Beschäftigung ist nicht gleich Lernen: Wie man Aufgaben identifiziert, die echtes Nachdenken anregen, und wie man Routineaufgaben von kognitiv aktivierenden Aufgaben unterscheidet.

Knobeln mit Struktur: Wie man mit Bäumen falsche Münzen findet und warum vier Farben für jede Landkarte der Welt ausreichen. Anwendung der Graphentheorie auf klassische Probleme und Rätsel.

Die Macht des Exponenten: Eine mathematisch fundierte Analyse, warum Bäume bei großen Datenmengen Listen gnadenlos überlegen sind. Mathematische Herleitung der Knotenzahl (2^n - 1) und der maximalen Suchschritte (logarithmische Laufzeit) in Binärbäumen.

Warum Google so schnell ist: Der „Aha-Moment“ zur Effizienz von Datenstrukturen. Warum wir im Telefonbuch nicht vorne anfangen zu blättern, sondern springen.

Wie Computer (und Menschen) Entscheidungen treffen: Bäume als visuelle Struktur für Ja-Nein-Fragen und Hierarchien. Bäume als spezielle gerichtete Graphen zur Darstellung von Entscheidungsprozessen und Hierarchien.

Vom Straßenplan zur Mathematik: Wie man komplexe Netzwerke durch Knoten und Kanten vereinfacht darstellt und modelliert. Einführung in Graphen als fundamentale Datenstruktur zur Modellierung von Beziehungen.

Was macht guten Unterricht wirklich aus? Der „Goldstandard“ der Bildungsforschung kompakt erklärt – von effizienter Klassenführung bis zum lernförderlichen Klima. Zusammenfassung der empirischen Unterrichtsforschung zu Qualitätskriterien.

Warum Methoden allein nicht reichen: Eine Einführung in die zwei entscheidenden Ebenen der Unterrichtsqualität und warum der Lernerfolg in der Tiefe liegt.

Ein interdisziplinäres Modul, das zeigt, wie man tiefes Nachdenken bei Schülern anregt, Unterricht professionell plant und komplexe Informatik-Konzepte (Graphen) anschaulich vermittelt. Dieses umfassende Modul verknüpft drei Perspektiven der Lehrerbildung: 1.

Vom Fehler zum Lerneffekt: Ein 4-Stufen-Modell zur Förderung der Fehlerkompetenz bei Schülern. Damit Schüler aus Fehlern lernen, reicht Korrektur nicht aus.

Nicht jeder Fehler ist gleich: Eine psychologische Taxonomie zur besseren Diagnose von Lernschwierigkeiten. Dieses Modul stellt die psychologische Kategorisierung von Fehlern nach Weimer vor.

Mathematik als Fremdsprache: Wie sprachliche Hürden zu fachlichen Fehlern führen und wie man sie erkennt. Rechenfehler sind oft Sprachfehler. Dieses Modul untersucht den "Verbal Factor" (Radatz, 1980) als Fehlerquelle.

Warum "Falsch" auch "Wichtig" ist: Wie negatives Wissen hilft, Handlungsabläufe zu schützen und Fehler zu vermeiden. Dieses Modul erläutert die Theorie des negativen Wissens nach Oser und Rollett.

Der Klassiker des kooperativen Lernens: Denken, Austauschen, Vorstellen – kurz und bündig erklärt für den direkten Einsatz. Vorstellung der kooperativen Lernmethode Think-Pair-Share (TPS).

Schüler als Lehrer: Wie Peer-Teaching durch klare Regeln und Rollenverteilung auch bei leistungsheterogenen Paaren funktioniert. Tutorielles Lernen nutzt Peers als Lehrende.

Selbstständiges Arbeiten fördern: Wie man Aufgaben mit Hilfekärtchen so gestaltet, dass Schüler individuelle Unterstützung erhalten, ohne die Lehrkraft zu fragen. Dieses Modul stellt das Konzept der gestuften Lernhilfen vor, das Lernenden ermöglicht, komplexe Aufgaben selbstständig und im eigenen Tempo zu lösen.

Ein strukturierter Überblick über Möglichkeiten, Heterogenität methodisch zu begegnen – von der Schulorganisation bis zur Binnendifferenzierung. Das Modul differenziert zwischen äußerer Differenzierung (schulorganisatorisch) und innerer Differenzierung (Binnendifferenzierung).

Wie zieht ein Taschenrechner die Wurzel? Ein iterativer Algorithmus an der Schnittstelle von Geometrie und Informatik. Das Heron-Verfahren ist ein klassisches Beispiel für einen iterativen Algorithmus zur Annäherung (Approximation) von Quadratwurzeln.

Algorithmen "unplugged": Ein antikes Verfahren zur Primzahlbestimmung, das algorithmisches Denken greifbar macht. Ein historischer Algorithmus zur Bestimmung von Primzahlen. Das Modul erklärt das Verfahren des systematischen Streichens von Vielfachen.

Effizienz verstehen: Warum einfache Algorithmen wie Bubble Sort bei großen Datenmengen versagen und wie Quick Sort das löst. Wie sortiert ein Computer Daten effizient? Dieses Modul vergleicht quadratische Suchalgorithmen (wie Bubble Sort, Selection Sort) mit effizienteren Verfahren (Quick Sort).