Wróć do informacji o e-podręczniku Wydrukuj Zapisz jako PDF Udostępnij materiał

Autor: Michał Zagrobelny

Przedmiot: Informatyka

Temat: Symulacja ruchów Browna metodą Monte Carlo w języku Python

Grupa docelowa:

III etap edukacyjny, liceum ogólnokształcące, technikum

Podstawa programowa:

Zakres podstawowy i rozszerzony
Cele kształcenia – wymagania ogólne
1) Rozumienie, analizowanie i rozwiązywanie problemów na bazie logicznego i abstrakcyjnego myślenia, myślenia algorytmicznego i sposobów reprezentowania informacji.
2) Programowanie i rozwiązywanie problemów z wykorzystaniem komputera oraz innych urządzeń cyfrowych: układanie i programowanie algorytmów, organizowanie, wyszukiwanie i udostępnianie informacji, posługiwanie się aplikacjami komputerowymi.

Kształtowane kompetencje kluczowe:

  • kompetencje obywatelskie;

  • kompetencje cyfrowe;

  • kompetencje osobiste, społeczne i w zakresie umiejętności uczenia się;

  • kompetencje matematyczne oraz kompetencje w zakresie nauk przyrodniczych, technologii i inżynierii.

Cele operacyjne (językiem ucznia):

  • Przygotujesz program, który będzie obliczał współrzędne (x, y) punktów symulujących ruchy Browna.

  • Przeprowadzisz analizę ruchów Browna bazując na wykresie.

  • Zastosujesz moduł matplotlib do generowania wykresów.

Strategie nauczania:

  • konstruktywizm;

  • konektywizm.

Metody i techniki nauczania:

  • dyskusja;

  • rozmowa nauczająca z wykorzystaniem multimedium i ćwiczeń interaktywnych.

Formy pracy:

  • praca indywidualna;

  • praca w parach;

  • praca w grupach;

  • praca całego zespołu klasowego.

Środki dydaktyczne:

  • komputery z głośnikami, słuchawkami i dostępem do internetu;

  • zasoby multimedialne zawarte w e‑materiale;

  • tablica interaktywna/tablica, pisak/kreda;

  • oprogramowanie dla języka Python 3 (lub nowszej wersji), w tym PyCharm lub IDLE.

Przebieg lekcji

Przed lekcją:

  1. Przygotowanie do zajęć. Nauczyciel loguje się na platformie i udostępnia e‑materiał: „Symulacja ruchów Browna metodą Monte Carlo w języku Python”. Nauczyciel prosi uczniów o zapoznanie się z treściami w sekcji „Przeczytaj”.

Faza wstępna:

  1. Wyświetlenie przez nauczyciela tematu i celów zajęć, przejście do wspólnego ustalenia kryteriów sukcesu.

  2. Rozpoznanie wiedzy uczniów. Nauczyciel zadaje uczniom pytania dotyczące ich aktualnego stanu wiedzy w obszarze poruszanego tematu, np.
    – jakie zjawisko nosi nazwę ruchów Browna?
    – co to jest zmienna losowa?
    – na czym polega modelowanie z wykorzystaniem tzw. metody Monte Carlo?
    Chętni lub wybrani uczniowie udzielają na nie odpowiedzi.

Faza realizacyjna:

  1. Uczniowie analizują przykład z sekcji „Przeczytaj” i powtarzają zaprezentowane rozwiązanie na swoim komputerze.

  2. Praca z multimedium. Uczniowie w zespołach dwuosobowych zapoznają się z treścią polecenia nr 1: „Przeanalizuj interaktywną symulację ruchów Browna dla cząsteczek w zależności od temperatury. Zapisz swoje spostrzeżenia.” z sekcji „Gra edukacyjna” i wspólnie analizują kolejne kroki rozwiązania postawionego problemu.

  3. Ćwiczenie umiejętności. Uczniowie wykonują ćwiczenia nr 1‑3 z sekcji „Sprawdź się”. Nauczyciel sprawdza poprawność wykonanych zadań, omawiając je wraz z uczniami.

Faza podsumowująca:

  1. Nauczyciel wyświetla na tablicy temat lekcji i cele zawarte w sekcji „Wprowadzenie”. W kontekście ich realizacji podsumowuje przebieg zajęć, a także wskazuje mocne i słabe strony pracy uczniów.

Praca domowa:

  1. Uczniowie wykonują ćwiczenie 4 z sekcji „Sprawdź się”.

Materiały pomocnicze:

  • Oficjalna dokumentacja techniczna dla języka Python 3 (lub nowszej wersji).

  • Oficjalna dokumentacja techniczna dla oprogramowania PyCharm lub IDLE.

Wskazówki metodyczne:

  • Nauczyciel może wykorzystać multimedium w sekcji „Przeczytaj” do pracy przed lekcją. Uczniowie zapoznają się z jego treścią i przygotowują do pracy na zajęciach w ten sposób, żeby móc samodzielnie rozwiązać zadania w temacie „Symulacja ruchów Browna metodą Monte Carlo w języku Python”.