Lernen, das die Ursache behebt, nicht nur das Symptom
Die meisten adaptiven Tools machen ein verpasstes Thema einfacher und zeigen es erneut. Mathos untersucht das Muster hinter dem Fehler, behebt die fehlende Voraussetzung und bringt den Lernenden zurück an die Front.
Das Prinzip
Bildung ist nicht das Erlernen von Fakten, sondern das Training des Geistes zu denken.
Wie Mathos das umsetzt
Das ist die Vorgabe für die gesamte Engine. Mathos lässt dich niemals nur eine Tatsache auswendig üben — es liest die Denkweise, die ein falscher Antwortweg offenlegt, baut die darunterliegende Idee wieder auf und bringt dich zurück an die Front, wo du darüber nachdenken kannst, was als Nächstes kommt. Die Fakten folgen. Der trainierte Geist ist der Punkt.
Probier es selbst aus
Eine falsche Antwort, gelesen nach ihrem Grund.
Zwei Schüler verfehlen dieselbe Aufgabe aus entgegengesetzten Gründen. Wähle eine Antwort und sieh zu, was Mathos damit macht.
3(x − 2) = 2x + 4
Wähle links eine Antwort. Sieh zu, wie dieselbe falsche Antwort zu einer Diagnose wird, nicht nur zu einer roten Markierung.
Jetzt sieh zu, wie sie eigenständig läuft.
Dieselbe Logik, autonom: ein simulierter Schüler auf einer echten Analysis-Sequenz, wobei sich der Pfad mit den Belegen verändert.
Mathos / adaptives Lernen
Live-Lernmodell
Vier-Phasen-Lernbogen
Sieh zu, wie eine Antwort die nächste beste Lektion offenbart.
Die Sequenz reagiert auf Bedeutung, nicht nur auf Richtigkeit — genau das lässt sie intelligent wirken.
- 01
Szene 01
Dasselbe Muster erscheint
Verschiedene Probleme legen dieselbe zugrunde liegende Lücke offen.
- 02
Szene 02
Die Ursache wird erkannt
Falsche Antworten werden zu diagnostischen Belegen und nicht nur zu einem Punktabzug.
- 03
Szene 03
Der Pfad wird aktualisiert
Der nächste Schritt geht zu der Voraussetzung, die die Fehler erklärt.
- 04
Szene 04
Der Lernende kehrt stärker zurück
Sobald die Kernkompetenz repariert ist, wird das fortgeschrittene Thema erreichbar.
Die Fünf-Teile-Schleife hinter dem Verhalten
Die Erklärung kommt nach dem Live-Verhalten: Jede Ebene unten ist ein Grund dafür, warum sich der Pfad ändert, wenn sich derselbe Fehler wiederholt.
- 01
Konzeptgraph
Eine Karte mit 8 Knoten für Voraussetzungen: was vor was beherrscht sein muss, von Grenzwerten bis zu Related Rates.
- 02
Bayes'sche Beherrschung
Eine Schätzung der Beherrschung pro Konzept, nach jeder Antwort aktualisiert — tolerant gegenüber Glückstreffern und kleinen Ausrutschern.
- 03
Mustervertrauen
Jedes diagnostizierte Fehlermuster gewinnt mit Wiederholung an Vertrauen, sodass echte Lücken stärker gewichtet werden als Einzelfehler.
- 04
Ursachenbasierte Umleitung
Wenn die Belege stark sind, setzt der Sequencer den Fortschritt außer Kraft und kehrt zu der Voraussetzung hinter den Fehlern zurück.
- 05
Frontier-Auswahl
Wenn nichts repariert werden muss, wird das schwächste bereite Konzept vorangetrieben — auf einem Schwierigkeitsgrad, der produktiv bleibt.
Bereit zu lernen mit Mathos AI
Jeden Schritt erklärt bekommen – mit Tutor und Video, wenn du eines brauchst.
Kostenlos startenKostenlos starten · 3-tägige Testphase bei kostenpflichtigen Plänen · Jederzeit kündbar