Musik i data – fra tal til fortælling

Eleverne udforsker datavisualisering gennem musikdata fra Spotify. I grupper bygger de diagrammer med et blokbaseret værktøj, lærer at fortælle historier med data og opdager, hvordan visualiseringer kan manipulere. Forløbet kører i browseren og kræver ingen installation.
📖 Informatik, Matematik, Samfundsfag✎ 1.g-3.g🕓 2-3 lektioner af 45 min (90-120 min samlet)

Intro

Datavisualiseringer er overalt – i nyhedsmedier, på sociale medier og i politisk kommunikation. Men hvordan læser man dem kritisk, og hvordan laver man selv en? Dette forløb giver eleverne svar på begge spørgsmål gennem musikdata, de kan relatere til. 

Eleverne arbejder i grupper med data fra Spotify om hundredvis af sange: tempo, energi, dansevenlighed, genre og meget mere. Med et blokbaseret værktøj trækker de blokke på plads og bygger selv søjlediagrammer, punktdiagrammer og linjediagrammer og ser resultatet i realtid på både computer og telefon. Undervejs lærer de, hvad data er, hvordan datatyper fungerer, og hvordan visuelle egenskaber som farve og position kommunikerer information. 

Forløbet bygger på tre kompetencer: Eleverne fortolker eksisterende visualiseringer og finder mønstre. De konstruerer egne visualiseringer ved at koble variabler til visuelle egenskaber. Og de kommunikerer med data ved at målrette visualiseringer til specifikke målgrupper. Til slut eksperimenterer eleverne med manipulationsteknikker som akseskift, vildledende farver og cherry-picking – og diskuterer, hvornår en tilpasning bliver til manipulation.

Forløbet kører i CoTinker-platformen direkte i Chrome uden installation. Som lærer opretter du grupper via et teacher view, følger elevernes fremgang i realtid og kan sprede forløbet over flere lektioner, da alt gemmes automatisk. En detaljeret lærerguide giver dig introduktion til datavisualisering, lektionsplan med tre klassediskussioner, ordbog over fagbegreber og eksempler på manipulerende visualiseringer.

 

Udviklere

Thomas Thomsen, Institut for Datalogi, Aarhus Universitet
Line Have Musaeus, Institut for Datalogi, Aarhus Universitet
Clemens Klokmose Nylandsted, Institut for Datalogi, Aarhus Universitet

Materialer

Spacer