Hoe kan ik nou aan mijn ruimtelijk inzicht werken in zo'n klein klaslokaal?

“Jongeren missen steeds meer een algemeen ruimtelijk bewustzijn”, luidt het volgens ESRI. Echt wereldnieuws is dit niet, generatie Z groeit namelijk op in een digitaal tijdperk met gemakkelijke toegang tot ruimtelijke tools. Toch is het ontwikkelen van competenties voor het omgaan met geografische informatie onmisbaar bij het opleiden van jonge mensen tot actieve burgers met enig verantwoordelijkheidsbesef in de huidige en toekomstige wereld. In combinatie met de nood aan innoverend onderwijs wordt daarom een nieuwe vorm van technologie geïntroduceerd in de klas, namelijk lidar, een acroniem voor ‘light detection and ranging’. De data van deze toonaangevende laserscantechnologie werden gevisualiseerd en geëvalueerd om finaal competenties aan te bieden voor het georuimtelijk denken.

VAN IN DE SMARTPHONE TOT IN HET KLASLOKAAL

Lidar, een efficiënte methode voor het verzamelen van hoog nauwkeurige, driedimensionale (x, y, z) ruimtelijke gegevens aan de hand van laserlicht, is de voorbije twee decennia sterk in gebruik toegenomen. Naast de vele toepassingen in tal van wetenschappelijke disciplines, wist ook Apple recentelijk uit te pakken met hun ingebouwde lidarscanner, dit in de iPhone 12 Pro en iPad Pro. Waarom deze techniek dan ook niet gebruiken als stimulans voor het ruimtelijk bewustzijn in de klas? Zo is het bijvoorbeeld mogelijk om beboste gebieden te onderzoeken op de aanwezigheid van archeologische vindplaatsen. Klinkt boeiend, vind je ook niet?

“Is het wel mogelijk om onder het bladerdek van een dichtbegroeid bos te kijken?”, ik hoor de vraag al komen. Eén van de kenmerken van deze opkomende technologie is echter dat er meerdere returns mogelijk zijn voor elke uitgezonden laserpuls. De pulsen vinden hun weg tussen de kleine open ruimtes waardoor als het ware ‘door de takken van de bomen’ wordt gekeken. De eerste terugkeer kan daarbij komen van bladeren aan de bovenkant van het bladerdek, terwijl de laatste terugkeer de eigenlijke hoogte van de grond kan zijn. De returns daartussen komen dan van ergens halverwege. Het zijn nu net de gegenereerde maaiveldpunten die heel interessant zijn. Door van deze punten een digitaal terreinmodel (DTM) te maken komen heel wat karakteristieken van het betreffende gebied naar boven. De regelmatige en ononderbroken hoogtevoorstelling van de topografie brengt dus eigenlijk eventuele archeologische kenmerken in kaart.

ALLES HEEFT ZIJN VOOR- EN NADELEN

Een DTM is op verschillende manieren te visualiseren, waarbij afhankelijk van het studiegebied en het doel van het onderzoek de beste visualisatiemethode wordt gekozen. Maar welke methode is er nu het interessantst in functie van het leren ruimtelijk denken? In deze studie werden drie verschillende visualisatietechnieken naast elkaar geplaatst in een online enquête, dit elk met zijn voor- en nadelen. Het doel was een gebruiksvriendelijk en eenvoudig te begrijpen visualisatie te selecteren voor de implementatie in het onderwijs, waarbij telkens gekeken werd naar prestaties van het kaartlezen.

Twee verschillende beboste gebieden, beiden met archeologische waarde, werden in kader van dit onderzoek geselecteerd. Enerzijds kan bij Bellewaerde Heuvelrug (België) een dozijn aan bomkraters worden opgespoord, anderzijds zijn er bij Yucatán South GLAS (Mexico) leenputten, pleinen en structuren terug te vinden. Vragen zoals ‘wat is het hoogste of laagste punt’ werden ingezet om de efficiëntie van iedere methodiek te bepalen, dit bij zowel derdegraadsleerlingen uit de richting wetenschappen, als bij eerstejaarsstudenten geografie uit België en Mexico. Hillshading bleek uiteindelijk statistisch gezien de beste resultaten te behalen bij de Belgen, bij de andere visualisaties werden op dezelfde vragen aanzienlijk meer fouten gemaakt. Deze methode, die gebruik maakt van reliëfschaduwen, sluit dan ook opmerkelijk het dichtst aan bij de vertrouwde wereld. Het is een beschrijving van hoe het reliëfoppervlak de binnenkomende verlichting reflecteert op basis van de natuurkundige wetten. Aldus werden de vooropgestelde verwachtingen grotendeels bekrachtigd. De Mexicanen, die niet tot een best fit visualisatie kwamen, verkozen echter net zoals de Belgen ook hillshading tot voorkeursvisualisatiemethode.

Ondanks het feit dat dit innovatief onderzoek al enkele interessante resultaten binnenhaalde, kan het in de toekomst nog veel verschillende kanten uit. Er kan onder meer gekeken worden naar het bredere publiek, het kan worden opengetrokken naar andere studiegebieden of visualisatiemethoden, het concept van kaarten en hoe gebruikers deze zien kan worden bestudeerd, enzoverder. Dit is zeker de moeite waard, daar enkele participanten reeds heel wat beloftevolle opmerkingen meegaven tijdens het invullen van de enquête. Zo vond een Mexicaanse leerling het onderzoek niet alleen interessant, maar wou hij ook graag meer leren over satellieten en kaarten. In het kort: iets om op in te zetten!

GEORUIMTELIJK DENKEN, HET VALT TE LEREN

Om de lidarbeelden terug te koppelen aan het onderwijs en het georuimtelijk denken, werd er een totaal van vier competenties opgesteld. Als laatste element van dit onderzoek was het namelijk belangrijk precies vast te stellen wat er moest worden bereikt en hoe dit kon worden bereikt. Elke competentie bevat op die manier drie niveaus aan complexiteit om in de klas stapsgewijs te werk te kunnen gaan. Op die manier wordt aangespoord het potentieel van deze toonaangevende laserscan-technologie te benutten en kan het aangewend worden voor innovatief onderwijs. Daarnaast worden hierbij ook het leren en het ontwikkelen van competenties die aansluiten bij het digitale tijdperk aangemoedigd. We kunnen dus besluiten dat aan de hand van deze vier lidarcompetenties het einddoel kan worden bereikt: een hoger niveau aan het ruimtelijk denken!

CONCLUSIE: RUIMTELIJK DENKEN IS CRUCIAAL

Dit onderzoek en de daarbij horende lidarcompetenties bieden een nieuwe en innoverende aanpak voor het ontwikkelen van georuimtelijk denken, wat als een cruciaal element wordt gezien in de ontwikkeling van  jongeren. De vier ontwikkelde competenties laten daarom toe om gaandeweg steeds gecompliceerdere ruimtelijke vraagstukken te beantwoorden. Het is een vaardigheid die noodzakelijk wordt geacht voor het leven en werken in de hedendaagse, digitale maatschappij. Kennis over verschillende vakken heen kan worden gebundeld, doelen in curricula inzake onderzoeks-competenties kunnen worden behaald. Ten opzichte van traditioneel lesmateriaal zorgen de lidarbeelden uiteindelijk voor een hogere realiteit, wordt de contextwaarde van het leren verhoogd en draagt het bij tot de interesse van leerlingen.

BRONNEN

Balenović, I., Alberti, G., & Marjanović, H. (2013). Airborne Laser Scanning - the Status and Perspectives for the Application in the South-East European Forestry. South-East European Forestry, 4(2), 59–79.

Drosos, V. & Farmakis, D. (2006). Airborne Laser Scanning and DTM Generation. In: Manolas, E. (Eds.), Naxos International Conference on Sustainable Management and Development of Mountainous and Island Areas (pp. 206–218). Greece.

Gould, M. (2021). Developing Spatial Thinking is Critical. Geraadpleegd op 20 september, 2021, op https://www.esri.com/about/newsroom/arcnews/developing-spatial-thinking…

Iculture. (2020). LiDAR Scanner: dit kun je met de nieuwe sensor in de iPhone 12 Pro (Max). Geraadpleegd op 20 september, 2021, op https://www.iculture.nl/uitleg/lidar-scanner-apple/

Informatie Vlaanderen. (2020). Digitaal Hoogtemodel Vlaanderen (DHMV): ondersteuning. Geraadpleegd op 30 november, 2020, op https://overheid.vlaanderen.be/DHM-Ondersteuning

Kokalj, Ž., & Hesse, R. (2017). Airborne laser scanning raster data visualization. A guide to good practice.

Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu (No. JRC107466). Joint Research Centre (Seville site).

Schroder, W., Murtha, T., Golden, C., Hernández, A. A., Scherer, A., Morell-Hart, S., ... & Brown, M. (2020). The lowland Maya settlement landscape: Environmental LiDAR and ecology. Journal of Archaeological Science: Reports, 33, 102543.

Stichelbaut, B. (2018). Sporen van oorlog: archeologie van de Eerste Wereldoorlog. Hannibal.

Werbrouck, I., Antrop, M., Van Eetvelde, V., Stal, C., De Maeyer, P., Bats, M., ... & De Smedt, P. (2011). Digital Elevation Model generation for historical landscape analysis based on LiDAR data, a case study in Flanders (Belgium). Expert Systems with Applications, 38(7), 8178-8185.

Zakšek, K., Oštir, K., & Kokalj, Ž. (2011). Sky-view factor as a relief visualization technique. Remote sensing, 3(2), 398-415.

Zwartjes, L., de Lazaro y Torres, M. L., Lindner-Fally, M., Parkinson, A., & Prodan, D. (2017). Curriculum opportunities for spatial thinking.