Datalogging og ny teknologi i naturfag

Å kunne bruke digitale verktøy er én av fem grunnleggende ferdigheter som skal integreres i undervisningen i alle fag, og dette passer utmerket inn i naturfaget. IKT kan bidra til at vi kan behandle nye temaer, at vi kan skape mer variasjon i undervisningen og at vi kan gjøre forsøk som før var umulige eller veldig vanskelige.

Eksperimenter har en svært sentral plass i naturfagene. Naturvitenskapen er ikke bare en samling ferdige produkter, men også prosesser som bl. a. observasjon, måling, innsamling av data, kontroll av variable, tegning og tolking av grafer, hypotesedanning og modellering.

Moderne teknologi og datalogging har gitt oss muligheter til å gjennomføre nye og kanskje mer spennende og virkelighetsnære forsøk i skolen. Det betyr f. eks. at vi kan gjøre forsøk som går veldig fort; forsøk som var umulige å få til uten automatisk logging med datamaskin. Det motsatt er også tilfelle. Vi kan nå på en mye mer effektiv og god måte samle inn data over lange tidsrom uten at vi en gang behøver å være til stede.

Programvaren som følger med alle de ulike dataloggingsystemene som er på markedet, har et omfattende verktøy for fremstilling og bearbeiding av de innsamlede dataene. Det gjelder bl. a. fremstillinger i tabeller og lister, tegning av grafer, kurvetilpasninger med regresjon og mye mer. En kan for eksempel se hvordan en graf som fremstiller bevegelse, blir tegnet opp i sann tid. Det gir elevene en mulighet til å se sammenhengen mellom et fenomen og den grafiske representasjonen.

Graf-verktøyet er vesentlig. En kan finne toppunkter og bunnpunkter, helningen på grafen, arealet under grafen osv. Det betyr at en kan gjøre meningsfulle beregninger på målte ”virkelige” data selv om de analytiske uttrykkene grafene representerer er alt for vanskelige til å regne på. Det kan være et viktig bidrag til å knytte forsøkene mer til virkeligheten enn en del tradisjonelle lab-forsøk.

Modellering er viktig i naturfag. Datalogging egner seg godt til det vi vil kalle empirisk matematisk modellering. Da vil vi at elevene skal gjennomføre forsøk der den matematiske modellen ikke er kjent på forhånd. Det kan være å undersøke luftmotstanden til fallende muffinsformer, undersøke sammenhengen mellom kraften vi bruker og forlengelsen av en seigmann eller noe helt annet. Det eksperimentelle grunnlaget er avgjørende, og det betyr at vi starter med forsøk, tolker resultater og "bygger" matematiske modeller. I seigmannforsøket vil sammenhengen være lineær (i alle fall innenfor et begrenset område). Det kan vi finne med lineær kurvetilpasning med programvaren til dataloggingsutstyret.

Forsøk med dataloggere behøver ikke bare foregå inne på laboratoriet. De fleste loggerne kan tas med ut i felten for å gjøre f. eks. værmålinger eller pH-målinger. På noen loggere kan en gjøre analyser og bearbeiding av dataene på stedet. Dessuten kan en kople loggeren til en datamaskin når en kommer inn igjen og gjøre analysene der.

MEN vi har en advarsel. Det er mange gode, tradisjonelle forsøk som en fortsatt bør gjøre UTEN bruk av datateknologi. F. eks. finnes det mange ulike programmer for kopling og måling på strømkretser på dataskjermen. Det kan sikkert være bra i noen situasjoner, men vi mener nå bestemt at koplinger med virkelige batterier, ledninger, lamper og amperemeter og voltmeter er helt essensielt for at elevene skal få en forståelse av elektriske kretser. Så dropp ikke ”gamle gode forsøk” fordi de ikke er ”moderne” nok.

La oss til slutt liste opp noen av de viktigste fordelene vi mener datalogging gir oss:

• Rask automatisk datainnsamling
• Pålitelige målinger
• Måle langsomme og raske endringer
• Hjelper oss med å bearbeide data
• Grafer hjelper oss til å se hvordan ting forandrer seg
• Vi kan se endringer i sann tid
• Gir muligheter for mer åpne undersøkelser og eksperimenter
• Fremhever naturfag som et moderne fag
• Datalogging bidrar til IKT-kompetanse

Til slutt vil vi si at interaksjonen med datamaskinen og diskusjoner i klassen kanskje er nøkkelen til å gjøre datalogging til noe å lære av!