Einführung in den Data Science-Prozess – ein Club für die Zukunft und Microsoft Hacking MINT-Zusammenarbeit

Hacking STEM freut sich, mit der gemeinnützigen Organisation von Blue Origin, Club for the Future, zusammenzuarbeiten, um hervorzuheben, wie ein Data-Science-Prozess verwendet wird, um ein Go/No-Go für den Start einer Blue Origin New Shepard-Rakete zu bestimmen.

Rocken Sie es mit Data Science

Data Science hat eine hohe Bedeutung erlangt. Daten werden heute mehr denn je genutzt, um die Welt um uns herum besser zu verstehen. Fortschritte in der Technologie ermöglichen es uns, größere Datenmengen effizienter zu sammeln und auf neue Weise zu nutzen, was die Notwendigkeit für Studenten erhöht, besser zu verstehen, wie Data Science angewendet werden kann.

Bereiten Sie die Schüler darauf vor, die Zukunft zu gestalten, indem Sie sie in unterhaltsame und interaktive Aktivitäten eintauchen, während sie sich über Excel und den Data Science-Prozess informieren.

Die interaktive Microsoft Excel-Arbeitsmappe führt die Schüler durch die Verwendung einer Methode, die als Data Science-Prozess bezeichnet wird. Verwenden Sie diese Aktivitäten in Excel, um den Prozess zu erkunden, den Datenwissenschaftler verwenden, um gute Fragen zu stellen, Daten zu organisieren und zu visualisieren und die Daten dann zu verwenden, um wichtige Entscheidungen zu treffen.

Excel ist ein Tool, das auf der ganzen Welt verwendet wird, um mit Daten zu arbeiten. Bei diesen Aktivitäten lernen die Schüler, wie man Excel verwendet und alle Schritte einer Mission abschließt, indem sie sich am Data Science-Prozess beteiligen.

In dieser Mission analysieren die Schüler wichtige Wetterdaten bei der Bestimmung der Flugsicherheitsparameter für eine New Shepard-Rakete und treffen schließlich eine Go/No-Go-Entscheidung für den Start. Die Schüler lernen, wie sie Excel verwenden, während sie sich an dieser dynamischen Data Science-Prozess-Aktivität beteiligen.

Während der Erfahrung formulieren und stellen die Schüler zunächst Fragen zu Faktoren, die die Stabilität einer Rakete auf ihrem Weg durch die Atmosphäre beeinflussen. Mithilfe eines atmosphärischen Datensatzes organisieren die Schüler die Daten dann mit Excel-Tools, um aussagekräftige Erkenntnisse zu gewinnen. Als Nächstes lernen die Schüler/Studierenden, wie sie Diagramme und Grafiken mit einer KI-erweiterten Funktion in Excel erstellen.

Im letzten Schritt interpretieren die Schülerinnen und Schüler die visualisierten Daten, um eine Go/No-Go-Bestimmung für einen Raketenstart zu treffen. Die Teams berichten über ihre Ergebnisse in einem kurzen Bericht an die Flugkontrolle.

Bei erfolgreichem Abschluss aller Missionsschritte erhalten die Schüler ein Space Data-Abzeichen und nach Abschluss der Erfahrung ein Zertifikat.

Headerbild mit einem Fragezeichen bei einer Bildlaufrolle und dem Text: Fragen stellen.

Schritt 1 – Fragen stellen

In Schritt 1 des Data Science-Prozesses stellen die Schüler Fragen. Die Fragen stehen in direktem Zusammenhang mit Faktoren, die die Stabilität einer Rakete auf ihrem Weg durch die Erdatmosphäre beeinflussen. Beschränken Sie dann den Fokus auf eine einzelne Frage, die durch Untersuchung von Daten beantwortet werden kann.

Alter: 11-15 Jahre

Spieldauer: 60 Minuten

Highlights der Lektion:

  • Brainstorming-Fragen zu Faktoren, die sich auf die Stabilität des Raketenstarts auswirken könnten.
  • Kategorisieren Sie visuelle, qualitative und quantitative Daten im Zusammenhang mit einem stabilen Raketenstart.
  • Entwickeln Sie eine Frage, die sich auf einen bestimmten Datensatz konzentriert.
  • Bestimmen Sie, welche Daten zur Beantwortung der Fokusfrage benötigt werden.

Lernstandards:

  • NGSS MS-ESS1-3. Analysieren und interpretieren Sie Daten, um Ähnlichkeiten und Unterschiede in den Ergebnissen zu ermitteln.
  • ISTE 5b. Schüler sammeln Daten oder identifizieren relevante Datasets, verwenden digitale Tools, um sie zu analysieren, und stellen Daten auf verschiedene Weise dar, um die Problemlösung und Entscheidungsfindung zu erleichtern.
  • CSTA 2-DA-09 Sammeln Sie Daten mit Computertools und transformieren Sie die Daten, um sie nützlicher und zuverlässiger zu machen.

Ressourcen:

Header-Bild mit Tabellenkalkulationen und dem Text: Organisieren von Daten.

Schritt 2 – Organisieren von Daten

Das Organisieren von Daten ist der nächste Schritt im Data Science-Prozess. Die gesammelten Datensätze können extrem groß sein. In der Rolle als Data Scientist müssen Sie die Daten verwaltbar machen, indem Sie die Leistungsfähigkeit digitaler Tools nutzen , um die Auswirkungen des Windes auf unseren Raketenstart besser zu verstehen.

Alter: 11-15 Jahre

Spieldauer: 60 Minuten

Highlights der Lektion:

  • Eingeben, Kopieren und Einfügen von Daten in Excel-Zellen
  • Lesen von Sensordaten und Bearbeiten von Datenspalten
  • Organisieren von Daten in einer strukturierten Tabelle
  • Berechnen von Daten mit Formeln in einer Tabelle

Lernstandards:

  • NGSS MS-ESS1-3. Analysieren und interpretieren Sie Daten, um Ähnlichkeiten und Unterschiede in den Ergebnissen zu ermitteln.
  • ISTE 5b. Schüler sammeln Daten oder identifizieren relevante Datasets, verwenden digitale Tools, um sie zu analysieren, und stellen Daten auf verschiedene Weise dar, um die Problemlösung und Entscheidungsfindung zu erleichtern.
  • CSTA 2-DA-09 Sammeln Sie Daten mit Computertools und transformieren Sie die Daten, um sie nützlicher und zuverlässiger zu machen.

Ressourcen:

Headerbild mit einem Liniendiagramm und dem Text: Visualisierung von Daten.

Schritt 3 – Visualisierung von Daten

Schritt 3 in diesem Data Science-Prozess ist die Erstellung visueller Interpretationen unserer Daten, wie Diagramme und Grafiken. Sie ermöglichen es Data Scientists, die Daten auf eine Weise zu sehen, die Zahlen und Text einfach nicht liefern können. Die Aufgabe besteht darin, unsere organisierten Daten aus Schritt 2 zu verwenden und ein Diagramm zu erstellen, das unsere maximal zulässigen Windgeschwindigkeiten in verschiedenen Höhen anzeigt.

Alter: 11-15 Jahre

Spieldauer: 60 Minuten

Highlights der Lektion:

  • Visualisieren von Daten mit Säulen- und Punktdiagrammen
  • Verwenden Sie das Feature "Daten analysieren", und erfahren Sie, wie Sie ein Diagramm verschieben und dessen Größe ändern können.
  • Suchen anderer Diagramme im Einfügen-Menü
  • Bearbeiten von Titeln und Beschriftungen in einem Diagramm

Lernstandards:

  • NGSS MS-ESS1-3. Analysieren und interpretieren Sie Daten, um Ähnlichkeiten und Unterschiede in den Ergebnissen zu ermitteln.
  • ISTE 5b. Schüler sammeln Daten oder identifizieren relevante Datasets, verwenden digitale Tools, um sie zu analysieren, und stellen Daten auf verschiedene Weise dar, um die Problemlösung und Entscheidungsfindung zu erleichtern.
  • CSTA 2-DA-09 Sammeln Sie Daten mit Computertools und transformieren Sie die Daten, um sie nützlicher und zuverlässiger zu machen.

Ressourcen:

Header-Bild mit einer Rakete und dem Text: Interpretieren von Daten.

Schritt 4 – Interpretieren der Daten

In Schritt 4 des Data-Science-Prozesses interpretiert Ihr Team die visualisierten Daten aus Schritt 3, um eine Go/No-Go-Entscheidung für einen Raketenstart zu treffen. Das Team berichtet über seine Ergebnisse in einem kurzen Bericht an die Flugkontrolle.

Alter: 11-15 Jahre

Spieldauer: 60 Minuten

Highlights der Lektion:

  • Informationen zum Visualisieren mit zwei Diagrammtypen
  • Untersuchen eines Windgeschwindigkeitsdatendiagramms von einem Wetterballon
  • Verwenden Sie die verfügbaren Daten, um zu bestimmen, ob der Raketenflug ein Go/No-Go für den Start ist

Lernstandards:

  • NGSS MS-ESS1-3. Analysieren und interpretieren Sie Daten, um Ähnlichkeiten und Unterschiede in den Ergebnissen zu ermitteln.
  • ISTE 5b. Schüler sammeln Daten oder identifizieren relevante Datasets, verwenden digitale Tools, um sie zu analysieren, und stellen Daten auf verschiedene Weise dar, um die Problemlösung und Entscheidungsfindung zu erleichtern.
  • CSTA 2-DA-09 Sammeln Sie Daten mit Computertools und transformieren Sie die Daten, um sie nützlicher und zuverlässiger zu machen.

Ressourcen:

Prinzipien des Unterrichtsplans

Relevanz. Data Science ist laut dem Bureau of Labor Statistics einer der am schnellsten wachsenden Berufe. Jede Branche braucht Datenanalyse – einschließlich der Wirtschaft in allen Sektoren, im Gesundheitswesen, im Bildungswesen und in jeder Form von Social Programming Die Weiterentwicklung der Datenanalysefähigkeiten von NextGen soll Argumentation, Diskurs und Entscheidungsfindung anregen und letztendlich eine intelligentere Welt für uns alle schaffen.

Gleichheit für Alle. Multimodale, dynamische, abgestufte Anleitungen unterstützen Lernende mit unterschiedlichen Vorkenntnissen und unterschiedlichem Hintergrund..

Barrierefreiheit. Diese Lektionen wurden entwickelt, um die Türen für Lernenden zur Teilnahme an der Data Science-Revolution zu öffnen, und werden von jedem internetfähigen Gerät unterstützt. Verwenden Sie einen größeren Bildschirm (Laptop oder Desktop) für die beste Erfahrung.

An Standards ausgerichtet. Alle Aktivitäten orientieren sich an den wichtigsten Next Generation Science Standards (NGSS), den Standards der International Society for Technology in Education (ISTE) und den Standards der Computer Science Teacher Association (CSTA).

Lernen Sie weiter

Kombiniere diese zusätzlichen Aktivitäten, um deine Schüler für MINT, Raumfahrt und Data Science zu begeistern!

Tipps für Lehrkräfte

Verwenden der Excel-Arbeitsmappe in Microsoft Teams Erstellen Sie eine Aufgabe (Einführung in den Data Science-Prozess) in Microsoft Teams für Education, und weisen Sie die Excel-Arbeitsmappe einzelnen Kursteilnehmern oder kleinen Gruppen von Kursteilnehmern in einem Kurs zu. Gruppen geben eine Kopie der Aufgabe ein, die separat oder zusammen bewertet werden kann. Hier erfahren Sie, wie.

Möchten Sie mehr erfahren?

Sie können andere praktische STEM-Projekte in Ihren Unterricht integrieren! Versuchen Sie sich an Projekten wie dem Bau einer Roboterhand, der Herstellung eines Akkus aus einer Zitrone oder der Messung der Wasserqualität. Besuchen Sie aka.ms/HackingSTEM , um mehr zu erfahren.

Haben Sie Feedback?

Wir würden uns freuen, Ihre Gedanken zur Einführung in die Data Science-Prozessmaterialien zu hören! Lassen Sie uns wissen, was für Sie gut ist, was besser sein könnte und was Sie in Zukunft sehen möchten.

Kontaktieren Sie uns.

  • Zuletzt aktualisiert um