Achtung: diese Seite wird nur zu Testzwecken betrieben. Hier gelangen Sie zur Madipedia-Website: https://madipedia.de
Theresa Büchter: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
| [gesichtete Version] | [gesichtete Version] |
| Zeile 50: | Zeile 50: | ||
== Projekte == | == Projekte == | ||
<!-- Auflistung der Forschungsprojekte, mit [[...]] verweisen! --> | <!-- Auflistung der Forschungsprojekte, mit [[...]] verweisen! --> | ||
[bayesianreasoning.de/br_trainbayes.html/ TrainBayes] - DFG-Projekt zur Förderung statistischen Denkens und der Risikoeinschätzung unter MedizinerInnen und JuristInnen | [//bayesianreasoning.de/br_trainbayes.html/ TrainBayes] - DFG-Projekt zur Förderung statistischen Denkens und der Risikoeinschätzung unter MedizinerInnen und JuristInnen | ||
[bayesianreasoning.de/br_simint.html/ siMINT] - BMBF-Projekt zur Förderung von Risikokompetenz mit Hilfe von Simulationen | [//bayesianreasoning.de/br_simint.html/ siMINT] - BMBF-Projekt zur Förderung von Risikokompetenz mit Hilfe von Simulationen | ||
== Mitgliedschaften == | == Mitgliedschaften == | ||
Version vom 26. Oktober 2022, 11:56 Uhr
Wissenschaftliche Mitarbeiterin Theresa Büchter.
Universität Kassel.
E-Mail
{{
#loop: i | 0 | 1 |
}}
Kurzvita
- seit 2020: Wissenschaftliche Mitarbeiterin der Universität Kassel bei Andreas Eichler
- 2019-2020: Teaching Assistant an der Carleton University, Ottawa, ON Canada
- 2014-2019: Studium Gymnasiallehramt an der Universität Würzburg (Fächer: Mathematik, Englisch, Schulpsychologie), Abschluss: Staatsexamen
- 2012-2014: Studium Psychologie an der Universität Würzburg, Abschluss: Bachelor of Science
- 2011: Abitur in Kempten
Veröffentlichungen
- Büchter, T., Eichler, A., Steib, N., Binder, K., Böcherer-Linder, K., Krauss, S. & Vogel, M. (2022). How to Train Novices in Bayesian Reasoning. Mathematics, 10(9), 1558. https://doi.org/10.3390/math10091558
- Büchter, T., Steib, N., Böcherer-Linder, K., Eichler, A., Krauss, S., Binder, K. & Vogel, M. (2022). Designing Visualisations for Bayesian Problems According to Multimedia Principles. Education Sciencses, 12(11), 739. https://doi.org/10.3390/educsci12110739
Arbeitsgebiete
- Visualisierungen bedingter Wahrscheinlichkeiten
- Förderung statistischen Denkens
Projekte
TrainBayes - DFG-Projekt zur Förderung statistischen Denkens und der Risikoeinschätzung unter MedizinerInnen und JuristInnen
siMINT - BMBF-Projekt zur Förderung von Risikokompetenz mit Hilfe von Simulationen
Mitgliedschaften
- Mitglied der Nachwuchsvertretung der GDM, seit 2021
- Mitglied des Arbeitskreis Stochastik, seit 2021
- Mitglied des khdm (Kompetenzzentrum Hochschuldidaktik Mathematik), seit 2020
- Mitglied der GDM (Gesellschaft für Didaktik der Mathematik), seit 2020