En rekke ting gjør CodeGym til det beste nettkurset for å lære å kode i Java fra bunnen av (i alle fall i våre øyne): nøye planlagt kursstruktur, praksis-først tilnærming , enormt antall oppgaver (over 1200), spennende og morsom historiefortelling , sosiale funksjoner osv. Men vi liker å tro at vi strekker oss ekstra for å hjelpe elevene våre til å lykkes, er det som gjør CodeGym best. Vårt oppdrag er ikke bare å hjelpe deg med å lære Java og finne en kodejobb etter (eller mens du fortsatt er midt i kurset), men å støtte utviklingen din, både personlig og profesjonell, med riktig kunnskap og informasjon.
Hva er Computational Thinking?
Computational Thinking (CT) er et konsept som bransjeeksperter kaller en 'kode for suksess' og 'vital ferdighet'. Selv om det er relativt enkelt, kan CT være nyttig langt utover bare programvareprogrammering. Begrepet ble først foreslått i 1980 av Seymour Papert, en matematiker og informatiker, som en måte å løse ulike programmeringsrelaterte problemer og oppgaver mer effektivt. Beregningstenkning er et sett med metoder som involverer å ta et komplekst problem og bryte det ned i en serie med mindre problemer som er lettere å håndtere, samt å uttrykke essensen av et problem og løsningen på måter som en datamaskin kan utføre. Enkelt sagt, før du begynner å kode for å lære en datamaskin å løse et spesifikt problem, må du vanligvis forstå problemet selv, finne en løsning, og først da lærer en datamaskin å håndtere det. Beregningstenkning er en metode for å gjøre denne prosessen raskere og enklere, men den er ikke begrenset bare til programmering og kan brukes på ulike deler av livet vårt. Selv om dette konseptet ble introdusert tilbake i 1980, har beregningstenkning begynt å få masseoppmerksomhet etter at Jeannette Wing, professor i informatikk ved Columbia University, foreslo å gjøre CT til en del av skolens læreplan som en av de grunnleggende ferdighetene som alle mennesker burde ha. .
Hvordan fungerer Computational Thinking?
Computational Thinking som teknikk består av fire hovedmetoder, som er dekomponering, generalisering/abstraksjon, mønstergjenkjenning/datarepresentasjon og algoritmer. De er alle like viktige og effektive når de brukes (på et problem) i riktig rekkefølge.
Dekomponering.
Du starter med dekomponering, som er å skille et problem i en rekke mindre problemer som er lettere å løse en etter en.
Abstraksjon (generalisering).
Deretter går du videre til en spesifikk oppgave/problem, og fokuserer utelukkende på informasjonen som er viktig for å løse den og ignorerer resten.
Mønstergjenkjenning (datarepresentasjon).
Neste trinn er å se etter likheter mellom problemet du jobber med og andre problemer som har blitt løst tidligere (med løsningen tilgjengelig). Målet er å finne mønstre som kan brukes på din nåværende oppgave.
Algoritmer.
Og til slutt, med resultatene av å bruke tidligere trinn på plass, utvikler du en algoritme for en trinnvis problemløsning. En algoritme kan da utføres av en datamaskin (eller hjernen din, som er de ultimate datamaskinløsningsoppgavene i livet ditt).
Bruke beregningstenkning
Å vite hvordan man bruker CT når de håndterer problemer og oppgaver de fleste programvareutviklere håndterer med jevne mellomrom, kan være svært nyttig gjennom hele din karriere innen koding. "Datavitenskap er ikke dataprogrammering. Å tenke som en dataforsker betyr mer enn å kunne programmere en datamaskin. Det krever tenkning på flere abstraksjonsnivåer. Beregningstenkning er å tenke rekursivt. Det er parallell behandling. Det tolker kode som data og data som kode. Det er typekontroll som generalisering av dimensjonsanalyse. Det er å erkjenne både dydene og farene ved å aliasere, eller å gi noen eller noe mer enn ett navn. Det erkjenner både kostnadene og kraften ved indirekte adressering og prosedyreanrop. Det er å bedømme et program ikke bare for korrekthet og effektivitet, men for estetikk,forklarer Jeannette Wing i papiret fra 2006 om viktigheten av å lære beregningstenkning og lære det til alle nybegynnere. Som du kan se, er beregningstenkning ikke bare ment for programmerere og datavitere. Det brukes av mennesker (ofte ubevisst) i alle slags yrker både for å løse arbeidsrelaterte problemer og i dagliglivet.
Her er en rask guide for hvordan du begynner å bruke beregningstenkning på enten kodingsoppgaver eller stort sett alle alvorlige problemer du måtte ha å gjøre med i ditt personlige liv.
Påføring av dekomponering.
Dekomponering er en ganske enkel, men kraftig teknikk, som kan hjelpe deg med å håndtere problemer/oppgaver som virker for komplekse ved første øyekast, og som dermed ofte forårsaker utsettelse og andre vanskeligheter. Nøkkelen her er å trene hjernen din til å bruke nedbrytning med jevne mellomrom, og dele en oppgave i en rekke mindre oppgaver som er lettere å løse. Selv om dekomponering kan virke som en veldig enkel og til og med åpenbar metode, vil du bli overrasket over hvor mange som ikke er klar over det, noe som gjør det så mye vanskeligere for dem å begynne å jobbe med store, globale oppgaver (som å lære Java, for eksempel).
Bruk av abstraksjon.
Å vite hvordan du bruker abstraksjon er en kraftig evne hvis du kjenner teknikken og har trent hjernen din til å bruke den ubevisst. Abstraksjon handler om å fokusere utelukkende på informasjonen som kreves for å løse oppgaven mens man ignorerer alt annet. Brukt i kombinasjon med dekomponering, er det i utgangspunktet metoden for å nærme seg stort sett ethvert problem eller problem i livet ditt. Når du arbeider med strengt programmeringsoppgaver, hjelper abstraksjon å konsentrere seg og unngå at hjernen din blir utmattet for raskt.
Bruk av mønstergjenkjenning.
Mønstergjenkjenning er en ganske viktig ferdighet i koding, siden den lar deg løse oppgaver mye raskere ved å bruke tankemønstre som hjernen din er kjent med og komfortabel med å bruke. Det er også en kraftig teknikk å bruke på generelle livsproblemer: bare prøv å analysere eventuelle problemer du står overfor i livet ditt og finn (og lån) mønstre fra de delene av livet ditt som fungerer tilfredsstillende, og overfør dem til det aktuelle problemet.
Bruk av algoritmer.
Når du tenker på det, handler livet vårt om å danne algoritmer. Vi kaller dem vaner. Hjernen vår har en tendens til å stole på vaner hver eneste dag, bare fordi den er mer effektiv og dermed praktisk. Det eneste problemet er at de fleste av oss har en tendens til å gjøre dette ubevisst, noe som ofte resulterer i å danne feil og skadelige algoritmer (vi kaller dem dårlige vaner eller avhengighet). Å vite hvordan du kan lage nyttige algoritmer bevisst kan være en ekstremt gunstig livsferdighet, som lar deg nå dine mål og lykkes. Når det gjelder programmering, er det å vite hvordan man danner en algoritme for å løse et bestemt problem på den mest raske og effektive måten det som skiller en person som bare vet hvordan man skal kode fra en erfaren profesjonell dataprogrammerer.
Hva sier ekspertene?
Avslutningsvis, her er hva noen anerkjente datavitenskapseksperter har å si om Computational Thinking. Ifølge James Lockwood og Aidan Mooney, professorer ved University of Maynooth i Irland og forfattere av 'Computational Thinking in Education: Where does it fit?'rapporten er beregningsmessig tenkning "en viktig ferdighet for arbeidere i det 21. århundre." "Selv om det forskes mye på undervisning i både CT og CS [datavitenskap] på skolene, vil mange elever på tredje nivå aldri ha blitt utsatt for disse konseptene. Det er viktig at både CS- og ikke-CS-studenter har gode problemløsningsevner og CT kan ha stor nytte av dette. Mange ulike metoder har blitt foreslått og det virker som om et ikke-obligatorisk CT-kurs for både CS- og ikke-CS-studenter er en spesielt effektiv og nyttig metode. Dette krever støtte fra både administrasjon og lærere, men fordelene som er oppført både i denne delen og i avsnitt 7 viser at det kan være fordelaktig for alle involverte. Det er også et stort utvalg måter å undervise i CT i høyskolesammenheng, selv om det de fleste har til felles er en mer praktisk, diskusjonsledede kurs, og de fleste av disse metodene ser ut til å være vellykkede. Det antas at CS-studenter kanskje vil dra nytte av dette ettersom det gjør overgangen til "tradisjonell programmering" lettere for dem, sier eksperter. Conrad Wolfram, en anerkjent britisk teknoekspert og gründer, tar også til orde for å undervise i databasert tenkning på høyskoler, ogkaller det til og med 'koden til suksess': «Beregningstenkning er koden til suksess. Den datamaskinbaserte problemløsningsprosessen er så kraftig når det gjelder å håndtere utfordringer i det virkelige livet at det bør være et kjernefag. I hvert fall hvis du, som meg, er enig i at det grunnleggende formålet med utdanning bør være å berike livene våre ved å finne de mest effektive løsningene på problemer av noe slag.» Hva tror du? Virker Computational Thinking for deg som noe du burde praktisere mer i livet ditt? Del dine tanker med oss i kommentarfeltet nedenfor!
GO TO FULL VERSION