Automatyzacja

Więcej niż Airly: jak zbudowałem szkolny system inteligentnej analizy jakości powietrza

Analiza systemowa
Więcej niż Airly: jak zbudowałem szkolny system inteligentnej analizy jakości powietrza

Dziś rano, jeszcze przed pierwszą lekcją, sprawdziłem, jaka jest jakość powietrza pod naszą szkołą. Nie w aplikacji Airly. We własnym raporcie — zbudowanym na danych z API na żywo, aktualizowanym automatycznie co godzinę i publicznie dostępnym dla rodziców oraz lokalnej społeczności.

CAQI: 26. Bardzo dobra. PM2.5: 8 µg/m³. Temperatura: 12°C. A tuż pod wykresami — krótki akapit napisany przez Gemini. Codziennie o 7:00 rano.

Problem: dane pod kluczem

Nasza szkoła — Prywatne Szkoły Leona Piwoni w Szczecinie, Google for Education Reference School — ma zamontowany na budynku czujnik Airly. Dane były dostępne we własnym panelu Airly, ale pozostawały tam “zamknięte” — bez możliwości głębszej analizy, filtrowania czy naturalnego osadzenia ich na szkolnej stronie internetowej.

Chciałem czegoś więcej:

  1. Żeby uczniowie analizowali na lekcjach dane z prawdziwego świata.
  2. Żeby rodzice dokładnie wiedzieli, czym oddychają ich dzieci.
  3. Żeby mieć punkt odniesienia dla naszego projektu Zielona Tarcza i sprawdzić, czy zielona ściana faktycznie poprawia jakość powietrza.

Architektura: stack na jedno popołudnie

Rozwiązanie nie wymagało wielkiego budżetu. Zajęło jedno popołudnie i cztery elementy z ekosystemu Google:

1. Google Apps Script + Airly API

Napisałem kilkadziesiąt linijek Apps Script, które co godzinę odpytują Airly API. Skrypt pobiera PM1, PM2.5, PM10, temperaturę i wilgotność, a następnie zapisuje je do Google Sheets. Wyzwalacz czasowy uruchamia to 24/7. Nie muszę niczego dotykać.

2. Looker Studio (ukryty skarb)

Looker Studio to darmowe narzędzie Google do wizualizacji danych. W Polsce kojarzy się głównie z agencjami marketingowymi, ale jest dostępne dla każdej szkoły w ramach Google Workspace for Education. Zbudowałem w nim dashboard z:

  • Wykresami trendów dla poziomów PM.
  • Wskaźnikami poziomu CAQI opisanymi zrozumiałym językiem (Bardzo dobra / Umiarkowana / Wysoka).
  • Porównaniem z normami WHO, które nadaje liczbom kontekst.

3. Gemini API: żeby dane przemówiły

Dodałem do skryptu jeszcze jedną funkcję. Codziennie o 7:00 rano Apps Script pobiera dane z ostatnich 24 godzin i wysyła je do Gemini.

Gemini analizuje trendy i pisze interpretację w prostej polszczyźnie, w 4–6 zdaniach. Trafia ona automatycznie z arkusza do dashboardu w Looker Studio.

Żaden nauczyciel nie musi tego pisać. Żaden uczeń nie musi być data scientistem, żeby zrozumieć, czy powietrze jest dziś bezpieczne.

Dlaczego Looker Studio to przyszłość EdTech

Piszę o tym, bo Looker Studio jest w polskich szkołach praktycznie nieznane. Większość placówek zatrzymuje się na Forms, Sheets i Slides.

A Looker to jedno z najlepszych narzędzi do nauczania kompetencji analitycznych (data literacy). Uczeń, który potrafi połączyć API z raportem i wyciągnąć wnioski z wykresu trendu, ma umiejętność, której brakuje większości dorosłych. Zaczęliśmy od powietrza, ale to samo zadziała dla:

  • Danych ze stacji pogodowej.
  • Trendów frekwencji w szkole.
  • Zużycia energii w budynku.
  • Wyników ankiet wśród uczniów.

Co dalej?

Raport jest już publiczny. Kiedy nasza zielona ściana w ramach Zielonej Tarczy zostanie obsadzona, będziemy mieli gotowy projekt badawczy. Uczniowie wykorzystają prawdziwe dane, żeby potwierdzić lub obalić hipotezę o wpływie miejskiej zieleni.

Piszę te słowa z Dublina, z Google for Education Reference School Program Summit. Jeśli pracujesz w edukacji lub EdTech, chętnie nawiążę kontakt i podzielę się skryptami.

Sprawdź panel na żywo tutaj: Raport Looker Studio

🛠️ Tech stack wykorzystany w tym projekcie:

  • Język: Google Apps Script (oparty na JavaScript)
  • Źródło danych: Airly API
  • Przechowywanie danych: Google Sheets
  • Inteligencja: Gemini API (Flash 1.5)
  • Wizualizacja: Looker Studio