Zu den meisten Unterrichtsfächern findet man heute umfangreiche Standardwerke zum Thema Unterrichtsmethoden, nur für das Fach Informatik existiert keine vergleichbare Literatur. Dabei zeigt ein Blick auf die Bildungspläne aller Bundesländer, dass sich die Informatik als Unterrichtsfach in den Sekundarstufen I und II etablieren wird. Das vorliegende Buch versteht sich als ein Beitrag zur Schließung dieser Lücke in der Informatikdidaktik. Unterrichtsmethoden sind für den Lernerfolg im Unterricht von entscheidender Bedeutung und bilden auch den Dreh- und Angelpunkt dieses Buches. Unterrichtsmethode wird verstanden als klar umrissener, begrifflich herauslösbarer, selbstständiger, wenn auch integrierter Bestandteil des Unterrichts. Als Beispiele für dieses Verständnis von Unterrichtsmethoden werden unter anderem die Vor- und Nachteile des problemorientierten Unterrichts, des entdeckenden Lernens, der Computersimulation, des Frontalunterrichts und der Modellmethode für die Informatikdidaktik erläutert. So entsteht ein Überblick über 20 verschiedene und für den Informatikunterricht relevante Methoden, die anhand von Vorgehensmodellen und konkreten Beispielen für den Einsatz im Unterricht illustriert werden. Außerdem haben Informatiklehrer die verschiedenen Methoden in Hinblick auf ihre Lerneffektivität eingeschätzt. Die Grundlage für dieses erste Übersichtswerk zu Unterrichtsmethoden für den Informatikunterricht bilden verschiedene Forschungsprojekte der Pädagogischen Hochschule Ludwigsburg, die zwischen 2015 und 2018 Daten zu diesem Thema gesammelt haben. Auch dieses wissenschaftliche Fundament macht das Buch zu einer unbedingten Empfehlung für alle (angehenden) Informatiklehrer, die schon lange nach einem Titel mit Unterrichtsmaterialien für den Informatikunterricht gesucht haben.

Prof. Dr. Andreas Zendler ist seit 2005 Professor für Informatik und ihre Didaktik an der Pädagogischen Hochschule Ludwigsburg. Seine Forschungsschwerpunkte sind Empirische Informatikdidaktik, Unterrichtsmethoden, eLearning Engineering, multivariate Statistik und Data Science.