Цей урок присвячений першому і найважливішому етапу роботи з інформацією — тому, як ми її отримуємо та готуємо до аналізу. Учні вчаться розуміти, що якість будь-якого комп'ютерного прогнозу чи дослідження напряму залежить від того, наскільки правильними були вхідні дані.
📥 Джерела даних
На уроці розглядається різноманітність шляхів, якими інформація потрапляє до нас:
Первинні джерела: Дані, отримані безпосередньо дослідником (опитування, результати експериментів, показники датчиків IoT).
Вторинні джерела: Вже існуючі масиви даних (державні архіви, наукові публікації, цифрові бібліотеки, бази даних організацій).
Автоматизовані джерела: Лог-файли вебсайтів, дані з GPS-трекерів, супутникові знімки.
⚙️ Процес збору та опрацювання
Учні проходять через основні технологічні етапи:
Пошук та видобуток (Data Mining): Використання пошукових запитів, веб-скрейпінгу або автоматичного збору з сенсорів.
Очищення даних (Data Cleaning): Видалення помилок, дублікатів та "шуму". Якщо дані неточні, будь-яка програма видасть хибний результат (принцип Garbage In, Garbage Out).
Структурування: Перетворення неорганізованої інформації у таблиці, списки або бази даних для зручного опрацювання.
Кодування: Зведення даних до вигляду, який "розуміє" комп'ютер (наприклад, перетворення текстових відповідей "так/ні" у цифрові "1/0").
📊 Інструменти опрацювання
На практичній частині уроку демонструється, як за допомогою програм (наприклад, Excel, Google Таблиці або мова Python) можна швидко обробити тисячі записів, знайти середнє значення, відфільтрувати потрібне або згрупувати дані за категоріями.
Результат уроку: Учні набувають навичок критичного оцінювання джерел інформації та вчаться готувати дані для подальшої візуалізації чи побудови моделей, що є базою для сучасної науки про дані (Data Science).
