Analyse von Umweltdaten/Modulsteckbrief

Übersicht

{{#if:|

[[|290px]]

}}

{{#if:Analyse von Umweltdaten, Data Science, Data Analysis, epistemisches Programmieren| }} {{#if:Sven Hüsing| }} {{#if:| {{#if:| | }} }} {{#if:| {{#if:| | }} }} {{#if:| {{#if:| | }} }} {{#if:| {{#if:| | }} }} {{#if:| {{#if:| | }} }} {{#if:True| }}

Themenfeld	Analyse von Umweltdaten, Data Science, Data Analysis, epistemisches Programmieren
Autor	Sven Hüsing
Editiert am	08.7.2021
Material	[[:|]]
Material	[[:|]]
	[[:|]]
	[[:|]]
	[[:|]]
	[[:|]]
	[[:{{{Material3}}}|{{{Material3_Name}}}]]
	[[:{{{Material3}}}|{{{Material3}}}]]
	[[:{{{Material4}}}|{{{Material4_Name}}}]]
	[[:{{{Material4}}}|{{{Material4}}}]]
Unterseiten

Titel	Analyse von Umweltdaten: Datenanalyse mit der Sensebox, Jupyter Notebooks und Python
Modul	Datenprojekte und Datenexploration: Umweltdaten mit Sensoren sammeln und analysieren
Stichworte	Erkenntnisse aus Daten gewinnen, Erheben von Umweltdaten, Auswerten von Umweltdaten, Epistemisches Programmieren, Data Science
Zielgruppe	Klasse 8-10
Inhaltsfelder	Information und Daten Informatik, Mensch und Gesellschaft Informatiksysteme

	Unterricht
Kurz-beschreibung	Das übergeordnete Thema dieser Unterrichtsreihe lautet "Datenanalyse mit Jupyter Notebooks und Python". Dabei beziehen sich die Daten auf umweltbezogene Größen wie Temperatur, Luftfeuchtigkeit oder Feinstaubbelastung. Mithilfe eigens erhobener Daten führen die SuS eine Umweltanalyse auf Grundlage eigener Fragestellungen durch. Dabei sammeln sie mithilfe einer (ggf. selbst programmierten) Sensebox (Link) umweltspezifische Daten, die sie selbst auswählen. Während die Sensebox die Daten über einen längeren Zeitraum sammelt, durchlaufen die SuS einen Online-Kurs zur Arbeit mit Python und Jupyter Notebooks. Darauf aufbauend führen sie die Auswertung der selbst erhobenen Daten durch und erstellen ein eigenes Jupyter Notebook, in dem sie ihre Ergebnisse und den Prozess der Datenanalyse festhalten. Beides präsentieren die SuS zum Ende der Unterrichtsreihe den anderen Kursmitglieder*innnen oder auch einem erweiterten Publikum – beispielsweise im Rahmen eines Projekttages.
Vor-kenntnisse	Grundlegende Kenntnisse im Umgang mit Jupyter Notebooks und der Programmiersprache Python sind hilfreich, jedoch nicht zwingend notwendig.
Grobziele	Die Schülerinnen und Schüler… lernen ein Datenanalyse-Projekt kennen, wobei die Schnittstellen Messinstrument, Daten und Daten im Kontext im Fokus stehen. lernen Auswertungs- und Darstellungsmöglichkeiten großer Datenmengen kennen. sammeln Erfahrungen in der datengetriebenen Analyse unserer Umwelt. lernen, gesammelte Daten und durchgeführte Datenanalysen im Kontext der Realwelt und deren Einflussfaktoren zu reflektieren. reflektieren, wie Datenanalysen den (datengetriebenen) Blick auf die Welt und das eigene Verhalten beeinflussen können. lernen erste Data-Moves kennen. machen erste Erfahrungen in der Programmierung von Arduinos. erlangen Grundkenntnisse im Umgang mit JupyterNotebook und Python.
Zur Verfügung stehendes Material	Vorbereitete Tutorials zur Verwendung von Python in Jupyter Notebooks Vorbereitete Jupyter Notebooks, in denen die Datenexploration durchgeführt werden kann Zur Unterstützung beim Erstellen des Messinstruments: vorbereiteter Programmcode zur Erhebung verschiedener Umweltdaten Beispiel-Datensätze für verschiedene Umweltdaten
Zeitlicher Umfang	15 Schulstunden (á 45 min)