Ett antal saker gör CodeGym till den bästa onlinekursen för att lära sig koda i Java från grunden (i alla fall i våra ögon): noggrant planerad kursstruktur, praktiken först , enormt antal uppgifter (över 1200), spännande och rolig berättande , sociala funktioner etc. Men vi tycker om att tro att vi går extra mil för att hjälpa våra elever att lyckas är det som gör CodeGym till det bästa. Vårt uppdrag är inte bara att hjälpa dig att lära dig Java och hitta ett kodningsjobb efter (eller medan du fortfarande är mitt i kursen), utan att stödja din utveckling, både personlig och professionell, med lämplig kunskap och information.
Vad är beräkningstänkande?
Computational Thinking (CT) är ett koncept som branschexperter kallar en "kod för framgång" och "vital skicklighet". Även om det är relativt enkelt, kan CT vara till hjälp långt utöver bara mjukvaruprogrammering. Termen föreslogs första gången 1980 av Seymour Papert, en matematiker och datavetare, som ett sätt att lösa olika programmeringsrelaterade problem och uppgifter mer effektivt. Beräkningstänkande är en uppsättning metoder som involverar att ta ett komplext problem och bryta ner det i en serie mindre problem som är lättare att hantera, samt att uttrycka kärnan i ett problem och lösningen på sätt som en dator skulle kunna utföra. Enkelt uttryckt, innan du börjar koda för att lära en dator att lösa ett specifikt problem, skulle du normalt behöva förstå problemet själv, hitta en lösning, och först då lär en dator att hantera det. Beräkningstänkande är en metod för att göra denna process snabbare och enklare, men den är inte begränsad till bara programmering och kan tillämpas på olika delar av vårt liv. Även om detta koncept introducerades redan 1980, har beräkningstänkande börjat få stor uppmärksamhet efter att Jeannette Wing, professor i datavetenskap vid Columbia University, föreslog att göra CT till en del av skolans läroplan som en av de grundläggande färdigheterna som alla människor borde ha. .
Hur fungerar beräkningstänkande?
Computational Thinking som teknik består av fyra huvudmetoder, som är nedbrytning, generalisering/abstraktion, mönsterigenkänning/datarepresentation och algoritmer. De är alla lika viktiga och effektiva när de appliceras (på ett problem) i rätt ordning.
Sönderfall.
Man börjar med nedbrytning, vilket är att separera ett problem i ett antal mindre problem som är lättare att lösa ett och ett.
Abstraktion (generalisering).
Sedan går du vidare till en specifik uppgift/problem, fokuserar uteslutande på den information som är viktig för att lösa det och ignorerar allt annat.
Mönsterigenkänning (datarepresentation).
Nästa steg är att leta efter likheter mellan problemet du arbetar med och andra problem som har lösts tidigare (med lösningen tillgänglig). Målet är att hitta mönster som kan appliceras på din nuvarande uppgift.
Algoritmer.
Och slutligen, med resultaten av att tillämpa tidigare steg på plats, utvecklar du en algoritm för en steg-för-steg-problemlösning. En algoritm kan sedan exekveras av en dator (eller din hjärna, vilket är den ultimata datorlösande uppgiften i ditt liv).
Använda beräkningstänkande
Att veta hur man använder CT när de hanterar problem och uppgifter som majoriteten av mjukvaruutvecklare hanterar regelbundet kan vara oerhört användbart under hela din karriär inom kodning. "Datavetenskap är inte datorprogrammering. Att tänka som en datavetare betyder mer än att kunna programmera en dator. Det kräver tänkande på flera nivåer av abstraktion. Beräkningstänkande är att tänka rekursivt. Det är parallell bearbetning. Det tolkar kod som data och data som kod. Det är typkontroll som generalisering av dimensionsanalys. Det är att erkänna både dygderna och farorna med att alias, eller ge någon eller något mer än ett namn. Den erkänner både kostnaden och kraften med indirekt adressering och proceduranrop. Det är att bedöma ett program inte bara för korrekthet och effektivitet utan för estetik,förklarar Jeannette Wing i 2006 års uppsats om vikten av att lära sig beräkningstänkande och lära ut det för alla förstaårsstudenter. Som du kan se är beräkningstänkande inte bara avsett för programmerare och datavetare. Det används av människor (ofta omedvetet) i alla typer av yrken både för att lösa arbetsrelaterade problem och i det dagliga livet.
Här är en snabbguide om hur du börjar tillämpa beräkningstänkande på antingen kodningsuppgifter eller i stort sett alla allvarliga problem du kan ha att göra med i ditt personliga liv.
Tillämpa nedbrytning.
Nedbrytning är en ganska enkel men kraftfull teknik, som kan hjälpa dig att hantera problem/uppgifter som vid första anblicken verkar för komplexa och därmed ofta orsaka förhalning och andra svårigheter. Nyckeln här är att träna din hjärna att använda nedbrytning på en regelbunden basis, dela upp en uppgift till ett antal mindre uppgifter som är lättare att lösa. Även om nedbrytning kan verka som en väldigt enkel och till och med självklar metod, skulle du bli förvånad över hur många människor inte är medvetna om det, vilket gör det så mycket svårare för dem att börja arbeta med stora, globala uppgifter (som att lära sig Java, till exempel).
Att tillämpa abstraktion.
Att veta hur man tillämpar abstraktion är en kraftfull förmåga om du kan tekniken och har tränat din hjärna att använda den omedvetet. Abstraktion handlar om att enbart fokusera på den information som krävs för att lösa uppgiften samtidigt som man ignorerar allt annat. Används i kombination med nedbrytning, är det i grunden metoden för att närma sig i stort sett alla problem eller problem i ditt liv. När du arbetar med strikt programmeringsuppgifter hjälper abstraktion att koncentrera dig och undvika att din hjärna utmattas för snabbt.
Tillämpa mönsterigenkänning.
Mönsterigenkänning är en ganska viktig färdighet i kodning, eftersom den låter dig lösa uppgifter mycket snabbare genom att tillämpa tankemönster som din hjärna är bekant med och bekväm att använda. Det är också en kraftfull teknik att tillämpa på allmänna livsproblem: försök bara analysera eventuella problem du står inför i ditt liv och hitta (och låna) mönster från de delar av ditt liv som fungerar tillfredsställande, överför dem till det aktuella problemet.
Tillämpa algoritmer.
När du tänker på det handlar vårt liv om att forma algoritmer. Vi kallar dem vanor. Vår hjärna tenderar att förlita sig på vanor varje dag, bara för att den är mer effektiv och därmed praktisk. Det enda problemet är att de flesta av oss tenderar att göra detta omedvetet, vilket ofta resulterar i att vi skapar felaktiga och skadliga algoritmer (vi kallar dem dåliga vanor eller beroende). Att veta hur man skapar användbara algoritmer medvetet kan vara en extremt fördelaktig livsfärdighet som gör att du kan nå dina mål och bli framgångsrik. När det kommer till programmering är det att veta hur man skapar en algoritm för att lösa ett visst problem på det snabbaste och mest effektiva sättet som skiljer en person som bara vet hur man kodar från en erfaren professionell datorprogrammerare.
Vad säger experterna?
Sammanfattningsvis, här är vad några erkända datavetenskapsexperter har att säga om Computational Thinking. Enligt James Lockwood och Aidan Mooney, professorer vid University of Maynooth i Irland och författare till " Computational Thinking in Education: Where does it fit?"beräkningstänkande "är en viktig färdighet för 2000-talets arbetare." "Även om det bedrivs mycket forskning om undervisning i både CT och CS [datavetenskap] i skolor, kommer många elever på tredje nivå aldrig att ha blivit utsatta för dessa begrepp. Det är viktigt att både CS- och icke-CS-studenter har goda problemlösningsförmåga och CT kan ha stor nytta av detta. Många olika metoder har föreslagits och det verkar som att en icke-obligatorisk CT-kurs för både CS- och icke-CS-studenter är en särskilt effektiv och användbar metod. Detta kräver stöd från både administration och lärare, men fördelarna som anges både i detta avsnitt och i avsnitt 7 visar att det kan vara till nytta för alla inblandade. Det finns också ett stort antal sätt att lära ut CT i högskolesammanhang, även om det de flesta har gemensamt är en mer praktisk, diskussionsledda kurser, och de flesta av dessa metoder verkar vara framgångsrika. Man tror att CS-studenter kanske kommer att dra nytta av detta eftersom det gör övergången till "traditionell programmering" lättare för dem, säger experter. Conrad Wolfram, en känd brittisk technoexpert och entreprenör, förespråkar också för undervisning i beräkningstänkande på högskolor ochkallar det till och med 'koden till framgång': ”Beräkningstänkande är koden till framgång. Den datorbaserade problemlösningsprocessen är så kraftfull för att ta itu med verkliga utmaningar att den borde vara ett centralt pedagogiskt ämne. Åtminstone om du, som jag, håller med om att det grundläggande syftet med utbildning bör vara att berika våra liv genom att hitta de mest effektiva lösningarna på problem av något slag.” Vad tror du? Tycker du att beräkningstänkande är något du borde träna mer i ditt liv? Dela dina tankar med oss i kommentarsfältet nedan!
GO TO FULL VERSION