Analyse von Umweltdaten

Geplanter Verlauf der Unterrichtsreihe

Diese Unterrichtsreihe lässt sich in zwei verschiedenen Varianten durchführen. Abhängig davon sind auch Lernziele und Dauer der Unterrichtsreihe.

In Variante A steht neben der Auswertung der Daten (in Jupyter Notebooks) auch die Programmierung der Messinstrumente (Senseboxen) im Vordergrund. Hierzu wird ca. eine Unterrichtsstunde benötigt, in der sich die SuS mit der Sensebox vertraut machen sowie zwei weitere, in denen sie die Sensebox in Abhängigkeit von ihrer Fragestellung programmieren.

Geplanter Verlauf der Unterrichtsreihe (Variante A)

Phase	Inhalt	Umfang
1	Einführung in das Projekt Einführung in das Messinstrument "Sensebox" Generieren einer Fragestellung für die geplante datengeriebene Analyse	2 Schulstunden
2	Erstellung und Testung des Messinstruments Aufstellen der Messstation an ausgewählten Standorten	3 Schulstunden
3	Einführungskurs in Python	6 Schulstunden
4	Einsammeln der Senseboxen Verteilen der gesammelten Daten Datenauswertung mithilfe der Jupyter Notebooks	3 Schulstunden
5	Abschluss des Projektes: Ergebnisvorstellung Interpretation: Was bedeuten die Ergebnisse für uns ? Diskussion von gesellschaftlichen Implikationen	1 Schulstunde

Alternativ kann können die SuS auch eine bereits fertig programmierte Sensebox nutzen, die die Werte für Feinstaub (PM2.5), Temperatur und Luftfeuchtigkeit in jeweils separaten .csv-Dateien auf einer SD-Karte speichert. Auf diese Weise fällt in dieser Variante B im Gegensatz zu Variante A in Phase 1 die Einführung in das Messinstrument "Sensebox" sowie in Phase 2 die Erstellung und Testung des Messinstruments weg, sodass sich der Umfang der Reihe um 3 Schulstunden reduziert. Folglich ergibt sich folgender Ablauf:

Geplanter Verlauf der Unterrichtsreihe (Variante B)

Phase	Inhalt	Umfang
1	Einführung in das Projekt Generieren einer Fragestellung für die geplante datengeriebene Analyse	1 Schulstunde
2	Aufstellen der Messstation an ausgewählten Standorten	1 Schulstunde
3	Einführungskurs in Python	6 Schulstunden
4	Einsammeln der Senseboxen Verteilen der gesammelten Daten Datenauswertung mithilfe der Jupyter Notebooks	3 Schulstunden
5	Abschluss des Projektes: Ergebnisvorstellung Interpretation: Was bedeuten die Ergebnisse für uns ? Diskussion von gesellschaftlichen Implikationen	1 Schulstunde

Einzelne Phasen der Unterrichtsreihe

Phase 1: Einführung in das Projekt und Generieren einer Fragestellung für die geplante datengetriebene Analyse

Beschreibung der Phase

In dieser Phase soll den SuS das Projekt bzw. Vorhaben vorgestellt werden. Sie sollen dabei eine eigene Fragestellung entwickeln, der sie in der nachfolgenden Datenanalyse nachgehen wollen. Beispiele für Fragestellungen wären beispielsweise:

• Zu welcher Uhrzeit ist die Feinstaubbelastung an der Schule am höchsten ?
• Wie viel Feinstaub produzieren verschiedene Autotypen (z.B. Diesel- vs. Benzinauto) ?
• Wie oft/Wann überschreitet die Feinstaubbelastung an unserer Schule EU-Grenzwerte ?

Bei der Durchführung von Variante A (mit Programmierung der Sensebox) sollen die SuS zudem die Sensebox kennenlernen und erste kleinere Programmierprojekte mit Ihr durchführen.

Verlauf

Variante A (Mit Programmierung der Sensebox)

Abschnitt	Inhalt	Methode	Material
Einstieg (10 min)	Diskussion: "In Fernsehberichten werden oftmals Temperaturen/Werte für Luftfeuchtigkeit/Feinstaub erwähnt." "Wie werden diese Daten erhoben ?" Der Kurs sollte auf Wetterstationen o.Ä. kommen, die Temperatur ect. messen. "So etwas wollen wir auch erstellen und die gesammelten Daten dann analysieren. Hierzu gucken wir uns die Sensebox an." Unterrichtsprojekt wird anhand des Projektplakates vorgestellt	Unterrichtsgespräch	Projektplakat
Erarbeitung (45 min)	Die SuS arbeiten die Lernkarten SB01-SB07, SB12, GI01, GI02, GI03 durch und programmieren die Sensebox so, dass die vom Temperatursensor aktuell gemessene Temperatur angezeigt wird (wie auf der Lernkarte SB07)	Einzel-/Partnerarbeit	Lernkarten zur Sensebox; Blockly-Programmierwebsite Sensebox
Sicherung (10 min)	Offene Fragen der SuS werden diskutiert und beantwortet	Plenum	Blockly-Programmierwebsite Sensebox
Erarbeitung (20 min)	Die SuS teilen sich in zwei Gruppen auf. Innerhalb des Notebooks "Teil 1: Fragestellung" hält jede Gruppe ihre Fragen fest, der sie mithilfe der Datenerhebung nachgehen wollen.	Gruppenarbeit	Jupyter Notebook "Teil 1: Fragestellung"
Sicherung (5 min)	Beide Gruppen stellen ihre Fragestellungen im Plenum vor.	Plenum	Jupyter Notebook "Teil 1: Fragestellung"

Variante B (Ohne Programmierung der Sensebox)

Abschnitt	Inhalt	Methode	Material
Einstieg (10 min)	Diskussion: "In Fernsehberichten werden oftmals Temperaturen/Werte für Luftfeuchtigkeit/Feinstaub erwähnt." "Wie werden diese Daten erhoben ?" Der Kurs sollte auf Wetterstationen o.Ä. kommen, die Temperatur ect. messen. "So etwas wollen wir auch erstellen und die gesammelten Daten dann analysieren. Hierzu gucken wir uns die Sensebox an." Unterrichtsprojekt wird anhand des Projektplakates vorgestellt	Unterrichtsgespräch	Projektplakat
Erarbeitung (20 min)	Die SuS teilen sich in zwei Gruppen auf. Innerhalb des Notebooks "Teil 1: Fragestellung" hält jede Gruppe ihre Fragen fest, der sie mithilfe der Datenerhebung nachgehen wollen.	Gruppenarbeit	Jupyter Notebook "Teil 1: Fragestellung"
Sicherung/ Diskussion (15 min)	Beide Gruppen stellen ihre Fragestellungen im Plenum vor. Gemeinsam wird zudem überlegt, an welchen Stellen die Senseboxen aufgestellt werden sollen und in welchem Zeitraum - ein Wechsel des Standorts ist auch möglich und meistens sinnvoll.	Plenum	Jupyter Notebook "Teil 1: Fragestellung"

Benötigte Materialien

• Lernkarten zur Sensebox
• Blockly-Programmierwebsite

Phase 3: Einführungskurs in Python

Beschreibung der Phase

Diese Phase sollte durchgeführt werden, während die Daten mithilfe der aufgestellten Senseboxen gesammelt werden. So wird ein genügend großer Zeitraum für die Datensammlung gewährt.

In dieser Phase sollen die SuS die Grundlagen von Python erlernen. Dazu durchlaufen die SuS den Python-Online-Kurs der University of Waterloo (Link). Hier werden grundlegende Aspekte der Programmiersprache schrittweise erarbeitet, indem für jedes "Programmierkonstrukt" zunächst ein erläuternder Text gegeben wird und die SuS dann das neu erworbene Wissen selbst anwenden müssen und eigenständig in "Code-Blöcken" bestimmte Programmieraufgaben lösen müssen.

Da im weiteren Verlauf der Unterrichtsreihe innerhalb von Juptyer Notebooks programmiert werden soll und zudem die Datentypen aus der pandas-Bibliothek genutzt werden, gibt es hierzu zwei Notebooks (Einführung Jupyter Notebooks und Nützliche Datentypen in Python NOCH NICHT AKTUELL), die einem ähnlichen Prinzip folgen, wie der Python-Online-Kurs der University of Waterloo: Auch hier gibt es zunächst erklärende Texte, bevor die SuS "Code-Blöcke" eigenständig erstellen bzw. ergänzen müssen, um gestellte Aufgaben zu lösen.

Die SuS sollen sowohl den Python-Online-Kurs als auch die beiden Jupyter Notebooks selbstständig bearbeiten. Der Python-Online-Kurs sollte nach etwa ??? Unterrichtsstunden abgeschlossen werden, und die beiden Notebooks in - zusammengenommen - ??? Unterrichtsstunden. Es bietet sich an, zum Beginn und zum Ende jeder Unterrichtseinheit etwa 5-10 Minuten für allgemeine Fragen der SuS einzuplanen, die im Plenum diskutiert und beantwortet werden können.

Verlauf

Eine grobe Skizze des Unterrichtsverlaufs: Die SuS arbeiten dauerhaft in Einzel-/Partnerarbeit am Online-Kurs bzw. an den Jupyter-Notebooks. Am Anfang/Ende jeder Einheit sollten etwa 10 min für Fragen eingeplant werden, die im Plenum diskutiert und beantwortet werden sollen.

Abschnitt	Inhalt	Methode	Material
Erarbeitung (4 Unterrichtsstunden)	Die SuS erarbeiten sich eigenständig Grundlagen der Programmiersprache Python, indem sie den Python-Online-Kurs der University of Waterloo durchlaufen	Einzel-/Partnerarbeit	Python-Online-Kurs der University of Waterloo
Erarbeitung (15 min)	Die SuS erarbeiten sich eigenständig Grundlagen in der Arbeit mit Jupyter Notebooks, indem sie das Jupyter Notebook "Einführung in Jupyter Notebooks" durchlaufen	Einzel-/Partnerarbeit	Jupyter Notebook "Einführung in Jupyter Notebooks"
Erarbeitung (75 min)	Die SuS erarbeiten sich eigenständig die Datentypen list, Series und DataFrame, indem sie das Jupyter Notebook "Nützliche Datentypen in Python" durchlaufen	Einzel-/Partnerarbeit	Jupyter Notebook "Nützliche Datentypen in Python"

Benötigte Materialien

Python-Online-Kurs der University of Waterloo (Link: https://cscircles.cemc.uwaterloo.ca/de/)

Jupyter Notebook: Einführung in Jupyer Notebooks (NOCH NICHT AKTUELL)

Jupyter Notebook: Nützliche Datentypen in Python (NOCH NICHT AKTUELL)