitdaten, Datenvisualisierung, Fotosynthese, Mikrocontroller, micro:bit
Downloads
Published
Issue
Section
License
Copyright (c) 2024 The Author/s
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal. The applicable licence is https://creativecommons.org/licenses/by-nc-sa/4.0/, which means
You are free to:
Share — copy and redistribute the material in any medium or format
Adapt — remix, transform, and build upon the material under the following terms:
Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial: You may not use the material for commercial purposes.
ShareAlike: If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (see The Effect of Open Access).
