FB 6 Mathematik/Informatik/Physik

Institut für Mathematik


Navigation und Suche der Universität Osnabrück


Hauptinhalt

Topinformationen

Populations- und individuenbasierte Modelle in der Ökologie

6.420

Dozenten

Beschreibung

Liebe Kursteilnehmenden,

der Beginn des Blockkurses „Populations- und Individuenbasierte Modelle in der Ökologie“ ist zwar erst am 19. Februar, wir möchten euch trotzdem bereits jetzt die wichtigsten Infos, Details und Tipps an die Hand geben, damit ihr euch optimal vorbereiten könnt und wir gemeinsam das Beste aus dem Kurs rausholen.

Der generelle Ablauf der Woche wird folgender: Der Vorlesungsteil dieser Veranstaltung wird die Vormittage der Woche füllen. Um das dort gelernte direkt praktisch anzuwenden, werdet ihr an den Nachmittagen dann selbst aktiv. In kleinen Gruppen werdet ihr so im Verlauf der Woche an einem eigenen kleinen Modellierungsprojekt arbeiten, welches ihr dann am Ende des Kurses (Montag, der 26. Februar) gemeinsam vorstellt.

Um die begrenzte Zeit an den fünf Nachmittagen bestmöglich für die Arbeit an den Modellen nutzen zu können, möchten wir euch bitten im Vorfeld ein paar Vorbereitungen zu treffen:

Die Modelle sollen mittels der Programmiersprache Python implementiert werden. Einige von euch werden bereits während ihres Studiums mit Python in Berührung gekommen sein. Aber auch diejenigen, die bisher eher mit Java oder C++ gearbeitet haben oder generell noch wenig Programmiererfahrung haben, müssen sich keine Sorgen machen: Wir haben ein sehr detailiertes Tutorial erstellt, welches euch Schritt für Schritt erklärt, wie ihr mit Python eigene Modelle erstellt und für diese sogar eine einfache Graphische Oberfläche bastelt. Dieses Tutorial findet ihr auf Stud.IP unter Dateien/Anleitungen/Tutorial_PIM24.pdf.

Doch bevor ihr euch auf dieses Tutorial stürzt, wollen wir sicherstellen, dass wir alle Software-technisch auf dem gleichen Stand und bereit loszulegen sind. Dies richtet sich sowohl an alle die Python zum ersten Mal installieren müssen **als auch** an alle die Python bereits in irgendeiner Form installiert haben. Um das Fehlerbeheben und Zusammenarbeiten zu vereinfachen, sollen alle Teilnehmende unter möglichst gleichen Bedingungen arbeiten. Wir wollen Python deshalb mittels Anaconda installieren und bei allen die gleiche Python Umgebung einrichten. Keine Sorge falls euch das erstmal nichts sagt. Auch hierfür findet ihr unter Dateien/Anleitungen/installation_guide.pdf einen detailierten Installations-Guide samt Screenshots.

Sollten bei der Installation (oder beim Tutorial) irgendwelche Schwierigkeiten auftreten, möchte ich euch bitten diese auf der Stud.IP Seite des Kurses im Forum zu melden. Fehler, die bei euch auftreten, betreffen nämlich wahrscheinlich auch andere Leute im Kurs und dann können wir im Forum gemeinsam Lösungen finden. Ich habe im Forum einen Bereich für Installations- und Einrichtungsprobleme hinzugefügt. Ich selber habe auch das ganze Forum abonniert, sollte also hoffentlich auch zeitnah über Fragen dort informiert werden.

Wir erwarten, dass ihr Python und die Entwicklungsumgebung bis zum Beginn des Kurses erfolgreich eingerichtet habt. Wir werden während der Woche keine Zeit haben, Installationen am Nachmittag nachzuholen. Weiterhin raten wir euch **dringend**, auch das Tutorial durchgearbeitet zu haben! Die vielen Details lassen es sehr lang erscheinen, aber für erfahrene Leute reicht es viele Abschnitte nur zu überfliegen während es Programmieranfängern wichtige (und hoffentlich leicht verständliche) Einblicke bietet. Außerdem stellen die im Tutorial verwendeten Bausteine den einfachsten Weg dar, wichtige Dinge wie Graphen für Zeitreihen oder Umgebungen für Individuen später in euren eigenen Projekten zu integrieren.

Wir freuen uns auf eine Woche mit spannenden Einblicken in die Modellierung und viel Austausch untereinander. Bis dahin: Viel Erfolg in der anstehenden Prüfungsphase!

Mit freundlichen Grüßen

Paul Jänsch

PS: Wir werden in der kommenden Woche noch eine weitere Mail schicken mit Hinweisen zu Büchern und Online-Resourcen, die ihr nutzen könnt um bei Bedarf einen ausführlicheren Einstieg in Python zu bekommen.

Weitere Angaben

Ort: 66/101
Zeiten: Termine am Montag, 19.02.2024 - Freitag, 23.02.2024, Montag, 26.02.2024 09:00 - 17:00
Erster Termin: Montag, 19.02.2024 09:00 - 17:00, Ort: 66/101
Veranstaltungsart: Vorlesung und Seminar (Offizielle Lehrveranstaltungen)

Studienbereiche

  • Systemwissenschaft > Vorlesungen
  • Systemwissenschaft > Bachelor Angewandte Systemwissenschaft
  • Systemwissenschaft > Bachelor Umweltsystemwissenschaft
  • Systemwissenschaft > 2-Fächer-Bachelor Umweltsystemwissenschaft
  • Systemwissenschaft > Master Umweltsysteme und Ressourcenmanagement

Kurzvita

1973 - 1978 Studium an der Universität Göttingen, Hauptfächer: Mathematik, Physik, Begleitfächer: Erziehungswissenschaften, Philosophie
1978 Wissenschaftliche Prüfung für das Lehramt an Gymnasien (Mathematik, Physik)
1978 – 1980 Studienreferendar am Staatlichen Studienseminar Leer
1980 Pädagogische Prüfung für das Lehramt an höheren Schulen (Mathematik, Physik)
1980 – 2018 Lehrer für Mathematik und Physik am Ubbo-Emmius-Gymnasium
1980 – 1983 Mentor im Fachbereich Mathematik/Informatik der Fernuniversität Hagen
1982 – 2018 Organisation des Wettbewerbs „Mathematische Probleme“ am Ubbo-Emmius-Gymnasium
1983 Fachleiter für Mathematik am Studienseminar Leer
1984 Fachleiter für besondere Aufgaben am Studienseminar Leer
1991 – 1992 Lehrauftrag im Fachbereich Pädagogik der Universität Oldenburg
seit 1994 Lehr- und Forschungstätigkeit im Fachbereich Mathematik/Informatik der Universität Osnabrück
1995 – 2018 Betreuung der Mathematik-Olympiade-Arbeitsgemeinschaft zur Begabtenförderung am Ubbo-Emmius-Gymnasium
1999 Promotion zum Dr. rer. nat. an der Universität Osnabrück
1999 Stellvertretender Seminarleiter am Studienseminar Leer
2003 Habilitation in Mathematikdidaktik an der Universität Osnabrück
2003 – 2018 Leiter des Studienseminars Leer
2006 Außerplanmäßiger Professor für Mathematikdidaktik an der Universität Osnabrück

Nach oben


Liste der Veröffentlichungen (Stand: November 2022): PDF

Ausgewählte Veröffentlichungen

Bücher und Schriften
  • Astrid Fischer, Verena Niesel & Johann Sjuts (Hrsg.) (2011): Lehr-Lern-Labore und ihre Bedeutung für Schule und Lehrerbildung. Eine Bestandsaufnahme im Verbundprojekt OLAW. Oldenburg 2011
  • Johann Sjuts & Detlef Ehrig (Hrsg.) (2014): Professionalisierung durch Praxisforschung. Schriftliche Arbeiten zur Stärkung eines evidenzbasierten Handelns im Berufsfeld Schule. Leer 2014
  • Astrid Fischer, Corinna Hößle, Sylvia Jahnke-Klein, Hanna Kiper, Michael Komorek, Julia Michaelis, Verena Niesel & Johann Sjuts (Hrsg.) (2014): Diagnostik für lernwirksamen Unterricht. Baltmannsweiler 2014
  • Éva Vásárhelyi & Johann Sjuts (Hrsg.) (2019): Auch wenn A falsch ist, kann B wahr sein. Was wir aus Fehlern lernen können. Ervin Deák zu Ehren. Münster 2019
  • Gabriella Ambrus, Johann Sjuts, Ödön Vancsó & Éva Vásárhelyi (Hrsg.) (2020): Komplexer Mathematikunterricht. Die Ideen von Tamás Varga in aktueller Sicht. Münster: WTM 2020
  • Éva Vásárhelyi & Johann Sjuts (Hrsg.) (2021): Theoretische und empirische Analysen zum geometrischen Denken. Münster: WTM 2021
  • Gabriella Ambrus & Johann Sjuts & Éva Vásárhelyi (Hrsg.) (2022): Mathematische Zeitschriften und Wettbewerbe für Kinder und Jugendliche. Förderung für Talentierte und Interessierte über Grenzen hinweg. Münster: WTM 2022
  • Gabriella Ambrus & Johann Sjuts & Éva Vásárhelyi (Hrsg.) (2023): Mathematik und mathematisches Denken – Ansprüche und Anforderungen vor, in und nach der Schule. Münster: WTM 2023
Beiträge zur Mathematikdidaktik  
  • Sjuts, Johann (2003): Metakognition per didaktisch-sozialem Vertrag. In: Journal für Mathematik-Didaktik, Jahrgang 24, Heft 1/2003, S. 18-40
  • Sjuts, Johann (2005): Thinking wants to be Organized. Empirical Studies to the Complexity of Mathematical Thinking. In: Zentralblatt für Didaktik der Mathematik, Volume 37 (5), 2005, pp. 424-430
  • Sjuts, Johann (2009): Mit Mathematik Wirklichkeit schaffen. In: Leuders, Timo & Hefendehl-Hebeker, Lisa & Weigand, Hans-Georg (Hrsg.): Mathemagische Momente. Berlin 2009, S. 190-197
  • Cohors-Fresenborg, Elmar & Kramer, Silke & Pundsack, Frank & Sjuts, Johann & Sommer, Norbert (2010): The role of metacognitive monitoring in explaining differences in mathematics achievement. In: ZDM Mathematics Education DOI 10.1007/s11858-010-0237-x, Volume 42, Number 2, 2010, p. 231-244
  • Sjuts, Johann (2014): Mathematikunterricht planen, durchführen, reflektieren und evaluieren. In: Helmut Linneweber-Lammerskitten (Hrsg.): Fachdidaktik Mathematik. Grundbildung und Kompetenzaufbau im Unterricht der Sek. I und II. Seelze 2014, S. 219-235
  • Sjuts, Johann (2016): Darstellungen und Vorstellungen und ihre Bedeutung für eine wirksame Metakognition beim Problemlösen und Begründen. In: Teaching Mathematics and Computer Science. Debrecen, S. 195-220 (DOI: 10.5485/TMCS.2016.0423)
  • Sjuts, Johann (2016): Metakognition beim Lösen mathematischer Probleme. – How to solve it. How to control it. In: GDM-Arbeitskreis Ungarn 2016, S. 105-114
  • Sjuts, Johann (2017): Mathematical, Logical and Strategic Thinking at Thales‘ Theorem. In: Martin Stein (Ed.) (2017): A Life’s Time for Mathematics Education and Problem Solving. Festschrift on the Occasion of András Ambrus’ 75th Birthday. WTM-Verlag. Münster 2017, S. 385-392
  • Sjuts, Johann (2018): Erklärungen in Mathematikschulbüchern. Kognitive Anforderungen beim Lesen mathematischer Texte. In: Beiträge zum Mathematikunterricht 2018, S. 1699-1702
  • Sjuts, Johann (2018): Metakognitive Strategien in Mathematik. In: mathematik lehren 211, 2018, S. 20-24
  • Sjuts, Johann (2019): Fehlerhaftes und Falsches beim mathematischen Denken – Melioration durch Metakognition. In: Vásárhelyi, Éva & Sjuts, Johann (Hrsg.) (2019): Auch wenn A falsch ist, kann B wahr sein. Was wir aus Fehlern lernen können. Ervin Deák zu Ehren. Münster 2019, S. 227-241
  • Sjuts, Johann (2019): Mathematisches Denken organisieren und reorganisieren. In: Beiträge zum Mathematikunterricht 2019, S. 765-768
  • Sjuts, Johann (2019): Bildung und Mathematik. Allgemeine Didaktik und Fachdidaktik des Mathematikunterrichts. In: Lin-Klitzing, Susanne & Arnold, Karl-Heinz (Hrsg.): Wolfgang Klafki: Allgemeine Didaktik. Fachdidaktik. Politikberatung. Bad Heilbrunn: Klinkhardt. S. 223-236
  • Sjuts, Johann (2020): Die Bedeutung von Darstellungen beim Aufbau probabilistischen und algebraischen Denkens in ausgewählten deutschsprachigen Büchern von Tamás Varga. In: Ambrus, Gabriella & Sjuts, Johann & Vancsó, Ödön & Vásárhelyi, Éva (Hrsg.): Komplexer Mathematikunterricht. Die Ideen von Tamás Varga in aktueller Sicht. Münster 2020, S. 333-352
  • Sjuts, Johann (2020): Kognitive Verzerrungen in der Schulmathematik. In: Beiträge zum Mathematikunterricht 2020, S. 881-884 (PDF)
  • Sjuts, Johann (2021): Schnelles Denken, langsames Denken und die Systemrelevanz von Metakognition. In: MNU-Journal 01/2021, S. 54-61 (PDF)
  • Sjuts, Johann & Ambrus, Gabriella (2021): Dynamisches und statisches geometrisches Denken. In: Éva Vásárhelyi & Johann Sjuts (Hrsg.): Theoretische und empirische Analysen zum geometrischen Denken. Münster: WTM 2021, S. 303-322
  • Sjuts, Johann (2022): Wettbewerbe und mehr – was eine Schule zur Talentförderung in Mathematik organisieren kann. In: Ambrus, Gabriella & Sjuts, Johann & Vásárhelyi, Éva (Hrsg.): Mathematische Zeitschriften und Wettbewerbe für Kinder und Jugendliche. Förderung für Talentierte und Interessierte über Grenzen hinweg. Münster: WTM 2022, S. 363-384
  • Sjuts, Johann (2022): Vorhandene und fehlende Metakognition in Aufgabenbearbeitungen. In: Beiträge zum Mathematikunterricht 2022
  • Sjuts, Johann (2022): Metakognition innerhalb von Aufgaben und Aufgabenbearbeitungen in Mathematik. In: Zeitschrift für Mathematikdidaktik in Forschung und Praxis. Vol. 3 (2022), S. 1-54
  • Sjuts, Johann (2023): Illustrative Aufgaben zum mathematischen Denken (in den mittleren Schuljahrgängen). In: Ambrus, Gabriella & Sjuts, Johann & Vásárhelyi, Éva (Hrsg.) (2023): Mathematik und mathematisches Denken – Ansprüche und Anforderungen vor, in und nach der Schule. Münster: WTM 2023, S. 225-248
  • Sjuts, Johann (2023): „So sah das in meinem Kopf aus“. Selbstwirksamkeit erleben beim Umgang mit Falschem und Fehlerhaftem beim Lernen von Mathematik. In: mathematik lehren 240, 2023, S. 8-11
  • Sjuts, Johann (2024): Sinn oder Unsinn? ChatGPT beim Lösen von Aufgaben und Problemen in Mathematik. In: MNU-Journal 02/2024. S. 128-136
Beiträge zur Professionalisierung von Lehrkräften  
  • Sjuts, Johann (2014): Die europäische Dimension in der Lehrerausbildung am Studienseminar Leer. Ebenso in englischer Sprache: The European Dimension in Teacher Education at the Studienseminar Leer. In: Rabensteiner, Pia-Maria & Rabensteiner, Gerhard (Eds.) (2014): Mobilities. Internationalization in Teacher Education. Volume 5. Baltmannsweiler 2014, S. 196-218
  • Sjuts, Johann (2015): Die Leitung eines Studienseminars: Handlungsfelder und Spannungsfelder. In: Journal für LehrerInnenbildung. Heft 2, 2015, S. 45-53
  • Doff, Sabine & Sjuts, Johann (2017): Fachdidaktischen Nachwuchs gewinnen und gleichzeitig die Qualität von Schul- bzw. Unterrichtsentwicklung nachhaltig sichern: Die Projekte „Duale Promotion“ und „Professionalisierung durch Promotion“. In: SEMINAR – Lehrerbildung und Schule. Heft 2, 2017, S. 74-82
  • Nolte, Britta & Sjuts, Johann & Ulrichs, Stephan (2018): Forschendes Lernen im Referendariat – Professionalisierung durch Praxisforschung im Fremdsprachenunterricht. In: Neuber, Nils & Paravicini, Walter & Stein, Martin (2018): Forschendes Lernen. The Wider View. Münster 2018, S. 273-276
  • Sjuts, Johann (2018): Bewältigung von Komplexität durch Professionalität – Ein Kommentar. In: Winkler, Iris & Gröschner, Alexander & May, Michael (Hrsg.): Lehrerbildung in einer Welt der Vielfalt. Befunde und Perspektiven eines Entwicklungsprojekts. Bad Heilbrunn 2018, S. 182-195
  • Nowińska, Edyta & Sjuts, Johann (2019): Von der Oberflächen- zur Tiefenstruktur bei Unterrichtsanalysen. In: SEMINAR – Lehrerbildung und Schule. Heft 2, 2019, S. 112-130
  • Sjuts, Johann (2022): Lehrerbildung als staatliche und gesellschaftliche Aufgabe angesichts gegenwärtiger und zukünftiger Herausforderungen. In: Halverscheid, Stefan & Kersten, Ina & Schmidt-Thieme, Barbara (Hrsg.): Bedarfsgerechte fachmathematische Lehramtsausbildung. Analyse, Zielsetzungen und Konzepte unter heterogenen Voraussetzungen. Berlin: Springer 2022, S. 31-45

Nach oben


Arbeitsgebiete

  • Kognitionswissenschaftliche Orientierung des Mathematikunterrichts
  • Diagnostik im Fach Mathematik
  • Professionalisierung von Lehrkräften

Nach oben


Projekte und Aktivitäten

  • „Lebenslanges forschendes Lernen im Kooperationsverbund Schule-Seminar-Universität“ (gefördert durch die Bund-Länder-Kommission für Bildungsplanung und Forschungsförderung)

  • „Mathematik Gut Unterrichten“ (gefördert durch die Deutsche Telekom Stiftung) (Leitungsmitglied)

  • „Metakognitive und diskursive Aktivitäten als Indikatoren für Unterrichtsqualität (MeDUQua)“

  • „Modellvorhaben Nordwest: Entwicklung von Diagnose- und Förderkompetenz im Unterricht und in Lehr-Lern-Laboren“ (gefördert durch den Stifterverband für die Deutsche Wissenschaft)(Leitungsmitglied)

  • Praxisforschung in der niederländischen und deutschen Lehrerausbildung in Leeuwarden und Leer (gefördert durch die Ems Dollart Region)(Leitungsmitglied)

  • Arbeitskreis „Mathematiklehren und -lernen in Ungarn“ (Sprecherteam)

  • Buchreihe „Mathematiklehren und -lernen in Ungarn“ (Mitherausgeber)
  • Mitwirkung an Schulversuchen und Forschungsvorhaben
  • Mitglied in Expertenkommissionen, Begutachtungs- und Auswahlgremien und Beiräten

Nach oben


Mitgliedschaften

  • GDM (Gesellschaft für Didaktik der Mathematik)
  • DMV (Deutsche Mathematiker-Vereinigung)
  • MNU (Deutscher Verein zur Förderung des mathematischen und naturwissenschaftlichen Unterrichts)
  • BAK (Bundesarbeitskreis der Seminar- und Fachleiter/innen)

Nach oben