La Rivoluzione della Psiche e della Scienza · II Quadrimestre

Jung e l'Inconscio Collettivo

Gli studenti esaminano la psicologia analitica di Jung, gli archetipi e il processo di individuazione.

Informazioni su questo argomento

I modelli di crescita e decadimento sono tra le applicazioni più potenti e attuali delle equazioni differenziali. Dalla crescita esponenziale di Malthus al modello logistico di Verhulst, la matematica fornisce gli strumenti per comprendere i limiti dello sviluppo biologico e sociale. Questi modelli sono essenziali per l'educazione civica e scientifica, permettendo di analizzare criticamente fenomeni come le pandemie o lo sfruttamento delle risorse naturali.

In questo modulo, gli studenti confrontano la crescita illimitata con quella che tiene conto della 'capacità portante' dell'ambiente. Risolvere l'equazione logistica richiede l'uso di tecniche di integrazione avanzate (fratti semplici) e offre l'opportunità di discutere i concetti di equilibrio e stabilità. Un approccio basato sull'analisi di dati reali trasforma lo studio di funzione in uno strumento di indagine sociologica e ambientale.

Idee di apprendimento attivo

Circolo di indagine: Malthus vs Verhulst

In piccoli gruppi, gli studenti confrontano la crescita di una popolazione batterica in un ambiente infinito e in una piastra di Petri limitata. Devono scrivere le due equazioni differenziali, risolverle e discutere perché il modello logistico sia più realistico nel lungo periodo.

⏱ 50 min·Piccoli gruppi

Genera missione

Simulazione: Il Tempo di Dimezzamento

Gli studenti simulano il decadimento radioattivo del Carbonio-14. Usando l'equazione differenziale del primo ordine, devono calcolare l'età di un reperto archeologico partendo dalla percentuale di isotopo rimasta, discutendo l'importanza della precisione matematica nella datazione storica.

⏱ 40 min·Coppie

Genera missione

Think-Pair-Share: La Capacità Portante

Il docente introduce il parametro K (capacità portante) nell'equazione logistica. Gli studenti riflettono individualmente su cosa accada alla crescita quando la popolazione si avvicina a K, discutono in coppia il significato del punto di flesso nel grafico e condividono le loro osservazioni.

⏱ 30 min·Coppie

Genera missione

Attenzione a questi errori comuni

Errore comune

Pensare che la crescita esponenziale possa continuare all'infinito in un sistema reale.

Cosa insegnare invece

Ogni sistema fisico ha dei limiti (risorse, spazio). Attraverso il confronto tra modelli, gli studenti comprendono che l'esponenziale è solo un'approssimazione iniziale e che la realtà richiede modelli più complessi come quello logistico.

Errore comune

Confondere il tasso di crescita con la quantità totale di individui.

Cosa insegnare invece

Il tasso di crescita è la derivata, mentre la popolazione è la funzione. L'analisi dei grafici y(t) e y'(t) aiuta a visualizzare che anche se la popolazione aumenta, la velocità con cui lo fa può diminuire (fase di saturazione).

Domande frequenti

Cos'è l'equazione logistica?

È un'equazione differenziale del tipo y' = ry(1 - y/K), dove r è il tasso di crescita intrinseco e K è la capacità portante dell'ambiente. Descrive una crescita che all'inizio è quasi esponenziale, ma che rallenta e si stabilizza quando si avvicina al limite K.

Come si calcola il tempo di dimezzamento?

Si parte dal modello di decadimento y(t) = y0 * e^(-kt). Il tempo di dimezzamento è il valore di t per cui y(t) = y0/2. Risolvendo l'equazione, si ottiene t = ln(2)/k. È un valore costante che non dipende dalla quantità iniziale di sostanza.

Perché questi modelli sono importanti per l'ecologia?

Permettono di prevedere se una specie è a rischio estinzione o se una popolazione supererà le risorse disponibili, causando un collasso dell'ecosistema. Sono la base per la gestione sostenibile delle foreste, della pesca e della fauna selvatica.

In che modo l'analisi di dati reali aiuta a capire i modelli di crescita?

Usare dati veri (es. la diffusione di un virus o la crescita di una startup) rende la matematica una competenza vitale. L'apprendimento attivo spinge gli studenti a chiedersi 'perché il modello non fitta perfettamente i dati?', portando a discussioni profonde sulle assunzioni del modello e sulla complessità del mondo reale.

Sfogliate il programma per paese

• Americhe
• US
• CA
• MX
• CL
• CO
• BR

• Europa
• UK
• IE
• FR
• DE
• ES
• IT
• NL
• PT
• SE

• Asia e Pacifico
• IN
• SG
• AU