Gli studenti hanno programmato schede Micro:bit per acquisire ogni secondo temperatura, luminosità e livello sonoro, generando file CSV.
I dati di una prima acquisizione estesa sono stati etichettati manualmente in Excel, classificando ogni rilevazione come "OK" (luce adeguata, persone presenti), "Spreco" (luce accesa, aula vuota) o "Poco comfort" (persone presenti, luce insufficiente).
Il dataset etichettato è stato caricato sulla web app EcoData, dove gli studenti hanno costruito dashboard personalizzate e addestrato una rete neurale (TensorFlow.js) a riconoscere automaticamente le tre situazioni.
Infine, una seconda acquisizione indipendente è stata classificata dal modello e i risultati confrontati con le condizioni reali, validando l'efficacia del sistema.