Биоферма 2.0
Биоферма 2.0: управление нутриентным профилем гидропонной зелени
Аутентичная задача. Выйдя с курса, ученик сможет: спроектировать, собрать и запустить управляемую гидропонную мини-ферму (1–2 м²), химией питательного раствора направленно изменить нутриентный/ростовой профиль зелени, доказать эффект контролируемым экспериментом на данных собственных датчиков и ИИ-мониторинга, и опубликовать воспроизводимый открытый протокол — с защитой на школьной научно-практической конференции или профиле НТО (Агробиотех / Интернет вещей).
Курс спроектирован «от задачи и целей», а не «от темы», по конвейеру ADDIE (Анализ → Проектирование → Разработка → Внедрение → Оценка). Порядок разделов ниже повторяет этот конвейер — читайте по порядку.
Паспорт модуля
| Параметр | Значение |
|---|---|
| Аудитория (кому) | 8–11 класс, ядро 9–11 (нужны концентрации, моль, стехиометрия); группа 6–12 чел.; стартовый уровень — базовая химия/биология, без опыта пайки/IoT; мотивация смешанная (часть пришла сама, часть — проектная деятельность) |
| Аутентичная задача (зачем) | Рабочая ферма + доказанный эксперимент + открытый протокол + защита проекта. Личный мотив-«крючок»: ферма реально закрывает часть потребности семьи в свежей зелени |
| Объём и формат | 16 занятий × 90 мин (кружок/проектная деятельность), параллельно — вегетационный эксперимент 30 дней; масштабируется до интенсива или годового курса |
| Оборудование и среда | Гидропонная установка из ПВХ (см. «Конструкция»); закупленные датчики и насосы (см. «Оборудование»); ESP32; существующий IoT-стек школы (Mosquitto + Node-RED + TimescaleDB + Grafana); Python (pandas, matplotlib, scipy) |
| Ограничения | Школьный кабинет; только низковольтная электроника 12 В; без концентрированных кислот (pH-регуляторы школьного уровня); ограниченный бюджет (~15–20 тыс. ₽); нет лабораторного анализа тканей на этапе прототипа |
| Источники анализа | project.md (исходная НИР); методбаза Основы_педдизайна.pdf (гл. 1–7); РегламентЭлектроника.pdf (РОБОСТЕП — калибровка электронных компетенций и ТБ); конфиги существующего стенда (mosquitto.conf, acl-with-commands.conf, *.container, iot-overview.json) |
Что этот проект НЕ делает (честная рамка — обсуждается на занятии 1 и в разделе «Безопасность и этика»).
Это учебно-исследовательский проект по агрохимии, физиологии растений, IoT и анализу данных. Он не является медицинским средством лечения дефицита микроэлементов. Компьютерное зрение измеряет фенотип (цвет, площадь, скорость роста), а не концентрацию элементов в тканях. Заявления вида «этот салат закрывает X% нормы йода» корректны только после лабораторного анализа тканей — на школьном прототипе мы демонстрируем агротехнику и измерение, а не нутриентную дозу.
Как устроен курс
flowchart LR
A["Анализ<br/>задача · аудитория · цели"] --> B["Оценивание<br/>рубрики ДО контента"]
B --> C["Путь обучающегося<br/>16 занятий · Такман · SSDL"]
C --> D["Контент<br/>Химия · Биология · IoT · CV"]
D --> E["Эксперимент + данные<br/>30 дней · Python · анализ"]
E --> F["Защита + открытый протокол"]
F -.итерация.-> A
Разделы
Аутентичная задача, 6 целей по Блуму—Андерсону и Миллеру
Рубрики и контрольные точки, спроектированные до контента
16 занятий, Такман 15/15/60/10, рост самостоятельности по SSDL
Что есть, что докупить, карта подключения
NFT-канал из ПВХ, 1–2 м, масштабируемо
Ионы, EC, pH, стехиометрия биофортификации
Роли элементов, хлороз, свет, эксперимент
Встраивание в стек: схема БД, MQTT, Node-RED, ESP32, Grafana
Что CV может и НЕ может измерить; YOLO11 честно
Дизайн опыта, Python-визуализация, статистика
Вода+электричество, пищевая безопасность, честность выводов
Артефакты для скачивания
Рабочие файлы стенда лежат рядом со страницами и разбираются в разделе 08:
esp32-hydro-node.ino ·
hydro-seed.sql ·
acl-hydro-additions.conf ·
nodered-hydro-insert.js ·
hydro-dashboard.json ·
analysis.py