Hopp til innhold

Fagstoff

Bearbeide data, modellere og programmere

Dette emnet handler om bruk av modeller i biologi. Noen av oppgavene omfatter programmering med Python, men det er ingen forutsetning at du kan koding. Vi håper at du vil se nytten av flere typer modeller når du skal bearbeide informasjon og innsamlede data på mange fagområder innen biologi.
Ung kvinne står foran vegg der det vises et stolpediagram. Foto.
Åpne bilde i et nytt vindu

Bearbeiding og presentasjon av store datamengder

Populasjonsutvikling hos lakseyngel. Graf.

Når du har gjort målinger i felt eller på laboratorium, kan du ha store datamengder som må bearbeides for at de skal gi mening. De må også kunne presenteres på en måte som er forståelig for andre. En grafisk framstilling eller modell som oppsummerer resultatet av arbeidet ditt, kan danne grunnlaget for å vurdere om hypotesen stemte eller ikke.

Regneark og grafer

Grafisk framstilling som viser dekningsgrad i ulike sjikt i gran- og furuskog. Graf.

Hvis du har lagt målingene dine inn i et regneark, er det lett å lage grafer som kurver, stolpediagrammer eller sektordiagrammer. Du markerer bare hvilke data du ønsker å framstille grafisk, og velger den typen graf som egner seg best. Kanskje må du snu på tabellen for å bytte verdier mellom X- og Y-aksen.

Du kan også hente inn fritt tilgjengelige data fra flere forskningsinstitusjoner og fra Statistisk sentralbyrå. Disse kan du importere, bearbeide på egen PC og bruke i ditt eget arbeid, men husk å oppgi kilde.

GeoGebra

I den venstre delen er tallene fra oppgaven lagt inn i regnearkdelen i GeoGebra. Den høyre delen viser verktøyet for regresjonsanalyse med punktene fra regnearket. Grafen til funksjonen y er lik 27,6226 delt på parentes 1 pluss 6,8465 multiplisert med e opphøyd i minus 0,3974 x parentes slutt. Det er valgt logistisk regresjonsmodell. Skjermutklipp.

GeoGebra har mange muligheter til å lage gode visuelle framstillinger av innplottede data, lage matematiske modeller, bruke regresjon for å finne funksjoner og mye mer. Du finner mer om dette i en oppgave her. I tillegg finnes det bakgrunnsstoff i matematikkfagene på NDLA.

Dataloggere

Utsnitt av PC-skjerm med grafer som viser temperatur, lys og relativ fuktighet. Foto.

Dataloggere er godt egnet til å samle store datamengder i korte tidsrom eller over lang tid. Når disse er koblet opp mot datamaskinen, kan du få fram mange eksakte opplysninger og lage grafiske framstillinger som er lette å bearbeide.

I eksempelet på bildet er det relativ fuktighet, temperatur og lys som er logget gjennom et døgn. Se mer om Datalogging i naturfag (ndla.no).

Bygge modeller med SageModeler

Skjermdump som viser hvordan du kan lage en grafisk framstilling av datapunkt i programmet SageModeler. Foto.

Hvis du klarer å lage en modell av en kompleks situasjon eller prosess, kan det bli mye enklere å se hvordan ulike faktorer påvirker hverandre. Da må du først velge ut de viktigste faktorene og deretter utvide modellen. Programmet SageModeler inneholder nyttige verktøy som gjør denne prosessen enkel. Her kan du også simulere effekten av endringer, lage grafiske framstillinger og mye mer. På siden Produksjon i en innsjø – lag en modell (ndla.no) får du en fin innføring i form av en instruksjonsfilm, gode eksempler og oppgaver, slik at du etterpå kan bruke programmet til å lage egne modeller.

Programmering

Tre programmerere tester data. Foto.

Til dette emnet har vi lagd mange oppgaver der vi bruker Python-programmer. Oppgavene er knyttet til ulike fagområder i biologi og bruker programmering som et viktig element for å studere faget. Siden programmene er ferdige til bruk, trenger du ikke å kunne kode selv for å ha utbytte av oppgavene. Mange funksjoner er forklart, slik at du kan gjøre endringer i koden – og dermed teste ut effekten på for eksempel smittespredning og populasjonsutvikling.

Hvis du har lyst til å lære programmering fra bunnen av, eller repetere/lære enkelte koder, vil vi anbefale grunnopplæringen fra naturfag:

Relatert innhold

CC BY-SASkrevet av Kristin Bøhle.
Sist faglig oppdatert 19.08.2021

Læringsressurser

Modellering og programmering