برنامه نویسی برای همه

علاوه بر این، خاطرنشان می‌شود که این نوع یادگیری برنامه نویسی مهارت‌ها قبلاً در آزمون‌های بین‌المللی مانند Trends in International Mathematics and Science Study (TIMSS) گنجانده شده‌اند که امکان اندازه‌گیری روند کشورها در ریاضیات و مهارت‌های علوم را فراهم می‌کند. از این نظر، تحقیقی که در مورد مهارت‌های تفکر محاسباتی و تأثیر آن بر موفقیت TIMSS صحبت می‌کند، به عمق چنین اندازه‌گیری‌هایی می‌پردازد که لحن توسعه آموزشی کشورها را تعیین می‌کند (Alyahya and Alotaibi, 2019).

برای گرگورینا (2021) در کار خود با عنوان "به دست آوردن تصویر: مدل سازی و شبیه سازی در آموزش متوسطه علوم کامپیوتر"، تفکر محاسباتی شامل مهارت مدل سازی است، مهارتی که در سطح پیچیدگی بالاتری نسبت به حل مسئله قرار دارد. بنابراین، تفکر محاسباتی شامل فرمول‌بندی مسائل می‌شود، به طوری که حل آنها با کامپیوتر، سازماندهی و تجزیه و تحلیل منطقی داده‌ها، نمایش داده‌ها از طریق مدل‌ها و خودکارسازی راه‌حل‌ها از طریق الگوریتم‌سازی، که شامل انتزاع‌ها و موازی‌سازی است، امکان‌پذیر است.

 بنابراین، با نگاهی به آموزش دانش‌آموزان، این مهارت‌ها نگرش‌هایی مانند: اعتماد به نفس در مواجهه با پیچیدگی، تداوم در کار با مشکلات دشوار، تحمل ابهام، توانایی یادگیری برنامه نویسی مقابله با مشکلات آشکار و توانایی کار با دیگران برای دستیابی به هدف را پشتیبانی و بهبود می‌بخشد.

یک هدف مشترک و برقراری ارتباط با آن بنابراین، برای مثالدر مدل‌سازی دو طرح‌واره، دانش‌آموزان باید دو طرحواره بسازند و آن‌ها را ترکیب کنند: طرحواره‌ای شامل موقعیتی که باید مدل‌سازی شود و طرحواره ابزارهایی (ریاضی، رایانه، علمی، زندگی روزمره و غیره) که می‌توان از آنها استفاده کرد. در ساخت یک مدل قابل درک که نشان دهنده وضعیتی است که باید مدل شود.

گرگورینا تفکر محاسباتی را برحسب مفاهیم اصلی آن توصیف می کند: جمع آوری داده ها، تجزیه و تحلیل داده ها، نمایش داده ها، تجزیه مسئله، انتزاع، الگوریتم ها و رویه ها، اتوماسیون، شبیه سازی و موازی سازی (CSTA Computational Thinking Task Force، 2011؛ در یادگیری برنامه نویسی گرگورینا، 2021).

 تعریف تفکر محاسباتی توسط مرکز تفکر محاسباتی کارنگی ملون (CMCCT) تکمیل شده است، که بیان می کند که از سه جنبه اساسی تشکیل شده است: انتزاع، مدل سازی، و تفکر الگوریتمی (مرکز تفکر محاسباتی کارنگی ملون، 2010؛ در گرگورینا، 2021). ).

در بررسی انجام شده توسط Shute و همکاران. (2017)، با عنوان "ابهام زدایی از تفکر محاسباتی"، او این مفهوم را به عنوان مجموعه ای از مهارت های تجزیه، انتزاع، طراحی الگوریتم، اشکال زدایی، تکرار، و تعمیم که به عنوان مهارت های ضروری برای حل مسئله درک می شود، مطرح می کند. با توجه به تفکر محاسباتی و برنامه نویسی، آنها در یک سطح تجزیه و تحلیل می شوند.

 با این حال، در نظر نمی گیرد که برنامه نویسی محاسباتی از طریق آموزش، امکان کسب مهارت های تفکر محاسباتی را فراهم می کند، زیرا قبل از کدنویسی یک برنامه، انتزاع و تجزیه یک مسئله ضروری است و همچنین بسته به پیچیدگی، انتزاع در چندین سطح ضروری خواهد بود. و پس از برنامه‌ریزی، یادگیری برنامه نویسی اشکال‌زدایی و بررسی اینکه آنچه انجام شده همان چیزی را که باید حل کند انجام می‌دهد، ضروری خواهد بود، بنابراین تفکر محاسباتی گام به گام گنجانده می‌شود. با توجه به کتابشناسی مورد بررسی، بیشتر آن بین سال های 2011 و 2015 مشاهده شده است، بنابراین آنچه در آنجا گفته می شود تغییر کرده است و برخی نتیجه گیری ها را منسوخ کرده است.

در Shute Shute و همکاران برجسته شده است. (2017)، تحقیقی توسعه یافت که در آن مقیاسی برای اندازه گیری تفکر محاسباتی ایجاد شد (رومن-گونزالس و همکاران، 2017؛ در Shute و همکاران، 2017)، که شامل یک مقیاس 28 ماده ای است و حدود 45 دقیقه طول می کشد تا کامل. این برنامه بر مفاهیم برنامه نویسی مانند جهت ها و توالی ها، حلقه ها، شرطی ها و توابع ساده تمرکز دارد.

 علاوه بر این، طبقه بندی ایجاد شده وجود دارد که یادگیری برنامه نویسی سطوح مختلف را دسته بندی می کند که نشان می دهد چگونه می توان طرح های درسی را طراحی کرد. طبقه‌بندی پیشنهادی، دسته‌های اصلی زیر را پیشنهاد می‌کند، که زیرمجموعه‌ها از آن‌ها مشتق می‌شوند، تا طرح‌های ارزیابی تفکر محاسباتی آینده را راهنمایی کنند: