MOOC «Computational Thinking for Educators» от Google Kron418's blog / 13.07.2015 С 12 июля открыт массовый онлайн курс для учителей «Computational Thinking For Educators». «Computational thinking», CT, термин, который весьма приближённо можно перевести как «алгоритмическое мышление», по определению авторов курса, есть процесс решения проблем (problem solving), характеризуемый такими свойствами:Очевидно значение CT в разработке компьютерных приложений, но создатели MOOC предлагают применять его и для всех дисциплин школьного курса — математики, естественных и гуманитарных наук. Такой общий подход в изучении всей учебной программы, по мнению авторов, поможет обучающимся увидеть связи между учебными предметами, а также между школой и жизнью за её пределами.Заинтересованная сложностью предлагаемого подхода, я выбрала несколько материалов курса для ознакомления. Далее привожу черновой перевод одного из примеров применения CT в преподавании физики. Оригинал: Example: Modeling in Physics using Computational ThinkingОбзорАнализируя природу в экспериментах, изучая модели, создавая уравнения и выводя законы, ученые использовали принципы алгоритмического мышления веками. Изучив эти примеры, ученики поймут, как моделировать явления методом алгоритмического мышления для того, чтобы лучше понимать мир.МатериалыВсе эти примеры могут быть опробованы без компьютера — достаточно доски или бумаги с карандашом!Дополнительные технологии: ○ Установите Python 2.7 и VPython 5 ( для Windows , Mac или Linux).○ Электронные таблицы — Таблицы Google, OpenOffice, Excel ○ GeoGebra Для проведения собственных экспериментов понадобятся:маятник (подойдут шайбы на нити, чтобы можно было изменять массу и длину.) наклонная плоскость (линейка на книге, трасса для игрушечного автомобиля) и шарик ○ Приборы: Секундомеры и рулетки/линейки Цифровая лаборатория / Датчики (TrackerVideoAnalysis, Pasco, Vernier, PhysicsGizmo) Одно из преимуществ виртуальных моделей состоит в том, что с их помощью можно проверить гипотезы, выдвинутые в условиях, недостижимых в лаборатории (например, что происходит, когда нет тяжести, или когда она действует в противоположном направлении).Пример 1: маятникТрадиционно считается, что законы движения маятника открыл Галилей. Маятник — это объект, который раскачивается свободно на точке подвеса. Как говорит предание, Галилей был вдохновлён наблюдениями качания люстр в Пизанском соборе. Он заметил, что время, которое требуется для одного полного колебания люстры, остаётся неизменным независимо от начального угла отклонения люстры. Интересно, что он полагался на собственный пульс для измерения времени, так как не имел секундомера. Прим. перев. Часы с маятником, первые часы, изобрёл Гюйгенс именно на основании законов, выведенных Галилеем. Это положило начало точным измерениям в физике.АнализГалилей предположил, что движение маятника зависит от: Тригонометрических функций (периодическое движение) Силы тяжести, гравитации Длины нити маятника. Массы груза маятника Поиск зависимостей, связей величинГалилей провёл эксперименты для определения того, как значения угла отклонения, длины подвеса и массы маятника влияют на величину периода колебания маятника и обнаружил, что уменьшение длины нити маятника приводит к более быстрым колебаниям маятника и не зависят от его массы.Описание зависимостей, связей величинИзменение времени колебания экспоненциально зависит от изменения длины маятника.Проектирование алгоритмаВывод уравнений гармонического движения подтвердил прогнозы Галилея и более точно предсказал период колебаний маятника.В то же время стало понятно, что эта зависимость работает только при небольших амплитудах.Разработка алгоритмаЕсли бы Галилей владел псевдокодом...Эта модель на основе кода JamesStehna из CornellUniversityПример 2: Наклонная плоскость и Свободное падениеКак можно рассчитать ускорение свободного падения идеального шара? Галилей понимал, что собрать данные быстро движущегося объекта трудно, и поэтому он использовал наклонные плоскости с различными углами. АнализДля моделирования процесса скатывания шарика по наклонной плоскости, подобно Галилею, мы должны проанализировать существенные факторы модели. Это: изменение ускорения движения объекта по наклонной плоскости во времени и угол наклона плоскости. Поиск зависимостейГалилей проводил свои эксперименты с наклонной плоскостью, угол которой можно было изменять. У него не было точных часов, поэтому он использовал водяные часы и собственный пульс для измерения времени. Из своих опытов он обнаружил, что ускорение постоянно для данного угла. Он также обнаружил, что при приближении угла к 90 градусам (по вертикали) ускорение приближается к пределу (g). Описание связейРазработка алгоритмаПроектирование алгоритмаЗная, как меняется ускорение для различных углов, мы разработаем модель шара, катящегося по наклонной плоскости с любым углом наклона. Например, так: Настроить условия процесса (dt и сила тяжести). Создать плоскость с заданным значением угла наклона. Создать шар, катящийся под уклон. Рассчитать скорость и положение в заданный момент времени. Повторять шаг 4 до достижения шаром конца наклонной плоскости. Повторить шаги 2-5 для плоскостей с другим значением угла наклона. Пример:Итак, CT предполагает следующие шаги в изучении процесса, явления, объекта: Анализ. Выделение существенных факторов. Поиск связей. Выявление закономерностей. Описание найденных связей между параметрами объекта, процесса, явления. Проектирование алгоритма для функционирования модели (симулятора). Проверка адекватности модели. Решение задачи, проблемы. Вот такой аналитико-синтетический алгоритм. Сначала раскладываем по полочкам, затем связываем отдельные части воедино, а потом наблюдаем функционирование полученной модели в целом. Результаты моделирования применяем для решения конкретной задачи.Понятно, что описание очень схематичное, однако есть большой плюс. Мне эта методика импонирует тем, что объект исследования, процесс, явление, — рассматривается в своей целостности. Не отрабатываем «типовые задания» (то бишь разучиваем алгоритмы) после прослушивания теории, а изучаем! выдвигаем гипотезы! действуем!15 июля начинается основная содержательная часть курса. До 30 сентября предстоит освоить 5 модулей:[-]Введение в CT[-]Исследование алгоритмов[-]Поиск зависимостей[-]Разработка алгоритмов[-]Применение CT Будет интересно посмотреть, как эта методика работает в других дисциплинах.G+сообщество курсаО терминологии: как же всё-таки по-русски... Computational Thinking Google For Education MOOC алгоритмическое мышление методика