Analyse meetresultaten
Normaal gezien heb je nu bepaald waar je je sensoren zal plaatsen en wanneer ze hun meetgegevens naar de cloud moeten doorsturen. Nu is het moment aangebroken om na te denken wat je met deze meetgegevens zal gaan doen.
We formuleren een antwoord op volgende vragen:
- Wat zeggen de meetgegevens over je probleemstelling?
- Waar vind je de meetgegevens terug?
- Welke analyses moet je toepassen op je meetgegevens om tot besluiten te kunnen komen?
- Hoe kan je die analyses uitvoeren? In welk programma/welke programmeertaal?
Ten eerste, de meetgegevens vind je terug op het platform.
Op dit platform kan je al een eerste blik op de data werpen en kan je de meetgegevens downloaden om ze van nabijer te analyseren. Je kan zelf bepalen in welk programma je de analyse wilt uitvoeren. Hier vind je alvast de info terug hoe je de data kan inlezen in MS Excel en Python.
Enkel inlezen van de data is niet voldoende: je wilt er betekenisvolle besluiten uit trekken. Denk daarom even na over volgende vragen:
- Welke grafieken kunnen je helpen om een antwoord op je onderzoeksvragen te formuleren? Denk aan: een bar-diagram, een histogram, een boxplot, een grafiek van variabele 2 in functie van variabele 1, een grafiek waarin variabele 1 en variabele 2 in functie van de tijd samen weergegeven worden…
- Voor leerlingen die al toetsende statistiek (hypothese-testen) gezien hebben: met welke hypothese-testen kan je je onderzoeksvragen gaan beantwoorden? Denk aan: een t-test, een chi-kwadraattest, …
- Voor leerlingen die het verband tussen twee meetwaarden (bv. temperatuur en luchtvochtigheid) willen onderzoeken: Kan je een model opstellen dat je vertelt hoe variabele 1 varieert in functie van variabele 2? Bv. er is een lineair/kwadratisch/… verband tussen … en … .
Je zal zien dat hier verschillende STEM-disciplines besproken worden:
- M (mathematics): de weergave en verwerking van je meetgegevens zijn wiskundige manipulaties
- S (science): maar die (verwerkte) meetgegevens krijgen pas betekenis binnen een wetenschappelijke context. Bv. het is pas als je weet hoe je bijvoorbeeld temperatuur moet interpreteren (wat is een hoge temperatuur? wat is een lage temperatuur? hoe snel kan de temperatuur variëren? …) dat de resultaten zinvol zijn.
- E (engineering): het nadenken over welke sensoren je gaat gebruiken, waar je die zal plaatsen, wat je er mee kan opmeten, wat de beperkingen zijn en hoe je a.d.h.v IoT een probleem kan oplossen zijn allemaal typische ingenieursvraagstukking
Kunnen jullie concreter benoemen hoe de STEM-disciplines en welke concepten uit S, T en M in dit subprobleem aan bod komen?