Feinstaubanalyse: Unterschied zwischen den Versionen

Aus Unterrichtsmaterial
Wechseln zu:Navigation, Suche
K
Zeile 1: Zeile 1:
{{Infobox|image=Datei:Aufbau 1.png|thema=Data Science, Datenanalyse, Feinstaubbelastung, epistemisches Programmieren|Material=|Material_Name=|Autor=Nils Fitting, Sven Hüsing|subpages=True|Material1=|Material1_Name=|Material2=|Material2_Name=}}
+
{{Infobox|image=Datei:Aufbau 1.png|thema=Data Science, Datenanalyse, Feinstaubbelastung, epistemisches Programmieren|Material=|Material_Name=|Autor=Nils Fitting, Sven Hüsing|subpages=True|Material1=|Material1_Name=|Material2=|Material2_Name=|Umfang=x Unterrichtseinheiten á 45 min}}
  
=== Einleitung ===
+
===Einleitung===
Auf dieser Seite wird das Unterrichtsprojekt "Feinstaubanalyse" dargestellt. Es handelt sich dabei um ein fächerverbindendes Projekt, das aus der Kooperation zwischen der Chemiedidaktik der TU Kaiserslautern und dem [https://www.prodabi.de ProDaBi]-Projekt der Universität Paderborn entstanden ist.
+
Auf dieser Seite wird das Unterrichtsprojekt "Feinstaubanalyse" dargestellt. Es handelt sich dabei um ein fächerverbindendes Projekt, das aus der Kooperation zwischen der Chemiedidaktik der TU Kaiserslautern und dem [https://www.prodabi.de ProDaBi]-Projekt der Universität Paderborn entstanden ist.  
Das Projekt besteht aus mehreren Modulen, die sich auf die verschiedenen Aktivitäten rund um das Erstellen einer Feinstaubanalyse beziehen.  
 
  
==== Empfehlung bei der Durchführung: ====
+
Die SuS sollen bei diesem Projekt ihre eigene Umwelt genauer erkunden, indem sie die Feinstaubbelastung in ihrer Umgebung hinsichtlich eigener Forschungsfragen analysieren. Dabei lernen sie auf der einen Seite etwas über Feinstaub und die Feinstaubentwicklung in der eigenen Umwelt. Auf der anderen Seite "öffnen" sie jedoch auch die "Data-Science-Blackbox", indem sie mithilfe eines professionellen Tools eine eigene Datenanalyse mit selbst erhaltenen Feinstaubdaten erstellen. 
Die Empfehlung ist, alle diese Modulbausteine durchzuführen, wobei ggf. die Reihenfolge getauschte werden kann. Für den Fall, dassdie Zeit zu knapp wird, können an einigen Stellen auch die Alternativen, die auf den jeweiligen Seiten zu sehen sind, durchgeführt werden. Beispielsweise können statt eigens erhobenen Daten auch bereits vorhandene Datensätze zur Analyse herangezogen werden. Dadurch würde man einige Unterrichtsstunden bei dem Modul [[Feinstaubanalyse/Modul Datensammlung]] einsparen - allerdings mit dem Nachteil, dass die SuS die Analysen nicht mit eigenen Datensätzen durchführen können.
+
 
 +
====Tipps zur Durchführung:====
 +
Das Projekt besteht aus mehreren Modulen, die sich auf die verschiedenen Aktivitäten rund um das Erstellen einer Feinstaubanalyse beziehen. Die Empfehlung ist, alle diese Modulbausteine durchzuführen, wobei ggf. die Reihenfolge getauschte werden kann. Für den Fall, dassdie Zeit zu knapp wird, können an einigen Stellen auch die Alternativen, die auf den jeweiligen Seiten zu sehen sind, durchgeführt werden. Beispielsweise können statt eigens erhobenen Daten auch bereits vorhandene Datensätze zur Analyse herangezogen werden. Dadurch würde man einige Unterrichtsstunden bei dem Modul [[Feinstaubanalyse/Modul Datensammlung]] einsparen - allerdings mit dem Nachteil, dass die SuS die Analysen nicht mit eigenen Datensätzen durchführen können.
 +
 
 +
Führt man alle Module mit den SuS durch,
 +
 
 +
==== Lernziele: Die SuS... ====
 +
 
 +
===== ...sammeln Erkenntnisse im Bereich "Feinstaub": =====
 +
...
 +
 
 +
===== ...erhalten einen Einblick in "Data Science" und "Data Analysis": =====
 +
 
 +
*lernen ein erstes (exemplarisches) Data Science kennen, wobei die Schnittstellen ''Messinstrument'', ''Daten'' und ''Daten im Kontext'' im Fokus stehen.
 +
*lernen erste Data-Moves kennen.
 +
*erlangen Grundkenntnisse im Umgang mit JupyterNotebook und Python.
 +
*lernen Auswertungsmöglichkeiten und Darstellungsweisen großer Datenmengen kennen.
 +
*können Erfahrungen in der datengetriebenen Analyse unserer Umwelt sammeln.
 +
*reflektieren, wie Datenanalysen den (datengetriebenen) Blick auf die Welt und das eigene Verhalten beeinflussen können.
 +
*lernen, gesammelte Daten und durchgeführte Datenanalysen im Kontext der Realwelt und deren Einflussfaktoren zu reflektieren.
 +
*erfahren, dass Datenanalysen interessengeleitet sind und nicht eine reale Abbildung der Welt darstellen.
 +
 
 +
Falls die Sensebox von den SuS selbst programmiert wird:
 +
 
 +
*lernen Software und Hardware rund um Arduino als Beispiel für einen Platinencomputer kennen.
 +
*machen erste Erfahrungen in der Programmierung von Arduinos.
  
  

Version vom 6. Juli 2021, 11:18 Uhr


Einleitung

Auf dieser Seite wird das Unterrichtsprojekt "Feinstaubanalyse" dargestellt. Es handelt sich dabei um ein fächerverbindendes Projekt, das aus der Kooperation zwischen der Chemiedidaktik der TU Kaiserslautern und dem ProDaBi-Projekt der Universität Paderborn entstanden ist.

Die SuS sollen bei diesem Projekt ihre eigene Umwelt genauer erkunden, indem sie die Feinstaubbelastung in ihrer Umgebung hinsichtlich eigener Forschungsfragen analysieren. Dabei lernen sie auf der einen Seite etwas über Feinstaub und die Feinstaubentwicklung in der eigenen Umwelt. Auf der anderen Seite "öffnen" sie jedoch auch die "Data-Science-Blackbox", indem sie mithilfe eines professionellen Tools eine eigene Datenanalyse mit selbst erhaltenen Feinstaubdaten erstellen.

Tipps zur Durchführung:

Das Projekt besteht aus mehreren Modulen, die sich auf die verschiedenen Aktivitäten rund um das Erstellen einer Feinstaubanalyse beziehen. Die Empfehlung ist, alle diese Modulbausteine durchzuführen, wobei ggf. die Reihenfolge getauschte werden kann. Für den Fall, dassdie Zeit zu knapp wird, können an einigen Stellen auch die Alternativen, die auf den jeweiligen Seiten zu sehen sind, durchgeführt werden. Beispielsweise können statt eigens erhobenen Daten auch bereits vorhandene Datensätze zur Analyse herangezogen werden. Dadurch würde man einige Unterrichtsstunden bei dem Modul Feinstaubanalyse/Modul Datensammlung einsparen - allerdings mit dem Nachteil, dass die SuS die Analysen nicht mit eigenen Datensätzen durchführen können.

Führt man alle Module mit den SuS durch,

Lernziele: Die SuS...

...sammeln Erkenntnisse im Bereich "Feinstaub":

...

...erhalten einen Einblick in "Data Science" und "Data Analysis":
  • lernen ein erstes (exemplarisches) Data Science kennen, wobei die Schnittstellen Messinstrument, Daten und Daten im Kontext im Fokus stehen.
  • lernen erste Data-Moves kennen.
  • erlangen Grundkenntnisse im Umgang mit JupyterNotebook und Python.
  • lernen Auswertungsmöglichkeiten und Darstellungsweisen großer Datenmengen kennen.
  • können Erfahrungen in der datengetriebenen Analyse unserer Umwelt sammeln.
  • reflektieren, wie Datenanalysen den (datengetriebenen) Blick auf die Welt und das eigene Verhalten beeinflussen können.
  • lernen, gesammelte Daten und durchgeführte Datenanalysen im Kontext der Realwelt und deren Einflussfaktoren zu reflektieren.
  • erfahren, dass Datenanalysen interessengeleitet sind und nicht eine reale Abbildung der Welt darstellen.

Falls die Sensebox von den SuS selbst programmiert wird:

  • lernen Software und Hardware rund um Arduino als Beispiel für einen Platinencomputer kennen.
  • machen erste Erfahrungen in der Programmierung von Arduinos.




Modul 2: Feinstaubanalyse/Modul Datensammlung (ca. ... Unterrichtsstunden)