Compreensões de experiências em ciências por crianças de 3º e 6º de escolaridade

A identificação de experiências correctas e controladas para testar uma dada hipótese científica exige processos mentais complexos, sendo uma tarefa exigente para crianças. Foram formuladas as seguintes hipóteses: (1) as crianças compreendem o que é uma boa experiência para testar uma dada hipótese, e conseguem justificar correctamente as suas escolhas de forma clara e rigorosa; (2) as crianças têm um melhor desempenho quando as experiências correctas e incorrectas são apresentadas em dois grupos distintos (condição passiva), do que quando estão misturadas (condição activa); (3) o desempenho das crianças é influen¬ciado pelo seu conhecimento e/ou crenças acerca do fenómeno a ser expe¬rimentado; (4) o desempenho melhora com a idade; e (5) que o mecanismo do controle de variáveis é facilmente aprendido. Crianças do 3º e 6º anos de escolaridade (N = 36 de cada grupo etário) avaliaram experi¬ências em seis tarefas diferentes, sendo-lhes pedido para escolherem a experiência mais correcta e rigorosa para testar uma dada hipótese e para justificarem essa escolha. Os resultados mostraram que a maior parte dos participantes conseguiam distinguir uma experiência correcta em algumas das seis tarefas. O desempenho foi superior na condição passiva do que na activa. Em algumas tarefas, a natureza do fenómeno usado levou as crianças a manterem as suas ideias e crenças e responder incorrectamente. Também a relevância que as variáveis apresentavam para os participantes influenciou as suas escolhas de experiências correctas. Foram apenas encontradas pequenas diferenças entre os dois grupos etários. Quando o mecanismo de controle de variáveis lhes foi ensinado de forma directa e explicita, as crianças aprenderam e conseguiram transferir a sua aprendiza¬gem para outras situações científicas.

Power Electronics Didactic Modules for Direct Current Machine Control

Several didactic modules for an electric machinery laboratory are presented. The modules are dedicated for DC machinery control and get their characteristic curves. The didactic modules have a front panel with power and signal connectors and can be configurable for any DC motor type. The three-phase bridge inverter proposed is one of the most popular topologies and is commercially available in power package modules. The control techniques and power drives were designed to satisfy static and dynamic performance of DC machines. Each power section is internally self-protected against misconnections and short-circuits. Isolated output signals of current and voltage measurements are also provided, adding versatility for use either in didactic or research applications. The implementation of such modules allowed experimental confirmation of the expected performance.

Results of radiation protection programmes on mammography

In this paper, we present the results of mammography quality control tests related to the work with Portuguese mammography equipment, either in conventional or in digital mammography computed radiography, showing the main differences in the tested equipments. Quality control in mammography is a very special area of quality control in radiology, which demands relatively high knowledge on physics. Digital imaging is changing the standards of the radiographic imaging. Regarding mammography, this is yet a controversial issue owing to some limitations of the digital detectors, like the resolution for instance. A complete set of results regarding radiation protection of the patients submitted to mammography diagnosis is presented. A discussion of the quality image parameters and its interpretation in conventional and digital mammography is presented. In conclusion, we present a sample of results that can be considered as characteristics of mammography equipment in Portugal.

Blind hyperspectral unmixing

This paper introduces a new hyperspectral unmixing method called Dependent Component Analysis (DECA). This method decomposes a hyperspectral image into a collection of reflectance (or radiance) spectra of the materials present in the scene (endmember signatures) and the corresponding abundance fractions at each pixel. DECA models the abundance fractions as mixtures of Dirichlet densities, thus enforcing the constraints on abundance fractions imposed by the acquisition process, namely non-negativity and constant sum. The mixing matrix is inferred by a generalized expectation-maximization (GEM) type algorithm. This method overcomes the limitations of unmixing methods based on Independent Component Analysis (ICA) and on geometrical based approaches. DECA performance is illustrated using simulated and real data.