Developing structural component of computational thinking using the algorithmic primitives method


Citar

Texto integral

Resumo

Problem statement. A modern specialist necessary quality is structural thinking, a skill with which a person is able to decompose a complex task into subtasks and create integral structures from a set of elements. The goal of the study is to substantiate the algorithmic primitives method to create a methodology for the development of a structural component of students’ computational thinking in the cluster of disciplines “Programming - Numerical Methods - Information Technologies in Education”. Methodology. The algorithmic primitives method is based on introduction of the concept “algorithmic primitive” understood as a template for an algorithm for solving elementary problems, from the set of which algorithms for solving complex problems can be built. Creation of the primitive is carried out with the use of mental schemes of subject area. Such an approach allows to automate practically all stages of training and to create e-learning tools. Results. The algorithmic primitives method for solving problems of various levels of complexity in the cluster of disciplines “Programming - Numerical Methods - Information Technologies in Education” is justified and implemented into educational practice. The training database of algorithmic primitives for e-courses in these disciplines has been created. Conclusion. The method of algorithmic primitives significantly facilitates teaching students to solve problems and contributes to the development of structural component of computational thinking.

Sobre autores

Irina Bazhenova

Siberian Federal University

Autor responsável pela correspondência
Email: apkad@yandex.ru
ORCID ID: 0000-0001-6960-0408
Código SPIN: 9208-1141

Candidate of Pedagogical Sciences, Associate Professor at the Department of Computing and Information Technologies, Institute of Mathematics and Computer Science

79 Svobodny Prospect, Krasnoyarsk, 660042, Russian Federation

Margarita Klunnikova

Siberian Federal University

Email: mklunnikova@sfu-kras.ru
ORCID ID: 0000-0003-3657-1019
Código SPIN: 9927-4184

Candidate of Pedagogical Sciences, Associate Professor at the Department of Computing and Information Technologies, Institute of Mathematics and Computer Science

79 Svobodny Prospect, Krasnoyarsk, 660042, Russian Federation

Nikolay Pak

Krasnoyarsk State Pedagogical University named after V.P. Astafyev

Email: nik@kspu.ru
ORCID ID: 0000-0003-4163-9436
Código SPIN: 9943-2111

Doctor of Pedagogical Sciences, Professor, Head of the Department of Informatics and Information Technology in Education, Institute of Mathematics, Physics and Informatics

89 Ada Lebedeva St, Krasnoyarsk, 660049, Russian Federation

Bibliografia

  1. Shannon N, Frischherz B. Structural Thinking. In: Metathinking. Management for Professionals. Cham: Springer; 2020. p. 23-27. https://doi.org/10.1007/978-3-03041064-3_3
  2. Minto B. The Minto pyramid principle: Golden rules for thinking, business writing, and speaking. Trans. from English by Yurchik II, Yurchik YuI. 9th ed. Moscow: Mann, Ivanov and Ferber; 2018. (In Russ.)
  3. Gronow M. Noticing structural thinking through the CRIG framework of mathematical structure. In: Proceedings of the 43rd Annual Conference of the Mathematics Education Research Group of Australasia, 5-8 July 2021, Singapore. Adelaide: MERGA; 2021. p. 211-218.
  4. Kupchinskaya MA, Yudalevich NV. Formation of structural thinking among studentsmanagers in the DBMS study. Business Education in the Knowledge Economy. 2018;2:42-46. (In Russ.)
  5. Barkhatova DA, Grushentseva DS. Diagnostics of structural thinking of bachelors of pedagogical education as a universal pedagogical competence. Open Education. 2024;28(1):54-60. (In Russ.) https://doi.org/10.21686/1818-4243-2024-1-54-60
  6. Klunnikova MM, Bazhenova IV, Pak NI, Kirgizova EV. Developing students computational thinking with a recursive polydisciplinary approach. Journal of Physics: Conference Series. 2020;1691:012190. https://doi.org/10.1088/1742-6596/1691/1/012190
  7. Bazhenova IV, Klunnikova ММ, Pak NI. School-university cluster of disciplines developing the calculative-algorithmic component of computational thinking. Informatics and Education. 2021;3:42-49. (In Russ.) https://doi.org/10.32517/02340453-2021-36-3-42-49
  8. Wing JM. Computational thinking. Communications of the ACM. 2006;49(3):33-35.
  9. Furber S. Shut down or restart? The way forward for computing in UK schools. The Royal Society Education Section; 2012. https://royalsociety.org/~/media/education/computing-in-schools/2012-01-12-computing-in-schools.pdf
  10. Lyon JA, Magana AJ. Computational thinking in higher education: A review of the literature. Computer Applications in Engineering Education. 2020;28(5):1174-1189. https://doi.org/10.1002/cae.22295
  11. Pak NI. A Mental approach to digital transformation of education. Open Education. 2021;25(5):4-14. (In Russ.) https://doi.org/10.21686/1818-4243-2021-5-4-14
  12. Gronow M, Mulligan J, Cavanagh M. Teachers’ understanding and use of mathematical structure. Mathematics Education Research Journal. 2022;34:215-240. https://doi.org/10.1007/s13394-020-00342-x
  13. Mason J, Stephens M, Watson A. Appreciating mathematical structure for all. Mathematics Education Research Journal. 2009;21(2):10-32. https://doi.org/10.1007/BF03217543
  14. Durak HY, Saritepeci M. Analysis of the relation between computational thinking skills and various variables with the structural equation model. Computers & Education. 2018;116:191-202.
  15. Rich P, Egan G, Ellsworth J. A framework for decomposition in computational thinking. In: Proceedings of the 2019 ACM Conference on Innovation and Technology in Computer Science Education, 15-17 July 2019, Aberdeen. New York: Association for Computing Machinery; 2019. p. 416-421. https://doi.org/10.1145/3304221.3319793
  16. Simon G. The sciences of the artificial. Trans. from English by Nappelbaum EL. 2nd ed. Moscow: Editorial URSS; 2004. (In Russ.)

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».