Leerdoelen:
DATA-P:
- technische vaardigheden: de student
- leert de functies van een multimeter en oscilloscoop en kan deze meetinstrumenten gebruiken.
- is in staat om eenvoudige elektrische schakelingen te bouwen en de werking ervan te begrijpen.
- begrijpt analoog-digitaalconversie, bemonstering en aliasing.
- kan het spectrum van een signaal op een oscilloscoop weergeven en interpreteren.
- leert hoe typische golfverschijnselen zoals resonantie, reflectie, uitdoving en filtering kunnen worden gebruikt in experimenten.
- is in staat de rol van ruis en de beperkte meetnauwkeurigheid van instrumenten in te schatten.
- onderzoeksvaardigheden: de student
- leert gebruik te maken van een labjournaal.
- kan een werkplan voor een elementair natuurkundig experiment opstellen en op een verantwoorde manier uitvoeren.
- is in staat om de betrouwbaarheid van zijn resultaten te beoordelen, toevallige én systematische onzekerheden te identificeren, en de bij DATA-V en DATA-Py geleerde verwerkingstechnieken toe te passen op zelf gemeten data om de onzekerheid in een eindantwoord te bepalen.
- kan zijn resultaten op een overzichtelijke manier presenteren in tabellen en grafieken en er het antwoord op zijn onderzoeksvragen aan ontlenen.
DATA-Py: De student
- leert omgaan met basisconcepten van Python (datatypes, variabelen, arrays, syntax, functies, loop-structuren).
- leert werken met Python-pakketten numpy (array-bewerkingen), matplotlib (visualisatie) en scipy (wiskundige bewerkingen).
- leert bestanden te importeren, exporteren en bewerken.
- leert zelf scripts te schrijven voor basale implementatie van wiskundige bewerkingen (integratie, oplossen differentiaalvergelijkingen) en geavanceerde modules voor deze bewerkingen te gebruiken.
- leert gaandeweg foutloze, gestructureerde en goed becommentarieerde scripts te schrijven en deze scripts te gebruiken om bewerking van grotere hoeveelheden data te automatiseren.
DATA-V: De student
- onderkent het belang en de consequenties van het toekennen van onzekerheden aan data.
- kan kwantitatieve gegevens op een statistisch verantwoorde manier verwerken en interpreteren. Belangrijke technieken hierbij zijn elementaire statistiek, propagatie van onzekerheid, het gebruik van kansverdelingsfuncties, en het maken van aanpassingen. Implementatie van deze technieken vindt plaats in Python.
- kan aangeven wat de beginselen, aannames en beperkingen zijn van de hiervoor genoemde technieken.
|
 |
|
Het vak DATA behandelt essentiële praktische vaardigheden voor het doen van fysisch onderzoek in een experimentele context. Je leert verantwoord informatie te verwerven en verwerken door middel van meting of berekening, onder andere met het programma Python.
Het vak DATA bestaat uit drie onderdelen: Practicum (DATA-P), Verwerking (DATA-V) en Programmeren in Python (DATA-Py).
|
|