четвер, 19 листопада 2026 р.

8 клас Методи збору даних. Використання великих даних

Урок 22 — Методи збору даних. Великі дані
ІНФОРМАТИКА · 8 КЛАС · Н. МОРЗЕ

Методи збору даних. Використання великих даних

Урок №22 · Теорія, відео, Wordwall, практика та самоперевірка

1. Презентація для пояснення

УРОК 22 · СЛАЙД 1

Методи збору даних. Використання великих даних

Урок №22 • Інформатика, 8 клас • За підручником Н. Морзе

Сьогодні з’ясуємо, як отримують дані, чому вони бувають «великими» та як допомагають ухвалювати рішення. Пригадайте: навіть коли ми дивимося прогноз погоди або обираємо відео, за цим стоїть робота з даними.

Ілюстрація до теми Методи збору даних. Використання великих даних
УРОК 22 · СЛАЙД 2

Навіщо збирати дані?

Дані → аналіз → обґрунтоване рішення

Дані — це зафіксовані факти, показники або спостереження. Самі по собі числа мало про що говорять. Наприклад, записи температури за тиждень після порівняння допоможуть помітити потепління. Так дані стають корисною інформацією.

Ілюстрація до теми Навіщо збирати дані?
УРОК 22 · СЛАЙД 3

Методи збору даних

Спостереження, опитування, інтерв’ю, вимірювання, експеримент

Спостереження — помічаємо й фіксуємо події, не втручаючись у них. Опитування або анкетування — ставимо однакові запитання багатьом людям. Інтерв’ю — детально розмовляємо з людиною. Вимірювання — отримуємо числові значення приладами. Експеримент — змінюємо умови й досліджуємо результат.

Ілюстрація до теми Методи збору даних
УРОК 22 · СЛАЙД 4

Як обрати правильний метод?

Спочатку запитання, потім інструмент

Хочемо дізнатися, яку музику любить клас? Проведемо анонімне опитування. Потрібно визначити температуру повітря? Використаємо термометр. Цікавить, скільки людей проходить коридором за перерву? Порахуємо під час спостереження. Метод залежить від мети, часу й доступних ресурсів.

Ілюстрація до теми Як обрати правильний метод?
УРОК 22 · СЛАЙД 5

Автоматичний збір даних

Датчики працюють без постійної участі людини

Розумні пристрої мають датчики, які перетворюють фізичні величини на сигнали для комп’ютера. Смартфон визначає рух, метеостанція вимірює температуру, а датчик освітленості допомагає автоматично регулювати яскравість екрана. Дані можуть надходити щосекунди.

Ілюстрація до теми Автоматичний збір даних
УРОК 22 · СЛАЙД 6

Які бувають датчики?

Температура • вологість • рух • освітленість

Термометр вимірює температуру, гігрометр — вологість, акселерометр — прискорення, датчик освітленості — інтенсивність світла. Уявіть «розумну» теплицю: датчики вимірюють стан повітря та ґрунту, а система підказує, коли потрібен полив.

Ілюстрація до теми Які бувають датчики?
УРОК 22 · СЛАЙД 7

Де зберігаються дані?

Файли, таблиці, бази даних і сховища

Тексти, фотографії, аудіо та відео зберігають у файлах. Коли записів багато й між ними є зв’язки, зручно використовувати базу даних. Наприклад, електронний каталог бібліотеки дозволяє швидко знайти книжку за автором, назвою чи жанром.

Ілюстрація до теми Де зберігаються дані?
УРОК 22 · СЛАЙД 8

Що таке великі дані — Big Data?

Не просто велика таблиця

Великі дані — це настільки масштабні, швидкоплинні або різноманітні набори даних, що для їх зберігання та аналізу часто потрібні спеціальні технології. Приклади: потоки показників датчиків, мільйони пошукових запитів, супутникові знімки та записи роботи серверів.

Ілюстрація до теми Що таке великі дані — Big Data?
УРОК 22 · СЛАЙД 9

Три властивості Big Data

Обсяг (Volume) • швидкість (Velocity) • різноманітність (Variety)

Обсяг означає величезну кількість записів. Швидкість — дані постійно надходять і швидко оновлюються. Різноманітність — це одночасно тексти, таблиці, фото, відео та сигнали датчиків. Саме поєднання цих характеристик ускладнює обробку.

УРОК 22 · СЛАЙД 10

Структуровані дані

Зручно впорядковані рядки та стовпці

Структуровані дані мають чітку схему: наприклад, таблиця «Дата — Температура — Вологість». Їх легко сортувати, фільтрувати та підраховувати. Згадайте електронні таблиці, де кожен стовпець відповідає за конкретну характеристику.

Ілюстрація до теми Структуровані дані
УРОК 22 · СЛАЙД 11

Неструктуровані дані

Фото, аудіо, відео, довільні тексти

Неструктуровані дані не мають єдиної табличної схеми. Наприклад, тисяча фотографій лісу або записи розмов. Комп’ютеру складніше автоматично визначити, що саме зображено чи сказано. Для аналізу можуть застосовувати розпізнавання зображень і мовлення.

Ілюстрація до теми Неструктуровані дані
УРОК 22 · СЛАЙД 12

Напівструктуровані дані

Певна структура є, але це не звичайна таблиця

Напівструктуровані дані містять позначки, поля або ключі, але їхня будова може змінюватися. Приклад — JSON із даними про погоду: в одному записі є температура і місто, в іншому додано швидкість вітру. Такі дані часто передають вебсервіси.

Ілюстрація до теми Напівструктуровані дані
УРОК 22 · СЛАЙД 13

Геопросторові дані

Дані, пов’язані з місцем на Землі

Координати, цифрові карти, маршрути, супутникові знімки — приклади геопросторових даних. Їх використовують для навігації, спостереження за лісами та планування транспортних маршрутів. Наприклад, карта заторів поєднує розташування з інформацією про рух.

Ілюстрація до теми Геопросторові дані
УРОК 22 · СЛАЙД 14

Машинні дані

Їх створюють пристрої та програми

Журнали серверів, записи датчиків, повідомлення про помилки та дані мережевого обладнання можуть створюватися автоматично. За такими записами фахівці шукають несправності, виявляють незвичну активність і покращують роботу систем.

Ілюстрація до теми Машинні дані
УРОК 22 · СЛАЙД 15

Де використовують великі дані?

Медицина • транспорт • освіта • екологія • торгівля

У медицині аналізують великі масиви результатів досліджень, у транспорті прогнозують навантаження на дороги, в екології стежать за змінами клімату. Онлайн-сервіси використовують дані, щоб рекомендувати контент. Водночас рекомендації можуть бути неточними й звужувати коло того, що ми бачимо.

Ілюстрація до теми Де використовують великі дані?
УРОК 22 · СЛАЙД 16

Як аналізують великі дані?

Збір → очищення → зберігання → аналіз → висновки

Спершу дані збирають із різних джерел. Потім перевіряють помилки й повтори, впорядковують записи, шукають закономірності, будують діаграми та прогнози. Можуть застосовувати машинне навчання, але результат залежить від якості даних: помилкові дані ведуть до хибних висновків.

Ілюстрація до теми Як аналізують великі дані?
УРОК 22 · СЛАЙД 17

Приватність і відповідальність

Не все, що можна зібрати, дозволено збирати

Дані про місцеперебування, здоров’я чи поведінку можуть бути персональними. Перед опитуванням пояснюємо мету, не просимо зайвого, дбаємо про згоду та безпечне зберігання. Для навчальної роботи краще збирати анонімні відповіді й показувати лише загальні результати.

Ілюстрація до теми Приватність і відповідальність
УРОК 22 · СЛАЙД 18

Підсумок: перевір себе

П’ять запитань до класу

Які способи збору даних ви знаєте? Чим датчик відрізняється від анкети? Що означає Big Data? Наведіть приклади трьох типів даних. Як аналіз даних може допомогти школі? Спробуйте відповісти своїми словами й навести один приклад із життя.

Ілюстрація до теми Підсумок: перевір себе
1 / 18

2. Переглянь відеоурок

«Типи даних. Великі дані» — Pi-stacja UA. Після перегляду поясни, що означають обсяг, швидкість і різноманітність даних.

Джерело: Pi-stacja UA / Katalyst Education, CC BY-NC-SA 4.0.

3. Інтерактивні вправи Wordwall

Виконай вправи безпосередньо на сторінці. Якщо вбудовування обмежене автором, відкрий вправу за посиланням.

Гра 1. Великі даніВідкрити гру
Гра 2. Методи дослідженняВідкрити гру
Гра 3. Методи дослідженьВідкрити гру
Гра 4. Дані та інформаціяВідкрити гру

4. Практична робота «Дослідники даних»

Мета: зібрати невеликий набір анонімних даних, упорядкувати його й зробити висновок.

  1. Створи таблицю в Excel або Google Таблицях із заголовками «Вид транспорту» та «Кількість учнів».
  2. Проведи анонімне опитування серед 10 однокласників: «Як ти найчастіше дістаєшся до школи?» Варіанти: пішки, автобус, трамвай, автомобіль.
  3. Підрахуй відповіді та заповни таблицю. Не записуй прізвища чи адреси.
  4. Побудуй стовпчасту діаграму. Додай назву «Як учні дістаються до школи».
  5. Напиши два висновки: який варіант найпоширеніший і чому невелике опитування не можна вважати Big Data.

Якщо опитування провести неможливо: використай навчальні дані нижче.

ПішкиАвтобусТрамвайАвтомобіль
4321

Оцінювання: таблиця — 3 бали, підрахунки — 3, діаграма — 3, висновки — 3.

5. Підсумковий тест · 12 запитань

Обери одну відповідь на кожне запитання. Після завершення отримаєш оцінку за 12-бальною шкалою.

6. Якщо урок проходить в укритті

Без комп’ютера склади анкету з трьох запитань про екологічні звички (без персональних даних). Намалюй у зошиті таблицю для підрахунку відповідей. Запропонуй, як представити результати діаграмою, і поясни, чому важливо збирати достовірні дані.

7. Домашнє завдання

Опрацюй матеріал підручника Н. Морзе (у надісланій презентації зазначено с. 61–70). Наведи три приклади автоматичного збору даних і поясни, які дані збирає кожен пристрій. Повтори три типи даних і властивості Big Data.

Немає коментарів:

Дописати коментар