Constructing Mathematical Meaning through Authentic Nutrition Problems in Higher Education

Technisches Resümee: Konstruktion mathematischer Bedeutung durch authentische Ernährungsprobleme in der Hochschulbildung

Problemstellung
Die Studie adressiert eine anhaltende Herausforderung in der interdisziplinären MINT-Bildung: Mathematik erscheint oft in Kursen, ohne jedoch explizit zum Objekt des „Sinnstiftens“ (Sense Making) zu werden. In der Ernährungswissenschaft entwickeln sich mathematische Aufgaben häufig zu rein prozeduralen Anwendungen (z. B. das Einsetzen von Zahlen in Formeln) herab, anstatt von Studierenden zu verlangen, Mengen zu koordinieren, Repräsentationen zu interpretieren und fachspezifische Behauptungen zu begründen. Die Forschungsfrage untersucht, wie Ernährungswissenschaftstudierende im Bachelorstudium mathematische Bedeutung konstruieren, wenn sie sich mit authentischen Problemen befassen, die Proportionalität, Prozentsätze, Funktionen und Dateninterpretation beinhalten. Insbesondere untersucht die Studie, ob aggregierte Bewertungsergebnisse die Qualität des mathematischen Denkens erfassen können oder ob sie kritische Lücken zwischen prozeduraler Genauigkeit und validen Inferenzen maskieren.

Methodik
Die Forschung verwendete ein qualitativ getriebenes, konvergentes Mixed-Evidence-Fallstudien-Design innerhalb eines Kurses „Mathematik für Ernährungswissenschaften“ (NCMA-0016) an einer öffentlichen Universität in Panama während des akademischen Semesters 2026. Die Studie umfasste 60 Studierende (46 Frauen, 14 Männer).

• Datenkorpus: Die Analyse integrierte mehrere Evidenzquellen:
  • Den offiziellen Kursplan.
  • Vier verschiedene Team-Videotranskripte (ca. 7–12 Minuten lang), die Nährwertkennzeichnungen, anthropometrische Indikatoren, die Menüplanung und die Analyse von Umfragedaten abdeckten.
  • Ein verknüpftes Portfolio eines Teams (Team 5), das Umfrageberechnungen und Reflexionen enthielt.
  • Vier handgeschriebene Artefakte von Team 5, die proportionale Messungen, Einheitsraten und lineare Modellierung demonstrierten.
  • Deidentifizierte Leistungsnachweise aller 60 Studierenden.
• Analytischer Rahmen: Die Studie nutzte einen theoretischen Vier-Linsen-Rahmen:
  1. Schoenfeld: Zur Analyse von Ressourcen, Strategien, Überwachung (Monitoring) und Kontrolle beim Problemlösen.
  2. Silver: Zur Untersuchung von Problemstellung (Problem Posing), mathematischer Produktion und Flexibilität.
  3. Li: Zur Bewertung interdisziplinären MINT-Lernens und Transfers.
  4. Marzano-Kendall: Zur Organisation von kognitiver Anforderung und Bewertungsbeweisen (Selbstsystem, Metakognition, kognitive Verarbeitung, Wissensdomänen).
• Analytische Verfahren:
  • Qualitativ: Videotranskripte und Artefakte wurden in „Episoden“ segmentiert und nach Ressourcen, Strategien, Repräsentationen, Überwachung, Problemformulierung und fachlicher Integration kodiert. Die Analyse konzentrierte sich auf den Fall „Team 5“ als emblematisches Beispiel für sowohl hochwertige Prozeduren als auch strukturelle Brüche.
  • Quantitativ: Deskriptive Statistiken, Pearson-/Spearman-Korrelationen und hierarchische Regression wurden verwendet, um die Leistungsnachweise zu analysieren. Ein provisorisches formatives Komposit, MKACI-P, wurde aus nichtredundanten Kurssignalen (kognitive Basis, Analyse/Kommunikation, Wissensnutzung und Engagement-Möglichkeit) konstruiert, um als begrenzte Ergänzung zu den qualitativen Befunden zu dienen, nicht als validierte latente Skala.

Zentraler Ergebnisse

1. Prozedurale Genauigkeit vs. valide Inferenz: Der zentrale Befund ist das Koexistieren korrekter mathematischer Prozeduren mit invaliden quantitativen Inferenzen. Im emblematischen Fall von Team 5 berechneten die Studierenden korrekt die marginalen Prozentsätze aus Umfragedaten (102 Befragte), berechneten jedoch anschließend überlappende Indikatoren im Durchschnitt und wandelten diese Durchschnittswerte ohne gemeinsame Frequenzbelege in personenbezene Zählungen und ein Verhältnis um. Dies resultierte in einer „polierten“ Präsentation, die ein fundamental invalides Modell enthielt.
2. Aufgabenabhängige Kompetenz: Es wurde festgestellt, dass die mathematische Kompetenz aufgabenspezifisch ist. Dasselbe Team zeigte in anderen Artefakten (z. B. Kostenmodellierung von Menüs, Proteinzufuhr-Funktionen) fundiertes proportionales Denken, Einheitsratenlogik und eine korrekte Interpretation von Steigung und Achsenabschnitt, versagte jedoch bei der Überwachung von Annahmen, wenn die Aufgabe die statistische Aggregation überlappender Kategorien erforderte.
3. Grenzen aggregierter Noten: Die Leistungsnachweise zeigten eine leistungsstarke Kohorte mit einer Konzentration der Ergebnisse am oberen Ende der Skala (Ceiling-Effekt). Während das MKACI-P-Komposit mit den Kursabschlüssen korrelierte ($r = .762$), war die Rangkorrelation schwächer ($\rho = .336$), und hohe Kompositwerte garantierten keine valide Modellierung in authentischen Aufgaben. Aggregierte Noten versäumten es, die in den Videos und Artefakten sichtbaren inferentiellen Fehler offenzulegen.
4. Evidenz von Überwachung (Monitoring): Eine explizite Prüfung von Annahmen war selten. Überwachung und Kontrolle waren am deutlichsten sichtbar, wenn Studierende Einheitsfehler diagnostizierten oder die Hinlänglichkeit eines einzelnen Screening-Indikators (z. B. BMI) hinterfragten; diese kritischen Prüfungen fehlten jedoch oft, wenn Studierende von der Datenbeschreibung zur fachspezifischen Behauptung übergingen.

Wesentliche Beiträge

• Empirisch: Die Studie dokumentiert, wie Studierende der Ernährungswissenschaften proportionale, funktionale, grafische und inferentielle Argumentation über authentische Aufgaben hinweg mobilisieren, und hebt hervor, dass korrekte Berechnung nicht gleichbedeutend mit valider fachspezifischer Modellierung ist.
• Theoretisch: Sie integriert vier unterschiedliche theoretische Perspektiven (Schoenfeld, Silver, Li, Marzano-Kendall), um zwischen der Ausführung einer Prozedur, dem Verständnis von Strukturen, dem Ziehen validierter Inferenzen und der kritischen Prüfung von Annahmen zu unterscheiden.
• Methodisch: Sie zeigt auf, dass videobasierte Episoden und Studierendenartefakte die erklärende Erzählung leiten müssen, während die Analyse von Noten lediglich als begrenzte Triangulation dient. Sie argumentiert, dass Gruppenprodukte (Videos) nicht die individuellen mathematischen Belege hinsichtlich der metakognitiven Überwachung ersetzen können.

Bedeutung und Ansprüche
Die Arbeit behauptet, dass effektives mathematisches Lernen in MINT-Fächern erst dann sichtbar wird, wenn Studierende Mengen, Repräsentationen, Annahmen und fachliche Bedeutungen koordinieren, anstatt lediglich korrekte Werte zu erhalten. Die Studie schlägt einen Zyklus der Sinnstiftung in der Bewertung (Meaning-Making Assessment Cycle) für die Hochschulbildung vor, der Folgendes umfasst:

1. Authentische Problemstellung.
2. Sichtbare mathematische Produktion.
3. Aufmerksamkeit der Lehrkräfte für Annahmen und Modellgrenzen.
4. Kognitiv differenzierte Bewertung (Unterscheidung zwischen Abruf, Analyse und Nutzung).
5. Überarbeitung und Transferaufgaben.

Die Autoren positionieren Mathematik nicht als dekoratives Werkzeug, sondern als integrative Praxis, die essenziell für die Untersuchung und Begründung fachspezifischer Behauptungen ist. Sie kommen zu dem Schluss, dass authentische Kontexte und kollaborative Produkte zwar wertvoll sind, aber mit Bewertungsstrategien gepaart werden müssen, die das Denken und die Annahmen überprüfbar machen, anstatt sich lediglich auf aggregierte Scores oder den Produktionswert zu verlassen. Die Studie behauptet bescheiden, dass ihre Ergebnisse dazu beitragen, effektives MINT-Lernen um die Schwerpunkte Sinnstiftung, Modellierung und kritisches Denken neu zu rahmen, wobei sie die Limitationen hinsichtlich des Designs mit einer einzelnen Kohorte und der Unfähigkeit, individuelle Verhandlungstrajektorien aus editierten Transkripten zu rekonstruieren, anerkennt.