Kode til succes og vitale færdigheder for arbejdere fra det 21. århundrede. Hvad er Computational Thinking?

En række ting gør CodeGym til det bedste online kursus til at lære at kode i Java fra bunden (i vores øjne i hvert fald): nøje planlagt kursusstruktur, praksis-først tilgang , enormt antal opgaver (over 1200), spændende og sjov historiefortælling , sociale funktioner osv. Men vi kan godt lide at tro, at vi går ekstra mil for at hjælpe vores elever med at få succes er det, der gør CodeGym til det bedste. Vores mission er ikke kun at hjælpe dig med at lære Java og finde et kodejob efter (eller mens du stadig er midt i kurset), men at understøtte din udvikling, både personlig og faglig, med den rette viden og information.

Hvad er Computational Thinking?

Computational Thinking (CT) er et koncept, som brancheeksperter kalder en 'kode til succes' og 'vital færdighed'. Selvom det er relativt simpelt, kan CT være nyttigt langt ud over blot softwareprogrammering. Udtrykket blev først foreslået i 1980 af Seymour Papert, en matematiker og datalog, som en måde at løse forskellige programmeringsrelaterede problemer og opgaver mere effektivt. Beregningstænkning er et sæt metoder, der involverer at tage et komplekst problem og opdele det i en række mindre problemer, der er nemmere at håndtere, samt udtrykke essensen af ​​et problem og løsningen på måder, som en computer kunne udføre. Kort sagt, før du begynder at kode for at lære en computer at løse et specifikt problem, skal du normalt selv forstå problemet, finde en løsning, og først derefter lære en computer at håndtere det. Beregningstænkning er en metode til at gøre denne proces hurtigere og lettere, men den er ikke begrænset til kun programmering og kan anvendes på forskellige dele af vores liv. Selvom dette koncept blev introduceret tilbage i 1980, er beregningstænkning begyndt at få stor opmærksomhed, efter at Jeannette Wing, professor i datalogi ved Columbia University, foreslog at gøre CT til en del af skolens læseplan som en af ​​de grundlæggende færdigheder, som alle mennesker bør besidde. .

Hvordan fungerer Computational Thinking?

Computational Thinking som teknik består af fire hovedmetoder, som er dekomponering, generalisering/abstraktion, mønstergenkendelse/datarepræsentation og algoritmer. De er alle lige vigtige og effektive, når de anvendes (på et problem) i den rigtige rækkefølge.

• Nedbrydning.

Man starter med nedbrydning, som er at adskille et problem i en række mindre problemer, der er nemmere at løse én efter én.

• Abstraktion (generalisering).

Derefter går du videre til en specifik opgave/problem, og fokuserer udelukkende på den information, der er vigtig for at løse den og ignorerer resten.

• Mønstergenkendelse (datarepræsentation).

Næste trin er at lede efter ligheder mellem det problem, du i øjeblikket arbejder på, og andre problemer, der er blevet løst tidligere (med den tilgængelige løsning). Målet er at finde mønstre, der kan anvendes på din nuværende opgave.

• Algoritmer.

Og endelig, med resultaterne af at anvende tidligere trin på plads, udvikler du en algoritme til en trin-for-trin problemløsning. En algoritme kan derefter udføres af en computer (eller din hjerne, som er de ultimative computerløsningsopgaver i dit liv).

Brug af computertænkning

At vide, hvordan man bruger CT, når de håndterer problemer og opgaver, som flertallet af softwareudviklere beskæftiger sig med regelmæssigt, kan være yderst nyttigt gennem hele din karriere inden for kodning. "Datalogi er ikke computerprogrammering. At tænke som en datalog betyder mere end at kunne programmere en computer. Det kræver tænkning på flere abstraktionsniveauer. Beregningstænkning er at tænke rekursivt. Det er parallel bearbejdning. Det fortolker kode som data og data som kode. Det er typekontrol som generalisering af dimensionsanalyse. Det er at anerkende både dyderne og farerne ved at aliasere eller give nogen eller noget mere end ét navn. Den anerkender både omkostningerne og kraften ved indirekte adressering og procedurekald. Det er at bedømme et program ikke kun for korrekthed og effektivitet, men for æstetik,forklarer Jeannette Wing i papiret fra 2006 om vigtigheden af ​​at lære computertænkning og lære det til alle førsteårsstuderende. Som du kan se, er beregningstænkning ikke kun beregnet til programmører og dataloger. Det bruges af mennesker (ofte ubevidst) i alle slags erhverv både til at løse arbejdsrelaterede problemer og i dagligdagen. Her er en hurtig guide til, hvordan du begynder at anvende beregningstænkning til enten kodningsopgaver eller stort set alle alvorlige problemer, du måtte have med at gøre i dit personlige liv.

• Anvendelse af nedbrydning.

Nedbrydning er en ganske simpel, men kraftfuld teknik, som kan hjælpe dig med at håndtere problemer/opgaver, der ved første øjekast virker for komplekse, og som dermed ofte giver udsættelse og andre vanskeligheder. Nøglen her er at træne din hjerne til at bruge nedbrydning på en regelmæssig basis, og opdele en opgave til en række mindre opgaver, der er nemmere at løse. Selvom nedbrydning kan virke som en meget enkel og endda indlysende metode, vil du blive overrasket over, hvor mange mennesker ikke er klar over det, hvilket gør det så meget sværere for dem at begynde at arbejde med store, globale opgaver (som at lære Java, for eksempel).

• Anvendelse af abstraktion.

At vide, hvordan man anvender abstraktion, er en stærk evne, hvis du kender teknikken og har trænet din hjerne til at bruge den ubevidst. Abstraktion handler om udelukkende at fokusere på den information, der kræves for at løse opgaven, mens man ignorerer alt andet. Brugt i kombination med nedbrydning er det dybest set metoden til at nærme sig stort set ethvert problem eller problem i dit liv. Når du beskæftiger dig med strengt programmeringsopgaver, hjælper abstraktion med at koncentrere dig og undgå, at din hjerne bliver udmattet for hurtigt.

• Anvendelse af mønstergenkendelse.

Mønstergenkendelse er en ganske vigtig færdighed i kodning, da den giver dig mulighed for at løse opgaver meget hurtigere ved at anvende tankemønstre, som din hjerne er fortrolig med og komfortabel med at bruge. Det er også en kraftfuld teknik at anvende på generelle livsproblemer: prøv bare at analysere eventuelle problemer, du står over for i dit liv og find (og lån) mønstre fra de dele af dit liv, der fungerer tilfredsstillende, og overfør dem til det aktuelle problem.

• Anvendelse af algoritmer.

Når du tænker over det, handler vores liv om at danne algoritmer. Vi kalder dem vaner. Vores hjerne har en tendens til at stole på vaner hver eneste dag, bare fordi den er mere effektiv og dermed praktisk. Det eneste problem er, at de fleste af os har en tendens til at gøre dette ubevidst, hvilket ofte resulterer i at danne forkerte og skadelige algoritmer (vi kalder dem dårlige vaner eller afhængighed). At vide, hvordan man bevidst danner nyttige algoritmer, kan være en yderst gavnlig livsfærdighed, der giver dig mulighed for at nå dine mål og få succes. Når det kommer til programmering, er det at vide, hvordan man danner en algoritme til at løse et bestemt problem på den mest hurtige og effektive måde, det, der adskiller en person, der bare ved, hvordan man koder, fra en erfaren professionel computerprogrammør.

Hvad siger eksperter?

Afslutningsvis er her, hvad nogle anerkendte datalogieksperter har at sige om Computational Thinking. Ifølge James Lockwood og Aidan Mooney, professorer ved University of Maynooth i Irland og forfattere til 'Computational Thinking in Education: Where does it fit?'rapport, er beregningsmæssig tænkning "en vital færdighed for det 21. århundredes arbejdere." "Selvom der udføres en masse forskning i undervisning i både CT og CS [datalogi] i skoler, vil masser af elever på tredje niveau aldrig have været udsat for disse begreber. Det er vigtigt, at både CS- og ikke-CS-studerende har gode problemløsningsevner, og CT kan i høj grad gavne dette. Mange forskellige metoder er blevet foreslået, og det ser ud til, at et ikke-obligatorisk CT-kursus for både CS og ikke-CS studerende er en særlig effektiv og brugbar metode. Dette kræver opbakning fra både administration og lærerpersonale, men fordelene, der er anført både i dette afsnit og i afsnit 7, viser, at det kan være til gavn for alle involverede. Der er også et stort udvalg af måder at undervise i CT i college-sammenhænge, ​​selvom det, de fleste har til fælles, er en mere praktisk, diskussionsledede kurser, og de fleste af disse metoder ser ud til at være vellykkede. Det menes, at CS-studerende måske vil drage fordel af dette, da det gør overgangen til "traditionel programmering" lettere for dem, siger eksperter. Conrad Wolfram, en berømt britisk technoekspert og iværksætter, går også ind for at undervise i computertænkning på gymnasier, ogkalder det endda 'koden til succes': "Computational thinking is the code to success. Den computerbaserede problemløsningsproces er så kraftfuld til at håndtere udfordringer i det virkelige liv, at det bør være et grundlæggende uddannelsesfag. I hvert fald hvis du ligesom jeg er enig i, at det grundlæggende formål med uddannelse bør være at berige vores liv ved at finde de mest effektive løsninger på problemer af enhver art." Hvad synes du? Virker beregningsmæssig tænkning for dig som noget, du burde praktisere mere i dit liv? Del dine tanker med os i kommentarfeltet nedenfor!