Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision | ||
lehrkraefte:ks:informatik-glf4-20_4blw [2021/04/08 19:39] Simon Knaus |
lehrkraefte:ks:informatik-glf4-20_4blw [2022/01/07 13:26] (current) Simon Knaus |
||
---|---|---|---|
Line 283: | Line 283: | ||
=== Alternative Aufträge === | === Alternative Aufträge === | ||
- Evil Twin bauen. Konkrete Frage: Wie könnten damit Daten missbraucht werden? | - Evil Twin bauen. Konkrete Frage: Wie könnten damit Daten missbraucht werden? | ||
- | - Tails o.ä. verwenden. | + | - Knoppix, Ubuntu Live, Tails, |
+ | |||
+ | == Endprodukt Tails == | ||
+ | * Wie funktionieren "Live-Operating-Systeme" | ||
+ | * Was ist speziell bei Tails im Gegensatz zu anderen Live-OS? | ||
+ | * Wer nutzt dies? Wie nutzt es wem? | ||
+ | * Ist die Anonymisierung die z.B. Tails nutzt in jedem Fall verlässlich (" | ||
==== L9-L10: Datenanalyse ==== | ==== L9-L10: Datenanalyse ==== | ||
=== Ziel === | === Ziel === | ||
Am Beispiel von Youtube-Daten (Watch-History) können die eigenen Verhaltensmuster mit Excel analysiert werden. | Am Beispiel von Youtube-Daten (Watch-History) können die eigenen Verhaltensmuster mit Excel analysiert werden. | ||
=== Aufträge === | === Aufträge === | ||
- | - Einführungsvideo schauen | + | - [[https:// |
- | - Daten bei Youtube [[https:// | + | - Daten bei Youtube [[https:// |
- CSV in Excel öffnen | - CSV in Excel öffnen | ||
- | - Einführungsvideo Excel schauen | + | - [[https:// |
- Folgende Excel-Funktionen nachlesen resp. ausprobieren: | - Folgende Excel-Funktionen nachlesen resp. ausprobieren: | ||
- [[https:// | - [[https:// | ||
- [[https:// | - [[https:// | ||
- [[https:// | - [[https:// | ||
- | - Spalten erstellen mit den den notwendigen Informationen, | + | |
- | - Folgende Fragen mit Filter oder Pivot beantworten: | + | - Folgende Fragen mit Filter oder Pivot beantworten: |
* Zu welcher Tageszeit schaue ich am meisten Videos? | * Zu welcher Tageszeit schaue ich am meisten Videos? | ||
* An welchem Wochentag schaue ich am meisten Videos? | * An welchem Wochentag schaue ich am meisten Videos? | ||
* Wie viele Videos schaue ich durchschnittlich pro Tag? | * Wie viele Videos schaue ich durchschnittlich pro Tag? | ||
- | | + | |
+ | ==== L11-L12: Datenanalyse Instagram ==== | ||
+ | Analog zur Analyse von Youtube-Daten können auch Instagram-Daten analysiert werden. Zu diesem Zweck müssen die Daten bei Instagram heruntergeladen werden: [[https:// | ||
+ | - Lädt diese Daten herunter, entpackt sie und untersucht die heruntergeladenen Daten. Die HTML-Dateien sind miteinander verlinkt und können so navigiert werden. | ||
+ | - Kopiert den Code unten in TigerJython und passt den Pfad zum entpackten Ordner oben an. Das Programm funktioniert ähnlich wie die Analyse der Youtube-Watchlist. Es untersucht alle Dateien, und speichert die Zeit wie auch die Art der Handlung auf Instagram. Die Datei ``resultat.csv`` kann dann gleich analysiert werden wie die Youtube-Watchlist. | ||
+ | === Zu wenig Speicher beim Download === | ||
+ | Win+E, auf Laufwerk C: navigieren und dort Ordner '' | ||
- | ==== 2. Note: Bewertete Analyse ==== | + | <code python insta.py> |
+ | import re # Regular Expressions | ||
+ | import datetime | ||
+ | import os # Files suchen | ||
+ | |||
+ | # Erklärungen zu diesem Code sind Analog dem Youtube-Extraktor. | ||
+ | |||
+ | rootdir = " | ||
+ | |||
+ | # Resultat, das am Schluss geschrieben werden soll | ||
+ | csv = "" | ||
+ | # Wie viele Kontrollausgaben? | ||
+ | debug = 10 | ||
+ | |||
+ | # Alle HTML-Dateien im Verzeicznis anzeigen | ||
+ | for root, dirs, files in os.walk(rootdir): | ||
+ | for file in files: | ||
+ | if file.endswith(" | ||
+ | filepath = os.path.join(root, | ||
+ | # Datei oeffnen | ||
+ | f = open(filepath, | ||
+ | html = f.read() | ||
+ | f.close() | ||
+ | |||
+ | |||
+ | # Datum der Form 30.12.2021, 22:13 einlesen | ||
+ | # Alle nötigen Angaben werden in Klammern " | ||
+ | daten = re.findall(" | ||
+ | if(debug> | ||
+ | print(file,": | ||
+ | debug-=1 | ||
+ | |||
+ | |||
+ | # Alle Einträge durchgehen, d enthält jeweils den nächsten Eintrag | ||
+ | for d in daten: | ||
+ | # Einträge in Zahlen umwandeln | ||
+ | # Monat plus die anderen Einträge (ohne AM/PM) in Zahlen umgewandelt | ||
+ | # Die Zeichenkette " | ||
+ | |||
+ | e = [int(x) for x in d] | ||
+ | if debug> | ||
+ | # Ausgabe zur Kontrolle, sollte folgendes Format Produzieren | ||
+ | print(e) # [1, 6, 2021, 21, 23, 12] | ||
+ | debug -= 1 # Um 1 vermindern | ||
+ | |||
+ | # Datum daraus generieren (macht die Datumsmanipulation einfacher). | ||
+ | # Jahr, Monat, Tag, Stunde, Minute, Sekunde | ||
+ | datum = datetime.datetime(e[2], | ||
+ | |||
+ | if debug> | ||
+ | # Ausgabe zur Kontrolle, produziert folgendes Format | ||
+ | print(datum) | ||
+ | debug -= 1 # Um 1 vermindern | ||
+ | |||
+ | # Wochentag (Mo=0, Di=1, ..., So=6) | ||
+ | # Sämtliche Methoden für datetime-Objekte sind hier beschrieben: | ||
+ | wday = datum.weekday() | ||
+ | |||
+ | # Formatierte Ausgabe des Datums, siehe https:// | ||
+ | # \n heisst neue Zeile. | ||
+ | csv += datum.strftime(" | ||
+ | |||
+ | # Ausgabe in Datei schreiben | ||
+ | f = open(" | ||
+ | f.write(csv) | ||
+ | f.close() | ||
+ | |||
+ | |||
+ | </ | ||
+ | ==== 2. Note: Bewertete Analyse: Abgabe 24. Mai 2021 ==== | ||
Dokumentation der eigenen Analyse in einem PDF-Dokument, | Dokumentation der eigenen Analyse in einem PDF-Dokument, | ||
- Eine Einleitung enthält, welche | - Eine Einleitung enthält, welche | ||
- | * Beschreibt (Screenshot) woher die Daten kommen und wie diese aussehen | + | * Beschreibt (Screenshot; Shortcut: '' |
* Beschreibt, welche Daten erhoben werden. | * Beschreibt, welche Daten erhoben werden. | ||
- Eine Frage formuliert, welche auf Grund von Excel-Analysen der eigenen Daten beantwortet kann. | - Eine Frage formuliert, welche auf Grund von Excel-Analysen der eigenen Daten beantwortet kann. | ||
Line 317: | Line 398: | ||
* BigData und sozialen Netzen im Allgemeinen. | * BigData und sozialen Netzen im Allgemeinen. | ||
+ | Bewertungskriterien: | ||
+ | * Nachvollziehbarkeit der Ausführungen und Analysen | ||
+ | * Dokumentation der Analysen (Erklärungen, | ||
+ | * Ausführlichkeit der Analysen | ||
+ | * Darstellung des Berichts | ||
+ | === Tipps Word === | ||
+ | * '' | ||
+ | * '' | ||
+ | * '' | ||
+ | * '' | ||
===== Generelles Python ===== | ===== Generelles Python ===== | ||
=== Module ==== | === Module ==== |