Jahrgang 46 (2026) Heft 1:

Norbert Henze, Karlsruhe: Vierfeldertafeln und die ominöse Sache mit der „Unabhängigkeit“

In Schulbüchern erscheint der Einsatz von Vierfeldertafeln im statistischen Kontext häufig auf den sogenannten Unabhängigkeitstest reduziert – ganz gleich, ob es sich um eine experimentelle Untersuchung oder eine beobachtende Erhebung handelt. Dabei bleibt ein zentraler Unterschied konzeptionell unscharf: In einem experimentellen Setting geht es um den Vergleich von Erfolgswahrscheinlichkeiten in zwei zufällig gebildeten Gruppen und damit um einen Homogenitätstest; in einem beobachtenden Setting hingegen werden zwei Merkmale gleichzeitig erfasst, und man testet üblicherweise auf stochastische Unab- hängigkeit dieser Merkmale. Diese Differenzierung ist entscheidend für das richtige Verständnis statistischer Tests, wird aber in Schulbüchern übergangen oder unscharf vermischt – ebenso wie der theoretische Begriff der Unabhängigkeit, der dort mitunter als rechnerisch überprüfbare Eigenschaft einer konkreten Stichprobe dargestellt wird. Der Beitrag beleuchtet diese konzeptionellen Unklarheiten anhand typischer Beispiele und diskutiert Wege zu einer fachlich fundierten und didaktisch tragfähigen Behandlung von Vierfeldertafeln im Unterricht. Es wird auch auf den in der angewandten Statistik wohlbekannten Sachver- halt eingegangen, dass die Tests auf Homogenität und stochastische Unabhängigkeit in einer Vierfeldertafel rein formal äquivalent sind.

Hans Humenberger, Wien: Probleme über Wahrscheinlichkeiten auf Social Media für den Unterricht verwenden?

Wir beleuchten interessante stochastische Aufgaben eines jungen kanadischen Mathematikers auf der Social Media Plattform X. Er hat es damit geschafft, in einer österreichischen Tageszeitung durch einen Wissenschaftsjournalisten vorgestellt zu werden, zu Recht!

Lara Kristina BiLLion, Frankfurt am Main: Datenoperationen und statistisches Schlussfolgern mit der App StaLApp ermöglichen: Eine Einzelfallstudie

In diesem Beitrag wird StaLApp vorgestellt, eine App, die Lernende beim Verständnis grundlegender Datenoperationen sowie bei der Untersuchung größerer Datensätze unterstützen soll. Es wird ein Einblick in die erste Erprobung der App mit Grundschülern und Grundschülerinnen gegeben. Der Fokus liegt auf den Datenoperationen des Grundschülers Sebastian im ersten Level der App sowie auf seinen Schlussfolgerungen, die er auf Grundlage seiner Datenstrukturierung in Bezug auf eine vorgegebene Behauptung zu bivariaten Daten zieht.

Bibliographische Rundschau – Teil 1

Joachim Schwarz, Emden: Der Einsatz generativer KI in der statistischen Datenanalyse und ihre Auswirkungen auf die Lehre der Statistik an Fachhochschulen¹

¹ Übersetzung von Manfred Borovcnik basierend auf: Schwarz, J. (2025). The use of generative AI in statistical data analysis and its impact on teaching statistics. Teaching Statistics, 47(2), 118–128. Original Open Access. Original und Übersetzung CC BY 4.0: https://doi.org/10.1111/test.12398

Diese Studie untersucht den Ein- satz generativer KI, insbesondere ChatGPT, in der statistischen Datenanalyse und deren Auswirkungen auf die Statistikausbildung an Fachhochschulen. Der Beitrag beginnt mit einer Diskussion über die zukünftige Arbeitsteilung zwischen Mensch und Maschine im Kontext der statistischen Datenanalyse nach der Einführung von ChatGPT. Durch die Analyse künstlich generierter Datensätze werden die Fähigkeiten und Grenzen von ChatGPT bei der Durchführung statistischer Analysen aufgezeigt. Die Ergebnisse zeigen, dass generative KI die Datenanalyse für Personen mit minimalen Statistikkenntnissen erleichtern kann, hauptsächlich durch die Generierung geeigneter Codes, aber nur teilweise durch die Befolgung von Standardverfahren. Daher bleiben menschliche Aufsicht und gute Statistikkenntnisse weiterhin von entscheidender Bedeutung. Die Studie legt nahe, dass sich der Schwerpunkt der Statistikausbildung von der Vermittlung softwarespezifischer Fähigkeiten hin zur Förderung eines tieferen Verständnisses statistischer Konzepte verlagern sollte. Diese Verlagerung wird die Studierenden darauf vorbereiten, KI-Tools effektiv zu nutzen und gleichzeitig strenge Standards für die Datenanalyse einzuhalten.

Bibliographische Rundschau – Teil 2

Heftherausgeber: Manfred Borovcnik

zurück zur Übersicht