ΣΔΕ ΛΑΜΙΑΣ – ΗΛ. ΤΑΞΗ
Χρον. Διάρκεια:από 19-4-2021 έως 14-5-2021
ΠΛΗΡΟΦΟΡΙΚΗ: Υπολογιστική Σκέψη και Πληροφορική
Επιμέλεια: Ντέλλα Κατερίνα
Απαντήσεις στο e-mail: Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε. ή σε έντυπο στο σχολείο
ΥπολογιστικήΣκέψη (Computational Thinking-CT)
Οι ηλεκτρονικοί υπολογιστές μπορούν να χρησιμοποιηθούν προκειμένου να μας βοηθήσουν να λύσουμε εύκολα ή δύσκολα προβλήματα. Πριν όμως αντιμετωπιστεί ένα οποιοδήποτε πρόβλημα, πρέπει να γίνει κατανοητό το ίδιο το πρόβλημα και στη συνέχεια να αναζητηθούν οι τρόποι με τους οποίους θα μπορούσε αυτό να επιλυθεί. Η υπολογιστική σκέψη μας δίνει τη δυνατότητα να το κάνουμε αυτό. Mας επιτρέπει να αναλύσουμε ένα πολύπλοκο πρόβλημα, να το κατανοήσουμε και να αναπτύξουμε ενδεχόμενες λύσεις.
Η υπολογιστική σκέψη δεν είναι προγραμματισμός υπολογιστών, ούτε το να σκεφτόμαστε όπως οι υπολογιστές. Ο προγραμματισμός μαθαίνει στον υπολογιστή τι να κάνει και με ποιον τρόπο να το κάνει. Η υπολογιστική σκέψη μας δίνει τη δυνατότητα να εργαστούμε όπως ακριβώς θα λέγαμε στον υπολογιστή τι επιθυμούμε να κάνει.
Η υπολογιστική σκέψη περιλαμβάνει τα ακόλουθα χαρακτηριστικά:
- Διατύπωση προβλημάτων με έναν τέτοιο τρόπο που θα μας δίνει τη δυνατότητα να χρησιμοποιήσουμε έναν υπολογιστή και άλλα εργαλεία για την επίλυση τους.
- Οργάνωση και ανάλυση δεδομένων με έναν λογικό τρόπο.
- Αναπαράσταση δεδομένων μέσω αφαιρέσεων, όπως μοντέλα και προσομοιώσεις.
- Αυτοματοποίηση λύσεων μέσω της αλγοριθμικής σκέψης.
- Εντοπισμός, ανάλυση και εφαρμογή πιθανών λύσεων με στόχο την επίτευξη του πλέον αποτελεσματικού συνδυασμού βημάτων και πόρων.
- Γενίκευση και μεταφορά αυτής της διαδικασίας επίλυσης προβλημάτων σε μια ευρεία ποικιλία προβλημάτων.
Η υπολογιστική σκέψη στην πράξη
Ένα περίπλοκο πρόβλημα έχει το χαρακτηριστικό ότι εκ πρώτης όψεως δεν έχουμε ιδέα πώς να το λύσουμε. Η υπολογιστική σκέψη συντελεί στο να μάθουμε να σκεφτόμαστε ως εξής:
–Αρχικά, «σπάμε» το δύσκολο πρόβλημα σε άλλα μικρότερα, ευκολότερα διαχειρίσιμα προβλήματα (decomposition)
–Ασχολούμαστε ξεχωριστά με καθένα από αυτά τα λιγότερο περίπλοκα προβλήματα εξετάζοντας πώς έχουμε λύσει ήδη άλλα παραπλήσια προβλήματα (pattern recognition)
–Εστιάζουμε μόνο στα ουσιώδη χαρακτηριστικά αγνοώντας τις λεπτομέρειες (abstraction)
–Μετά, είμαστε σε θέση να επινοήσουμε απλά βήματα ή κανόνες για να λύσουμε τα λιγότερο περίπλοκα υποπροβλήματα (algorithms)
Αυτά τα απλά βήματα ή κανόνες χρησιμοποιούνται και για την ανάπτυξη προγραμμάτων (λογισμικού) μέσω των οποίων θα αξιοποιήσουμε τους υπολογιστές για την επίλυση πολύπλοκων προβλημάτων.
Παραδείγματα από την καθημερινότητα
Παράδειγμα 1ο:
Φανταστείτε ότι συμφωνήσατε να συναντηθείτε με τους φίλους σας ένα μέρος που δεν έχετε πάει ποτέ ξανά και πριν φύγετε από το σπίτι σχεδιάζετε τη διαδρομή που θα ακολουθήσετε. Ίσως σκέφτεστε τις διαθέσιμες διαδρομές και ποια είναι η προτιμότερη («βέλτιστη») – αυτή μπορεί να είναι:
–η συντομότερη από πλευράς απόστασης διαδρομή
–η λιγότερο χρονοβόρα διαδρομή
–η διαδρομή που περνάει από την αγαπημένη σας καφετέρια
Θα ακολουθήσετε τότε οδηγίες βήμα βήμα για να φτάσετε στον προορισμό σας μέσω της διαδρομής που επιλέξατε. Στην περίπτωση αυτή:
–το κομμάτι του σχεδιασμού της διαδρομής αποτελεί αναλογία για την υπολογιστική σκέψη
–το να ακολουθήσετε τις οδηγίες για τη μετάβαση αποτελεί αναλογία για τον προγραμματισμό.
Ως συνέχεια λοιπόν, φανταστείτε ότι θέλετε να αποφασίσετε τι θα κάνετε με την παρέα σας. Αν όλοι έχετε διαφορετικές προτιμήσεις, θα πρέπει να αποφασίσετε:
–Τι θα μπορούσατε να κάνετε
–Πού θα μπορούσατε να πάτε
–Ποιος θέλει να κάνει τι
–Τι έχετε κάνει στο παρελθόν που είχε επιτυχή έκβαση
–Πόσα χρήματα διαθέτετε και ποιο είναι το κόστος της κάθε εναλλακτικής πρότασης
–Πώς θα είναι ο καιρός
–Πόσο χρόνο έχετε στη διάθεσή σας
Από αυτές τις πληροφορίες, θα μπορούσατε ευκολότερα να αποφασίσετε πού να πάτε και τι να κάνετε, ώστε τα περισσότερα άτομα να είναι χαρούμενα, Θα μπορούσατε επίσης, αν θέλετε, να χρησιμοποιήσετε υπολογιστή για να συλλέξετε και να αναλύσετε τα δεδομένα ώστε να καταλήξετε στη βέλτιστη λύση για το πρόβλημα, τόσο στη συγκεκριμένη περίσταση όσο και σε άλλες παραπλήσιες που ενδεχομένως ανακύψουν στο μέλλον.
Παράδειγμα 2ο:
Φανταστείτε ότι παίζετε ένα ηλεκτρονικό παιχνίδι. Ανάλογα με το παιχνίδι, για να περάσετε την πίστα πρέπει να γνωρίζετε:
–Τι αντικείμενα πρέπει να συλλέξετε, πώς να τα συλλέξετε και πόσο χρόνο έχετε στη διάθεσή σας για τα συλλέξετε
–Πού είναι η έξοδος και ποια είναι η καλύτερη διαδρομή ώστε να φτάσετε γρηγορότερα στην έξοδο
–Τι είδους αντίπαλοι υπάρχουν και τα αδύνατα σημεία τους
Από αυτές τις λεπτομέρειες μπορείτε να επινοήσετε μια στρατηγική για να περάσετε την πίστα με τον πιο αποδοτικό τρόπο.
Και τα δύο προηγούμενα παραδείγματα είναι ενδεικτικά για τις περιπτώσεις στις οποίες χρησιμοποιείται η υπολογιστική σκέψη για την επίλυση πολύπλοκων προβλημάτων.
ΑΣΚΗΣΕΙΣ
1) Ακολουθήστε τον παρακάτω σύνδεσμο (φόρμα) και προσπαθήστε να λύσετε τις δραστηριότητες που σχετίζονται με την υπολογιστική σκέψη. Στο τέλος μην ξεχάσετε να πατήσετε το κουμπί ‘Υποβολή’.
https://docs.google.com/forms/d/19uBpc3ujG6csshEyrdhv4doTtXD77lZT7aMPR74nCyE/edit
Σας εύχομαι καλό Πάσχα, υγεία κι ευτυχία σε σας και τους δικούς σας ανθρώπους!