Informatik 7: Grundbegriffe strukturierter und tabellarisch erfasster Daten und Operationen und Datenbestände mit entsprechender Software auswerten und visualisieren
5.1 Lernziele
- Zellen benennen
- Zeilen unterscheiden
- Spalten erklären
- Datensätze erkennen
- Datentypen unterscheiden
- Daten erfassen
- Daten bereinigen
- Werte sortieren
- Daten filtern
- Formeln nutzen
- Diagramme wählen
- Ergebnisse deuten
5.2 Lerninhalte
Strukturierte Daten werden erst dann fachlich nutzbar, wenn Aufbau, Erfassung, Bearbeitung, Berechnung, Interpretation und Visualisierung als zusammenhängender Arbeitsprozess verstanden werden, der von der Dateneingabe bis zur begründeten grafischen Darstellung reicht.
Grundbegriffe strukturierter und tabellarischer Daten
Eine Tabelle wird erst dann verständlich und auswertbar, wenn Begriffe wie Zelle, Zeile, Spalte, Überschrift, Datensatz, Merkmal, Wert und Datentyp sicher unterschieden werden, weil daraus Ordnung, Lesbarkeit und Weiterverarbeitung eines Datenbestands entstehen. Tabellarische Daten bestehen aus klar geordneten Einheiten. Die Zelle ist das einzelne Feld, in dem ein Wert steht. Die Zeile enthält oft einen vollständigen Datensatz, zum Beispiel die Angaben zu einer Person, einem Monat oder einem Produkt. Die Spalte bündelt gleichartige Merkmale, etwa Name, Alter, Datum, Genre oder Umsatz. Die Überschrift benennt die Bedeutung einer Spalte. Ein Datensatz ist also eine vollständige Zeile mit zusammengehörigen Werten. Ein Merkmal ist die Eigenschaft, die in einer Spalte erfasst wird. Ein Wert ist der konkrete Inhalt einer Zelle.
Wichtig ist außerdem der Datentyp. Texte, Zahlen, Prozente, Währungen, Datumsangaben oder Ja-Nein-Werte werden unterschiedlich verarbeitet. Eine Klassenliste mit Namen und Geburtstagen funktioniert anders als eine Umsatzliste mit Monatswerten oder eine Umfrage mit Antwortkategorien. Werden Datentypen verwechselt, entstehen oft falsche Sortierungen, fehlerhafte Berechnungen oder unpassende Diagramme. Genau deshalb gehört zur Grundbildung mit Daten nicht nur das Eintragen, sondern auch das Verstehen der Struktur. Beispiele: Zelle, Zeile, Spalte, Datensatz, Merkmal, Wert, Datum, Zahl.
Daten erfassen und Datenqualität sichern
Die Qualität späterer Auswertungen hängt stark davon ab, wie Daten gesammelt, eingegeben und kontrolliert werden, weil unvollständige, doppelte oder uneinheitliche Angaben selbst bei guter Software zu schwachen oder irreführenden Ergebnissen führen. Daten können aus Beobachtungen, Umfragen, Formularen oder automatisierten Messungen stammen. Im Unterricht eignet sich besonders die Arbeit mit kleinen Erhebungen, etwa zum Leseverhalten, zu Lieblingssportarten, zur Mediennutzung oder zu täglichen Bildschirmzeiten. Die Lehrplanunterlagen nennen ausdrücklich Beobachtung, Umfragen und automatisierte Sensoren als typische Datenquellen und führen digitale Erfassung mit Formularwerkzeugen als praxistaugliches Beispiel an. Für gute Datenqualität braucht es klare Fragen und einheitliche Eingaben. Wenn eine Gruppe „2x“, eine andere „zweimal“ und eine dritte „2 mal“ schreibt, wird das Auswerten unnötig schwierig. Auch leere Felder, Tippfehler, doppelte Einträge oder verschiedene Einheiten wie „5 km“ und „5000 m“ erschweren Vergleiche. Deshalb gehört zur Datenerfassung immer auch das Prüfen, Vereinheitlichen und gegebenenfalls Korrigieren der Daten, bevor Berechnungen oder Visualisierungen beginnen. Beispiele: Umfrage, Beobachtung, Formular, Sensor, Tippfehler, Dublette, Einheit, Lücke.
Grundoperationen mit tabellarischen Daten
Wer tabellarische Daten sinnvoll nutzt, braucht grundlegende Operationen wie Eingeben, Sortieren, Filtern, Vergleichen und Suchen, weil erst dadurch aus einer bloßen Sammlung geordnete und untersuchbare Informationen für konkrete Fragestellungen entstehen. Sortieren ordnet Werte nach einer Regel, etwa alphabetisch, numerisch oder zeitlich. So lassen sich zum Beispiel die höchsten Temperaturen, die häufigsten Buchgenres oder die besten Verkaufstage rasch erkennen. Filtern blendet nur jene Datensätze ein, die zu einer Bedingung passen. In den Lehrplanbeispielen werden etwa nur Antworten jener Schülerinnen und Schüler angezeigt, die mindestens einmal pro Woche lesen. Suchen hilft beim gezielten Auffinden einzelner Werte oder Einträge. Vergleichen macht Unterschiede zwischen Gruppen oder Zeiträumen sichtbar. Diese Operationen sind nicht bloß technische Knöpfe, sondern Denkwerkzeuge. Wer etwa eine Umfrage zu Freizeitaktivitäten zuerst nach Klassenstufe sortiert und dann nach Sportart filtert, erkennt andere Muster als bei einer rein ungeordneten Liste. Ebenso zeigt sich, dass Datenbestände mit zunehmender Größe ohne Filter- und Sortierfunktionen kaum mehr übersichtlich bearbeitet werden können. Die Software unterstützt also die Analyse, ersetzt aber nicht die Fragestellung.
Operationen: Sortieren, Filtern, Suchen, Vergleichen, Gruppieren, Ausblenden, Markieren, Prüfen.
Berechnungen mit Formeln und Funktionen
Erst einfache Berechnungen machen aus Tabellen echte Arbeitswerkzeuge, weil Zahlen dadurch zusammengefasst, verglichen und in neue Aussagen überführt werden können, etwa bei Summen, Mittelwerten, Anteilen, Differenzen oder prozentualen Veränderungen. Tabellenkalkulationen wie Excel, Google Sheets oder LibreOffice Calc ermöglichen es, Werte nicht nur zu speichern, sondern direkt weiterzuverarbeiten. In den Unterlagen wird etwa die SUMME genannt, um Monatswerte zu einem Jahresumsatz zusammenzuführen. Genauso wichtig sind Durchschnittswerte, Differenzen zwischen zwei Zeitpunkten oder Prozentanteile einzelner Gruppen. Eine Klassenumfrage kann etwa zeigen, wie viele Prozent der Lernenden täglich Musik hören oder wie stark sich der Bildschirmkonsum zwischen Werktagen und Wochenenden unterscheidet. Didaktisch wichtig ist der Unterschied zwischen Formel und Funktion. Eine Formel wird selbst aufgebaut, etwa „=B2-C2“. Eine Funktion nutzt einen vorgegebenen Befehl, etwa SUMME oder MITTELWERT. Beide Formen helfen, Datenbestände effizient auszuwerten. Gleichzeitig lernen Schülerinnen und Schüler, dass eine falsche Zellenauswahl oder ein ungeeigneter Datentyp sofort zu unpassenden Ergebnissen führen kann. Rechnen mit Daten bedeutet daher immer auch kontrollieren, ob das Ergebnis fachlich sinnvoll ist. Beispiele: Summe, Mittelwert, Anteil, Differenz, Prozent, Minimum, Maximum, Anzahl.
Daten auswerten und Muster erkennen
Auswertung bedeutet mehr als Rechnen, weil Zahlen erst dann informativ werden, wenn Muster, Häufungen, Unterschiede und mögliche Zusammenhänge beschrieben, vorsichtig gedeutet und auf die zugrunde liegende Fragestellung bezogen werden. In den Lehrplanbeispielen analysieren Schülerinnen und Schüler etwa Umfragedaten zum Lesen und fragen, ob häufiges Lesen mit besseren Noten zusammenhängt. Solche Aufgaben zeigen gut, was Auswertung leisten kann: Auffälligkeiten sichtbar machen, Vergleiche zwischen Gruppen ermöglichen und erste Hypothesen anregen. Gleichzeitig wird deutlich, dass Daten nicht automatisch Ursachen beweisen. Zwei Werte können gemeinsam ansteigen, ohne dass das eine sicher das andere verursacht. Gerade diese Vorsicht gehört zu einer sauberen Datenkompetenz. Muster können sehr unterschiedlich aussehen. Es gibt Anstiege über die Zeit, saisonale Schwankungen, Ausreißer, Gruppenschwerpunkte oder Verhältnisänderungen. Wer zum Beispiel monatliche Verkaufszahlen betrachtet, erkennt vielleicht einen starken Anstieg im Dezember. Wer ein Punktdiagramm zu Werbeausgaben und Verkaufszahlen betrachtet, sieht möglicherweise eine positive Beziehung. Solche Beobachtungen sind wertvoll, müssen aber stets mit Kontextwissen und kritischer Deutung verbunden werden. Beispiele: Trend, Ausreißer, Häufung, Vergleich, Zusammenhang, Saison, Veränderung, Verhältnis.
Diagrammtypen und ihre typische Eignung
Eine gute Visualisierung entsteht nicht automatisch aus vorhandenen Daten, sondern aus der bewussten Wahl eines Diagrammtyps, der zur Fragestellung, zum Datentyp und zur beabsichtigten Aussage wirklich passt. Für zeitliche Entwicklungen eignen sich Liniendiagramme besonders gut, weil Veränderungen über Tage, Monate oder Jahre sichtbar werden. Für Vergleiche zwischen Kategorien sind Balken- oder Säulendiagramme oft klarer. Für Anteile an einem Ganzen können Kreisdiagramme genutzt werden, wenn es nur wenige, gut unterscheidbare Kategorien gibt. Für Zusammenhänge zwischen zwei Messgrößen sind Punktdiagramme hilfreich. Die Lehrplanunterlagen führen darüber hinaus Heatmaps, Infografiken und interaktive Dashboards als weitere Darstellungsformen an. Die Wahl des Diagramms beeinflusst, was Leserinnen und Leser schnell erkennen. Monatsumsätze werden in einer Linie anders wahrgenommen als in einem Kreisdiagramm. Beliebte Farben aus einer Umfrage lassen sich in einem Balkendiagramm oft besser vergleichen als in einer reinen Tabelle. Ein Dashboard wiederum kann mehrere Perspektiven gleichzeitig bieten, etwa Filter, Kennzahlen und Diagramme in einer gemeinsamen Oberfläche. Genau deshalb müssen Visualisierungen immer „den Anforderungen entsprechend“ ausgewählt werden und nicht bloß nach Geschmack. Diagramme: Linie, Balken, Kreis, Punkt, Fläche, Heatmap, Infografik, Dashboard.
Visualisierungen lesbar und aussagekräftig gestalten
Eine Darstellung erfüllt ihren Zweck nur dann, wenn Achsen, Beschriftungen, Farben, Titel, Legenden und Maßstäbe verständlich gewählt werden, weil selbst korrekte Daten durch unklare oder überladene Gestaltung missverständlich wirken können. Zu einer guten Visualisierung gehören ein aussagekräftiger Titel, klar beschriftete Achsen, gut lesbare Wertebereiche und eine reduzierte Farbwahl. Werden zu viele Farben, zu kleine Schrift oder unpassende 3D-Effekte verwendet, sinkt die Verständlichkeit. Ebenso problematisch sind abgeschnittene Achsen, irreführende Skalierungen oder fehlende Quellenangaben. Eine Diagrammgestaltung soll nicht beeindrucken, sondern die Aussage präzise unterstützen. Adressatengerechte Gestaltung spielt ebenfalls eine Rolle. Für jüngere Lernende sind einfache Balkendiagramme oft verständlicher als komplexe Dashboards. Für ein Referat reicht manchmal ein einzelnes Diagramm mit kurzer Einordnung, während für eine Projektarbeit mehrere Diagrammtypen nötig sein können. Gute Visualisierung bedeutet daher auch, Schwierigkeitsgrad, Zielgruppe und Präsentationssituation mitzudenken. Gestaltung: Titel, Achsen, Farben, Legende, Maßstab, Quelle, Schrift, Fokus.
Ergebnisse interpretieren, vorhersagen und vermitteln
Die fachliche Arbeit mit Daten endet nicht beim Diagramm, sondern bei der sprachlichen Deutung, vorsichtigen Vorhersage und überzeugenden Vermittlung der Ergebnisse, damit Zahlen in begründete Aussagen und verständliche Botschaften übersetzt werden können. Die Unterlagen zur Mustererkennung zeigen, dass Diagramme nicht nur Rückblick, sondern auch Grundlage für Prognosen sein können. Steigt ein Umsatz über mehrere Jahre stetig, liegt eine vorsichtige Vorhersage nahe. Zeigen Balken regelmäßig höhere Dezemberwerte, kann auf
saisonale Muster geschlossen werden. Gleichzeitig muss immer mitgedacht werden, dass externe Faktoren Entwicklungen verändern können. Gute Vorhersagen benennen daher auch Unsicherheiten und Grenzen. Noch anspruchsvoller wird es, wenn Daten für Ursache-Wirkung-Beziehungen oder zur Ideenvermittlung genutzt werden. Die Lehrplanbeispiele nennen etwa CO₂-Emissionen und Temperaturentwicklung, Werbung und Verkaufszahlen oder Bildung und Einkommen. Solche Datensätze eignen sich, um Zusammenhänge zu diskutieren, Argumente zu stützen und Handlungsoptionen sichtbar zu machen. Wer Daten präsentiert, soll deshalb nicht nur Werte zeigen, sondern auch sagen können, was daraus folgt, was offen bleibt und welche Deutung verantwortbar ist. Beispiele: Prognose, Trend, Korrelation, Ursache, Wirkung, Argument, Botschaft, Grenze.
5.3 Weiterführende Links
- Google Sheets, Diagramme
- Excel, Diagramme
- LibreOffice, Calc
- Datawrapper, Diagramme
- Power BI, Visualisierungen
- Tableau, Einstieg
5.4 Aufgaben für den Unterricht
5.4.1 Datentabelle aus einer Klassenumfrage erstellen
Der Aufbau einer eigenen Datentabelle fördert tiefes Verständnis besonders wirksam, weil Lernende Rohdaten zuerst sinnvoll strukturieren, einheitlich erfassen und dadurch erleben, dass gute Auswertung immer von klaren Spalten, sauberen Einträgen und eindeutigen Merkmalen abhängt. Die Klasse führt eine kurze Umfrage durch, etwa zu Bildschirmzeit, Lieblingssport, Lesehäufigkeit oder Schulweg. Danach übertragen die Gruppen die Antworten in eine Tabelle. Jede Spalte bekommt eine eindeutige Überschrift, jede Zeile bildet einen Datensatz, und alle Eingaben werden auf Einheitlichkeit geprüft. Anschließend markieren die Lernenden, welche Spalten Zahlen, Texte, Kategorien oder Datumswerte enthalten.
Die Schülerinnen und Schüler erstellen aus den Umfrageergebnissen eine vollständige Tabelle
und kennzeichnen darin Zellen, Zeilen, Spalten, Datensätze und Datentypen. Danach prüfen sie die Tabelle auf Eingabefehler und verbessern unklare oder uneinheitliche Einträge. Umfrage, Rohdaten Tabelle, Spalten Zeilen, Zellen Merkmale, Werte Datentypen, Korrektur Prüfung, Bereinigung
5.4.2 Daten bereinigen und vereinheitlichen
Besonders nachhaltiges Lernen entsteht, wenn ungeordnete oder fehlerhafte Daten verbessert werden müssen, weil Lernende dabei unmittelbar erfahren, wie stark Tippfehler, Lücken und uneinheitliche Schreibweisen spätere Berechnungen, Filter und Diagramme beeinträchtigen können. Die Lehrkraft stellt einen kleinen Datensatz mit absichtlich eingebauten Fehlern bereit. Darin finden sich doppelte Einträge, leere Felder, wechselnde Schreibweisen und verschiedene Einheiten. Die Aufgabe besteht darin, diese Probleme zu erkennen, zu ordnen und zu korrigieren. Danach wird verglichen, wie sich die Auswertung vor und nach der Bereinigung verändert.
Die Gruppen analysieren den fehlerhaften Datensatz, dokumentieren mindestens fünf Qualitätsprobleme und erstellen anschließend eine bereinigte Version, die für Sortierung, Filterung und Diagrammerstellung geeignet ist. Fehlerdaten, Analyse Lücken, Dubletten Einheiten, Schreibweisen Korrektur, Vergleich Vorher, Nachher Protokoll, Ergebnis
5.4.3 Sortieren, Filtern und Suchen gezielt anwenden
Grundoperationen werden besonders lernwirksam verstanden, wenn sie an echten Fragestellungen eingesetzt werden, weil Sortieren, Filtern und Suchen dann nicht als isolierte Funktionen, sondern als Werkzeuge zur Beantwortung konkreter Analysefragen erlebt werden. Die Lernenden erhalten eine Tabelle mit Daten zu Büchern, Temperaturen, Umfragewerten oder Verkaufszahlen. Danach bearbeiten sie Suchaufträge wie „Finde die drei höchsten Werte“, „Zeige nur Einträge aus dem März“, „Filtere alle Schülerinnen und Schüler, die täglich lesen“ oder „Suche alle Datensätze mit derselben Kategorie“. Jede Gruppe muss dabei erklären, welche Funktion verwendet wurde und warum sie passend war.
Die Schülerinnen und Schüler lösen mehrere Analyseaufträge mit Sortierung, Filterung und Suchfunktionen und notieren zu jedem Auftrag, welche Operation das Problem am besten gelöst hat.
Sortieren, Filtern Suchen, Auswahl Treffer, Reihenfolge Kriterium, Bedingung Auftrag, Lösung Funktion, Begründung
5.4.4 Formeln und Funktionen an Alltagsdaten erproben
Rechenoperationen entfalten eine hohe Lernwirkung, wenn sie mit verständlichen Datensätzen verbunden werden, weil Summen, Mittelwerte, Prozentanteile und Differenzen dann als sinnvolle Werkzeuge für Aussagen und Vergleiche statt als bloße Tabellenbefehle erfahrbar werden. Die Gruppen arbeiten mit einem Datensatz zu Taschengeld, Verkaufszahlen, täglicher Bildschirmzeit oder zurückgelegten Wegen. Sie berechnen Gesamtsummen, Mittelwerte, größte und kleinste Werte sowie einfache Prozentanteile. Danach interpretieren sie jedes Ergebnis in einem ganzen Satz, etwa „Der Durchschnitt der täglichen Bildschirmzeit liegt bei …“ oder „Der höchste Wert tritt in … auf“.
Die Schülerinnen und Schüler erstellen zu einem Datensatz mindestens fünf Berechnungen mit Formeln oder Funktionen und formulieren zu jedem Ergebnis eine passende Aussage. Summe, Mittelwert Minimum, Maximum Prozent, Differenz Formel, Funktion Ergebnis, Aussage Kontrolle, Deutung
5.4.5 Diagrammtypen vergleichen und passend auswählen
Starke Lernprozesse entstehen, wenn dieselben Daten in mehreren Diagrammformen dargestellt und verglichen werden, weil dadurch sichtbar wird, dass sich Aussagekraft, Lesbarkeit und Eignung eines Diagramms aus der Fragestellung und nicht aus bloßem Geschmack ergeben. Ein Datensatz wird nacheinander als Balkendiagramm, Liniendiagramm und Kreisdiagramm dargestellt. Die Lernenden vergleichen, welches Diagramm sich für Vergleiche, Entwicklungen oder Anteile am besten eignet. Dabei besprechen sie, welche Informationen in welcher Darstellung schnell erkannt werden und wo Missverständnisse entstehen können. Besonders geeignet sind Datensätze mit Zeitreihen, Kategorien und Anteilen.
Jede Gruppe erstellt aus demselben Datensatz mehrere Diagramme und begründet anschließend, welche Darstellung für welchen Zweck am geeignetsten ist. Balken, Linie Kreis, Vergleich Anteile, Verlauf Eignung, Wirkung
Darstellung, Auswahl Urteil, Begründung
5.4.6 Passende Visualisierung für eine Leitfrage entwickeln
Die Auswahl einer Visualisierung wird besonders nachhaltig gelernt, wenn Daten nicht einfach abgebildet, sondern gezielt auf eine Fragestellung hin dargestellt werden, weil dadurch Fachfrage, Datentyp und Diagrammentscheidung logisch miteinander verknüpft werden müssen. Die Klasse erhält mehrere Leitfragen, etwa „Wann ist die Nutzung am höchsten“, „Welche Kategorie kommt am häufigsten vor“ oder „Gibt es einen Zusammenhang zwischen zwei Merkmalen“. Zu jeder Leitfrage wählen die Gruppen aus einem Datensatz die passende Darstellungsform und gestalten ein verständliches Diagramm mit Titel, Beschriftung, Achsen und Legende. Anschließend präsentieren sie ihre Entscheidung.
Die Gruppen wählen zu einer Leitfrage eine passende Visualisierung aus, erstellen ein korrekt beschriftetes Diagramm und erklären, warum diese Form besser passt als andere Möglichkeiten. Leitfrage, Datensatz Diagrammwahl, Gestaltung Titel, Achsen Legende, Farben Präsentation, Erklärung Vergleich, Reflexion
5.4.7 Muster erkennen und vorsichtig deuten
Tiefe Lernwirkungen entstehen dann, wenn Diagramme nicht nur gelesen, sondern inhaltlich interpretiert werden, weil Lernende zwischen Beobachtung, Vermutung und vorsichtiger Schlussfolgerung unterscheiden und so datenbasierte Aussagen sprachlich präzise formulieren müssen. Die Gruppen erhalten verschiedene Diagramme oder Tabellen, etwa zu Wetterverläufen, Verkaufszahlen, Lesegewohnheiten oder Energieverbrauch. Sie beschreiben zunächst nur sichtbare Muster, etwa Anstiege, Ausreißer, Häufungen oder Unterschiede. Danach formulieren sie vorsichtige Deutungen und halten fest, welche Aussagen sicher aus den Daten hervorgehen und welche nur Vermutungen bleiben.
Die Schülerinnen und Schüler analysieren mehrere Darstellungen, beschreiben erkennbare Muster und unterscheiden anschließend klar zwischen Beobachtung, Interpretation und möglicher Vorhersage. Muster, Trend Ausreißer, Häufung Vergleich, Verlauf Beobachtung, Deutung Vermutung, Grenze Aussage, Prognose
5.4.8 Dashboard oder Infografik für ein Mini-Projekt erstellen
Besonders nachhaltiges Lernen entsteht, wenn mehrere Datenoperationen in einem größeren Produkt zusammengeführt werden, weil Erfassung, Berechnung, Visualisierung und Interpretation dann als zusammenhängender Arbeitsprozess erlebt und eigenständig gestaltet werden. Die Lernenden bearbeiten ein Mini-Projekt, etwa „Bewegung in der Klasse“, „Snackgewohnheiten“, „Lesezeiten“ oder „Wetter der Woche“. Sie erfassen Daten, bereinigen die Tabelle, berechnen Kennzahlen und gestalten daraus eine kleine Infografik oder ein einfaches Dashboard mit zwei bis drei Visualisierungen. Ergänzt wird das Produkt durch kurze Deutungssätze, die die wichtigsten Ergebnisse zusammenfassen.
Jede Gruppe erstellt aus einem eigenen Datensatz ein vollständiges Datenprodukt mit Tabelle, Berechnungen, Visualisierungen und schriftlicher Auswertung. Projekt, Datensatz Kennzahlen, Diagramme Infografik, Dashboard Titel, Aussage Auswertung, Ergebnis Feedback, Überarbeitung
5.4.9 Diagrammfehler erkennen und verbessern
Fehlerhafte Visualisierungen fördern besonders wirksames Lernen, weil Lernende typische Darstellungsprobleme nicht nur theoretisch kennen, sondern anhand konkreter Beispiele korrigieren und dadurch Kriterien guter Datenpräsentation sicherer anwenden können. Die Lehrkraft zeigt bewusst problematische Diagramme, etwa mit fehlenden Achsenbeschriftungen, abgeschnittenen Skalen, irreführenden Farben, überladenen Elementen oder ungeeigneten Diagrammtypen. Die Gruppen analysieren diese Schwächen und erstellen eine verbesserte Version. Danach wird besprochen, wie sich die Wirkung und Verständlichkeit der Darstellung verändert hat.
Die Gruppen wählen ein fehlerhaftes Diagramm aus, markieren mindestens vier Gestaltungsprobleme und gestalten anschließend eine deutlich verbesserte Fassung. Diagrammfehler, Analyse Skala, Achsen Farben, Titel Typwahl, Lesbarkeit Verbesserung, Vergleich Wirkung, Bewertung
5.4.10 Datenpräsentation mit adressatengerechter Erklärung
Eine hohe Lernwirksamkeit entsteht, wenn Ergebnisse nicht nur berechnet und gezeichnet, sondern für eine Zielgruppe verständlich erklärt werden, weil dadurch Datenkompetenz mit sprachlicher Präzision, Auswahlfähigkeit und bewusster Vermittlung verbunden wird.
Die Schülerinnen und Schüler präsentieren ein selbst erstelltes Diagramm oder eine kleine Datenauswertung so, als würden sie jüngeren Lernenden, Eltern oder einer anderen Klasse die Ergebnisse erklären. Dabei müssen sie Fachbegriffe passend verwenden, zentrale Aussagen klar hervorheben und auf unnötige Überfrachtung verzichten. Die Zuhörenden geben Rückmeldung, ob die Darstellung verständlich und überzeugend war.
Jede Gruppe präsentiert eine Datenauswertung für eine bestimmte Zielgruppe und erklärt, wie Gestaltung und Sprache an diese Zielgruppe angepasst wurden. Präsentation, Zielgruppe Sprache, Fachbegriffe Kernaussage, Auswahl Verständlichkeit, Wirkung Rückmeldung, Anpassung Erklärung, Transfer
Grundlage: Informatik – Lehrband 7. Klasse, Final V1.7 (2026).