Hva er egentlig algoritmisk tenkning?
Algoritmisk tenkning er en ferdighet som kan åpne mange dører til fremtiden. Å vite hvordan man kan formulere problemer, organisere informasjon logisk eller tenke abstrakt er grunnleggende prosesser som formulerer denne verdifulle kognitive tilnærmingen.
I en stadig mer kompleks verden trenger vi utvilsomt å vite hvordan vi skal takle utfordringene i omgivelsene våre.
Så betyr denne tilnærmingen å lære å tenke som maskiner gjør? Ikke egentlig. Den integrerer også mange av områdene som kunstig intelligens for tiden ikke kan håndtere eller oppnå. Lateral tenkning er også relatert til algoritmisk resonnement, det samme som å vite hvordan man skal håndtere emosjonelle variabler og fremfor alt forståelse av menneskelig atferd.
Selvfølgelig får begrepet “algoritmisk” oss automatisk til å tenke på logaritmeverden, chipper og subrutinene til sofistikerte datamaskiner. Hva denne tilnærmingen søker er imidlertid noe ganske annet. Dette perspektivet søker å møte alle problemene som kan åpne seg de neste årene ved å forene teknologi og menneskehet, behov med svar og utfordringer med innovative forslag.
La oss analysere dette emnet litt mer.
Algoritmisk tenkning: definisjon, egenskaper og formål
Algoritmisk tenkning er et begrep som stammer fra teoriene til Seymour Papert, pioner innen kunstig intelligens og oppfinner av programmeringsspråket Logo i 1968.
I 1995 foreslo han behovet for å omformulere utdanningssystemet og integrere datamaskiner og deres språk i skolens læreplan. Dermed forutså han behovet for å tilby verden folk som er trent innen databehandling.
Dr. Papert la grunnlaget for denne tilnærmingen gjennom 90-tallet. Etter hans død, utviklet imidlertid Dr. Jeannette Wing denne ideen mye lenger. Denne dataingeniøren og tidligere visepresident for Microsoft forklarte i sitt forskningsarbeid at algoritmisk tenkning vil påvirke alle aktivitetsfelt. En av hennes hovedoppgaver var “Computational thinking and thinking about computing“.
Hun insisterer også på viktigheten av det Papert foreslo: At denne nye kompetansen må integreres i skolens læreplan. Det er en viktig ferdighet som vil understøtte så mange områder i fremtiden, for eksempel ingeniørfag, humaniora og vitenskap. La oss se på hva algoritmisk tenkning består av.
Hva er det egentlig?
Algoritmisk tenkning er en kognitiv prosess på høyt nivå som lar oss tenke vitenskapelig når vi løser problemer. En ting vi vet er at datamaskiner og ny teknologi gjør livet vårt enklere ved å løse flere utfordringer. Vi må imidlertid ligge et skritt foran dem.
Videre påpeker Dr. Jeannette Wing at vi må forstå hvordan maskiner “tenker” for å forbedre driften i fremtiden. Det vi trenger er å vite hvordan vi kan kombinere naturlige prosesser med kunstige. Vi må lære å flette vår intuisjon og lateral tenkning med de kognitive prosessene vi trekker ut fra databehandling.
Karakteristikkene til algoritmisk tenkning
Denne typen perspektiv består i å utvikle en rekke eksekutive funksjoner. I virkeligheten bruker vi dem allerede i vårt daglige liv, men vi er ikke klar over dem, og vi får ikke alt vi bør ut av dem.
Ingenting er tross alt mer berikende enn å “lære å tenke bedre”. Takket være dette kunne vi løse hverdagens utfordringer på en mer innovativ måte.
Algoritmisk tenkning er basert på fire grunnleggende akser, som er følgende:
- Nedbrytning. Vi kan dele hver oppgave eller problem i mindre deler for å forstå dem bedre.
- Å vite hvordan man gjenkjenner mønstre. Hvert fenomen, erfaring, stimulans, problem eller omstendighet følger vanligvis et internt opplegg og reagerer på et mønster som vi kan identifisere.
- Abstrakt tenkning. Denne typen resonnement er eksklusiv for mennesker. Takket være det kan vi skape originale ideer eller til og med forutse situasjoner eller scenarier for å vite hvordan vi vil handle under disse omstendighetene.
- Algoritmer. En algoritme er en plan, en serie trinn eller et diagram som lar oss løse et problem trinnvis. Takket være dem kan vi utarbeide en rekke klare og enkle instruksjoner for å møte enhver gitt hendelse. En rekke aspekter definerer dem. De har for eksempel alltid et endelig antall trinn, har en bestemt slutt i tankene, og er spesifikke (ikke tvetydige).
Trinnene ved algoritmisk tenkning
Når du bruker algoritmisk tenkning, er det et annet aspekt vi må forstå, i tillegg til å være klar over alle faktorene og variablene som definerer det, og som vi allerede har analysert. Det er viktig å vite hvilken rekkefølge denne typen tenkning vanligvis følger.
- Analyse. Når du løser et problem, må du alltid analysere problemet grundig på forhånd.
- Abstraksjon. Det andre trinnet er å vite hvordan man kan formulere problemet. Hva skjer egentlig? Er det et mønster? Hvilken strategi kan jeg utforme? Hva kommer i tankene fra tidligere erfaringer knyttet til denne samme situasjonen?
- Uttrykk av løsningen eller forslaget. Etter å ha mentalt utformet strategien du trenger å følge, er det tid til å bruke den og teste den.
- Evaluering. Etter utførelsen er det på tide å evaluere. Fikk jeg ønsket resultat, eller kan jeg forbedre det på noen måte?
- Generalisere og overføre. Når du vurderer suksessen til det du har oppnådd, kan du bruke det du har utviklet til å bruke det på andre områder.
Viktigheten av å lære å tenke
Daniel Kahneman, psykolog og nobelprisvinner, er en av de viktigste tenkerne i verden. Han påpeker at mange mennesker i disse dager tar avgjørelser uten å resonnere i det hele tatt. I stedet bestemmer de seg for å bruke impulser. Andre stemmer uten å vite hva eller hvem de stemmer på.
Ingenting kan være så avgjørende og gunstig som å lære nye generasjoner å tenke. Vi må hjelpe mennesker med å ha et kritisk perspektiv på ting eller å vite hvordan man kan observere virkeligheten fra et mer analytisk og reflekterende perspektiv.
Algoritmisk tenkning er drivkraften for fremtiden. Ikke bare vil det hjelpe oss med å løse problemer mer intelligent, men det vil også gjøre det mulig for oss å være et skritt foran kunstig intelligens. Dette er viktig, slik at teknologiens verden alltid står til tjeneste for menneskeheten. La oss ha dette i bakhodet.
Alle siterte kilder ble grundig gjennomgått av teamet vårt for å sikre deres kvalitet, pålitelighet, aktualitet og validitet. Bibliografien i denne artikkelen ble betraktet som pålitelig og av akademisk eller vitenskapelig nøyaktighet.
- Berrocoso, Jesús Valverde; Sánchez, María Rosa Fernández; Arroyo, María del Carmen Garrido (23 de octubre de 2015). «El pensamiento computacional y las nuevas ecologías del aprendizaje». Revista de Educación a Distancia 0 (46).
- Wing, J. M. (2008). “Computational thinking and thinking about computing”. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. 366 (1881): 3717–3725. Bibcode:2008RSPTA.366.3717W. doi:10.1098/rsta.2008.0118.
- Wing, Jeannette (2014). “Computational Thinking Benefits Society”. 40th Anniversary Blog of Social Issues in Computing.
- Wing, Jeannette M. (March 2011). “Research Notebook: Computational Thinking—What and Why?”. The LINK. The Magazine of Carnegie Mellon University’s School of Computer Science. Carnegie Mellon University, School of Computer Science.
