Software tools in didactics of mathematics

• Authors: Dudzińska-Baryła Renata , Kopańska-Bródka Donata , Michalska Ewa
• Languages of publication: EN

Abstracts

The use of software tools in the teaching process allows us to enrich the traditional methods. Graphics and animation complement the text and create positive associations related to the presented content. Recent research shows that using the visual methods in teaching leads to better scores obtained by students. The aim of the paper is to present the dynamic visualisations of selected concepts taught in mathematics and other “quantitative” subjects at university. Our dynamic visualisations can be used during lectures to help students to better understand difficult ideas and dependencies, for example the derivate of a function, the concept of fuzzy sets and the operations on these sets as well as the concept of the best solution in multi-objective programming problems. Visualisations of these issues are prepared in GeoGebra, which combines algebra and geometry and allows for the dynamic visualisation of concepts with a mathematical background.

Keywords

EN

visualisations; GeoGebra; multi-objective programming; fuzzy sets; derivative

• Publisher: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
• Journal: Didactics of Mathematics
• Year: 2015
• Issue: 12(16)
• Pages: 35-46

Contributors

author

Dudzińska-Baryła Renata

author

Kopańska-Bródka Donata

author

Michalska Ewa

References

• Bednarski T. (2004). Elementy matematyki w naukach ekonomicznych. Oficyna Ekonomiczna. Kraków.
• Dubnicki W., Kłopotowski J., Szapiro T. (1996). Analiza matematyczna. Podręcznik dla ekonomistów. PWN. Warszawa.
• Dudycz H. (1998). Wizualizacja danych jako narzędzie wspomagania zarządzania przedsiębiorstwem. Wydawnictwo Akademii Ekonomicznej we Wrocławiu.
• Dudzińska-Baryła R., Michalska E. (2011). Visualisation of linear inequalities systems and their application in geometric method for solving linear programming problems. Proceedings of Symposium on Computer Geometry SCG’2011. Vol. 20. October. Pp. 49-54.
• Dudzińska-Baryła R., Michalska E. (2015). Visualisations in valuation of risk in investment and logistics decisions. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach nr 247. Pp. 7-19.
• GeoGebra. http://geogebra.org.
• Kozak A., Łaguna M. (2009). Metody prowadzenia szkoleń czyli niezbędnik trenera. Gdańskie Wydawnictwo Psychologiczne. Sopot.
• Niemann H., de Mori R., Hanrieder G. (1994). Progress and Prospects of Speech Research Technology. Proceedings in Artificial Intelligence. CRIM/FORWISS Workshop. September. Munchen.
• Ostasiewicz W. (1986). Zastosowanie zbiorów rozmytych w ekonomii. PWN. Warszawa.
• Rutkowski L. (2006). Metody i techniki sztucznej inteligencji. PWN. Warszawa.
• Samuelson W.F., Marks S.G. (2003). Managerial Economics. Wiley.
• Sherer R. (2012). Multiple Fuzzy Classification Systems. Springer. Berlin Heidelberg.
• Sikora W. (ed.) (2008). Badania operacyjne. PWE. Warszawa.
• Sojda A. (2012). Zastosowanie metody pay-off do wyceny wartości przedsiębiorstwa. Zeszyty Naukowe Uniwersytetu Szczecińskiego nr 737. Finanse, Rynki Finansowe, Ubezpieczenia. Nr 56. Pp. 593-608.
• Steuer R.E. (2001). An overview in graphs on multiple objective programming. In: E. Zitzler, L. Thiele, K. Deb, C.A. Coello Coello, D. Corne (eds.). Evolutionary Multi-Criterion Optimization Series: Lecture Notes in Computer Science. Vol. 1993. Springer-Verlag. Pp. 41-51.
• Wendt S., Rice J., Nakamoto J. (2014). Evaluation of the MIND Research Institute’s Spatial-Temporal Math (ST Math) Program in California. http://www.wested.org/ wp-ontent/files_mf/1415730200Evaluation_STMath_Program_20141111.pdf[access 2015.09.15].
• Zadeh L.A. (1965). Fuzzy sets. Information and Control. Vol. 8. Pp. 338-353.