Biologische Vergleichsdaten mit Störfaktoren prüfen
aiMOOCBiologische Vergleichsdaten mit Störfaktoren prüfen
QR-Code
Biologische Vergleichsdaten mit Störfaktoren prüfen
Einleitung
Biologische Daten wirken oft eindeutig: Eine Gruppe ist größer, schneller, häufiger oder schwerer als eine andere. Für eine belastbare Aussage reicht ein Unterschied in Messwerten aber nicht aus. Du musst prüfen, wer oder was gemessen wurde, wie die Stichprobe zustande kam, ob die Gruppen fair vergleichbar sind, welche weiteren Einflussfaktoren mitwirken und wie weit eine Ursachenaussage tatsächlich trägt.
Dieser aiMOOC ist eine methodische Vertiefung für Biologie ab der Sekundarstufe I und enthält Erweiterungen für ältere Lernende. Das Lernziel lautet: Du kannst vorgegebene biologische Messreihen auf Stichproben, Störfaktoren, faire Vergleiche und begrenzte Ursachenaussagen prüfen und Deine Entscheidung mit nachvollziehbaren Belegen begründen. Der aiMOOC beansprucht keine vollständige Lehrplanabdeckung.
Alle praktischen Aufgaben arbeiten mit Tabellen, Papiermodellen oder bereits vorgegebenen Daten. Es werden keine gefährlichen Versuchsanleitungen gegeben. Medizinische oder persönliche Gesundheitsentscheidungen sind nicht Gegenstand dieses Kurses.
Lernziele und Niveaus G/M/E
Die drei Niveaus unterscheiden sich nicht nur durch mehr Inhalt, sondern durch unterschiedliche Denkoperationen.
| Niveau | Typische Operation | Was Du können sollst |
|---|---|---|
| G – Grundniveau | identifizieren, ablesen, zuordnen | Messgröße, Einheit, Stichprobe und mögliche Störfaktoren in einem Datenfall erkennen. |
| M – Mittelniveau | berechnen, vergleichen, begründen | Kennwerte vergleichen, die Fairness eines Vergleichs prüfen und eine Aussage mit Daten belegen. |
| E – Erweiterungsniveau | beurteilen, alternative Erklärungen prüfen, Untersuchungsdesign verbessern | Kausalaussagen begrenzen, Konfundierung beurteilen, unabhängige Wiederholungen prüfen und ein besseres Design begründet vorschlagen. |
Fachliche Grundlagen
Stichprobe und Grundgesamtheit
Eine Grundgesamtheit ist die Menge, über die Du etwas wissen möchtest, zum Beispiel alle Pflanzen einer Population an einem Standort. Eine Stichprobe ist die tatsächlich untersuchte Teilmenge. Die Stichprobengröße allein macht eine Untersuchung nicht automatisch gut: Entscheidend ist auch, wie die Elemente ausgewählt wurden und ob die Stichprobe zur Fragestellung passt.
Eine Zufallsstichprobe betrifft die Auswahl von Untersuchungseinheiten aus einer Grundgesamtheit. Davon zu unterscheiden ist die Randomisierung: Sie betrifft die zufällige Zuweisung von Untersuchungseinheiten zu Vergleichsbedingungen. Beides kann Verzerrungen vermindern, löst aber unterschiedliche Probleme.
Mediennachweis: Dan Kernler, Simple random sampling.PNG, Wikimedia Commons, 30.10.2014, Lizenz CC BY-SA 4.0. Die Abbildung dient hier zur Veranschaulichung des Unterschieds zwischen Grundgesamtheit und Stichprobe.
Störfaktor und Konfundierung
Ein Störfaktor ist eine Variable, die einen Vergleich beeinflussen kann, obwohl sie nicht im Mittelpunkt der Fragestellung steht. Von Konfundierung spricht man, wenn der interessierende Einfluss und das Ergebnis durch einen dritten Faktor so miteinander verknüpft sind, dass der beobachtete Zusammenhang teilweise oder vollständig anders erklärt werden kann.
Für ältere Lernende wichtig: Nicht jede zusätzliche Variable ist automatisch ein Confounder. Ein plausibler Confounder steht mit der betrachteten Exposition oder Gruppenzugehörigkeit in Beziehung und kann unabhängig davon das Ergebnis beeinflussen. Eine Variable, die erst durch die Exposition verursacht wird, ist nicht einfach als Confounder zu behandeln.
Mediennachweis: TheBartgry, Confounding.svg, Wikimedia Commons, 25.04.2025, Lizenz CC BY 4.0. Die Grafik zeigt das Grundprinzip eines dritten Einflussfaktors.
Vertiefungsvideo: Sprouts, Correlation vs Causation Explained: Why Patterns Can Mislead Us, veröffentlicht am 23.03.2026. Das englischsprachige Video behandelt unter anderem Störfaktoren, umgekehrte Kausalität und Scheinkorrelationen.
Fairer Vergleich
Ein Vergleich ist besonders aussagekräftig, wenn sich die Gruppen hinsichtlich der Zielbedingung unterscheiden, aber andere relevante Bedingungen möglichst ähnlich sind. Das heißt nicht, dass in echter Biologie immer alles identisch sein muss. Wichtig ist vielmehr, Unterschiede zu dokumentieren, potenzielle Störfaktoren zu erkennen und im Untersuchungsdesign oder in der Auswertung nachvollziehbar damit umzugehen.
Beispiele für mögliche Einflussfaktoren sind Alter, Entwicklungsstadium, Temperatur, Licht, Wasserverfügbarkeit, Standort, Jahreszeit, Messzeitpunkt, Messgerät oder Auswahlverfahren. Welcher Faktor relevant ist, hängt vom konkreten biologischen System und der Fragestellung ab.
Zusammenhang ist nicht automatisch Ursache
Ein beobachteter Unterschied oder eine Korrelation zeigt zunächst einen Zusammenhang in den Daten. Für eine Kausalaussage brauchst Du zusätzlich gute Gründe dafür, dass alternative Erklärungen ausreichend ausgeschlossen oder kontrolliert wurden. Randomisierte Versuchspläne können dabei sehr hilfreich sein. Auch Beobachtungsdaten können unter geeigneten Designs und begründeten Annahmen kausale Schlüsse unterstützen; ein bloßer Mittelwertunterschied allein genügt dafür aber nicht.
Videohinweis: CrashCourse, Correlation Doesn't Equal Causation: Crash Course Statistics #8, veröffentlicht am 14.03.2018. Das Video ist englischsprachig und erläutert den Unterschied zwischen Korrelation und Kausalität.
Das KLAR-Modell für biologische Vergleichsdaten
Das KLAR-Modell ist ein didaktisches Prüfmodell dieses aiMOOCs und kein offizieller Fachstandard.
| Schritt | Leitfrage | Typische Handlung |
|---|---|---|
| K – Kläre die Vergleichsfrage | Welche Population, welche Gruppen, welche Zielgröße und welche Einheit werden verglichen? | Fragestellung und Variablen präzisieren. |
| L – Lies den Mess- und Stichprobenplan | Wie wurden Fälle ausgewählt, gemessen und zu Gruppen zugeordnet? | Stichprobenweg, Messzeitpunkt, Einheit, fehlende Werte und Wiederholungen prüfen. |
| A – Achte auf alternative Einflussfaktoren | Unterscheiden sich die Gruppen außer in der interessierenden Bedingung? | Mögliche Störfaktoren und systematische Gruppenunterschiede benennen. |
| R – Reichweite der Aussage begrenzen | Welche Aussage ist durch die Daten belegt und welche wäre zu stark? | Beobachtung, Zusammenhang und Ursache sprachlich sauber trennen. |
Checkliste für die Fachwerkstatt
| Prüffrage | Ja / Nein / Unklar | Beleg im Datenfall |
|---|---|---|
| Ist die biologische Fragestellung präzise? | ||
| Sind Population und Stichprobe erkennbar? | ||
| Sind Messgröße, Einheit und Messzeitpunkt angegeben? | ||
| Wurden die Gruppen nach demselben Verfahren gemessen? | ||
| Sind Auswahl und Gruppenzuordnung nachvollziehbar? | ||
| Unterscheiden sich die Gruppen in weiteren biologisch plausiblen Faktoren? | ||
| Gibt es unabhängige Wiederholungen auf der Ebene, auf der die Bedingung variiert? | ||
| Werden Streuung oder Einzelwerte statt nur eines Mittelwerts gezeigt? | ||
| Werden alternative Erklärungen genannt? | ||
| Ist die Kausalsprache so vorsichtig wie das Untersuchungsdesign es verlangt? | ||
| Sind Herkunft und Datum der Belege dokumentiert? |
Eigenes Datenbeispiel: Bohnenpflanzen im Schulgewächshaus
Das folgende Beispiel ist vollständig für diesen aiMOOC erstellt. Alle Zahlen sind Modellwerte; sie stammen nicht aus einer realen Studie.
Fragestellung: Ist der beobachtete Unterschied im Höhenzuwachs durch die Düngerlösung verursacht?
Zwei Gruppen aus demselben Bohnen-Saatgut wurden 14 Tage lang beobachtet. Jede Pflanze stand in einem eigenen Topf mit 0,50 L Substrat und erhielt täglich 50 mL Wasser. Die Raumtemperatur lag bei 22 ± 1 °C. Der Höhenzuwachs wurde vom Tag 0 bis Tag 14 mit einer Auflösung von 0,1 cm gemessen.
| Gruppe | Düngerlösung | Mittlere Beleuchtungsstärke während der 12-h-Lichtphase | Anzahl Pflanzen | Höhenzuwachs Tag 0 bis 14 in cm |
|---|---|---|---|---|
| A | 1,0 g/L | 8,0 klx | 8 | 18,0; 19,0; 20,0; 17,0; 21,0; 19,0; 18,0; 20,0 |
| B | 0,0 g/L | 4,0 klx | 8 | 13,0; 15,0; 14,0; 16,0; 14,0; 13,0; 15,0; 14,0 |
Modellannahmen: Es gibt keine fehlenden Werte. Alle Pflanzen stammen aus demselben Saatgut-Los. Wasser, Topfvolumen, Substrattyp, Beobachtungsdauer und Raumtemperatur gelten im Modell als vergleichbar. Gruppe A stand jedoch vollständig auf Regalplatz A, Gruppe B vollständig auf Regalplatz B. Die Beleuchtungsstärke ist daher mit der Düngungsbedingung gekoppelt. Weitere unbekannte Standortunterschiede sind nicht ausgeschlossen.
Nachvollziehbarer Lösungsweg
Schritt 1 – Unterschied beschreiben: Der Mittelwert von Gruppe A beträgt (18+19+20+17+21+19+18+20)/8 = 19,00 cm. Der Mittelwert von Gruppe B beträgt (13+15+14+16+14+13+15+14)/8 = 14,25 cm. Der beobachtete Mittelwertunterschied beträgt also 4,75 cm. Der Median liegt bei A bei 19,0 cm und bei B bei 14,0 cm.
Schritt 2 – Vergleichsbedingungen prüfen: Die Gruppen unterscheiden sich nicht nur bei der Düngerlösung, sondern auch bei der Beleuchtungsstärke: 8,0 klx gegenüber 4,0 klx. Licht ist für die Pflanzenentwicklung biologisch plausibel relevant. Deshalb ist die Düngung mit einem möglichen Störfaktor gekoppelt.
Schritt 3 – Stichprobe und Wiederholungen prüfen: Es gibt zwar acht Pflanzenmessungen je Gruppe, aber nur einen Regalplatz pro Bedingung. Damit ist der Standort nicht unabhängig wiederholt. Für ältere Lernende ist das ein Hinweis auf mögliche Pseudoreplikation bzw. fehlende unabhängige Replikation auf der Standortebene.
Schritt 4 – zulässige Aussage formulieren: Die Daten belegen: In diesem Datensatz zeigt Gruppe A einen größeren Höhenzuwachs als Gruppe B. Die Daten belegen dagegen nicht, dass die Düngerlösung allein den Unterschied von 4,75 cm verursacht hat.
Schritt 5 – besseres Vergleichsdesign auf Papier planen: Eine verbesserte Planung würde Töpfe zufällig Düngungsbedingungen zuordnen, beide Düngungsbedingungen auf mehreren Regalplätzen vertreten, die Lichtbedingungen dokumentieren oder angleichen und die Positionen so verteilen, dass Düngung und Standort nicht vollständig gekoppelt sind. Das ist hier nur eine Planungsaufgabe; ein realer Versuch ist nicht nötig.
Zwei typische Fehlschlüsse
Fehlschluss 1: „Gruppe A ist im Mittel 4,75 cm größer geworden, also verursacht der Dünger genau 4,75 cm zusätzlichen Zuwachs.“ – Das ist zu stark, weil die Beleuchtungsstärke gleichzeitig verschieden war.
Fehlschluss 2: „Es gibt 16 Pflanzen, also 16 völlig unabhängige Wiederholungen.“ – Das übersieht, dass alle Pflanzen einer Gruppe denselben Regalplatz teilen. Die Unabhängigkeit der Wiederholungen muss auf der Ebene geprüft werden, auf der sich die Bedingungen unterscheiden.
Begründete Transferentscheidung
Neuer Papierfall: In zwei Teichen wird die mittlere Körperlänge von Kaulquappen verglichen. In Teich X wurden die Tiere zwei Wochen später im Jahr erfasst als in Teich Y. Die Tiere in X sind im Mittel länger.
Transferentscheidung: Die Aussage „Teich X verursacht größere Körperlängen“ oder die Zuschreibung an einen einzelnen weiteren Teichfaktor wäre nicht ausreichend begründet. Der unterschiedliche Erfassungszeitpunkt ist eine plausible alternative Erklärung, weil Entwicklungsstadien zeitabhängig sind. Eine faire Prüfung müsste gleiche oder überlappende Erfassungszeitpunkte, vergleichbare Entwicklungsstadien und möglichst mehrere unabhängige Teiche oder Messblöcke einbeziehen. Die angemessene Aussage lautet zunächst: In den vorliegenden Messungen unterscheiden sich die beiden Teiche in der mittleren Körperlänge; die Ursache ist mit diesen Daten nicht eindeutig isoliert.
Fachwerkstatt: Prüfe einen fremden Datenfall
Arbeite nur mit einer vorgegebenen Tabelle oder einem selbst erfundenen Papierdatensatz.
Modell für die Fachwerkstatt
- Fragestellung: Formuliere eine präzise Vergleichsfrage mit Population, Gruppen und Zielgröße.
- Stichprobe: Markiere, wie viele Untersuchungseinheiten vorliegen und wie sie ausgewählt wurden.
- Messung: Notiere Messgröße, Einheit, Zeitpunkt und mögliche Messfehler.
- Störfaktor: Nenne mindestens zwei mögliche alternative Einflussfaktoren und kennzeichne, welche davon in den Gruppen tatsächlich verschieden sind.
- Vergleich: Entscheide, welche Teile des Vergleichs fair und welche problematisch sind.
- Kausalität: Formuliere eine zulässige Beobachtungsaussage und daneben eine zu starke Ursachenaussage.
- Beleg: Verweise für jede Entscheidung auf eine konkrete Tabellenzeile, Zahl, Einheit oder Methodenangabe.
Differenzierung der Fachwerkstatt
| Niveau | Arbeitsauftrag | Auswertbares Produkt |
|---|---|---|
| G | Identifiziere Stichprobe, Zielgröße, Einheit und einen möglichen Störfaktor. | Vier korrekt markierte Elemente im Datenblatt. |
| M | Berechne und vergleiche zwei geeignete Kennwerte und begründe mit mindestens zwei Belegen, ob der Vergleich fair ist. | Rechenweg plus begründetes Fairnessurteil. |
| E | Beurteile die Kausalaussage, prüfe mindestens zwei alternative Erklärungen und entwirf ein verbessertes Untersuchungsdesign auf Papier. | Begründetes Kausalitätsurteil plus Designskizze. |
Quellenbasis und fachliche Herkunft
Die folgenden Quellen wurden zur fachlichen Absicherung der Begriffe und Prüfprinzipien verwendet. Herkunft und Datum sind angegeben.
- CDC – Field Epidemiology Manual: Richard C. Dicker, Kapitel „Analyzing and Interpreting Data“, Centers for Disease Control and Prevention, Stand 06.01.2025. Erläutert Analyseplanung und Confounding als Verzerrung einer Expositions-Ergebnis-Beziehung durch einen dritten Faktor. https://www.cdc.gov/field-epi-manual/php/chapters/analyze-interpret-data.html
- IARC Scientific Publications No. 171: Richardson u. a., „Confounding: a routine concern in the interpretation of epidemiological studies“, in Statistical Methods in Cancer Research Volume V, International Agency for Research on Cancer, 2024. Behandelt Confounding, Matching, Adjustierung und verbleibende Störfaktoren. https://www.ncbi.nlm.nih.gov/books/NBK612871/
- STROBE Statement: von Elm u. a., „The Strengthening the Reporting of Observational Studies in Epidemiology statement“, Epidemiology, November 2007. Die Leitlinie fordert transparente Angaben zu Design, Teilnehmenden, Variablen, Bias, Confoundern und Ergebnissen. https://pubmed.ncbi.nlm.nih.gov/18049194/
- Wikimedia Commons – Confounding.svg: TheBartgry, 25.04.2025, CC BY 4.0. https://commons.wikimedia.org/wiki/File:Confounding.svg
- Wikimedia Commons – Simple random sampling.PNG: Dan Kernler, 30.10.2014, CC BY-SA 4.0. https://commons.wikimedia.org/wiki/File:Simple_random_sampling.PNG
- CrashCourse: „Correlation Doesn't Equal Causation: Crash Course Statistics #8“, YouTube, 14.03.2018. https://www.youtube.com/watch?v=GtV-VYdNt_g
- Sprouts: „Correlation vs Causation Explained: Why Patterns Can Mislead Us“, YouTube, 23.03.2026. https://www.youtube.com/watch?v=ofweqU0Lz4I
Interaktive Aufgaben
Quiz: Teste Dein Wissen
Was beschreibt einen möglichen Störfaktor am besten? (Eine weitere Variable, die mit Gruppenzugehörigkeit oder Exposition zusammenhängt und das Ergebnis beeinflussen kann) (!Eine Zahl, die immer kleiner als der Mittelwert ist) (!Eine Messgröße, die nur in Kontrollgruppen vorkommt) (!Ein Fehler, der ausschließlich durch falsches Rechnen entsteht)
Was ist für einen fairen biologischen Vergleich besonders wichtig? (Relevante Bedingungen außer der interessierenden Vergleichsbedingung möglichst vergleichbar zu halten oder zu kontrollieren) (!Möglichst viele verschiedene Messgeräte zu verwenden) (!Nur den größten Messwert jeder Gruppe zu betrachten) (!Jede Gruppe an einem anderen Ort zu messen)
Wie groß ist im Bohnenbeispiel der Unterschied der Mittelwerte? (4,75 cm) (!3,00 cm) (!8,00 cm) (!14,25 cm)
Welcher Faktor ist im Bohnenbeispiel direkt mit der Düngungsbedingung gekoppelt? (Die Beleuchtungsstärke) (!Das Topfvolumen) (!Die tägliche Wassermenge) (!Die Beobachtungsdauer)
Welche Aussage ist für das Bohnenbeispiel angemessen? (Gruppe A zeigt mehr Höhenzuwachs, aber der Düngeeffekt ist wegen weiterer Gruppenunterschiede nicht isoliert) (!Der Dünger verursacht sicher genau 4,75 cm mehr Wachstum) (!Die Beleuchtungsstärke hat sicher keinen Einfluss) (!Die Daten beweisen, dass nur der Standort wirkt)
Was ist das zentrale Problem daran, dass jede Bohnen-Gruppe nur auf einem Regalplatz stand? (Der Standort wurde auf Gruppenebene nicht unabhängig wiederholt) (!Die Einheit Zentimeter ist ungeeignet) (!Acht Messwerte dürfen nie gemittelt werden) (!Pflanzen können grundsätzlich nicht verglichen werden)
Welche Planungsänderung reduziert im Papiermodell die Kopplung von Düngung und Standort am besten? (Beide Düngungsbedingungen auf mehrere Regalplätze verteilen und die Zuweisung der Töpfe randomisieren) (!Alle gedüngten Töpfe an das hellste Fenster stellen) (!Nur den jeweils größten Messwert verwenden) (!Die Messungen ohne Einheiten notieren)
Was unterscheidet eine Zufallsstichprobe von einer Randomisierung? (Die Zufallsstichprobe betrifft die Auswahl aus der Population, die Randomisierung die Zuweisung zu Bedingungen) (!Beide Begriffe bedeuten immer exakt dasselbe) (!Die Zufallsstichprobe betrifft nur Messgeräte) (!Die Randomisierung bedeutet, dass keine Stichprobe nötig ist)
Welche Aussage zu Korrelation und Kausalität ist korrekt? (Ein statistischer Zusammenhang allein reicht nicht für eine sichere Ursachenzuschreibung) (!Jede Korrelation ist automatisch ein Ursache-Wirkungs-Nachweis) (!Nur negative Korrelationen können kausal sein) (!Kausalität lässt sich immer allein am größeren Mittelwert erkennen)
Wozu dient die STROBE-Leitlinie? (Zur transparenten Berichterstattung von Beobachtungsstudien) (!Zum Beweis, dass jede Beobachtungsstudie kausal ist) (!Zur Festlegung einer einzigen erlaubten Stichprobengröße) (!Zur Messung von Pflanzenhöhe mit einem Standardlineal)
Memory
| Stichprobe | untersuchte Teilmenge einer Grundgesamtheit |
| Störfaktor | alternative Einflussgröße auf einen Vergleich |
| Konfundierung | Vermischung von interessierendem Einfluss und drittem Faktor |
| Randomisierung | zufällige Zuweisung zu Vergleichsbedingungen |
| Replikation | unabhängige Wiederholung einer Bedingung |
| Kausalität | begründete Ursache-Wirkungs-Beziehung |
Drag and Drop
| Ordne die richtigen Begriffe zu. | Thema |
|---|---|
| Beobachtungsaussage | Gruppe A hat im Datensatz den höheren Mittelwert |
| Störfaktor | Beleuchtungsstärke unterscheidet sich zusätzlich zwischen den Gruppen |
| Stichprobe | Die tatsächlich gemessenen Pflanzen |
| Randomisierung | Zufällige Zuweisung von Töpfen zu Bedingungen |
| Kausalaussage | Eine Bedingung erzeugt eine Veränderung der Zielgröße |
Kreuzworträtsel
| Stichprobe | Wie heißt die untersuchte Teilmenge einer Grundgesamtheit? |
| Konfundierung | Wie heißt die Vermischung eines interessierenden Effekts mit einem dritten Einfluss? |
| Randomisierung | Wie heißt die zufällige Zuweisung zu Vergleichsbedingungen? |
| Kausalität | Wie heißt eine Ursache-Wirkungs-Beziehung? |
| Replikation | Wie heißt eine unabhängige Wiederholung einer Untersuchungsbedingung? |
| Messfehler | Wie heißt eine Abweichung, die bei einer Messung entstehen kann? |
LearningApps
Lückentext
Offene Aufgaben
Leicht / G
- Messreihe lesen: Markiere in einer vorgegebenen biologischen Tabelle Stichprobe, Messgröße, Einheit und Messzeitpunkt.
- Störfaktor erkennen: Erfinde zu einem Pflanzenvergleich drei mögliche Einflussfaktoren und kennzeichne, welcher davon im Datensatz tatsächlich zwischen den Gruppen verschieden ist.
- Aussagen sortieren: Schreibe vier Sätze zu einem Datenfall und ordne sie als Beobachtung, Vermutung, Kausalaussage oder nicht belegte Behauptung.
- Daten visualisieren: Zeichne die Einzelwerte des Bohnenbeispiels auf Papier als Punktdiagramm und markiere die beiden Mittelwerte.
Standard / M
- Kennwerte vergleichen: Berechne für einen neuen Datensatz Mittelwert und Spannweite beider Gruppen und begründe, welcher Unterschied sicher aus den Daten ablesbar ist.
- Fairness prüfen: Nutze die KLAR-Checkliste für einen biologischen Vergleich und belege jedes Urteil mit einer konkreten Tabellenangabe.
- Quellencheck: Vergleiche zwei kurze Methodenbeschreibungen und entscheide, welche Herkunft, Datum, Stichprobenwahl und Messbedingungen nachvollziehbarer dokumentiert.
- Papiermodell planen: Entwirf auf Papier eine faire Verteilung von zwölf symbolischen „Töpfen“ auf zwei Bedingungen und drei Standorte, ohne einen realen Versuch durchzuführen.
Schwer / E
- Kausalitätskritik: Formuliere zu einem Beobachtungsdatensatz eine vorsichtige und eine zu starke Kausalaussage und erkläre den Unterschied.
- Pseudoreplikation: Analysiere einen Fall mit vielen Einzelmessungen, aber nur einem Standort je Bedingung, und erkläre, welche Ebene tatsächlich unabhängig wiederholt werden müsste.
- Alternativerklärungen: Entwickle für einen ökologischen Vergleich mindestens drei konkurrierende Erklärungen und skizziere, welche zusätzlichen Daten sie voneinander unterscheiden könnten.
- Untersuchungsdesign verbessern: Überarbeite einen fehlerhaften Vergleich so, dass Auswahl, Zuweisung, Messung und unabhängige Wiederholung klarer werden, und begründe jede Änderung.
|
|
Lernkontrolle
- Transferfall Population: Zwei Schulklassen messen Blattlängen an unterschiedlichen Standorten. Erkläre, warum „mehr Blätter gemessen“ nicht automatisch „bessere Stichprobe“ bedeutet, und nenne eine verbesserte Auswahlstrategie.
- Transferfall Jahreszeit: Eine Vogelbeobachtung vergleicht zwei Gebiete, die in verschiedenen Monaten erfasst wurden. Beurteile, welche Ursachenaussagen zulässig sind und welche Zusatzdaten Du brauchst.
- Transferfall Messgerät: Gruppe A wurde mit einem digitalen Messschieber, Gruppe B mit einem Lineal erfasst. Analysiere, wie unterschiedliche Messpräzision den Vergleich beeinflussen kann.
- Transferfall Standort: In einem Gewässerdatensatz stammen alle belasteten Proben aus einem einzigen Bachabschnitt und alle Vergleichsproben aus einem anderen. Beurteile die Unabhängigkeit der Wiederholungen.
- Transferfall Design: Entwirf ein Papiermodell, das einen interessierenden Faktor über mehrere Blöcke verteilt, und erkläre, welche Störfaktoren dadurch besser kontrolliert werden.
- Transferfall Sprache: Überarbeite die Aussage „X verursacht Y“ so, dass sie exakt zur vorhandenen Evidenz eines nicht randomisierten Vergleichs passt.
Lernnachweis
Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du nicht nur Begriffe wiedergeben, sondern einen biologischen Datenfall nachvollziehbar prüfen kannst.
- Stichprobe: Population, Stichprobe, Auswahlweg und Stichprobengröße unterscheiden.
- Messqualität: Messgröße, Einheit, Zeitpunkt und mögliche Messabweichungen erkennen.
- Störfaktor: biologisch plausible alternative Einflussfaktoren identifizieren und ihre Kopplung an Gruppen prüfen.
- Fairer Vergleich: Gemeinsamkeiten und Unterschiede der Vergleichsbedingungen belegen.
- Replikation: Einzelmessungen von unabhängigen Wiederholungen unterscheiden.
- Datenauswertung: einfache Kennwerte korrekt berechnen und mit Einzelwerten abgleichen.
- Kausalität: Beobachtung, Zusammenhang und Ursache sprachlich differenzieren.
- Begründung: jede Entscheidung mit Zahlen, Einheiten oder Methodenangaben aus dem Datenfall stützen.
- Untersuchungsdesign: für das E-Niveau eine begründete Verbesserung des Designs auf Papier entwickeln.
OERs zum Thema
Als offene Hintergrundressourcen eignen sich insbesondere die Wikipedia-Artikel Stichprobe, Zufallsstichprobe, Korrelation und Kausalität. Sie ersetzen keine Fachquelle für eine konkrete Studie, helfen aber beim Nachschlagen von Grundbegriffen.
Verknüpfte Lernbereiche
aiMOOC-Projekte
MOOCwiki · Deutsch
Nach dem Lernen ist vor dem Lernen
Entdecke direkt den nächsten Lernkurs. Weitere Inhalte erscheinen, wenn Du weiter nach unten scrollst.
Zur MOOCwiki-HauptseiteMediathek
Mediathek wird aus dem Wiki geladen ...
Keine passenden Inhalte gefunden. Bitte ändere Suche oder Filter.