Mathematische Grundlagen des Data Cleanings

dc.contributor.author	Eckert, Jakim
dc.contributor.author	Schönbrodt, Sarah
dc.contributor.author	Frank, Martin
dc.date.accessioned	2025-01-10T17:03:13Z
dc.date.available	2025-01-10T17:03:13Z
dc.date.issued	2024
dc.description.abstract	Als zentraler Bestandteil von Data Science Prozessen wirkt sich Data Cleaning direkt auf deren Ergebnisse und Erkenntnisse aus. Beim Data Cleaning wird ein Datensatz u. a. auf Dopplungen, Ausreißer und fehlende Daten untersucht. In einem Design-Based-Research-Projekt werden mit realen Daten die mathematischen Grundlagen und Methoden der Ausreißeridentifikation in Form von digitalem Material didaktisch aufbereitet. Aufbauend auf dem Vorwissen der Lernenden werden gängige statistische und abstandsbasierte Methoden der Ausreißeridentifikation, wie der Dixon-Test, betrachtet und elementarisiert.	de
dc.identifier.uri	http://hdl.handle.net/2003/43319
dc.identifier.uri	http://dx.doi.org/10.17877/DE290R-25151
dc.language.iso	de
dc.publisher	Gesellschaft für Didaktik der Mathematik	de
dc.relation.ispartof	Beiträge zum Mathematikunterricht 2024	de
dc.relation.ispartofseries	Beiträge zum Mathematikunterricht 57
dc.subject	Sekundarstufe I	de
dc.subject	Sekundarstufe II	de
dc.subject	interdisziplinär	de
dc.subject	MINT & STEM-Education	en
dc.subject.ddc	510
dc.title	Mathematische Grundlagen des Data Cleanings	de
dc.type	Text
dc.type.publicationtype	ConferencePaper
dcterms.accessRights	open access
eldorado.secondarypublication	false

Files

Now showing 1 - 1 of 1

Now showing 1 - 1 of 1