Ideeën voor actief leren
Het ontwerpen van bionische protheses is een multidisciplinaire uitdaging waarbij biomechanica, materiaalkunde en elektronica samenkomen. Leerlingen onderzoeken hoe elektrische signalen van spieren (EMG) kunnen worden opgevangen en vertaald naar bewegingen van een robotische hand of voet. Ze leren over de eigenschappen van materialen zoals titanium en koolstofvezel, die zowel licht als biocompatibel moeten zijn.
Activiteit 01
Leerlingen gebruiken eenvoudige sensoren om de elektrische activiteit van hun eigen armspieren te meten tijdens verschillende bewegingen en analyseren de resulterende grafieken.
Hoe vertaal je spiersignalen naar mechanische bewegingen?
Activiteit 02
Met karton, rietjes en touw bouwen leerlingen een model van een vinger. Ze moeten de aanhechtingspunten van de 'pezen' optimaliseren voor maximale bewegingsvrijheid en kracht.
Welke materialen zijn biocompatibel en sterk genoeg voor protheses?
Activiteit 03
Groepen onderzoeken een specifiek materiaal (bijv. vormgeheugen-legeringen of 3D-geprint titanium) en presenteren de voordelen voor prothese-ontwerp aan de klas.
Hoe optimaliseer je het draagcomfort?
Enkele opmerkingen over deze eenheid onderwijzen
Pas op voor deze misvattingen
Een prothese wordt direct door de hersenen aangestuurd via de zenuwen.
De meeste huidige protheses gebruiken EMG-signalen van de resterende spieren, niet directe zenuwverbindingen. Door zelf spierspanning te meten, begrijpen leerlingen deze indirecte aansturing.
Hoe sterker het materiaal, hoe beter de prothese.
Flexibiliteit en gewicht zijn vaak belangrijker dan pure sterkte. Een te zware prothese wordt niet gedragen. Materiaaltesten in de les laten zien dat stijfheid niet altijd wenselijk is.
Methodes gebruikt in dit overzicht
Medische Beeldvormingstechnieken
De natuurkundige principes achter röntgen, MRI en echografie, en hoe deze artsen helpen bij het stellen van diagnoses.
8 methodologies
Ethiek in de Medische Technologie
Een kritische blik op de morele dilemma's rondom menselijke verbetering (human enhancement) en medische AI.
8 methodologies