
Modellkompetenz für Wissenschaft und Technik
Description
Alles über E-Books | Antworten auf Fragen rund um E-Books, Kopierschutz und Dateiformate finden Sie in unserem Info- & Hilfebereich.
Reviews / Votes
"Anhand anschaulicher Beispiele werden in diesem Buch wichtige Grundlagen und Eigenschaften von naturwissenschaftlichen Modellen erklärt sowie Ansätze erläutert, um deren Relevanz und Aussagekraft einzuschätzen. Die Autor:innen geben kurzweilige und verständliche Hilfestellungen für die Entwicklung von Modellkompetenz." Konstruktion, Juli 2022 "Wie funktionieren Modelle? Wie entwickelt man sie? Wo sind ihre Grenzen? Anhand anschaulicher Beispiele werden wichtige Grundlagen erklärt und Ansätze erläutert, um Relevanz und Aussagekraft einzuschätzen. Die Autoren beschreiben Gültigkeitsbereiche, analytische, parametrische und numerische Modelle, Vereinfachungen, Szenarioentwicklung, Optimierung und Modellvalidierung durch Experimente, Beobachtung und Analysen sowie beschränkende Faktoren." Forstzeitung, Juli 2022More details
Other editions
Additional editions

Persons
ISNI: 0000 0005 1629 5015
ISNI: 0000 0001 1618 3487
Content
- Intro
- Inhalt
- 1 Krane
- 1.1 Belastungsgrenzen
- 1.2 Modelle im Kran
- 1.2.1 Daten
- 1.2.2 Standfestigkeit
- 1.2.3 Biegebelastung des Auslegers
- 1.2.4 Das Kranupdate
- 1.3 Unfälle
- 2 Grundlagen
- 2.1 Terminologie
- 2.2 Modellentwicklung
- 2.2.1 Systemgrenze
- 2.2.2 Datenverfügbarkeit und Messwerte
- 2.2.3 Modellvalidierung
- 2.2.4 Grenzen von Modellen
- 2.2.5 Sprache
- 2.2.6 Implementierung
- 2.3 Andere Verwendungen des Begriffs Modell
- 2.3.1 Modell im Sinne von "klein" oder "groß"
- 2.3.2 Modelle als Metaphern
- 2.4 Das Modell in unserem Kopf
- 3 Modellarten
- 3.1 Analytische Modelle
- 3.2 Numerische Modelle
- 3.2.1 Diskretisierung
- 3.2.2 Finite-Elemente-Methode
- 3.2.3 Wetter- und Klimamodelle
- 3.2.4 Numerische Verfahren
- 3.2.5 Plausibilisierung
- 3.2.6 Rechenaufwand und Genauigkeit
- 3.2.7 Implementierung auf Supercomputern
- 3.3 Parametrische Modelle
- 3.3.1 Eigenschaften
- 3.3.2 Wolkenbildung
- 3.3.3 Vorteile und Nachteile parametrischer Modelle
- 3.3.4 Kombination mit anderen Modellarten
- 3.4 Logische Modelle
- 3.5 Struktur-Modelle
- 4 Vereinfachungen, Gültigkeitsbereiche und Abstraktion
- 4.1 Vereinfachungen
- 4.2 Gravitationswellen
- 4.3 Meereis
- 4.4 Kernfusion
- 4.5 Abstraktion
- 5 Zweck von Modellen
- 5.1 Szenarienmodellierung
- 5.2 Modelle zur Optimierung
- 5.3 Erklärende Modelle
- 5.4 Welche Modellart für welchen Zweck?
- 5.4.1 Analytische und numerische Modelle
- 5.4.2 Parametrische Modelle
- 5.5 Weitere Zwecke von Modellen
- 5.5.1 Interpretation von Rohdaten
- 5.5.2 Steuern und Regeln
- 5.5.3 Design und Herstellung
- 6 Modellvalidierung
- 6.1 Experimente und Statistik
- 6.1.1 Die Entdeckung des Higgs-Bosons
- 6.1.2 Der Large Hadron Collider
- 6.1.3 Experimente am LHC
- 6.1.4 Rekonstruktion der Kollisionsprodukte
- 6.1.5 Modellierung von Kollision, Teilchenbewegung und Detektor
- 6.1.6 Massenbestimmung
- 6.1.7 Standardabweichung und Normalverteilung
- 6.2 Beobachtung
- 6.2.1 Lernen aus Statistik
- 6.2.2 Lernen aus Erfahrung
- 6.2.3 Lernen aus dem Rückblick
- 6.3 Modell- und Variabilitätsanalysen
- 6.3.1 Sensitivitätsanalyse
- 6.3.2 Monte-Carlo-Simulation
- 6.3.3 Ensemble-Forecasting
- 6.3.4 Emergent Constraints
- 6.3.5 Unsupervised Learning
- 6.4 Erklärung
- 6.4.1 Fitting und Overfitting
- 6.4.2 Das Bild vom schwarzen Loch
- 6.4.3 Atommüllendlager
- 6.5 Kombinationen verschiedener Validierungsmethoden
- 6.5.1 Modell und Empirie
- 6.5.2 Verschiedene Modelle des gleichen Systems
- 6.6 Wie weit kann man Modellen vertrauen?
- 7 Komplexität und die Grenzen von Modellen
- 7.1 Komplexität
- 7.1.1 Kompliziertheit und Komplexität
- 7.1.2 Komplexe Systeme
- 7.1.3 Versteckte Verknüpfungen
- 7.1.4 Verborgener Zustand
- 7.1.5 Hysterese
- 7.1.6 Rückkopplungen
- 7.1.7 Kipppunkte
- 7.1.8 Pfadabhängigkeiten
- 7.1.9 Zufall
- 7.2 Chaos
- 7.2.1 Nichtlineare Systeme
- 7.2.2 Chaos in der Mathematik
- 7.2.3 Chaotische Systeme in der Praxis
- 7.2.4 Durchschnittliches Verhalten und Statistik
- 7.2.5 Charakterisierung der Chaotizität
- 7.2.6 Kommunikation der Unsicherheit
- 7.3 Emergenz
- 7.3.1 Emergenz in der Praxis
- 7.3.2 Emergenz in der Mathematik
- 7.3.3 Emergenz und Modellierung
- 7.4 Blinde Flecken
- 8 Modelle im Kontext
- 8.1 Die Rolle von Modellen in der Wissenschaft
- 8.1.1 Modelle als Basis weiterführender Forschung
- 8.1.2 Dokumentation des Status quo
- 8.1.3 Ein objektives Werkzeug der Wissenschaft?
- 8.2 Modelle und Gesellschaft
- 8.2.1 Fach- und Methodenwissen
- 8.2.2 Wahrheitserwartung
- 8.2.3 Langer Atem und schnelle Aussagen
- 8.2.4 Modelle in den Medien
- 8.2.5 Politik
- 8.3 Modellkompetenz
- Podcastepisoden
- Literatur
System requirements
File format: PDF
Copy protection: Watermark-DRM (Digital Rights Management)
System requirements:
- Computer (Windows; MacOS X; Linux): Use the free software Adobe Reader, Adobe Digital Editions, or any other PDF viewer of your choice (see eBook Help).
- Tablet/Smartphone (Android; iOS): Install the free app Adobe Digital Editions or another reading app for eBooks, e.g., PocketBook (see eBook Help).
- E-reader: Bookeen, Kobo, Pocketbook, Sony, Tolino and many more (only limited: Kindle).
The file format PDF always displays a book page identically on any hardware. This makes PDF suitable for complex layouts such as those used in textbooks and reference books (images, tables, columns, footnotes). Unfortunately, on the small screens of e-readers or smartphones, PDFs are rather annoying, requiring too much scrolling.
This eBook uses Watermark-DRM, a „soft” copy protection. This means that there are no technical restrictions to prevent illegal distribution. However, there is a personalised watermark embedded in the eBook that can be used to identify the purchaser of the eBook in the event of misuse and to provide evidence for legal purposes.
For more information, see our eBook Help page.