Publications

Sarah Schönbrodt, Martin Frank (2024). Wie viel Mathe steckt in mathematischer Modellierung? – Eine Antwort am Beispiel der Optimierung. Der Mathematikunterricht. Friedrich-Verlag, 70(1), 35-44.

PDF Cite

Stephan Kindler, Sarah Schönbrodt, Martin Frank (2023). From school mathematics to artificial neural networks: Developing a mathematical model to predict life expectancy. In: Thirteenth Congress of the European Society for Research in Mathematics Education (CERME13).

Cite

Sarah Schönbrodt, Katja Hoeffer, Martin Frank (2023). AI education as a starting point for interdisciplinary STEM projects. In: Thirteenth Congress of the European Society for Research in Mathematics Education (CERME13).

Cite

Sarah Schönbrodt, Martin Frank (2023). Klassifizierungsprobleme: Maschinelles Lernen und KI im Mathematikunterricht. In: Beiträge zum Mathematikunterricht 2022, WTM Verlag.

PDF Cite DOI

Sarah Schönbrodt, Thomas Camminady, Martin Frank (2022). Mathematische Grundlagen der Künstlichen Intelligenz im Schulunterricht - Chancen für eine Bereicherung des Unterrichts in linearer Algebra. Mathematische Semesterberichte. Springer. 69. 73–101.

PDF Cite DOI

Sarah Schönbrodt (2022). Erneuerbare Energien – Modellierung und Optimierung eines Solarkraftwerks. In: M. Frank & C. Roeckerath (Hrsg.) Neue Materialien für einen realitätsbezogenen Mathematikunterricht 9. Realitätsbezüge im Mathematikunterricht, S. 15-69. Springer.

Cite DOI

Martin Frank, Christina Roeckerath, Sarah Schönbrodt (2022). Einführung. In: M. Frank & C. Roeckerath (Hrsg.) Neue Materialien für einen realitätsbezogenen Mathematikunterricht 9. Realitätsbezüge im Mathematikunterricht, S. 1-6. Springer.

Cite DOI

Maike Gerhardt, Maren Hattebuhr, Sarah Schönbrodt, Kirsten Wohak (2022). Aufbau und Einsatzmöglichkeiten des Lehr- und Lernmaterials. In: M. Frank & C. Roeckerath (Hrsg.) Neue Materialien für einen realitätsbezogenen Mathematikunterricht 9. Realitätsbezüge im Mathematikunterricht, S. 7-14. Springer.

Cite DOI

Sarah Schönbrodt, Martin Frank (2022). Data Science and Machine Learning in mathematics education: High-school students working on the Netflix Prize. In: Twelfth Congress of the European Society for Research in Mathematics Education (CERME12).

PDF Cite

Sarah Schönbrodt (2022). Optimierungsprobleme in der mathematischen Modellierung: Grundlegende Aspekte und Chancen aus Sicht der Mathematikdidaktik – herausgestellt an aktuellen Problemen aus der Forschung zu künstlicher Intelligenz und erneuerbaren Energien. Dissertation, Fakultät für Mathematik, KIT.

Cite DOI

Sarah Schönbrodt, Stephanie Hofmann (2022). Mathematische Modellierungswochen – auch online. Mitteilungen der Deutschen Mathematiker-Vereinigung, 30(1), 46-50.

Cite DOI

Sarah Schönbrodt, Kirsten Wohak, Martin Frank (2022). Digital Tools to Enable Collaborative Mathematical Modeling Online. Modelling in Science Education and Learning, 15(1), 151-174.

Cite DOI

Sarah Schönbrodt, Martin Frank (2021). Digitales Lernmaterial zur Netflix Challenge. In: K. Hein, C. Heil, S. Ruwisch & S. Prediger (Hrsg.). Beiträge zum Mathematikunterricht 2021, S. 1534–1534. WTM Verlag.

Cite

Kirsten Wohak, Maike Sube, Sarah Schönbrodt, Martin Frank, Christina Roeckerath (2021). Authentische und relevante Modellierung mit Schülerinnen und Schülern an nur einem Tag?!. In: M. Bracke, M. Ludwig & K. Vorhölter (Hrsg.) Neue Materialien für einen realitätsbezogenen Mathematikunterricht 8. Realitätsbezüge im Mathematikunterricht, S. 37–50. Springer.

Cite DOI

Sarah Schönbrodt, Martin Frank (2020). Schüler/innen forschen zu erneuerbaren Energien – Optimierung eines Solarkraftwerks. In: H.-S. Siller, W. Weigel & J. F. Wörler (Hrsg.), Beiträge zum Mathematikunterricht 2020, S. 1534–1534. WTM-Verlag.

Cite

Sarah Schönbrodt (2019). Maschinelle Lernmethoden für Klassifizierungsprobleme – Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern. Springer, BestMasters.

Cite DOI

Martin Frank, Pascal Richter, Christina Roeckerath, Sarah Schönbrodt (2018). Wie funktioniert eigentlich GPS? – ein computergestützter Modellierungsworkshop. In: Greefrath, G., Siller, HS. (Hrsg.) Digitale Werkzeuge, Simulationen und mathematisches Modellieren. Realitätsbezüge im Mathematikunterricht, S. 137–163. Springer Spektrum.

Cite DOI