Sınıf Çevresel Kalite İzlemesi için IoT Tabanlı Bir Modelin Geliştirilmesi

Abstract

Bu çalışma, sürekli gelişen teknolojinin sunduğu fırsatlardan yararlanarak, başta üniversiteler olmak üzere tüm eğitim kurumlarının sınıflarında ve dersliklerinde kullanılmak üzere bir kalite ölçüm ve eylem otomasyon sistemi tasarlamayı amaçlamaktadır. Sistem, eğitim ortamlarındaki sıcaklık, nem, hava kalitesi ve ışık seviyelerini uygun sensörler aracılığıyla ölçmek üzere tasarlanmıştır. Bu parametreler, sınıftaki konforu sürdürmek ve enerji verimliliğini sağlamak amacıyla insan müdahalesi olmadan sürekli olarak izlenir. Otomasyon yeteneği, sistemin kilit bir özelliği olmakla birlikte, kalite kriterleri belirlenen kritik değerlerden saptığında, akademik personel ve yetkili kişiler anlık manuel ayarlamalar yapabilecektir. Sistem, yazılım ve donanım olmak üzere iki ana bileşenden oluşmaktadır. Yazılım bileşeni, esnekliği, öğrenme kolaylığı ve diğer teknolojilerle uyumluluğu nedeniyle Python programlama dili kullanılarak geliştirilmiştir. Donanım bileşeni ise modern akıllı ev sistemlerine benzer bir yapıyı takip etmekte ve bir dokunmatik ekran aracılığıyla kontrol edilebilen kompakt bir model olarak tasarlanmıştır. Sistem, işlevselliği ve adaptasyonu artırmak için Nesnelerin İnterneti (IoT) altyapısını kullanarak Raspberry Pi platformunda çalışmaktadır.

Keywords

• Sınıf çevresel kalitesi
• Sensör tabanlı izleme
• Eğitim tesislerinde otomasyon
• Enerji verimliliği
• Nesnelerin İnterneti

Development and Bench-Scale Functional Validation of a Low-Cost IoT Prototype for Classroom Environmental Quality Monitoring

Abstract

This study reports bench-scale functional validation of a low-cost IoT proof-of-concept for classroom environmental monitoring. A Raspberry Pi integrates DHT-22 temperature–humidity sensing, an MQ-135 used only as a non-specific gas/air-quality proxy, an LDR relative light sensor, Python/Tkinter software, and prototype actuators. Bench tests confirmed sensor acquisition and rule-based actuator triggering. No classroom field data, NDIR comparison, calibrated lux measurements, energy savings, or occupant outcomes are reported. The contribution is limited to functional system integration.

Keywords

• Classroom environmental quality
• Sensor-based monitoring
• Automation in educational facilities
• Energy efficiency
• Internet of Things

References

1. [1] I. Mujan, A. S. Anđelković, V. Munćan, M. Kljajić, and D. Ružić, “Influence of indoor environmental quality on human health and productivity - A review,” Journal of Cleaner Production, vol. 217, pp. 646-657, 2019, doi: 10.1016/j.jclepro.2019.01.307.
2. [2] C. Konstantinou, A. Constantinou, E. G. Kleovoulou, A. Kyriacou, C. Kakoulli, G. Milis, M. Michaelides, and K. C. Makris, “Assessment of indoor and outdoor air quality in primary schools of Cyprus during the COVID-19 pandemic measures in May-July 2021,” Heliyon, vol. 8, no. 5, Art. no. e09354, 2022, doi: 10.1016/j.heliyon.2022.e09354.
3. [3] S. B. Sørensen and K. Kristensen, “Low-cost sensor-based investigation of CO₂ and volatile organic compounds in classrooms: Exploring dynamics, ventilation effects and perceived air quality relations,” Building and Environment, vol. 254, Art. no. 111369, 2024, doi: 10.1016/j.buildenv.2024.111369.
4. [4] B. Ge, K. Tieskens, P. Vyas, M. P. Botana Martinez, Y. Yuan, K. H. Walsh, L. Main, L. Bolton, M. Yajima, and M. P. Fabian, “Decision tools for schools using continuous indoor air quality monitors: A case study of CO₂ in Boston Public Schools,” The Lancet Regional Health - Americas, vol. 48, Art. no. 101148, 2025, doi: 10.1016/j.lana.2025.101148.
5. [5] A. Budhiyanto and Y.-S. Chiou, “Visual comfort and energy savings in classrooms using surveillance camera derived HDR images for lighting and daylighting control system,” Journal of Building Engineering, vol. 86, Art. no. 108841, 2024, doi: 10.1016/j.jobe.2024.108841.
6. [6] L. Canals Casals, A. Alegria-Sala, N. Bonet, and M. Macarulla, “Educational environments’ energy demand optimization based on indoor CO₂ concentration and temperature: Together better than separately,” Building and Environment, vol. 266, Art. no. 112121, 2024, doi: 10.1016/j.buildenv.2024.112121.
7. [7] M. F. Gabriel, G. Marques, D. Filipe, F. Felgueiras, J. P. Cardoso, J. Azeredo, G. Kazdaridis, P. Symeonidis, S. Keranidis, P. Conradie, I. Azevedo, and F. Anagnostopoulos, “Implementation of an IoT architecture for promoting healthy air quality in homes of families with children,” Building and Environment, vol. 266, Art. no. 112040, 2024, doi: 10.1016/j.buildenv.2024.112040.
8. [8] S. Clinchard, U. Haverinen-Shaughnessy, and R. Shaughnessy, “Assessing ventilation performance in schools using continuous CO₂ monitoring: Insights from renovation projects,” Building and Environment, vol. 269, Art. no. 112406, 2025, doi: 10.1016/j.buildenv.2024.112406.

9. [9] N. Rawat, P. Kumar, S. Hama, N. Williams, and A. Zivelonghi, “Improving classroom air quality and ventilation with IoT-driven acoustic and visual CO₂ feedback system,” Science of the Total Environment, vol. 980, Art. no. 179543, 2025, doi: 10.1016/j.scitotenv.2025.179543.
10. [10] Light and lighting - Lighting of work places - Part 1: Indoor work places, TS EN 12464-1:2021, 2021.
11. [11] Ergonomics of the thermal environment - Analytical determination and interpretation of thermal comfort using calculation of the PMV and PPD indices and local thermal comfort criteria, ISO 7730:2025, 2025.
12. [12] Energy performance of buildings - Ventilation for buildings - Part 1: Indoor environmental input parameters for design and assessment of energy performance of buildings addressing indoor air quality, thermal environment, lighting and acoustics - Module M1-6, EN 16798-1:2019, 2019.
13. [13] F. N. Abbas, I. M. Saadoon, Z. K. Abdalrdha, and E. N. Abud, “Capable of gas sensor MQ-135 to monitor the air quality with Arduino Uno,” International Journal of Engineering Research and Technology, vol. 13, no. 10, pp. 2955-2959, 2020, doi: 10.37624/IJERT/13.10.2020.2955-2959.