Du er her: Forsiden » Hav » Forståelse av kritisk tolkning og analysering av data

Forståelse av kritisk tolkning og analysering av data

Denne oppgaven fokuserer på viktigheten av å være kritisk når man tolker data, og når man velger ut hvilke dataserier man vil bruke til å illustrere en situasjon eller et fenomen. I tillegg gis en grunnleggende forståelse av hvor lett det kan være å manipulere data slik at de gir et bestemt inntrykk, og at dette er noe man bør være oppmerksom på i de fleste situasjoner der data blir presentert.

  1. Gå inn på Havforskningsinstituttet sine hjemmesider, og gå inn på sidene for faste hydrografiske stasjoner som gir informasjon over temperatur og salt. Velg en stasjon og trykk last ned data. Velg så tidsperiode, dyp, og hvilken periode i året du vil ha informasjon over. Det kan være lurt å unngå ‘alle måneder’ for å få en ryddigere kurve. Trykk søk etter data, og studer grafene som vises. Ser du en trend i dataene, en sammenheng mellom de to seriene, og/eller periodiske variasjoner? Forventet du å finne en korrelasjon (samvariasjon eller sammenheng, evt. se snl sin definisjon av korrelasjon) mellom de to seriene? Forklar.

    Figur 2: Eksempel på presentasjon av saltholdighet og temperatur ved en av Havforskningsinstituttet sine faste hydrografiske stajoner på 300 meters dyp. Skjermbilde av ferdig utfylt søk.

  2. Dersom du ser en trend (‘langtidstendensen i en utvikling, hovedretning’, Store norske leksikon 2017) i dataene, finn et omtrentlig stigningstall til grafene. Ved å velge et nytt men nesten likt tidsintervall, kan du få trenden til grafene til å gi et annet inntrykk? Hva sier dette om viktigheten av å være bevisst hvordan man velger å presentere data?  
  3. Er det punkter i tidsserien som skiller seg klart ut fra resten av serien? Dersom du skulle finne et gjennomsnitt av temperatur eller salt over tidsperioden du har valgt, ville du tatt med også disse punktene som skiller seg ut, eller ville du strøket dem fra listen over data? Diskuter både argumenter for og mot med sidemannen. Hva kan være årsaker til slike veldig høye eller lave verdier i en måleserie? Husk at slike årsaker kan være både naturlige og tekniske.
  4. Gå nå tilbake til forsiden for faste hydrografiske stasjoner, og klikk på den målestasjonen du har brukt. Hvorfor viser disse grafene variasjon mens de forrige tidsseriene ikke gjorde det? Hva er forskjellen i måten de to datasettene er presentert?

    Figur 2: Eksempel på endring i temperatur og salt med dypet ved stasjonen Eggum i Lofoten. Skjermbilde fra Havforskningsinstituttet sine sider.

  5. Variasjonen er størst i overflaten. Hvorfor tror du variasjonen for både salt og temperatur blir mindre jo dypere målingene er tatt? Lag et uttrykk for endringen i usikkerhet med dypet for salt og temperatur. Hvilken rate er størst? Gi en kort forklaring.
  6. Se på samme faste hydrografiske stasjon, men skift til målinger for motsatt årstid fra det du har sett på, og prøv å gi en forklaring på hvorfor du tror dybdeprofilene endrer seg slik som de gjør mellom de to årstidene (se gjerne på vinter vs. sommer). Stikkord her er varmekapasitet, nedbør, fordampning, oppvarming, nedkjøling.
Kompetansemål som passer innunder denne oppgaven

Teknologi og forskningslære 2

  • forklare hva som menes med modell, teori og hypotese, og gjøre rede for hvordan de brukes og utvikles i forskning
  • drøfte ved å bruke eksempler hvordan empiriske data kan styrke eller forkaste en hypotese
  • gjøre rede for hvordan forskning utvikles og kvalitetssikres gjennom samarbeid, kritisk vurdering og argumentasjon

Generell forståelse av viktigheten i å tenke kritisk og hvordan man tolker og analyserer et datasett. Trening i å lese en graf og skjønne den praktiske betydningen av hvordan grafen beveger seg og relaterer til enhetene på aksene.

Kilder: 

Store norske leksikon 2017, Trend, 1. juni 2017. Tilgjengelig via: https://snl.no/trend. [20. juli 2017].

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert. Obligatoriske felt er merket med *