LABORATÓRIO DE DEMOSTRAÇÕES

Apresentação em tema: "LABORATÓRIO DE DEMOSTRAÇÕES"— Transcrição da apresentação:

1 LABORATÓRIO DE DEMOSTRAÇÕES
AULA 3 LABORATÓRIO DE DEMOSTRAÇÕES Semana 3 RLN – Mar 2017

2 O Método Científico Como aprender algo sobre a natureza de forma consistente e sistemática? Não apenas observar sem compromisso, mas tentar entender e, a partir desse entendimento, fazer previsões e construir conhecimento O Método Científico Estabelece a sistemática para realizar atividades científicas (History of Inductive Science (1837), William Whewell) RLN – Mar 2017

3 Identifique um problema
O Método Científico Em resumo Identifique um problema Formule hipóteses Experimente Analise e conclua RLN – Mar 2017

4 Identifique um problema
Identifique um problema interessante com base no seu conhecimento prévio sobre a Natureza Interesse pessoal sobre o assunto Procure saber se há informação sobre esse assunto, se o problema já foi resolvido ou não É um problema para o qual ainda não há solução definitiva? É um problema com soluções contraditórias? RLN – Mar 2017

5 Formule hipóteses Procure formar conjecturas
Use o conhecimento disponível Formule hipóteses sobre o problema Elabore previsões para o fenômeno a ser estudado a partir dessas hipóteses Formule métodos que permitam testar essas previsões RLN – Mar 2017

6 Experimente Planeje medidas que possam testar as previsões
Realize os experimentos As previsões se confirmam? Controle experimental A qualidade das medidas é suficiente para identificar se as previsões se confirmam? RLN – Mar 2017

7 Analise e conclua Analise os resultados obtidos no experimento
Dois possíveis resultados: 1) Previsões não são confirmadas As hipóteses envolvidas na previsão podem estar incompletas ou erradas 2) Previsões são confirmadas Hipóteses podem estar corretas e precisam ser testadas mais a fundo Novas informações são obtidas e novos problemas são encontrados RLN – Mar 2017

8 “Falseabilidade” das hipóteses
Não se pode provar que as hipóteses são verdadeiras de forma absoluta As hipóteses podem ser, no entanto, “falseadas” (i.e. comprovar que são falsas): Einstein: “No amount of experimentation can ever prove me right; a single experiment can prove me wrong”. O acúmulo de informações experimentais sobre uma teoria, contudo, aumenta a probabilidade de que ela seja válida. RLN – Mar 2017

9 Como isso se encaixa no que vocês fizeram até agora?
Identifique um problema Qual equipamento o grupo pretende utilizar na aula da próxima semana? Qual fenômeno físico será estudado com o equipamento escolhido? Formule hipóteses Como exatamente o grupo realizará o experimento? O que será medido ou observado? O que o grupo espera obter como resultado? Experimente Realização do experimento em sala de aula Analise e conclua O que vocês observaram do experimento? RLN – Mar 2017

10 Noções sobre qualidade das medidas
Resultados experimentais sempre estão sujeitos a erros De acordo com o efeito das fontes de erros em uma série de medições eles são classificados em aleatórios ou sistemáticos: Erros aleatórios são aqueles que afetam de maneira diferente cada um dos dados medidos Provocam a variação dos valores obtidos em medições repetidas Seu efeito pode ser reduzido aumentando-se o número de dados Erros sistemáticos são aqueles que afetam de maneira igual todos os dados medidos Seu efeito não depende do número de dados medidos A possibilidade de haver erros é que dá origem à incerteza da medida RLN – Mar 2017

11 Termos úteis para qualificar medições
Segundo o VIM (Vocabulário Internacional de Medições): Precisão (precision): grau de concordância entre os valores obtidos em medições repetidas Está relacionada apenas com os erros aleatórios Veracidade (trueness): grau de concordância entre a média de infinitas medições repetidas e um valor de referência Está relacionada apenas com os erros sistemáticos Exatidão (accuracy) indica o grau de concordância entre o valor de uma medição e um valor de referência Está relacionada tanto com os erros aleatórios quanto sistemáticos Os algarismos significativos são úteis para se transmitir todas as informações relevantes obtidas no experimento RLN – Mar 2017

12 Noções sobre qualidade das medidas
O centro do alvo representa o valor verdadeiro de uma grandeza RLN – Mar 2017

13 Noções sobre qualidade das medidas
O centro do alvo representa o valor verdadeiro de uma grandeza Esse valor pode ser desconhecido no início do experimento, ou pode-se ter uma referência prévia Por ex.: gIAG = 9,7864 m/s2 RLN – Mar 2017

14 Noções sobre qualidade das medidas
O centro do alvo representa o valor verdadeiro de uma grandeza Esse valor pode ser desconhecido no início do experimento, ou pode-se ter uma referência prévia Por ex.: gIAG = 9,7864 m/s2 Fazemos uma medida da grandeza que é representada como um “tiro” contra o alvo RLN – Mar 2017

15 Noções sobre qualidade das medidas
O centro do alvo representa o valor verdadeiro de uma grandeza Esse valor pode ser desconhecido no início do experimento, ou pode-se ter uma referência prévia Por ex.: gIAG = 9,7864 m/s2 Fazemos uma medida da grandeza que é representada como um “tiro” contra o alvo Podemos avaliar a qualidade das medidas comparando suas posições com o alvo RLN – Mar 2017

16 Noções sobre qualidade das medidas
Alta precisão Alta veracidade Alta precisão Baixa veracidade O que podemos dizer sobre a qualidade de cada conjunto de medidas? Baixa precisão Alta veracidade Baixa precisão Baixa veracidade RLN – Mar 2017

17 Termos úteis para qualificar medições
IMPORTANTE: Há versões diferentes das definições desses termos (precisão, veracidade, exatidão, etc.) Os termos que adotamos aqui são as definições OFICIAIS. No entanto não é difícil encontrar pesquisadores ou mesmo artigosusando esses termos de outra forma. O fundamental é entender os conceitos que estamos discutindo sobre a qualidade dos dados. Segundo o VIM (Vocabulário Internacional de Medições): Precisão (precision): grau de concordância entre os valores obtidos em medições repetidas Está relacionada apenas com os erros aleatórios Veracidade (trueness): grau de concordância entre a média de infinitas medições repetidas e um valor de referência Está relacionada apenas com os erros sistemáticos Exatidão (accuracy) indica o grau de concordância entre o valor de uma medição e um valor de referência Está relacionada tanto com os erros aleatórios quanto sistemáticos Os algarismos significativos são úteis para se transmitir todas as informações relevantes obtidas no experimento RLN – Mar 2017

18 Experimento 1 Laboratório de Demonstrações
Não desmonte experimentos - Finalizar medidas - Analisar resultados - Preparar apresentação para próxima aula Anotações no Caderno de Dados RLN – Mar 2017

19 Apresentações - Todos do grupo devem expor (treinar antes!)
- Duração de até 10 min por grupo (treinar!) - Perguntas ao final de cada apresentação - Preparar apresentações em PDF - Ordem das apresentações sorteada ou definida pelo professor RLN – Mar 2017

20 Apresentações Conteúdo das apresentações:
- Qual o experimento? Qual o princípio físico sendo analisado? O que se espera obter? - Como foi realizado o experimento? Quais cuidados foram tomados? Quais medidas foram feitas? - Quais os resultados? Que análises foram feitas? Os resultados concordam com o esperado? RLN – Mar 2017

21 Atividade Extraclasse
Disponível na aba Extras: “Uso do Webroot” Apresentação do webroot para elaborar gráficos Atividade individual e obrigatória Acrescenta até 1 ponto na nota de Caderno do Experimento 1 Entrega: 31/Mar, arquivo PDF pelo Moodle, até 23h55. RLN – Mar 2017

22 Esta apresentação foi parcialmente elaborada pelos Profs
Esta apresentação foi parcialmente elaborada pelos Profs. Alexandre Correia e Alexandre Suaide RLN – Mar 2017