Feinstaubanalyse/Module Datenanalyse: Unterschied zwischen den Versionen

Aus Unterrichtsmaterial
Wechseln zu:Navigation, Suche
K
 
(2 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt)
Zeile 1: Zeile 1:
 
<br />{{Infobox|image=|thema=Data Science|Material=|Material_Name=|Autor=Nils Fitting, Sven Hüsing|subpages=True|Material1=|Material1_Name=|Material2=|Material2_Name=}}
 
<br />{{Infobox|image=|thema=Data Science|Material=|Material_Name=|Autor=Nils Fitting, Sven Hüsing|subpages=True|Material1=|Material1_Name=|Material2=|Material2_Name=}}
 +
 +
====Beschreibung der Phase====
 +
In dieser Phase sollen die SuS die von der Sensebox gesammelten Daten über die SD-Karte auf die PCs/Laptops übertragen und dann innerhalb eines neu angelegten Jupyter-Notebooks analysieren und darstellen. Jupyter Notebooks sind im wesentlichen digitale Dokumente, in die man verschiedene Zellen einfügen kann:
 +
 +
#Code-Zellen, um Python-Code zu schreiben, der dann ausgeführt werden kann
 +
#Auswertungszellen, in denen die Outputs der Codezellen stehen
 +
#Markdown-Zellen, in die man mit Markdown-Text Beschreibungen oder Erläuterungen schreiben kann
 +
 +
Insbesondere ist es möglich, einzelne Variablen in einer Codezelle zu definieren und in diese zu schreiben, um sie dann in einer späteren Codezelle erneut zu verwenden.
 +
 +
Die SuS können sich für die Datenanalyse an einem Tutorial-JupyterNotebook orientieren, in dem sie angeleitet werden, eine Datenanalyse im Umweltkontext durchzuführen. Sie können dabei einzelne Codeschnipsel hieraus kopieren, um sie für ihre eigene Datenanalyse zu nutzen. Das Ziel dieses Unterrichtsmoduls ist es, dass die SuS ein sogenanntes Computational Essay erstellen, in dem sowohl der Programmcode, die Programmierergebnisse, als auch erläuternder Text enthalten ist. Letzterer soll dazu eingesetzt werden, den Prozess der Datenerhebung für Lesende des Essays nachvollziehbar darstellen zu können. Dazu ist es wichtig, die Programmierschritte einzeln zu erläutern - den Code also zu kommentieren und darzulegen, welche Funktion ein gewisser Codeschnipsel hat. Darüber hinaus sollen jedoch auch die Ergebnisse bereits im selben Dokument kommentiert und interpretiert werden, sodass die gezogenen Schlussfolgerungen direkt anhand der Programmierergebnisse verdeutlicht werden können. Ein Beispiel für ein solches Computational Essay befindet sich ebenfalls unter dem Abschnitt ''Material''.
 +
 +
Später (im nächsten Modul): Verteilen der digitalen Essays und Feedback/Zusammenfassung der Erkenntnisse durch die anderen Gruppen
 +
 +
==== Differenzierung ====
 +
 +
====Material====
 +
 +
*Tutorial-JupyterNotebook
 +
*Beispiel für ein Computational Essay (folgt...)
 +
*

Aktuelle Version vom 1. Oktober 2021, 13:30 Uhr


Übersicht
Themenfeld Data Science
Autor Nils Fitting, Sven Hüsing
Editiert am 01.10.2021
Unterseiten


Beschreibung der Phase

In dieser Phase sollen die SuS die von der Sensebox gesammelten Daten über die SD-Karte auf die PCs/Laptops übertragen und dann innerhalb eines neu angelegten Jupyter-Notebooks analysieren und darstellen. Jupyter Notebooks sind im wesentlichen digitale Dokumente, in die man verschiedene Zellen einfügen kann:

  1. Code-Zellen, um Python-Code zu schreiben, der dann ausgeführt werden kann
  2. Auswertungszellen, in denen die Outputs der Codezellen stehen
  3. Markdown-Zellen, in die man mit Markdown-Text Beschreibungen oder Erläuterungen schreiben kann

Insbesondere ist es möglich, einzelne Variablen in einer Codezelle zu definieren und in diese zu schreiben, um sie dann in einer späteren Codezelle erneut zu verwenden.

Die SuS können sich für die Datenanalyse an einem Tutorial-JupyterNotebook orientieren, in dem sie angeleitet werden, eine Datenanalyse im Umweltkontext durchzuführen. Sie können dabei einzelne Codeschnipsel hieraus kopieren, um sie für ihre eigene Datenanalyse zu nutzen. Das Ziel dieses Unterrichtsmoduls ist es, dass die SuS ein sogenanntes Computational Essay erstellen, in dem sowohl der Programmcode, die Programmierergebnisse, als auch erläuternder Text enthalten ist. Letzterer soll dazu eingesetzt werden, den Prozess der Datenerhebung für Lesende des Essays nachvollziehbar darstellen zu können. Dazu ist es wichtig, die Programmierschritte einzeln zu erläutern - den Code also zu kommentieren und darzulegen, welche Funktion ein gewisser Codeschnipsel hat. Darüber hinaus sollen jedoch auch die Ergebnisse bereits im selben Dokument kommentiert und interpretiert werden, sodass die gezogenen Schlussfolgerungen direkt anhand der Programmierergebnisse verdeutlicht werden können. Ein Beispiel für ein solches Computational Essay befindet sich ebenfalls unter dem Abschnitt Material.

Später (im nächsten Modul): Verteilen der digitalen Essays und Feedback/Zusammenfassung der Erkenntnisse durch die anderen Gruppen

Differenzierung

Material

  • Tutorial-JupyterNotebook
  • Beispiel für ein Computational Essay (folgt...)