Lektion/workshop för gymnasiet
På den här sidan hittar du ett exempel på en lektionselhet för gymnasiet, som beräknas ta c.a 2,5h
Riktgivande struktur och tidsschema:
| # | Aktivitet | Beräknad tid |
|---|---|---|
| 1. | Start | 40 min |
| 2. | Att bekanta sig med verktygen | 30 min |
| 3. | Paus | 10 min |
| 4. | Övningar med partikelfysik | 30 min |
| 5. | Tilläggsuppgifter | 40 min |
1. Start
Live-workshopen börjar med en presentation om CERN och partikelforskning. Om det inte finns någon talare på plats hittas också bra presentationsvideor på CERNs hemsida. För att få grundinformation om CERNs partikelforskning kan du se den här videon: Databehandling
2. Att bekanta sig med verktygen
Nedan presenteras några verktyg som är viktiga för uppgifterna. Man behöver inte någon tidigare erfarenhet av programmering eller partikelfysik, utan du kan enkelt komma igång genom de följande uppgifterna:
Python-tutorial 
I övningarna hittas den grundkunskap som behövs för att ta Python i användning.
Välkommen att använda Jupyter-Notebook!
I den här uppgiften får du bekanta dig med en del Python-funktioner i Jupyter Notebook-miljön
CMS-simulation
Är du nyfiken på hur partiklars kollisioner ser ut? Kollisionerna händer i verkligheten så snabbt och i en så liten skala, att de inte är möjliga att se eller filma, men man kan avbilda dem med hjälp av ett program utgående från experimentdata. Genom länken ovan kan du undersöka partiklars kollisioner utgående från CMS-detektorns samlade data.
Jämförelse av histogram i en och samma bild
När du har gjort de tidigare uppgifterna kan du bekanta dig med den här uppgiften, där man jämför histogram som avbildar olika datasets.
3. Paus
4. Övningar med partikelfysik
När du har bekantat dig med materialen i den föregående delen, kan du också pröva på uppgifterna nedan i önskad ordning och enligt eget intresse. I det här avsnittet hittar du övningar för partikelfysik baserade på CMS-detektorns data.
Higgs hakusessa
Hitta Higgs’ partikel och vinn ett eget nobelpris!
Histogrammi valitusta datamaarasta
I den här uppgiften kan du interaktivt pröva dig fram hur ett urval av data kan påverka de ritade graferna
Sovite, poikittaisliikemäärä ja pseudorapiditeetti
I den här uppgiften får du anpassa en normalfördelning till partikeldatan och bekanta dig med begreppen (poikittaisliikemäärä) och pseudorapiditet.
5. Tilläggsuppgifter
I demona nedan nyttjar vi dataanalys och programmering för att undersöka data utanför partikelfysik.
1854 koleraepidemia
Data och statistik i strid mot epidemin. Visst vet du, John Snow!
CERN:in henkilöstö
Vem arbetar i CERN? Vi undersöker statistik!
Taivasta kartoittamassa
Vi undersöker stjärnor!
Barometri Col de la Fausille
Vi undersöker lufttryckets höjdberoende genom mätningar gjorda med telefon.
Ääntä datasta
Hur kan data omvandlas till ljud? För den här uppgiften lönar det sig att använda hörlurar eller på annat sätt säkerställa sig om att uppgiftens ljud inte stör andra i närheten.
Om du verkligen inspireras av det du har lärt dig här, hittar du mer material i materialbanken på GitHub!