5.6 Programmering og dataanalyse

Koden bak oppdagelsene

Da forskere i 2020 utviklet vaksiner mot covid-19 på rekordtid, var det ikke bare biologer i laboratorier som jobbet. Bak kulissene satt programmerere og analyserte enorme mengder data. De brukte kode til å forstå virusets genetiske oppbygning, simulere hvordan ulike vaksinekandidater ville fungere, og analysere resultater fra kliniske forsøk med hundretusenvis av deltakere.

Programmering er ikke lenger bare for teknologibedrifter og spillutviklere. Det har blitt et uunnværlig verktøy i naturfag. Klimaforskere skriver programmer for å forutsi temperaturendringer. Biologer bruker kode til å kartlegge DNA-sekvenser. Astronomer analyserer signaler fra fjerne galakser med programvare de selv har skrevet.

Og det beste? Du trenger ikke være et geni for å komme i gang. Grunnleggende programmering handler om å gi en datamaskin tydelige instruksjoner, steg for steg. Det er som en oppskrift: presist, logisk og med et bestemt mål.

I dette kapittelet skal vi lære grunnleggende programmering i Python, et av verdens mest brukte programmeringsspråk innen vitenskap. Vi skal også utforske hvordan data samles inn, analyseres og presenteres -- ferdigheter som er nyttige langt utover naturfaget.

Grunnleggende programmering

Programmering er å skrive instruksjoner som en datamaskin kan utføre. Et program er en rekke presise kommandoer som datamaskinen følger steg for steg, akkurat som den følger en oppskrift.

La oss starte med de viktigste byggesteinene.

En variabel er en navngitt boks som lagrer en verdi. Tenk på den som en merkelapp på en boks: du gir den et navn, og inne i boksen legger du en verdi.

temperatur = 21.5
navn = "Sara"
antall_malinger = 10

Her har vi tre variabler: en med et desimaltall, en med tekst, og en med et heltall.

En betingelse (if/else) lar programmet ta valg. Datamaskinen sjekker om noe er sant, og gjør forskjellige ting avhengig av svaret.

if temperatur > 37.5:
    print("Du har feber!")
else:
    print("Normal temperatur.")

En løkke gjentar instruksjoner. Når du vil gjøre det samme mange ganger, bruker du en for-løkke i stedet for å skrive den samme koden om og om igjen.

for i in range(5):
    print("Måling nummer", i + 1)

Disse tre konseptene -- variabler, betingelser og løkker -- er alt du trenger for å skrive kraftige programmer. De er som legoklosser: enkle hver for seg, men de kan bygges sammen til noe komplekst og nyttig.

Programmering i naturfag

La oss se hvordan vi bruker programmering til å løse ekte naturfaglige problemer.

En vanlig oppgave er å beregne gjennomsnitt. Tenk deg at du har målt temperaturen i klasserommet fem ganger: 20.5, 21.3, 22.1, 21.8 og 20.9 grader. I stedet for å regne for hånd, kan du la Python gjøre jobben:

temperaturer = [20.5, 21.3, 22.1, 21.8, 20.9]
gjennomsnitt = sum(temperaturer) / len(temperaturer)
print("Gjennomsnitt:", round(gjennomsnitt, 1), "grader")

Her bruker vi en liste til å lagre alle målingene, sum() for å legge dem sammen, og len() for å telle antallet. Resultatet er 21.3 grader.

Men programmering kan gjøre mer enn bare å beregne gjennomsnitt. Vi kan bruke betingelser til å klassifisere data automatisk:

ph_verdier = [6.2, 7.0, 5.8, 7.5, 6.0, 8.1]
for ph in ph_verdier:
    if ph < 7:
        print(ph, "er sur")
    elif ph == 7:
        print(ph, "er nøytral")
    else:
        print(ph, "er basisk")

Dette programmet går gjennom en liste med pH-verdier og forteller deg om hver løsning er sur, nøytral eller basisk. Tenk deg å gjøre dette for hånd med hundrevis av målinger -- programmering sparer enorm tid og reduserer feil.

Forskere bruker denne typen kode daglig. De måler, lagrer data i lister, beregner statistikk, og bruker betingelser for å trekke konklusjoner. Det er det samme prinsippet, bare i større skala.

Datainnsamling og statistikk

Programmering er bare nyttig hvis vi har data å jobbe med. I naturfag samler vi inn data gjennom observasjoner, målinger og eksperimenter.

Data kan deles i to typer. Kvantitative data er tallverdier som kan måles og regnes med, som temperatur (21.3 grader), lengde (15 cm) eller tid (3.5 sekunder). Kvalitative data er beskrivelser som ikke er tall, som farge (rød), form (rund) eller lukt (sur).

Når vi har samlet inn kvantitative data, bruker vi statistiske mål for å forstå dem.

Gjennomsnitt er summen av alle verdier delt på antallet. Det gir oss en typisk verdi. Men gjennomsnittet kan lures av ekstreme verdier. Hvis ni elever tjener 100 kroner i uken og en elev tjener 10 000, er gjennomsnittet 1090 kroner -- ikke akkurat representativt.

Median er den midterste verdien når dataene sorteres. I eksempelet over ville medianen være 100 kroner, som gir et mye mer realistisk bilde.

Variasjonsbredde er forskjellen mellom den største og minste verdien. Den forteller oss hvor spredt dataene er. En stor variasjonsbredde betyr at målingene varierer mye.

La oss bruke et eksempel. En elev måler pH i seks vannprøver: 6.5, 7.0, 6.8, 7.2, 6.5, 7.0. Sortert: 6.5, 6.5, 6.8, 7.0, 7.0, 7.2. Gjennomsnittet er 6.83. Medianen er (6.8 + 7.0) / 2 = 6.9. Variasjonsbredden er 7.2 minus 6.5 = 0.7.

Diagrammer og datapresentasjon

Data i en tabell kan være vanskelig å tolke. Diagrammer gjør mønstre synlige på et øyeblikk.

Linjediagram er perfekt for å vise endringer over tid. Hvis du måler temperaturen utendørs gjennom en uke, viser et linjediagram tydelig om temperaturen stiger eller synker. X-aksen viser tid, Y-aksen viser temperatur, og punktene forbindes med linjer.

Søylediagram (stolpediagram) egner seg for å sammenligne kategorier. Hvor mange elever liker fotball, håndball eller svømming? Hver kategori får sin egen søyle, og høyden viser antallet.

Sektordiagram (kakediagram) viser andeler av en helhet. Hvis du vil vise hvordan Norges energi fordeler seg mellom vannkraft, vindkraft og olje, er et sektordiagram ideelt. Hele sirkelen representerer 100 prosent.

Spredningsdiagram (punktdiagram) brukes for å se om det er en sammenheng mellom to variabler. Hvert punkt representerer en måling. Hvis punktene danner et mønster -- for eksempel en stigende linje -- antyder det en sammenheng.

Uansett hvilken diagramtype du velger, er det tre ting som alltid må med: en tittel som beskriver hva diagrammet viser, aksetitler med riktige enheter, og en fornuftig skala.

Programmering gjør det enkelt å lage diagrammer. I Python kan biblioteket matplotlib tegne profesjonelle diagrammer med bare noen få linjer kode. Forskere verden over bruker det daglig til å visualisere alt fra temperaturdata til genetiske sekvenser. Å presentere data tydelig er like viktig som å samle dem inn -- for hva hjelper en oppdagelse hvis ingen forstår den?

Oppsummering

I dette kapittelet har vi sett hvordan programmering og dataanalyse er kraftige verktøy i naturfag.

Programmering handler om å gi datamaskinen presise instruksjoner. De tre viktigste byggesteinene er variabler (lagrer verdier), betingelser (if/else for å ta valg) og løkker (gjenta instruksjoner). Python er et mye brukt programmeringsspråk i vitenskap.

I naturfag bruker vi programmering til å beregne gjennomsnitt, klassifisere data automatisk, og analysere store datasett. Lister lar oss lagre mange verdier, og funksjoner som sum() og len() gjør beregninger enkle.

Data deles i kvantitative (tallverdier) og kvalitative (beskrivelser). Viktige statistiske mål er gjennomsnitt (summen delt på antall), median (midtverdien) og variasjonsbredde (forskjell mellom største og minste verdi).

Data presenteres visuelt gjennom diagrammer: linjediagram for endring over tid, søylediagram for sammenligning av kategorier, sektordiagram for andeler, og spredningsdiagram for å undersøke sammenhenger. Alle diagrammer trenger tittel, aksetitler med enheter og riktig skala.

Programmering og dataanalyse er ferdigheter som brukes i nesten alle naturfaglige disipliner, fra klimaforskning til medisin.