Mathematik für Wirtschaftswissenschaften:

Ähnliche Dokumente
Lehre interaktiv in Großlehrveranstaltungen - Mit dem Feedbacksystem ARSnova

LiT.Shortcut: Onyx in der Hochschullehre mit Onlinetests mathematische Aufgaben in die Lehre integrieren

OLAT Tutorial. Inhaltsverzeichnis. Institut für Banking und Finance

Formatives E-Assessment in Mathematik-Lehrveranstaltungen

Die Lernplattform von. physik multimedial

Dynamisierte Studierende. Mag. Bernhard Irschik, Mag. Klaus Sommerauer WU Wien

Videokonferenz-Vorlesungen Chancen und Herausforderungen

Lehrveranstaltungsmodalitäten & Vorbesprechung

Die E-Learning Plattform der Wirtschaftsuniversität Wien. Univ.Prof. Dr. Gustaf Neumann

RUBeL Stabsstelle elearning. Evaluation der Lehrveranstaltung Japanisch Grundstufe I Grammatik Annette Hansen WS15/16 Erste Ergebnisse

Lophia: Methodik und Didaktik in Selbstlernmodulen zur philosophischen Logik

/ VU Daten- und Informatikrecht Lehrveranstaltungsmodalitäten / Vorbesprechung

LON-CAPA & Clicker. Mathematik-Lehrveranstaltungen

Digitaler Aufgabenpool Wirtschaftsmathematik

Auf dem Weg zur E-Klausur

Auditorium Mobile Classroom Service

Generische ILIAS-Aufgaben mit Musterlösungen. Steffen Zenker Institut für Informatik

Fachfranzösisch Best Practice Blended Learning

10 Jahre Online-Prüfungen mit Moodle

Elektronische Übungen und Prüfungsvorleistungen im Bereich der höheren Mathematik

Individualisiertes Lernen im Übergang von der Schule in die Hochschule - vom E-Learning zum I-Learning

Die Interaktive Vorlesung Einführung Betriebssysteme

TeachWiki, StatWiki und Q&A Tools zur Unterstützung der Präsenzlehre

Übersicht & Einführung

ANALYSIS I. Alessandra Iozzi Professorin, D-MATH September 27, 2018.

E-ASSESSMENT AN DER DHBW ERFAHRUNGEN UND PERSPEKTIVEN

Informatik I. Einführung in Java. Begrüßung. Zusatzveranstaltung

Internationales Kundenbeziehungsmanagement

Organisatorisches. Dr. Tobias Ley WS 2009/10

MITTEILUNGSBLATT DER Leopold-Franzens-Universität Innsbruck

Das diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen

Prof. Dr. Peter Schmidt Jutta Schmidt Astrid Kurzeja-Christinck. An: Prof. Dr.SvenOppermann (PERSÖNLICH)

Wie man die Massen bändigt - mit elektronischen Diensten des RZ. Dr. Rainer Scheuchenpflug Statistik für Psychologie, MCS und Medienkommunikation

Anlage 1: Studiengang Wirtschaftsmathematik mit dem Abschluss Bachelor of Science STUDIENABLAUFPLAN

Anlage 1b: Diplomstudiengang Mathematik, Studienrichtung Mathematik mit vertiefter Informatik MUSTERSTUDIENABLAUFPLAN

Hydrologie. Einführungsveranstaltung Assistenz. Einzugsgebiet der Maggia, Schweiz Prof. Dr. Paolo Burlando

Automatisierte Bewertung in der Programmierausbildung

eteaching in Biochemie mit k-med in Vorlesung, Seminar und Praktikum Jan Koolman

Anlage 1: Studiengang Finanzmathematik mit dem Abschluss Bachelor of Science STUDIENABLAUFPLAN

Das Informatikstudium (an der ETH)

Projektbericht. Projekt : ebasics Medienwissenschaft. Leitung: Univ.-Prof. Dr. Thomas Schröder, Institut für Germanistik. ecampus: Startseite

Informatiktag MINT MOOCs am Beispiel Programmieren mit Processing. Gerald Futschek 28. September 2017

Technische Mechanik. Dr.-Ing. P. Kurzeja Prof. Dr.-Ing. J. Mosler Prof. Dr.-Ing. A. Menzel

Biometrie und Methodik - Vorlesung Statistik

Institut für Betriebswirtschaftslehre Informationen zur BWL in der Assessmentstufe

Projekt: Virtuelles WasserBauLabor

H5P - Interaktive Videos in Moodle

Lon-Capa für bessere Lehre nutzen. Tipps zum Einstieg

Mathematik für Wirtschaftswissenschaftler

Bausteine der Grammatik: Ein elearning-brückenkurs für Studienanfänger und -wiedereinsteiger

Blended Learning im Studiengang Gesundheit und Sozialraum der hsg:

Lehrstuhl Wirtschaftsinformatik II

240 AS / 8 LP 240 AS. Übungsaufgaben. Übungsaufgaben. PVL Nachweis. PVL Nachweis. ASL Klausur. PL Klausur (V4/Ü2+2) 8 LVS.

Informationen zum Bachelor Technische Mathematik. Studienplan neu ab 1. Oktober 2018

Statistikunterricht interaktiv

EINFÜHRUNG IN DIE ETHNOLOGIE HOW TO

Abschlussbericht E-learning Projekte 2011/

Einführung ins ILIAS Schnittstelle zu Stud.IP (Integriertes Lern-, Informations- und Arbeitskooperationssystem)

ERASMUS+ Ulrike Schröder, Laura Broß. Regionales Monitoring KA 1 Berufsbildung , Berlin

Studienordnung. Wirtschaftswissenschaftliche Fakultät. Nebenfach-Bachelorstudium in Wirtschaftswissenschaften an der Universität Zürich

Statistik für Biologen 1. Fachsemester Mono-Bachelor

LG Psychologische Methodenlehre und Evaluation Vorstellung Modul 2: Statistik

Internationales Kundenbeziehungsmanagement. Veranstaltung I 1. Einführung

BACHELORSTUDIUM MATHEMATIK

Beschreibung XML-Datenaustauschformat Prüfungsserver

Blended-Learning am Beispiel des Moduls "Datenbanksysteme" Prof. Dr. Andreas Thor Hochschule für Telekommunikation Leipzig

Dokumentautomation mit XML am Beispiel einer Banddiskografie

Einführung in die Volkswirtschaftslehre KS [1VEINFK] KS: (2011S): MUSSS Open Content (O.C.)

Moodle-Kurs - Einführung

Statistik 2 SS 2014 Universität Hamburg

Ein Beispiel einer Massenveranstaltung mit Blended-Learning

Tactical, document-oriented e-learning. educomponents

Praktikumsvorbereitung mit LON-CAPA. M.Ed. Dennis Kubin Institut für Neurophysiologie

Discover the Zen of Presenting

Einführungsveranstaltung für den Lehramtsstudiengang Mathematik (Bachelor/Master)

Testfragen im GIFT-Editor erstellen

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS

Legende zum Regelstudien- und Prüfungsplan: LN = Prüfungsvorleistung

Interaktive Vorlesungsdemonstrationsexperimente Zwischenbericht zum Projekt (Stand: )

Web-basierte Anwendungen: 08: Ergänzungen zum Projekt

Die Lehr - und. physik multimedial

Die Mathematiklehre an der BFH-TI, heute und morgen

MITTEILUNGSBLATT. Studienjahr 2013/2014 Ausgegeben am Stück Sämtliche Funktionsbezeichnungen sind geschlechtsneutral zu verstehen.

Informationen für Studierende zum Multiple-Choice-Verfahren in den folgenden Prüfungsfächern

Übung zu Makroökonomik II

Projektbericht: Aufzeichnung der Vorlesung

LV: Höhere und Angewandte Mathematik Teil: Statistik (Teil: Numerik&Simulation: Prof. Günter)

Organisation, Management und Marketing in der Ernährungswirtschaft ILIAS WS

E-Learning-Projektabschlussbericht

Moodle, Opal & Co Einsatzmöglichkeiten in der Lehre von TIS

Physikalische Basiskonzepte

Herzlich Willkommen zum Mathematikstudium an der RWTH Aachen!

E-Learning und Vodcasts an einem Praxisbeispiel

Position von E-Klausuren in der elearning- Strategie am FB Medizin

elearning in der Praxis: physik multimedial

Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner. Lehre am IAS. gestern, heute und morgen

Inhalt. FAQs / HOW TO

Propädeutischen Fächer

Transkript:

Mathematik für Wirtschaftswissenschaften: Herausforderungen und Lösungsstrategien in Großlehrveranstaltungen Achim Zeileis http://eeecon.uibk.ac.at/~zeileis/

Rahmenbedingungen Modul: Mathematik. Pflichtkurs im 1. Semester Wirtschaftswissenschaften bzw. Internationale Wirtschaftswissenschaften. Bei Curriculumsänderung (2012/13): Über 1,500 Studierende pro Semester. Derzeit: 500 bis 1,000 Studierende pro Semester. 3-stündige Vorlesung (450 Plätze pro VO) und 1-stündige Übung (150 Plätze pro VU, prüfungsimmanent). Parallel: 1 3 VOs und 4 8 VUs mit unterschiedlichen Lehrveranstaltungsleiter/inne/n. Koordiniert durch das Institut für Statistik.

Herausforderungen 1 Homogenisierung/Ausbau der Mathematikkenntnisse aus der Schule und Vorbereitung auf ein erfolgreiches Studium der Wirtschaftswissenschaften. 2 Individuelle Gestaltbarkeit der Auseinandersetzung mit den Inhalten hinsichtlich: Lerntempo (z.b. Zahl der gerechneten Aufgaben pro Tag), Ort (Hörsaal versus Couch zu Hause), Zeitpunkt (z.b. für berufstätige Studierende oder Eltern), Bedarf (z.b. intensiver in Themenbereichen, die aus der Schule nicht oder nicht so gut bekannt sind). 3 Rahmenbedingungen bzgl. Didaktik/Leistungsfeststellung sicher stellen. Insbesondere: Transparente Kommunikation der Prüfungsanforderungen, laufendes individuelles Feedback, genügend Raum für Fragen.

Herausforderung 1: Mathematikkenntnisse Strategie: Verwendung eines Standardlehrbuchs, das Maturastoff wiederholt und ausbaut. Lehrbuch: Mathematik für Wirtschaft und Management von Walter Böhm & Helmut Strasser. Grundlage des Mathematikkurses an der WU Wirtschaftsuniversität Wien. Inhalte: Analysis, Finanzmathematik, Grundlagen der linearen Algebra, Wahrscheinlichkeitsrechnung.

Herausforderung 2: Individuelle Gestaltbarkeit Strategie: Aufbau umfangreicher Ressourcen auf der OLAT-Lernplattform insbesondere für unterschiedliche Wege zu Vorlesungsinhalte: PDF-Folien, Livestream, Screencasts. Übung/Tests: Musteraufgaben, Onlinetests, Selbsttests, Probeklausuren. Kommunikation: Diskussionsforen für Administratives und Inhalt. OLAT-Kurs: Mathematik (Sowi). Frei zugänglich für alle mit UIBK-Zugang zu OLAT. https://lms.uibk.ac.at/url/repositoryentry/3051978752

Herausforderung 3: Didaktik/Leistungsfeststellung Strategie: Aufbau eines umfangreichen Aufgabenpools, der allen Teilen des Moduls zugrunde liegt. Vorlesung vs. Übung vs. Test/Klausur. Mit vs. ohne detaillierte Musterlösung. Onlinetest (OLAT) vs. Live-Quiz (ARSnova) vs. schriftliche Klausur (Druck von PDFs mit automatischer Auswertung). Numerisch vs. Single-Choice vs. Multiple-Choice. Fixe Aufgabenstellung vs. zufällige Erzeugung von konkreten Zahlenbeispielen.

Umsetzung Grundsätzlich: Nur möglich, weil alle Mitglieder des Instituts gemeinsam an dem Modul gearbeitet habe von allen Habilitierten über Doktorand/inn/en bis zu studentischen Mitarbeiter/inne/n. Vorlesung: Skriptum: Übernahme von WU-Skriptum. Folien: Gemeinsame Erarbeitung durch Habilitierte auf Basis von WU-Unterlagen. Livestream: Leicht nutzbares Angebot von ZID/Neue Medien und Koordinatorin Ulrike Hugl. Screencasts: VO wurde einmal virtuell angeboten und LV-Leiterin (Janette Walde) hat über das Semester hinweg die Videos am Rechner zu Hause produziert.

Umsetzung Aufgabenpool: Entwicklung des Pakets exams für die Statistiksoftware R, das die Erzeugung von Tests/Klausuren/usw. übernimmt. Jede Aufgabe ist eine einzelne Textdatei mit Formatierung via Markdown oder L A T E X. Aufgaben können durch R-Code dynamisch erzeugte Zahlen, Textbausteine, Grafiken, Tabellen, usw. verwenden. Mögliche Ausgabeformate: QTI 1.2 (u.a. OLAT), QTI 2.1 (u.a. ONYX), Moodle, PDF, HTML, LOPS (UIBK-Prüfungsserver), ARSnova, Blackboard, TCExam. Open-Source-Software.

Umsetzung Didaktik/Leistungsfeststellung: Freiwillige Musteraufgaben und Selbsttests in OLAT (mit bzw. ohne detaillierten Lösungsweg). Live-Quiz (Single-Choice) in ARSnova als Teil der VU. Wöchentliche Onlinetests in OLAT: Von Montag bis Donnerstag. Numerische und Multiple-Choice-Aufgaben mit zwei Eingabeversuche pro Aufgabe. Diskussionsmöglichkeit im Forum. Schriftliche Klausuren in der Olympiaworld: Single-Choice mit Minuspunkten für falsche Antworten. Gleiche Aufgabengruppen aber individuelle Variation jeder Frage. Automatisches Scannen auf normalen Kopierern, Bekanntgabe der Ergebnisse über Massenbewertung in OLAT.

Demonstration Aufgaben: Multiple-Choice-Frage zu Allgemeinwissen über die Schweiz. Single-Choice-Frage zum grossen Einmaleins mit zufälligen Zahlen. Numerische Frage zur Formel des Pythagoras mit zufälligen Zahlen und Grafik zur Lösung sowie L A T E X für Formeln. Formate: Live-Quiz in ARSnova. Onlinetest in OLAT. Schriftliche Klausur als PDF (automatisch auswertbar).

Demonstration: Schweiz.Rmd Textdatei: Mit drei Abschnitten Question, Solution (optional), und Metainformation.

Demonstration: Schweiz.Rmd Textdatei: Mit drei Abschnitten Question, Solution (optional), und Metainformation. Question Welche der folgenden Aussagen über die Schweiz sind richtig? Answerlist ---------- * Zürich ist die Hauptstadt der Schweiz. * Italienisch ist eine Amtssprache in der Schweiz. * Die Währung in der Schweiz ist der Euro. * Die Schweiz ist Mitglied in der Europäischen Union. * Der Schweizer Nationalfeiertag ist der 1. August.

Demonstration: Schweiz.Rmd Solution Answerlist ---------- * Falsch. Es gibt keine de jure Hauptstadt aber die de facto Hauptstadt ist Bern. * Richtig. Die Amtssprachen sind: Deutsch, Französisch, Italienisch, Rätoromanisch. * Falsch. Die Währung ist der Schweizer Franken. * Falsch. Die Schweiz ist Mitglied des Schengen Abkommens aber nicht der EU. * Richtig. Die Gründung der Alten Eidgenossenschaft wird auf den 1. August 1291 datiert.

Demonstration: Schweiz.Rmd Solution Answerlist ---------- * Falsch. Es gibt keine de jure Hauptstadt aber die de facto Hauptstadt ist Bern. * Richtig. Die Amtssprachen sind: Deutsch, Französisch, Italienisch, Rätoromanisch. * Falsch. Die Währung ist der Schweizer Franken. * Falsch. Die Schweiz ist Mitglied des Schengen Abkommens aber nicht der EU. * Richtig. Die Gründung der Alten Eidgenossenschaft wird auf den 1. August 1291 datiert. Meta-information exname: Allgemeinwissen Schweiz extype: mchoice exsolution: 01001 exshuffle: TRUE

Demonstration: Produkt.Rmd ```{r, echo = FALSE, results = "hide"} a <- sample(2:9, 1) b <- sample(12:19, 1) sol <- a * b err <- outer(2:9, 12:19, "*") err <- sample(err[err!= sol], 4) ``` Question Berechne `r a` mal `r b`. ```{r, echo = FALSE, results = "asis"} answerlist(c(sol, err), markup = "markdown") ``` Solution Das Produkt kann so berechnet werden: `r a` * 10 + `r a` * `r b - 10` = `r a * 10` + `r a * (b - 10)` = `r sol`. Meta-information exname: Grosses Einmaleins extype: schoice exsolution: 10000 exshuffle: TRUE

Demonstration: Produkt.Rmd ```{r, echo = FALSE, results = "hide"} a <- sample(2:9, 1) b <- sample(12:19, 1) sol <- a * b err <- outer(2:9, 12:19, "*") err <- sample(err[err!= sol], 4) ``` Question Berechne `r a` mal `r b`. ```{r, echo = FALSE, results = "asis"} answerlist(c(sol, err), markup = "markdown") ``` Solution Das Produkt kann so berechnet werden: `r a` * 10 + `r a` * `r b - 10` = `r a * 10` + `r a * (b - 10)` = `r sol`. Meta-information exname: Grosses Einmaleins extype: schoice exsolution: 10000 exshuffle: TRUE

Demonstration: Produkt.Rmd ```{r, echo = FALSE, results = "hide"} a <- sample(2:9, 1) b <- sample(12:19, 1) sol <- a * b err <- outer(2:9, 12:19, "*") err <- sample(err[err!= sol], 4) ``` Question Berechne `r a` mal `r b`. ```{r, echo = FALSE, results = "asis"} answerlist(c(sol, err), markup = "markdown") ``` Solution Das Produkt kann so berechnet werden: `r a` * 10 + `r a` * `r b - 10` = `r a * 10` + `r a * (b - 10)` = `r sol`. Meta-information exname: Grosses Einmaleins extype: schoice exsolution: 10000 exshuffle: TRUE

Demonstration: Produkt.Rmd ```{r, echo = FALSE, results = "hide"} a <- sample(2:9, 1) b <- sample(12:19, 1) sol <- a * b err <- outer(2:9, 12:19, "*") err <- sample(err[err!= sol], 4) ``` Question Berechne `r a` mal `r b`. ```{r, echo = FALSE, results = "asis"} answerlist(c(sol, err), markup = "markdown") ``` Solution Das Produkt kann so berechnet werden: `r a` * 10 + `r a` * `r b - 10` = `r a * 10` + `r a * (b - 10)` = `r sol`. Meta-information exname: Grosses Einmaleins extype: schoice exsolution: 10000 exshuffle: TRUE

Demonstration: Produkt.Rmd ```{r, echo = FALSE, results = "hide"} a <- sample(2:9, 1) b <- sample(12:19, 1) sol <- a * b err <- outer(2:9, 12:19, "*") err <- sample(err[err!= sol], 4) ``` Question Berechne `r a` mal `r b`. ```{r, echo = FALSE, results = "asis"} answerlist(c(sol, err), markup = "markdown") ``` Solution Das Produkt kann so berechnet werden: `r a` * 10 + `r a` * `r b - 10` = `r a * 10` + `r a * (b - 10)` = `r sol`. Meta-information exname: Grosses Einmaleins extype: schoice exsolution: 10000 exshuffle: TRUE

Demonstration: Produkt.Rmd nach R-Bearbeitung Question Berechne 5 mal 14. Answerlist ---------- * 70 * 104 * 108 * 39 * 117 Solution Das Produkt kann so berechnet werden: 5 * 10 + 5 * 4 = 50 + 20 = 70. Meta-information exname: Grosses Einmaleins extype: schoice exsolution: 10000 exshuffle: TRUE

Zusammenfassung und Ausblick Teamarbeit bei Grosslehrveranstaltungen ist das Fundament eines breiten Angebots für die Studierenden. Ermöglichung von individuell unterschiedlichen Zugängen zu den Lehrinhalten. Roter Faden wird durch flexiblen und dynamischen Aufgabenpool gewährleistet, der in allen Teilen des Moduls eingesetzt wird. Komplementierung von ZID-Services (OLAT, ARSnova, Livestream) durch frei verfügbares R-Paket exams. Weiterentwicklungen: Grafisches Benutzerinterface und automatisiertes Reporting für Lehrveranstaltungsleiter (Rasch-Modellierung, Clusteranalyse,... ). Bei Interesse: Bitte Kontakt aufnehmen.

Referenzen Böhm W, Strasser H (2010). Mathematik für Wirtschaft und Management Einführungsskriptum für Studierende von wirtschaftswissenschaftlichen Studienrichtungen, 4. Auflage, Management Book Service, Wien. Grün B, Zeileis A (2009). Automatic Generation of Exams in R. Journal of Statistical Software, 29(10), 1 14. doi:10.18637/jss.v029.i10 Zeileis A, Umlauf N, Leisch F (2014). Flexible Generation of E-Learning Exams in R: Moodle Quizzes, OLAT Assessments, and Beyond. Journal of Statistical Software, 58(1), 1 36. doi:10.18637/jss.v058.i01 Zeileis A, Grün B, Leisch F, Umlauf N (2015). exams: Automatic Generation of Exams in R. R package version 2.1-0/r798. URL http://r-forge.r-project.org/projects/exams/