1 of 28

Mathematikapps für die Grundschule analysieren

Analysen und �Systematisierungen

​

Jahrestagung der Gesellschaft �für Didaktik der Mathematik

Essen, 05.03.2024

appsa

.de

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

2 of 28

Gliederung

  • Mathematikapps für die Grundschule analysieren
    • Einstieg
    • Forschungslage
    • Bisherige Bestandsanalysen
    • Mögliche Analysekategorien�
  • Mappsa 1.0
    • Bestandsanalyse August 2022
    • Ergebnisse (N = 227 Apps)
    • Diskussion und Folgerungen�
  • Mappsa 2.0
    • Neuausrichtung (N = 134 Apps)
    • Erste Ergebnisse
    • Ausblick

appsa

.de

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

3 of 28

​

​

​

​

Riesiges Angebot - �Aber wie finde ich

‘die richtige’ App?

Einstieg

3

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

4 of 28

​

​

​

​

Riesiges Angebot - �Aber wie finde ich

‘die richtige’ App?

Einstieg

4

„An important goal for mathematics education �is the design and selection of mathematics ‚apps‘ “ 
�(Moyer-Packenham et al., 2015)

„the time pressures on teachers and the continuing expansion of the number of apps targeting primary aged students (and their teachers and parents), supports our claim that robust research […] is vital in assisting largely time poor classroom teachers to select appropriate mathematics apps“ 
�(Larkin & Milford 2018, S. 28)

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

5 of 28

Einstieg

Aber: Es ist jedoch bislang kaum empirisch untersucht….

  • inwieweit die App Stores ein hinreichendes Angebot für das Erreichen curricularer Ziele aufweisen,
  • welche Phasen des Lernprozesses verfügbare Apps adressieren,
  • inwieweit (mathematikdidaktische) Potentiale digitaler Medien berücksichtigt werden.

5

Es besteht die Notwendigkeit der Analyse und der Systematisierung des Bestandes,
um Lehrkräfte zu �unterstützen und Entwicklungsbedarfe offenzulegen 
�(Calder, 2015; Padberg & Benz, 2021; Krauthausen, 2012; Trouche et al., 2013; Walter, 2018)

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

6 of 28

Bisherige Bestandsanalysen

Forschungslage

  • Goodwin & Highfield, 2013:
    • N=360 ‚populäre‘ Apps verschiedener Fächer der Rubrik „Bildung“
    • Dominanz an Apps mit instruktivem Design (74 %); kaum Apps mit manipulierbaren Elementen�
  • Larkin, 2014; 2015:
    • N=142 Mathematikapps für den Grundschulunterricht
    • Dominanz des Inhaltsbereichs Number and Algebra (105 Apps)
    • Dominanz an Apps, die zur Ausbildung deklarativen Wissens (44 %) und prozeduralen Wissens (30 %) geeignet erscheinen. Fokus auf konzeptuellem Wissen ist weniger stark vertreten (10 %)�
  • Namukasa et al, 2016:
    • N=80 Mathematikapps für den Grundschul- und Sekundarbereich
    • 4 von 80 Apps wurden für die Entwicklung konzeptuellen Wissens als geeignet eingestuft

6

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

7 of 28

Mögliche Analysekategorien - Vier Schwerpunkte:

Forschungslage

  • Oberflächenmerkmale
    • Daten aus den Appstores
    • Reduzierung auf das Wesentliche
    • Belohnungsmechanismen
    • Zuordnung Klassenstufe�
  • Curriculare Ziele
    • Inhaltsbezogene Kompetenzen
    • Prozessbezogene Kompetenzen�
  • Lernprozesssegmente
    • Auf Grundlage der Übungsmatrix
    • Typen produktiven Übens�
  • Potenziale digitaler Medien
    • Mathematikdidaktische Potenziale
    • Unterrichtsorganisatorische Potenziale

7

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

8 of 28

Oberflächenmerkmale

Forschungslage

  • Daten aus den Appstores?
    • Preis
    • Plattform (Apple/ Android)
    • Downloadzahlen
    • Bewertungsanzahl/ - schnitt�
  • Belohnungsmechanismen?

​

​

​

​

App Coole Mathe Spiele: Bike Race�Mappsa-ID A129

  • Reduzierung auf das Wesentliche?

​

​

​

​

​

​

�App Mathespaß für kluge Kinder�Mappsa-ID A093�

  • Zuordnung Klassenstufe?

8

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

9 of 28

Curriculare Ziele

Forschungslage

9

(KMK, 2022)

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

10 of 28

Lernprozesssegmente

Forschungslage

10

(Wittmann, 1992;
PIKAS-Team, o.J.)

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

11 of 28

Mathematikdidaktische Potenziale

Forschungslage

  • Multitouch-Technologie�(vgl. Baccaglini-Frank & Maracci 2015; Ladel & Kortenkamp 2011; Ladel 2016; Sinclair & Heyd-Metzuyanim 2014)�
  • Synchronität und Vernetzung der Darstellungen (MELRs)
�(vgl. Barzel 2006, Laakmann 2008, Ainsworth 2006; Harrop 1999; Ladel 2009, Maschietto & Trouche 2010)
�
  • Auslagerung von Kalkül
�(vgl. Barzel et. al. 2005; Krauthausen & Lorenz 2011; Ladel 2016; Sarama & Clements 2016; Urff 2014)�
  • Strukturierungshilfen
�(vgl. Ladel 2009; Sarama & Clements 2016; Urff 2014)�
  • Passung zwischen Handlung und Operation
�(vgl. Sarama & Clements 2006; Peltenburg, van den Heuvel-Panhuizen & Doig 2009; Thompson 1992)�
  • Informative Rückmeldung
�(vgl. Harrass 2007; Schulz & Walter 2018)

+ Unterrichtsorganisatorische Potenziale �(Unbegrenzter Materialvorrat, Komfortable Dokumentation von Bearbeitungen, Unbegrenzter Vorrat an Aufgaben)

11

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

12 of 28

Gliederung

  • Mathematikapps für die Grundschule analysieren
    • Einstieg
    • Forschungslage
    • Bisherige Bestandsanalysen
    • Mögliche Analysekategorien�
  • Mappsa 1.0
    • Bestandsanalyse August 2022
    • Ergebnisse (N = 227 Apps)
    • Diskussion und Folgerungen�
  • Mappsa 2.0
    • Neuausrichtung (N = 134 Apps)
    • Erste Ergebnisse
    • Ausblick

appsa

.de

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

13 of 28

August 2022: Analyse von 227 Apps

Mappsa 1.0: Bestandsanalyse

  • Erstellen einer Datenbank (mappsa.de)
  • Vier Analyseschwerpunkte
  • Erstellen eines Analyseinstrumentes mit 27 Kategorien�(ausführliches Kodierhandbuch → Beitrag ZMFP)
  • Doppelte unabhängige Kodierung
  • Interrater-Reliabilität: Übereinstimmung in ca. 99 % aller Entscheidungen
  • Auswertung mittels Methoden deskriptiver Statistik

​

Veröffentlich in: Walter, D. & Schwätzer, U. (2023). �Mathematikapps für die Grundschule analysieren. �Zeitschrift für Mathematik in Forschung und Praxis, Nr. 4, doi.org/10.48648/yhp7-0g75

13

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

14 of 28

Analyseschwerpunkt ‚Curriculare Ziele‘

Mappsa 1.0: Ergebnisse

Dominanz an Apps mit dem inhaltlichen Schwerpunkt Zahlen und Operationen bei weitgehender Vernachlässigung der weiteren Inhaltsbereiche

14

N = 227 Apps

enthalten

nicht enthalten

​

​

H(n)

h(n)

H(n)

h(n)

​

Zahlen und Operationen

210

92,5 %

17

7,5 %

Raum und Form

48

21,1 %

179

78,9 %

Größen und Messen

46

20,3 %

181

79,7 %

Daten und Zufall

7

3,1 %

220

96,9 %

Muster, Strukturen, funktionaler Zusammenhang

17

7,5 %

210

92,5 %

inhaltsbezogene

Kompetenzen

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

15 of 28

Analyseschwerpunkt ‚Curriculare Ziele‘

Mappsa 1.0: Ergebnisse

Kaum explizite Berücksichtigung prozessbezogener Kompetenzen;
�bei etwa 10 Prozent der Apps implizite Bezüge (außer Modellieren) möglich

15

N = 227 Apps

explizit enthalten

implizit enthalten

nicht enthalten

​

​

H(n)

h(n)

H(n)

h(n)

H(n)

h(n)

​

math. argumentieren

0

0,0 %

28

12,3 %

199

87,7 %

math. kommunizieren

0

0,0 %

28

12,3 %

199

87,7 %

Probleme math. lösen

1

0,4 %

18

7,9 %

208

91,6 %

math. darstellen

3

1,3 %

24

10,6 %

200

88,1 %

math. modellieren

1

0,4 %

0

0,0 %

226

99,6 %

prozessbezogene

Kompetenzen

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

16 of 28

Analyseschwerpunkt ‚Lernprozesssegmente‘

Mappsa 1.0: Ergebnisse

Dominanz unstrukturierter Übungsformen�bei weitgehender Vernachlässigung strukturierter Übungsformen

16

N = 210 Apps mit vorgegebenen Aufgaben

Bezug enthalten

Bezug nicht enthalten

​

​

H(n)

h(n)

H(n)

h(n)

​

gestützt-unstrukturiert

114

54,3 %

96

45,7 %

gestützt-strukturiert

13

6,2 %

197

93,8 %

formal-strukturiert

11

5,2 %

199

94,8 %

formal-unstrukturiert

183

87,1 %

27

12,9 %

Übungstypen /�Lernprozess-�segment

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

17 of 28

Analyseschwerpunkt ‚Potenziale‘

Mappsa 1.0: Ergebnisse

Weitgehende Vernachlässigung 
�mathematikdidaktischer Potentiale digitaler Medien

17

N = 227 Apps

enthalten

nicht enthalten

​

​

H(n)

h(n)

H(n)

h(n)

​

Darstellungen synchro- nisieren und vernetzen

26

11,5 %

201

88,5 %

Darstellungen strukturieren

32

14,1 %

195

85,9 %

Mentale Operationen� virtuell darstellen

23

10,1 %

204

89,9 %

Kalkül auslagern

16

7,0 %

211

93,0 %

Multi-Touch Technologie

15

6,6 %

212

93,4 %

informativ rückmelden

15

6,6 %

212

93,4 %

mathematik- didaktische Potenziale

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

18 of 28

Kurze Diskussion

Mappsa 1.0: Ergebnisse

Ausgewählte Folgerungen

  • Dominanz des Bereichs Zahlen und Operationen
  • Weitgehende Vernachlässigung prozessbezogener Kompetenzen
  • Dominanz unstrukturierter Übungsformen
  • Weitgehende Vernachlässigung mathematikdidaktischer Potentiale

​

​

  1. Künftige Softwareentwicklungen sollten curriculare Ziele, div. Übungsformen, fachdidaktischen Potentialen stärker Rechnung tragen.
  2. Eine Analyse des Bestandes kann Lehrkräften einen Überblick zu verfügbaren Apps liefern.
  3. Die Datenbank liefert jedoch kaum Informationen dahingehend, inwieweit es sich um ‚gute‘ Apps handelt.

18

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

19 of 28

Gliederung

  • Mathematikapps für die Grundschule analysieren
    • Einstieg
    • Forschungslage
    • Bisherige Bestandsanalysen
    • Mögliche Analysekategorien�
  • Mappsa 1.0
    • Bestandsanalyse August 2022
    • Ergebnisse (N = 227 Apps)
    • Diskussion und Folgerungen�
  • Mappsa 2.0
    • Neuausrichtung (N = 134 Apps)
    • Erste Ergebnisse
    • Ausblick

appsa

.de

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

20 of 28

Grundsätze

Mappsa 2.0: Neuausrichtung

  • Konzentration auf Apps, die für den Mathematikunterricht in der Grundschule prinzipiell nutzbar erscheinen
  • Entsprechende Reduktion der Datenbank (aktuell: N = 134 Apps), �zukünftige Fokussierung auf iOS
  • Aufnahmen weiterer Apps auch ohne Bezug zur Suche “Mathe Grundschule”
  • Vereinfachung des Zugriffs auf die Datenbank als Auswahlhilfe für unterrichtliche oder unterrichtsnahe Zwecke
  • Stärkere moderierende App-Darstellung:
    • Erstellen von Kurz- und Langbeschreibungen aller Apps (SHK)
    • Kategorienbildung von App-Typen und App-Familien
  • Weiterhin: Keine App-Empfehlungen!

20

Es besteht die Notwendigkeit der Analyse und der Systematisierung des Bestandes,
um Lehrkräfte zu �unterstützen und Entwicklungsbedarfe offenzulegen 
�(Calder, 2015; Padberg & Benz, 2021; Krauthausen, 2012; Trouche et al., 2013; Walter, 2018)

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

21 of 28

Grundsätze

Mappsa 2.0: Neuausrichtung ‘23

  • Konzentration auf Apps, die für den Mathematikunterricht in der Grundschule prinzipiell nutzbar erscheinen
  • Entsprechende Reduktion der Datenbank (aktuell: N = 134 Apps), �zukünftige Fokussierung auf iOS
  • Aufnahmen weiterer Apps auch ohne Bezug zur Suche “Mathe Grundschule”
  • Vereinfachung des Zugriffs auf die Datenbank als Auswahlhilfe für unterrichtliche oder unterrichtsnahe Zwecke
  • Stärkere moderierende App-Darstellung:
    • Erstellen von Kurz- und Langbeschreibungen aller Apps (SHK)
    • Kategorienbildung von App-Typen und App-Familien
  • Weiterhin: Keine App-Empfehlungen!

21

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

22 of 28

Bachelor/ Masterarbeiten im Mappsa-Kontext

Mappsa 2.0: Ausdifferenzierungen

  1. BA WS22: App-Analysen: Üben ↔ Übungsmatrix ↔ Lernprozesssegmente
  2. BA SS23: Analyse von Rechentrainer-Apps | Ermittlung von Subtypen, qualitative Inhaltsanalyse, induktive Kategorienbildung
  3. MA SS23: Fragebogenstudie mit Lehrkräften zu GS Mathe Apps | Ermitt- lung von Kriterien für den Einsatz/ den Ausschluss von Apps im Unterr.�
  4. MA WS23: Entwicklung einer mehrdimensionalen App-Typologie, induktive Kategorienbildung, qualitative Inhaltsanalyse
  5. MA WS23: Analyse und Interviewstudie zu Gamification- Elementen in Mathe Apps für die Grundschule
  6. BA WS23: Empirische Erprobung von Mathe-Apps in inklusiven Settings, Evaluation des inklusiven Kriterienrasters von Bonow et al. (2019)
  7. BA WS23: Fragebogen-/ Interviewstudie mit Lehrkräften, “Wirksamkeitsstudie” Mappsa 2.0

​

22

work in progress

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

23 of 28

Fragebogenstudie: Lehrkräfte …

Mappsa 2.0: Ausdifferenzierungen

  • lehnen Apps vor allem bei
    • mathematisch unpassenden/ falschen Darstellungen und
    • ablenkenden/ nicht mit dem mathematischen Inhalt zu verbindenden Einkleidungen/ Animationen ab
  • berücksichtigen stark die Design-Qualität (Grafik, Klang, Sprache) von Apps
  • nehmen Belohnungsmechanismen, informative Feedbackformen, Gamification-Elemente und motivierende Einkleidungen differenziert wahr �und können gut zwischen lernpositiven und ablenkenden Elementen unterscheiden
  • begründen ihre Auswahlentscheidung vorrangig aus mathematikdidaktischer Perspektive
  • hilft eine Konfrontation mit der Übungsmatrix/ den Lernprozesssegmenten nur bedingt
  • setzen sich nur bedingt mit Begleitmaterial auseinander - eine App muss für sie intuitiv, ohne große Einarbeitungszeit verständlich sein

23

Stichprobe: �16 Lehrkräfte �an 7 Schulen

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

24 of 28

Änderungen an der Datenbank

Mappsa 2.0: Erste Ergebnisse

24

Reduktion �N = 277 →134

Kurz- (und Lang-) beschreibungen

Erste Typen- und Serien-Zuordnungen

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

25 of 28

Mappsa 2.0: Erste Ergebnisse

25

Vereinfachter Zugriff auf Datenbank-Filter…

… mit direkter Dar- stellungsreaktion

Detailsuche bleibt zusätzlich möglich

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

26 of 28

Bachelor/ Masterarbeiten im Mappsa-Kontext

Mappsa 2.0: Ausdifferenzierungen

  • BA WS22: App-Analysen: Üben ↔ Übungsmatrix ↔ Lernprozesssegmente
  • BA SS23: Analyse von Rechentrainer-Apps | Ermittlung von Subtypen, qualitative Inhaltsanalyse, induktive Kategorienbildung
  • MA SS23: Fragebogenstudie mit Lehrkräften zu GS Mathe Apps | Ermitt- lung von Kriterien für den Einsatz/ den Ausschluss von Apps im Unterr.�
  • MA WS23: Entwicklung einer mehrdimensionalen App-Typologie, induktive Kategorienbildung, qualitative Inhaltsanalyse
  • MA WS23: Analyse und Interviewstudie zu Gamification- Elementen in Mathe Apps für die Grundschule
  • BA WS23: Empirische Erprobung von Mathe-Apps in inklusiven Settings, Evaluation des inklusiven Kriterienrasters von Bonow et al. (2019)
  • BA WS23: Fragebogen-/ Interviewstudie mit Lehrkräften, “Wirksamkeitsstudie” Mappsa 2.0

​

26

work in progress

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

27 of 28

Grundsätze

Mappsa 2.0: Ausblick

Es besteht weiterer Forschungsbedarf…

  • im Bereich der App-Typologie,
  • bei der Rolle von Belohnungsmechanismen/ Feedbackformen/ Gamification-Elementen,
  • zur Wirksamkeit der Mappsa-Datenbank als Auswahlhilfe,

… und die Möglichkeit, die Datenbank mit weiteren mathematikdidaktisch sinnvollen Apps zu erweitern.

27

Es besteht die Notwendigkeit der Analyse und der Systematisierung des Bestandes,
um Lehrkräfte zu �unterstützen und Entwicklungsbedarfe offenzulegen 
�(Calder, 2015; Padberg & Benz, 2021; Krauthausen, 2012; Trouche et al., 2013; Walter, 2018)

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24

appsa

.de

28 of 28

Vielen Dank!

Kontakt:

Ulrich Schwätzer | UDE | udue.de/drs

Daniel Walter | TU DO | daniel-walter.de

Folien, Poster und “Beiträge”-Text mit Literaturangaben:� �mappsa.de/gdm24

appsa

.de

U. Schwätzer, Universität Duisburg-Essen | D. Walter, TU Dortmund | GDM 24