Quelltext der Seite Analyse von Umweltdaten/Modulsteckbrief

{{Infobox|image=|thema=Analyse von Umweltdaten, Data Science, Data Analysis, epistemisches Programmieren|Material=|Material_Name=|Autor=Sven Hüsing|subpages=True|Material1=|Material1_Name=|Material2=|Material2_Name=}}
{| class="wikitable"
|'''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
|}
{| class="wikitable"
|
|'''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 ([https://sensebox.de 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
|-
|Z'''eitlicher Umfang'''
|15 Schulstunden (á 45 min)
|}