ΜΑΘΗΜΑ 1: ΟΙ ΑΠΟΨΕΙΣ ΜΑΣ ΓΙΑ ΤΟ ΣΥΜΠΑΝ

Από την αρχαιότητα ήδη, ο Άνθρωπος προσπαθούσε να ερμηνεύσει και να προβλέψει τα ουράνια φαινόμενα, γεγονός που οδήγησε στη δημιουργία περιγραφικών μοντέλων για τη δομή του Κόσμου. Η γεωκεντρική θεώρηση της λειτουργίας του Κόσμου, βασισμένη στις απόψεις του Αριστοτέλη, του Πτολεμαίου κ.ά. επικράτησε από τα αρχαία χρόνια μέχρι και το Μεσαίωνα και αποτέλεσε το βασικό πυλώνα της εξήγησης των αστρονομικών παρατηρήσεων. Η μεταστροφή στην ηλιοκεντρική θεωρία με κύριους εκφραστές της εποχής τον Κοπέρνικο, τον Γαλιλαίο, τον Κέπλερ και τον Νεύτωνα αποτέλεσε ένα καθοριστικό βήμα προς την κατανόηση της Φύσης.

Knowledge acquisition gain

Γνώσεις: Οι μαθητές με την ολοκλήρωση του μαθήματος θα είναι σε θέση να: ▪ Περιγράφουν τα διάφορα κοσμολογικά μοντέλα ▪ Διακρίνουν τις διαφορές των κοσμολογικών μοντέλων ▪ Αναφέρουν ότι οι επιστημονικές θεωρίες αλλάζουν Ικανότητες: Οι μαθητές με την ολοκλήρωση του μαθήματος θα είναι σε θέση να: ▪ Υιοθετήσουν την άποψη ότι οι θεωρίες για τον κόσμο αλλάζουν ▪ Συμπεράνουν ότι η τεχνολογία συνεισφέρει στην αλλαγή των θεωριών ▪ Κατασκευάζουν και να χρησιμοποιούν ένα απλό τηλεσκόπιο Στάσεις: ▪ Οι μαθητές να είναι σε θέση να συνεργάζονται σε ομάδες ▪ Οι μαθητές να αποκτήσουν θετική στάση για την επιστήμη

Workforce description

To μάθημα αυτό αφορά όλες τις ειδικότητες οι οποίες μπορεί να εμπλέκονται στη διευρεύνηση του διαστήματος, όπως αστρονόμος, ιστορικός της επιστήμης, μηχανικός, βιολόγος κ.ά.

Responsible Research and Innovation

RRI reshapes what to teach in STEM

RRI challenges the methodologies to be used in STEM education

Learning RRI asks for first hand experiences

RRI needs explicit and critical reflection in STEM classes

Motivation is the key for RRI practice in STEM education

RRI perspective needs a systemic approach that overcome STEM disciplines

Transparency and openness should be the new cultures in STEM education

STEM education in RRI must deal with the uncertainty that is part of our future

Learning Methodologies

Learning via experiments

Non-standard motivation systems, Learning progress monitoring, Adaptive learning