Machine Translated by Google

J Sci Education Technol

DOI 10.1007/s10956-015-9581-5

Mendefinisikan Pemikiran Komputasi untuk Matematika dan Sains

Ruang kelas

David Weintrop1,2 • Elham Beheshti3 • Michael Horn1,2,3 • Kai Orton1,2 •

Kemi Jona2,3 • Laura Trouille5,6 • Uri Wilensky1,2,3,4

Springer Science+Business Media New York 2015

Abstrak Sains dan matematika menjadi usaha komputasional. Fakta
ini tercermin dalam baru-baru ini
merilis Next Generation Science Standards dan keputusannya
untuk memasukkan ''pemikiran komputasional'' sebagai praktik ilmiah
inti. Dengan tambahan ini, dan kehadiran yang meningkat
komputasi dalam matematika dan konteks ilmiah, a
urgensi baru telah datang ke tantangan untuk mendefinisikan pemikiran
komputasi dan memberikan landasan teoretis
untuk bentuk apa yang harus diambil di kelas sains dan matematika
sekolah. Makalah ini menyajikan tanggapan untuk ini
tantangan dengan mengusulkan definisi komputasi
berpikir untuk matematika dan sains dalam bentuk a
taksonomi yang terdiri dari empat kategori utama: praktik data, praktik
pemodelan dan simulasi, komputasi
praktik pemecahan masalah, dan praktik berpikir sistem.
Dalam merumuskan taksonomi ini, kami memanfaatkan yang ada
literatur berpikir komputasi, wawancara dengan matematikawan dan
ilmuwan, dan komputasi yang patut dicontoh
& David Weintrop
dweintrop@u.northwestern.edu
1
Pusat Pembelajaran Terhubung dan Berbasis Komputer
Pemodelan, Universitas Northwestern, Evanston, IL 60208,
Amerika Serikat
bahan ajar berpikir. Pekerjaan ini dilakukan
sebagai bagian dari upaya yang lebih besar untuk menanamkan pemikiran komputasi
ke dalam kurikuler sains dan matematika sekolah menengah
bahan. Dalam makalah ini, kami berpendapat untuk pendekatan
menanamkan pemikiran komputasi dalam matematika dan
konteks sains, menyajikan taksonomi, dan mendiskusikan bagaimana
kami membayangkan taksonomi yang digunakan untuk membawa arus
upaya pendidikan sejalan dengan sifat komputasional sains dan
matematika modern yang semakin meningkat.
Kata Kunci Berpikir komputasional SMA
pendidikan matematika dan sains pendidikan STEM
Praktik ilmiah Pemikiran sistem Pemodelan dan
simulasi pemecahan masalah komputasi
pengantar
Pada tahun 2020, satu dari setiap dua pekerjaan di bidang ''STEM''
akan dalam komputasi
(Laporan jalur ACM 2013)
Pelepasan Standar Sains Generasi Berikutnya
(NGSS) menempatkan penekanan baru pada investigasi otentik
di kelas, termasuk delapan praktik ilmiah yang berbeda (NGSS Lead

States 2013). Sementara beberapa di antaranya

2
Ilmu Pengetahuan, Universitas Northwestern, Evanston,
praktik akrab bagi guru veteran, seperti ''bertanya'
IL 60208, AS
pertanyaan dan mendefinisikan masalah,'' yang lain kurang baik
3
Ilmu Komputer, Universitas Northwestern, Evanston,
dipahami. Secara khusus, praktik ''menggunakan matematika dan
IL 60208, AS
pemikiran komputasional'' mencerminkan pertumbuhan
4
Institut Northwestern tentang Sistem Kompleks, Evanston,
pentingnya komputasi dan teknologi digital di seluruh
IL 60208, AS
disiplin ilmu. Hasil pendidikan serupa dapat
5
Planetarium Adler, Chicago, IL 60605, AS ditemukan dalam standar matematika, seperti Common
6
Pusat Eksplorasi dan Penelitian Interdisipliner di Pedoman inti, yang menyatakan bahwa siswa harus mampu
Astrofisika (CIERA), Universitas Northwestern, Evanston, ''menggunakan alat teknologi untuk mengeksplorasi dan memperdalam
IL 60208, AS

123
Machine Translated by Google
pemahaman konsep'' (National Governors Association 2010, hlm.
7). Namun, dimasukkannya praktik-praktik ini, dengan sendirinya,
menawarkan sedikit panduan bagi guru yang akan diminta untuk
mewujudkannya di kelas mereka. Sebagian besar kesulitan berasal
dari fakta bahwa praktik yang dikumpulkan di bawah payung istilah
"pemikiran komputasional" (National Research Council [NRC] 2010;
Wing 2006; Papert 1996) belum didefinisikan dengan jelas. Hal ini
terutama berlaku untuk penggunaannya dalam konteks ilmiah atau
matematika yang bertentangan dengan pengaturan ilmu komputer
yang lebih umum. Ada juga perdebatan dan diskusi aktif seputar
pertanyaan kunci seperti: Bagaimana pemikiran komputasional
terkait dengan pemikiran matematis, pemikiran algoritmik, atau
pemecahan masalah?
Bagaimana kaitannya dengan bidang ilmu komputer? Sejauh mana
pemrograman komputer terlibat? Apakah pemikiran komputasional
selalu membutuhkan komputer?
Tujuan kami dalam makalah ini adalah untuk mengembangkan
pemahaman yang lebih bernuansa tentang pemikiran komputasi
khususnya yang berlaku untuk disiplin ilmu matematika dan sains
dan kebutuhan guru sekolah menengah yang diharapkan untuk
mempersiapkan siswa untuk karir potensial di bidang ini. Tidak
seperti kebanyakan diskusi tentang pemikiran komputasi hingga
saat ini, yang menekankan topik-topik dari ilmu komputer seperti
abstraksi dan algoritma, pendekatan kami untuk mendefinisikan
pemikiran komputasional mengambil bentuk taksonomi praktik yang
berfokus pada penerapan pemikiran komputasional pada matematika
dan sains. . Pendekatan ini menggunakan matematika dan sains
sebagai konteks yang bermakna untuk menempatkan konsep dan
praktik pemikiran komputasional dan mengacu pada cara
matematikawan dan ilmuwan menggunakan pemikiran komputasional
untuk memajukan disiplin ilmu mereka. Konteks yang lebih terbatas
ini memungkinkan kita untuk lebih jelas mencirikan apa itu pemikiran
komputasional dalam matematika dan sains.
Taksonomi terdiri dari empat kategori utama: praktik data, praktik
pemodelan dan simulasi, praktik pemecahan masalah komputasi,
dan praktik berpikir sistem.
Kami menjelaskan masing-masing praktik ini dan komponen
penyusunnya, dan kami menjelaskan seperti apa rasanya untuk
menunjukkan penguasaan strategi setiap praktik. Kontribusi dari
pekerjaan ini adalah untuk memberikan definisi pemikiran
komputasional yang dapat ditindaklanjuti dan siap di kelas yang
mengacu pada beasiswa pemikiran komputasi yang ada dan
menggabungkan konsep yang secara khusus berfokus pada konteks
matematika dan sains. Dalam melakukannya, kami menyediakan
kerangka kerja dan bahasa bersama yang dapat digunakan untuk
membawa pengajaran matematika dan sains lebih sesuai dengan
sifat komputasi mereka yang semakin meningkat. Selanjutnya,
dalam membumikan konsepsi pemikiran komputasional kami dalam
matematika dan sains, kami mempersempit ruang lingkup pemikiran
komputasional dari hal-hal umum, memberikan definisi yang lebih
tajam yang berbeda dari ilmu komputer, namun masih didasarkan
pada praktik komputasi yang otentik dan bermakna yang penting untuk siswa untuk dikuasai.
123
J Sci Education Technol
Mengapa Membawa Pemikiran
Komputasi ke Kelas Matematika dan Sains?
Motivasi utama untuk memperkenalkan praktik berpikir komputasional
ke dalam kelas sains dan matematika adalah sifat disiplin yang
berubah dengan cepat seperti yang dipraktikkan di dunia profesional
(Bailey dan Bor wein 2011; Foster 2006; Henderson et al. 2007).
Dalam 20 tahun terakhir, hampir setiap bidang yang terkait dengan
sains dan matematika telah mengalami pertumbuhan rekan
komputasi.
Contohnya termasuk Bioinformatika, Statistik Komputasi,
Kemometrik, dan Neuroinformatika. Peningkatan pentingnya
komputasi sehubungan dengan matematika, sains, dan bidang
Sains, Teknologi, Teknik, dan Matematika (STEM) yang lebih luas
telah diakui baik oleh komunitas pendidikan STEM maupun
organisasi pendidikan ilmu komputer (ACM/IEEE- CS Joint Task
Force on Computing Curricula 2013). Membawa alat dan praktik
komputasi ke dalam kelas matematika dan sains memberi peserta
didik pandangan yang lebih realistis tentang apa bidang ini, lebih
mempersiapkan siswa untuk mengejar karir dalam disiplin ini
(Augustine 2005; Gardner 1983), dan membantu membekali siswa
untuk menjadi warga STEM yang lebih cerdas dalam masa depan.
Sebagai Foster (2006), direktur Lab Komputasi di Universitas
Chicago, menyatakan, ''semua ilmuwan akan mahir menerapkan
teknik komputasi yang ada'' (hal. 419). Lebih lanjut, penggunaan
pemikiran komputasional yang bervariasi dan terapan oleh para ahli
di bidang ini memberikan peta jalan untuk instruksi pemikiran
komputasional apa yang harus disertakan di dalam kelas.
Dari perspektif pedagogis, penggunaan perangkat komputasi dan
keterampilan yang bijaksana dapat memperdalam pembelajaran
konten matematika dan sains (Guzdial 1994; Eisenberg 2002; Dewan
Riset Nasional 2011a, b; Redish dan Wilson 1993; Repenning dkk.
2010; Sengupta dkk. 2013; Sherin 2001; Wilensky 1995; Wilensky
dkk. 2014; Wilensky dan Reisman 2006). Kebalikannya juga benar
—yaitu bahwa sains dan matematika memberikan konteks yang
bermakna (dan serangkaian masalah) di mana pemikiran
komputasional dapat diterapkan (Hambrusch et al. 2009; Jona et al.
2014; Lin dkk. 2009; Wilensky dkk. 2014). Hal ini sangat berbeda
dari pengajaran pemikiran komputasi sebagai bagian dari kursus
mandiri di mana tugas yang diberikan kepada siswa cenderung
dipisahkan dari masalah dan aplikasi dunia nyata. Rasa keaslian
dan penerapan dunia nyata ini penting dalam upaya untuk
memotivasi partisipasi yang beragam dan bermakna dalam kegiatan
komputasi dan ilmiah (Blikstein 2013; Chinn dan Malhotra 2002;
Confrey 1993; Margolis dan Fisher 2003; Margolis 2008; Ryoo et al.
2013). Hubungan timbal balik ini—menggunakan komputasi untuk
memperkaya pembelajaran matematika dan sains dan menggunakan
konteks matematika dan sains untuk memperkaya
Machine Translated by Google
J Sci Education Technol
pembelajaran komputasi—adalah inti dari motivasi kami untuk
menyatukan pemikiran komputasi dan konsep sains dan matematika.
Motivasi terakhir untuk membawa pemikiran komputasi ke dalam
kelas matematika dan sains adalah untuk menjangkau audiens seluas
mungkin dan mengatasi masalah lama tentang kurangnya representasi
perempuan dan minoritas di bidang komputasi (National Science
Foundation 2013).
Saat ini, hanya sebagian kecil siswa sekolah menengah yang memiliki
kesempatan untuk mengambil kursus ilmu komputer karena kurangnya
guru yang berkualitas, fasilitas yang tidak memadai, atau kendala
dalam penjadwalan kelas. Menanamkan kegiatan berpikir komputasi
dalam kursus matematika dan sains secara langsung membahas
masalah siswa yang memilih sendiri (atau keluar dari) kelas ilmu
komputer, yang telah menjadi tantangan lama mengganggu upaya
untuk menjangkau pemuda yang kurang terlayani (Margolis dan Fisher
2003; Margolis 2008) . Ini juga menghindari masalah praktis untuk
menyesuaikan kelas baru dengan jadwal sekolah yang padat dan
menemukan guru untuk mengajar mereka.
Audiens yang Dituju
Salah satu kontribusi dari pekerjaan yang kami sajikan di sini adalah
seperangkat pedoman yang dapat ditindaklanjuti yang dapat diikuti
untuk membawa pemikiran komputasi ke dalam kelas matematika dan
sains dengan cepat dan efektif. Dalam memilih untuk menjangkau
matematika dan sains secara luas, taksonomi ini mendefinisikan
bahasa bersama yang dapat digunakan di seluruh kelas dan
departemen untuk membantu siswa memahami sifat lintas sektor dan
penerapan pemikiran komputasi yang luas.
Dengan demikian, taksonomi yang kami sajikan dalam makalah ini
ditujukan untuk beragam pemangku kepentingan pendidikan termasuk
guru, administrator, perancang kurikulum, pengembang penilaian, dan
peneliti pendidikan. Untuk guru, taksonomi kami dimaksudkan untuk
memberikan serangkaian praktik yang konkret dan digambarkan
dengan jelas untuk memandu implementasi kelas dan pengembangan
kurikulum. Kami berharap dapat membantu para guru memahami
bagaimana mereka telah menggunakan praktik berpikir komputasional
di kelas mereka dan untuk mendukung mereka dalam mengembangkan
aspek-aspek pelajaran tersebut secara lebih penuh. Tujuan kami
bukanlah untuk secara radikal mengubah praktik guru berpengalaman
yang ada; sebagai gantinya, kami ingin taksonomi ini berfungsi sebagai
sumber daya untuk menambah pedagogi dan kurikulum yang ada
dengan praktik berpikir komputasional yang lebih canggih. Untuk
administrator dan pembuat kebijakan, pajak onomi dimaksudkan untuk
membantu membentuk harapan dan menetapkan prioritas untuk
pendidikan matematika dan sains, terutama dalam hal mempersiapkan
siswa untuk tuntutan abad kedua puluh satu. Memahami dimensi
komputasi yang semakin meningkat dari bidang ini mungkin juga
membantu administrator mengalokasikan sumber daya pengembangan
profesional sesuai dengan kebutuhan guru.
Untuk pengembang kurikulum dan perancang pengalaman belajar
lainnya, harapan kami adalah bahwa taksonomi akan berfungsi sebagai
sumber daya untuk menjawab pertanyaan ''apa'' dan ''bagaimana''
yang menyertai pembuatan materi pendidikan baru.
Dengan semakin pentingnya akuntabilitas di sekolah kita, kebutuhan
akan penilaian yang akurat dan tervalidasi menjadi sangat penting.
Dengan memberikan definisi yang jelas tentang apa yang termasuk
dalam pemikiran komputasional dalam konteks ilmiah dan matematika,
taksonomi ini dapat digunakan sebagai sumber daya bagi pengembang
penilaian yang ditugaskan untuk membuat item yang akan mengukur
praktik ini.
Akhirnya, untuk peneliti pendidikan, kami melihat karya ini sebagai
kontribusi teoretis dan praktis untuk pemahaman kami tentang sifat
pendidikan sains dan matematika di era teknologi kami yang semakin
meningkat. Sementara praktik sains dan matematika telah banyak
berubah selama 50 tahun terakhir karena kemajuan teknologi, ruang
kelas tidak mengimbanginya. Dengan menggambarkan ruang
pemikiran komputasi sehubungan dengan bidang-bidang ini, kami
berharap dapat menyediakan sumber daya bagi peneliti pendidikan
lainnya untuk digunakan dalam upaya mereka memodernisasi sains
dan matematika.
pembelajaran ematika untuk lebih mempersiapkan siswa menghadapi
masa depan komputasi yang menanti mereka.
Latar belakang
Pada bagian ini, kami meninjau secara singkat tiga literatur yang telah
menginformasikan taksonomi yang kami sajikan dalam makalah ini.
Pertama, kami meninjau literatur tentang pemikiran komputasi,
menempatkannya secara historis, dan menggambarkan upaya terbaru
yang relevan untuk mengoperasionalkan konsep tersebut. Kami
kemudian membahas penelitian yang berfokus pada membawa
pemikiran komputasi ke dalam kelas, tujuan yang merupakan pusat agenda penelitian
Akhirnya, kami meninjau pertumbuhan peran komputasi di bidang
matematika dan sains.
Pemikiran Komputasi
Untuk membaca, menulis, dan berhitung, kita harus
menambahkan pemikiran komputasional pada kemampuan
analitis setiap anak (Wing 2006, hal. 33)
Tema pendorong di balik minat baru-baru ini dalam pemikiran
komputasional adalah bahwa pengetahuan dan keterampilan dari
bidang ilmu komputer telah menjangkau aplikasi yang jauh dari mana
setiap orang dapat mengambil manfaat: ''[pemikiran komputasional]
mewakili sikap dan keterampilan yang berlaku secara universal untuk
semua orang, bukan hanya ilmuwan komputer, akan bersemangat
untuk belajar dan menggunakan'' (Wing 2006, hal. 33). Argumen ini
telah berulang, dalam satu atau lain bentuk, selama setengah abad
terakhir. Perlis (1962), penerima pertama ACM
123
Machine Translated by Google
Turing Award, mengatakan bahwa semua mahasiswa harus belajar
memprogram sebagai bagian dari pendidikan liberal (sebagaimana
dikutip dalam Guzdial 2008). Papert (1972, 1980) memperluas visi ini ke
literasi penuh yang dimulai sejak masa kanak-kanak. Papert (1996)
adalah orang pertama yang menggunakan istilah pemikiran komputasional
untuk merujuk pada upaya representasi komputasional untuk
mengekspresikan ide-ide yang kuat. Panggilan serupa telah dilakukan
secara teratur dalam beberapa dekade sejak itu (diSessa 2000; Kay dan
Goldberg 1977; Guzdial dan Soloway 2003; Papert 1972, 1980; Wilensky
2001).
Pekerjaan paling awal untuk menerapkan ide ini adalah pengembangan
bahasa pemrograman Logo (Feurzeig et al. 2011; Papert 1980).
Sementara Logo dirancang paling cepat untuk mengajarkan konsep
matematika, penciptanya dengan cepat mengenali manfaat yang luas
dari keterampilan yang dipelajari melalui pemrograman, dengan alasan
bahwa '' kehadiran komputer dapat berkontribusi pada proses mental
tidak hanya secara instrumental tetapi dengan cara konseptual yang
lebih penting, mempengaruhi bagaimana orang berpikir bahkan ketika
mereka jauh dari kontak fisik dengan komputer'' (Papert 1980, hal. 4).
Perspektif penting lainnya tentang pemikiran komputasional berasal dari
karya diSessa (2000) dan bukunya Changing Minds. Secara khusus,
diSessa berpendapat bahwa komputer dapat menjadi dasar untuk bentuk
literasi baru yang kuat yang memiliki potensi untuk meresap ke seluruh
mata pelajaran, konteks, dan domain.
Sejumlah definisi baru-baru ini telah diusulkan untuk pemikiran
komputasional tanpa konsensus yang muncul (Grover dan Pea 2013).
Wing mengusulkan definisi yang menekankan kontribusi unik dari bidang
ilmu komputer untuk berbagai usaha manusia: ''pemikiran komputasional
melibatkan pemecahan masalah, merancang sistem, dan memahami
perilaku manusia, dengan menggambar pada konsep dasar ilmu
komputer. '' (Sayap 2006, hal. 33). Royal Society menggemakan
penekanan ini pada ilmu komputer, mendefinisikan pemikiran komputasi
sebagai '' proses mengenali aspek komputasi di dunia yang mengelilingi
kita, dan menerapkan alat dan teknik dari ilmu komputer untuk memahami
dan menalar tentang sistem dan proses alami dan buatan. '' (Furber
2012, hlm. 29). Menyoroti keragaman dan sifat inklusif dari perdebatan
seputar pemikiran komputasi, pada tahun 2010, Dewan Riset Nasional
mengadakan pertemuan tentang ruang lingkup dan sifat pemikiran
komputasi, menghasilkan laporan yang mencantumkan lebih dari 20
keterampilan dan praktik tingkat tinggi yang mungkin termasuk dalam
pemikiran komputasi. , seperti abstraksi dan dekomposisi masalah,
penalaran heuristik, strategi pencarian, dan pengetahuan tentang konsep
ilmu komputer seperti pemrosesan paralel, pembelajaran mesin, dan
rekursi (NRC 2010). Dalam karya ini, kami membawa pendekatan
berbeda untuk mendefinisikan pemikiran komputasional dengan
mengandalkan penerapan praktik yang diidentifikasi di atas dalam
konteks yang berbeda dari ilmu komputer. Dengan melakukan itu, kita
menjauh dari
123
J Sci Education Technol
mengandalkan ide-ide dan praktik yang didekontekstualisasikan dan
sebagai gantinya memanfaatkan instantiasi dunia nyata dari pemikiran
komputasi di alam liar untuk memberikan kejelasan dan kekhususan
tentang apa arti istilah tersebut. Melakukan hal itu memperkuat argumen
bahwa praktik-praktik ini dapat diterapkan secara luas sambil memberikan
definisi pemikiran komputasional yang konkret dan dapat ditindaklanjuti.
Banyak literatur tentang pemikiran komputasi berfokus pada hasil
pendidikan, termasuk pertemuan kedua yang diadakan oleh Dewan
Riset Nasional yang berfokus pada aspek pedagogis pemikiran
komputasi. Upaya ini berusaha menjawab pertanyaan seperti bagaimana
pemikiran komputasional berhubungan dengan mata pelajaran yang
ada, seperti apa perkembangan pemikiran komputasional, bagaimana
melatih guru dalam praktik pemikiran komputasional, dan cara terbaik
untuk menilai pemikiran komputasional (NRC 2011b). Asosiasi Guru Ilmu
Komputer (CSTA) menegaskan bahwa "studi tentang pemikiran
komputasi memungkinkan semua siswa untuk lebih
mengkonseptualisasikan, menganalisis, dan memecahkan masalah yang
kompleks dengan memilih dan menerapkan strategi dan alat yang tepat,
baik secara virtual maupun di dunia nyata" ( CSTA 2011, hal. 9).
Meskipun banyak upaya telah dilakukan untuk memajukan pemahaman
kita tentang pemikiran komputasi, masih ada tantangan yang harus
diatasi, terutama dalam hal membawa pemikiran komputasi ke sekolah.
Tantangan-tantangan ini termasuk mendefinisikan kemajuan pembelajaran
dan kurikulum, menilai prestasi siswa, mempersiapkan guru, dan
memastikan akses yang adil (Grover dan Pea 2013). Untuk kemajuan
yang akan dibuat di bidang ini, perlu untuk memecah pemikiran komputasi
menjadi satu set keterampilan, konsep, dan/atau praktik yang terdefinisi
dengan baik dan terukur.
Pemikiran Komputasi dalam Pendidikan K-12
Penelitian ekstensif selama tiga dekade terakhir telah difokuskan
pada isu-isu yang berkaitan dengan keterampilan belajar mengajar,
konsep, dan praktik yang relevan dengan pemikiran komputasi (Grover
dan Pea 2013). Ada beberapa upaya penting untuk menciptakan
kerangka kerja dan pedoman untuk membawa pemikiran komputasi ke
dalam pendidikan K-12. Barr dan Stephenson (2011), dalam melaporkan
pekerjaan dari komunitas pendidikan ilmu komputer, memberikan satu
pendekatan dengan mengusulkan definisi pemikiran komputasi di semua
pendidikan K-12. Sebagai bagian dari upaya ini, mereka menyajikan
daftar konsep berpikir komputasi dan memetakannya ke berbagai mata
pelajaran sekolah konvensional, menunjukkan, misalnya, seperti apa
abstraksi di kelas IPS, atau bagaimana menggunakan otomatisasi dalam
matematika. pelajaran. Upaya kedua untuk menyediakan struktur yang
berguna untuk mengoperasionalkan pemikiran komputasional dalam
pendidikan K-12 berasal dari Brennan dan Resnick (2012) yang
mengusulkan kerangka berpikir komputasi yang terdiri dari tiga dimensi:
konsep komputasi, komputasional
Machine Translated by Google
J Sci Education Technol
praktik, dan perspektif komputasi. Untuk setiap dimensi, mereka
mengartikulasikan seperti apa terlibat dalam pemikiran komputasi
pada tingkat itu, dan memberikan panduan tentang cara menilai
pemikiran komputasional di berbagai cara yang dapat digunakan.
Sejalan dengan upaya menciptakan kerangka kerja untuk memahami
dan mengevaluasi pemikiran komputasional, adalah penciptaan
berkelanjutan lingkungan belajar baru, alat, dan kegiatan yang
dirancang untuk mempromosikan kompetensi komputasi dalam
konteks pembelajaran K-12.
Upaya tersebut termasuk lingkungan pemrograman grafis seperti
Scratch (Resnick et al. 2009) dan Alice (Cooper et al. 2000);
lingkungan pemodelan komputasi seperti STELLA (Richmond et al.
1987) dan NetLogo (Wilensky 1999b); kit prototyping elektronik
seperti Arduino dan tekstil digital (Buechley et al. 2008); video game
termasuk Quest Atlantis (Barab dkk. 2005) dan Robo Builder
(Weintrop dan Wilensky 2013); dan lingkungan penyelidikan ilmiah
perancah seperti WISE (Linn et al.
2003), Genscope (Horwitz dkk. 1998), GasLab (Wilensky 1999a);
Kolam Katak—Evolusi (Horn et al. 2014), dan WorldWatcher
(Edelson et al. 1999). Pekerjaan lain tidak berfokus pada teknologi
atau media yang digunakan untuk instruksi berpikir komputasional,
tetapi pada domain di mana ia akan ditempatkan. Praktik berpikir
komputasional telah diintegrasikan ke dalam mata pelajaran
termasuk sejarah, seni bahasa, matematika, seni, dan sains (Blikstein
dan Wilensky 2009; Eisenberg 2002; Hambrusch et al. 2009; Rubin
dan Nemirovsky 1991; Sengupta et al. 2013; Settle et al. 2012,
2013). Sebuah pendekatan pelengkap untuk membawa pemikiran
komputasional dalam pendidikan K-12 adalah untuk
mengintegrasikannya dalam kursus guru pra-jabatan independen
dari spesialisasi konten mereka (Yadav et al. 2011). Pertumbuhan
jenis pekerjaan ini, keragaman bentuk yang diambil, dan keragaman
konteks yang telah digunakan, berbicara tentang perlunya kerangka
pemikiran komputasi lintas disiplin yang kami hadirkan di sini.
Banyak peneliti telah membuat argumen bahwa kemampuan
untuk secara efektif menggunakan simulasi komputer dan visualisasi
interaktif merupakan aspek penting dari pemikiran komputasi,
terutama yang berkaitan dengan bidang STEM (NRC 2011b).
Misalnya, NetLogo (Wilensky 1999b) telah berhasil digunakan di
sekolah untuk memperkenalkan siswa pada sistem yang kompleks
dan fenomena yang muncul di berbagai bidang seperti probabilitas
dan statistik (Abra hamson et al. 2006; Abrahamson dan Wilensky
2005), reaksi kimia (Stieff dan Wilensky 2003; Levy dan Wilensky
2009), teori kinetik molekuler (Brady et al.
2015; Wilensky 1999a), biologi populasi (Wilensky dan Reisman
2006), dan evolusi (Wilensky dan Novak 2010; Wagh dan Wilensky
2014). Contoh lain adalah Concord Consortium's Molecular
Workbench, yang merupakan platform pemodelan interaktif yang
memungkinkan siswa mempelajari gerakan partikel dan menyediakan
platform simulasi untuk
mengajar dan belajar sains melalui penalaran skala atom (Tinker
dan Xie 2008). Proyek Teknologi Pendidikan Fisika (PhET) adalah
contoh lain dari lingkungan belajar seperti itu, yang menyediakan
banyak koleksi model dan simulasi berbasis web untuk pengajaran
konten STEM (Perkins et al. 2006; Bryan 2006).
Pendekatan penting lainnya untuk membawa pemikiran komputasi
ke dalam kelas K-12 adalah penggunaan sumber daya komputasi
online untuk memungkinkan pengalaman belajar yang tidak mungkin
dilakukan. Misalnya, Jaringan iLab menyediakan fasilitas
eksperimental melalui laboratorium online jarak jauh yang
memungkinkan siswa dan pendidik untuk menggunakan
instrumen, bukan simulasi, dan untuk melakukan eksperimen (Jona
dan Vondracek 2013). Hal ini memberikan siswa akses ke berbagai
fenomena ilmiah dan kontrol peralatan eksperimental yang canggih.
Kegiatan meliputi mempelajari radioaktivitas dengan melakukan
pengukuran bahan radioaktif dengan pencacah Geiger, dan
mempelajari difraksi neutron menggunakan monokromator kristal.
Proyek seperti ini menyatukan sains, teknologi, dan praktik berpikir
komputasional dengan cara yang mudah diakses dan menarik.
Peran Komputasi yang Tumbuh dalam Matematika dan Sains
Lanskap untuk sains sedang berubah. Kemajuan terbaru dalam
komputasi berkecepatan tinggi dan metode analitik telah menciptakan
alat yang ampuh untuk memahami fenomena di semua spektrum
penyelidikan manusia. Di beberapa bidang ilmiah, seperti biologi
molekuler dan kimia, kemunculannya baru-baru ini tetapi cepat.
Penghargaan Nobel Kimia tahun 1998 diberikan kepada John A.
Pople dan Walter Kohn atas karya inovatif mereka dalam
pengembangan metode komputasi dalam kimia kuantum (Pople
2003; Kohn 2003).
Penghargaan bergengsi semacam itu memuji penerimaan komputasi
sebagai alat yang valid dan ketat untuk menyelidiki fenomena kimia.
Di berbagai domain, penerapan pendekatan statistik dan matematika
yang mengandalkan komputasi, seperti metode Markov Chain Monte
Carlo dan jaringan saraf tiruan, telah terbukti penting untuk membuka
jalan baru eksplorasi dan menghasilkan kemajuan di berbagai bidang
seperti belajar. asal usul alam semesta dalam astrofisika komputasi
(Vogelsberger et al. 2014) untuk memahami kinetika pertumbuhan
butir dalam ilmu material (Anderson et al. 1984; Srolovitz et al. 1984).
Wing (2006) menyatakan bahwa pendekatan berpikir
komputasional akan menjadi fundamental di semua disiplin ilmu dan
bahwa kemajuan dalam komputasi akan memungkinkan para peneliti
untuk membayangkan strategi pemecahan masalah baru dan untuk
menguji solusi baru baik di dunia maya maupun dunia nyata. Sementara pasti
bidang-bidang seperti fisika dan teknik telah lama berdiri
123
Machine Translated by Google
kemitraan interdisipliner dengan metodologi metode komputasi,
pendekatan klasik untuk pemecahan masalah dalam biologi dan
kimia secara historis menekankan sistem deterministik dengan
kompleksitas rendah, sehingga sebagian besar mengabaikan
masalah stokastik dan nonlinier. Bias kuat sebelumnya terhadap
studi sistem deterministik terutama salah satu kepraktisan, dengan
istilah ''nonlinier'' menjadi hampir sinonim dengan ''tidak dapat
dipecahkan''. Namun, alam secara inheren nonlinier dan dapat
dicirikan oleh perilaku kacau, seperti yang dapat diamati dalam
perubahan iklim (Dijkstra 2013; Manabe dan Stouffer 1988),
penyebaran penyakit (Keeling dan Grenfell 1997; Olsen dan
Schaffer 1990), tekanan ekologis ( Lubchenco dkk. 1991), dan
evolusi (Lander dan Schork 1994; Turelli dan Barton 1994). Baik
secara matematis maupun fisik, sistem deterministik/linier adalah
pengecualian daripada aturan. Dalam beberapa tahun terakhir,
metode komputasi telah memperluas jangkauan fenomena non
linier yang dapat dieksplorasi melalui penggunaan model matematika
dan simulasi. Wolfram (2002) bahkan menyatakan munculnya jenis
ilmu baru berdasarkan eksperimen komputasinya ke dalam pola
yang muncul di alam, dengan alasan eksplorasi semacam itu tidak
mungkin dilakukan tanpa perhitungan. Bidang ilmiah sedang
mengalami kebangkitan dalam pendekatan eksperimental terutama
karena ketersediaan komputer yang lebih kuat, aksesibilitas metode
analisis baru, dan pengembangan model komputasi yang sangat
rinci di mana beragam komponen dan mekanisme dapat
digabungkan. Kemajuan ini, pada gilirannya, menciptakan kebutuhan
yang berkembang untuk mendidik siswa dalam metode dan teknik
komputasi untuk mendukung lanskap penelitian yang berubah
dengan cepat di seluruh disiplin ilmu matematika dan ilmiah.
Metode
Untuk mengembangkan taksonomi praktik berpikir komputasional
kami untuk matematika dan sains, kami menggunakan banyak
sumber daya untuk mengidentifikasi praktik karakteristik yang paling
penting untuk memenuhi kebutuhan siswa dan untuk mencerminkan
pekerjaan para profesional di berbagai bidang matematika dan
sains. disiplin ilmu. Gambar 1 mengilustrasikan langkah-langkah
yang kita ikuti untuk membuat taksonomi. Sepanjang proses, kami
bekerja sama dengan peneliti STEM, guru, dan pengembang
kurikulum lainnya. Kami terutama menggunakan tiga sumber daya
untuk pembuatan dan validasi takson kami
omi: (1) kegiatan pendidikan teladan yang melibatkan pemikiran
komputasional dalam matematika dan sains, (2) inventaris konsep
dan dokumen standar yang ada, dan (3) wawancara dengan ahli
matematika dan ilmuwan.
Langkah 1 Langkah pertama dalam pembuatan taksonomi kami
adalah meninjau literatur pemikiran komputasi yang ada,
mengidentifikasi keterampilan dan praktik yang berulang kali dikutip sebagai
https://gk12northwestern.wikispaces.com/Roller?Coaster?Activity.
123
J Sci Education Technol
menjadi sentral. Investigasi ini dimulai dengan dua publikasi Dewan
Riset Nasional tentang pemikiran komputasi (NRC 2010, 2011b)
dan bercabang dari sana, meninjau literatur yang dikutip dalam
laporan tersebut bersama dengan pekerjaan yang membangun ide-
ide yang disajikan dalam dua laporan.
Karena kami melihat pemikiran komputasional sangat diinformasikan
oleh bidang teknik dan ilmu komputer, kami juga mengumpulkan
dan menganalisis kerangka kerja konten ilmu komputer, teknik, dan
teknologi seperti proyek Prinsip CS (Astrachan dan Briggs 2012),
Ilmu Komputer Laporan Kurikulum 2013 (ACM/IEEE-CS Joint Task
Force on Computing Curricula 2013), dan NAEP Technology and
Engineering Literacy Framework (Driscoll 2013). Dalam meninjau
dokumen-dokumen ini, tujuan kami adalah untuk memetakan apa
literatur yang ada diidentifikasi sebagai pusat pemikiran komputasi
dengan fokus pada aplikasi matematika dan sains. Sepanjang
langkah awal ini, kami berusaha untuk memahami lanskap
pemikiran komputasional yang lebih luas sebelum mempersempit
fokus kami ke disiplin ilmu matematika dan sains. Tinjauan ini
menghasilkan satu set awal sepuluh keterampilan berpikir komputasi
inti (Tabel 1), yang digunakan sebagai titik awal untuk taksonomi
kami.
Langkah 2 Langkah kedua dalam membuat taksonomi adalah
mengumpulkan dan mengklasifikasikan berbagai kegiatan yang
dirancang untuk memperkenalkan pemikiran komputasional ke
dalam kelas matematika dan sains sekolah menengah. Korpus
utama dari aktivitas yang dianalisis adalah materi yang dihasilkan
sebagai bagian dari ''Reach for the Stars,'' sebuah program yang
didanai NSF yang menghubungkan mahasiswa pascasarjana STEM
yang menggunakan komputasi dalam penelitian mereka dengan
guru sekolah menengah untuk mengembangkan aktivitas siap kelas
berdasarkan aktivitas mereka. research.1 Pelajaran ini mencakup
berbagai konsep di bidang kimia, fisika, biologi, astronomi, ilmu
bumi, jaringan, dan pemrograman. Tiga puluh rencana pelajaran
dari koleksi ini dipilih dan diberi kode untuk elemen pemikiran
komputasi (12 dalam fisika, 8 dalam kimia, 3 dalam biologi, dan 7
dalam matematika). Kami juga memasukkan empat pelajaran dari
kelas pemodelan matematika sekolah menengah yang dirancang
oleh seorang guru yang berkolaborasi dalam proyek tersebut.
Dua peneliti secara independen meninjau masing-masing dari
34 kegiatan, mencari praktik spesifik yang tampaknya relevan
dengan pemikiran komputasional berdasarkan temuan kami dari
langkah 1. Hal ini menghasilkan serangkaian gabungan 208 ''segi''
pemikiran komputasional dari korpus aktivitas kami. Tabel 2
memberikan kutipan singkat dari sebagian pengkodean salah satu
pelajaran kami untuk dijadikan contoh proses ini. Pelajaran yang
dianalisis adalah kegiatan fisika yang menggunakan roller coaster
virtual untuk memungkinkan siswa mengeksplorasi gaya dan
momentum yang mengatur gerak.2 Kegiatan ini meminta siswa
merancang eksperimen, mengumpulkan data, menganalisis
1
https://gk12northwestern.wikispaces.com/Lesson?Plans.
2
Machine Translated by Google

J Sci Education Technol

Gbr. 1 Proses yang diikuti untuk membuat CT dalam taksonomi Praktik Matematika dan Sains

Tabel 1 Perangkat awal keterampilan berpikir komputasional

Perangkat awal keterampilan berpikir komputasi

1. Kemampuan untuk menghadapi masalah terbuka 2. 6. Membuat abstraksi untuk aspek masalah yang dihadapi

Kegigihan dalam mengatasi masalah yang menantang 7. Membingkai ulang masalah menjadi masalah yang dapat dikenali 3. Keyakinan dalam

menghadapi kompleksitas 8. Menilai kekuatan/kelemahan representasi data/representasi

sistem

4. Mewakili ide secara komputasional bermakna 9. Menghasilkan solusi algoritmik

cara

5. Memecah masalah besar menjadi masalah yang lebih kecil 10. Mengenali dan mengatasi ambiguitas dalam algoritma

Tabel 2 Contoh porsi pengkodean awal dan pengkodean akhir mata pelajaran fisika roller coaster

Aktivitas Aspek berpikir komputasi Latihan berpikir komputasional yang terlibat Praktik taksonomi yang
diselesaikan

Pembuat roller coaster Siswa membuat model roller coaster yang dapat Dapatkan wawasan/pemahaman dari Menggunakan komputasi
dijalankan, menghasilkan data tentang energi coaster simulasi/model berbasis komputer model untuk memahami
konsep

Membangun
model komputasi

Desain roller coaster
Siswa mencatat pengukuran energi di empat titik lintasan Lakukan pengukuran yang efektif dari Mengumpulkan data
dan menyimpan datanya dalam sebuah tabel menjalankan simulasi
Dibutuhkan beberapa iterasi untuk membangun roller coaster Pendekatan berulang untuk solusi Menggunakan model komputasi untuk
yang sukses yang menyelesaikan trek dan melakukannya menemukan dan menguji
tidak crash sebuah solusi

Pemecahan masalah dan

debugging

Menerjemahkan di layar grafik energi potensial/kinetik ke dalam Menilai kekuatan dan kelemahan Memanipulasi data
Grafik energi kinetik dan potensial
bentuk tabel representasi Memvisualisasikan data
coaster dari waktu ke waktu

hasil saat mereka mengeksplorasi hubungan antara energi
potensial, kinetik, dan disipasi.
Dengan menggunakan 208 pemikiran komputasional
dalam matematika dan aspek sains, dua peneliti secara
independen membuka kode setiap aspek sesuai dengan
praktik pemikiran komputasi yang terlibat (Kolom 3 Tabel 2).
Prosesnya dimulai dengan kumpulan kode yang diturunkan dari
tinjauan awal literatur (langkah 1). Keterampilan ini seringkali
terlalu luas atau tidak disesuaikan untuk matematika dan sains
konteks, menghasilkan pembagian dan penyempurnaan
kategori ini menjadi keterampilan yang lebih spesifik, serta
pengenalan kode baru ketika suatu segi tidak cocok dengan
rangkaian praktik yang ada. Setelah menyelesaikan
pengkodean awal, kedua peneliti secara berulang merevisi yang baru

123
Machine Translated by Google
kode, menghasilkan versi lengkap pertama taksonomi kami, yang
terdiri dari 45 pemikiran komputasi yang berbeda dalam praktik
matematika dan sains.
Langkah 3 Kumpulan praktik awal kemudian dibagikan dengan
kelompok penelitian yang lebih besar pada proyek tersebut, yang
secara kolektif melakukan putaran revisi dan mengkategorikan
praktik individu ke dalam kategori yang berbeda. Sebagian besar
pekerjaan ini berfokus pada meruntuhkan keterampilan serupa ke
dalam kategori baru yang terpadu. Juga, untuk mendapatkan
validitas eksternal, kami berkonsultasi dengan mahasiswa
pascasarjana ''Reach for the Stars'' yang telah mengembangkan
rencana pelajaran dan guru dalam jabatan yang berpartisipasi
dalam proyek tersebut. Produk yang dihasilkan adalah daftar revisi
dari 27 praktik yang secara tematis dikelompokkan ke dalam lima
kategori tingkat tinggi: Data dan Informasi (6 praktik), Pemodelan
dan Simulasi (5 praktik), Komputasi (5 praktik), Pemecahan Masalah
(7 praktik), dan Sistem Berpikir (4 praktik). Masing-masing praktik
ini dikaitkan dengan contoh spesifik yang digunakan dalam salah
satu rencana pelajaran sumber. Tabel 3 mengilustrasikan dua
contoh kode ini dan aspek pemikiran komputasionalnya yang sesuai
dari rencana pelajaran.
Langkah 4 Taksonomi tersebut kemudian dipresentasikan
kepada 16 guru matematika dan sains sekolah menengah selama
lokakarya pengembangan profesional musim panas. Sebagai bagian
dari lokakarya, para guru secara kolaboratif menggunakan debugging dalam taksonomi perlu mencerminkan keragaman ini.
taksonomi untuk merancang kegiatan baru untuk kelas mereka. Umpan balik darilengkap dari data ini disajikan dalam makalah yang akan
Analisis
guru tentang taksonomi umumnya positif, tetapi kekhawatiran
muncul, seperti permintaan kami beralih dari istilah keterampilan ke
praktik yang lebih luas dan lebih dapat ditindaklanjuti untuk
memperkuat apa artinya menggunakan konsep-konsep ini serta
untuk mencerminkan perubahan yang lebih besar dalam matematika
dan lanskap standar sains. Para guru sangat berhati-hati dengan
kategori Komputasi, yang mencakup keterampilan seperti
menerapkan logika kondisional, menggunakan logika rekursi dan
iteratif, dan memilih struktur data yang efisien, karena mereka
khawatir terlalu dekat dengan ilmu komputer dan terlalu jauh dari
konten yang mereka ajarkan. ruang kelas mereka.
Bersamaan dengan mengumpulkan umpan balik dari para guru,
pajak onomi juga dipresentasikan kepada para ahli pemikiran
komputasi dan perancang kurikulum STEM. Para ahli ini mengangkat
kekhawatiran seputar kategori pemecahan masalah, yang mencakup
praktik-praktik seperti menguraikan masalah menjadi submasalah
dan membingkai ulang masalah menjadi masalah yang diketahui/
familier, karena mereka menganggap praktik tersebut terlalu umum
dan tidak unik untuk STEM atau konteks pemikiran komputasi.
Umpan balik ini menyebabkan putaran revisi lain, di mana kami
mengkonsolidasikan kategori Komputasi dan pemecahan masalah
untuk mengatasi masalah praktis dan teoretis yang diangkat. Hasil
akhir dari proses ini adalah taksonomi empat kategori yang terdiri
dari 22 praktik berbeda yang kami sajikan di bagian berikut.
Langkah 5 Sepanjang proses pembuatan taksonomi, wawancara
dengan profesional STEM yang pekerjaannya bergantung
123
J Sci Education Technol
berat pada perhitungan dilakukan. Lima belas wawancara dilakukan
dengan fakultas akademik dari disiplin matematika dan sains,
peneliti STEM di industri, dan mahasiswa pascasarjana yang
mengejar gelar dalam disiplin STEM.
Ini termasuk wawancara dengan ahli biokimia, fisikawan, insinyur
material, ahli astrofisika, ilmuwan komputer, dan insinyur biomedis.
Tujuan dari wawancara ini adalah untuk memvalidasi taksonomi
dan kategori yang muncul saat mereka terbentuk, serta untuk
memberikan data tambahan tentang sifat pemikiran komputasi
seperti yang terjadi dalam pengaturan ilmiah otentik. Dalam
menganalisis antar pandangan ini, kami mencari persamaan dan
perbedaan dalam praktik komputasi di berbagai bentuk penelitian
ilmiah. Dari sana, kami mengidentifikasi dan mengkarakterisasi
praktik berpikir komputasional yang digunakan para peneliti ilmiah
dalam pekerjaan mereka. Misalnya, kami menemukan bahwa
pengujian dan debugging adalah praktik umum di antara para
peneliti ilmiah yang belum secara jelas ditangkap dalam taksonomi.
Melalui wawancara, kami mengetahui bahwa praktik debugging
dapat dicirikan secara berbeda untuk bentuk penelitian yang
berbeda. Misalnya, untuk "pengujian" peneliti teoretis mungkin
melibatkan proses verifikasi solusi untuk masalah yang tidak
diketahui, sedangkan untuk peneliti eksperimental, pengujian
mungkin melibatkan proses validasi eksperimen secara komputasi
sebelum uji coba yang sebenarnya. Dengan demikian, deskripsi
datang (Beheshti et al. Dalam Persiapan).
Pemikiran Komputasi dalam Taksonomi Praktik
Matematika dan Sains
Taksonomi kami dipecah menjadi empat kategori utama: praktik
data, praktik pemodelan dan simulasi, praktik pemecahan masalah
komputasi, dan praktik berpikir sistem. Masing-masing kategori ini
terdiri dari subset dari lima hingga tujuh praktik (Gbr. 2). Mengikuti
contoh yang ditetapkan oleh NGSS, kami telah memilih untuk
menyebut "praktik" ini sebagai lawan dari "keterampilan" atau
"konsep" untuk "menekankan bahwa terlibat dalam penyelidikan
ilmiah tidak hanya membutuhkan keterampilan tetapi juga juga
pengetahuan yang khusus untuk setiap praktik'' (NGSS Lead States
2013, hal. 30). Meskipun kami menyajikan taksonomi kami sebagai
satu set kategori yang berbeda, praktiknya sangat saling terkait dan
bergantung satu sama lain. Dalam praktiknya, mereka sering
digunakan bersama untuk mencapai tujuan ilmiah dan matematika
tertentu. Di bagian ini, kami menjelaskan masing-masing dari empat
kategori utama, termasuk praktik konstituennya dan alasan kami
memasukkannya ke dalam taksonomi. Pada bagian berikut
penyajian taksonomi, kami menyajikan tiga kegiatan kelas untuk
menunjukkan seperti apa praktik yang digunakan.
Machine Translated by Google

J Sci Education Technol

Tabel 3 Dua contoh pemikiran komputasional dalam praktik matematika dan sains dengan aktivitas terkait dan aspek komputasinya

Kategori Kode Aktivitas aspek komputasi

Data dan Memanipulasi Ilmu jaringan dan artis hip hopsa : kegiatan ini memperkenalkan Siswa menormalkan nama musisi sebelum masuk
informasi data ilmu jaringan kepada siswa mereka ke dalam spreadsheet. Siswa kemudian mengurutkan data
menurut kriteria yang berbeda untuk menjawab pertanyaan tentang

Pemodelan Menilai Lab gerak proyektil : kegiatan ini meminta siswa kumpulan data Siswa ditanya seberapa valid model menurut mereka—
dan model dan menghasilkan data menggunakan persamaan yang siswa mengidentifikasi faktor yang hilang seperti hambatan udara
simulasi simulasi menggambarkan gerak dengan Microsoft Excel

sebuah

https://gk12northwestern.wikispaces.com/Hip?Hop?Networks?Lesson https://
b
gk12northwestern.wikispaces.com/Projectile?Lab

Gambar 2 Berpikir komputasional

dalam matematika dan sains
taksonomi

Praktik Data pentingnya mengembangkan praktik data berpikir komputasi di kelas.

Semua ilmu memiliki ciri-ciri umum tertentu di Keterampilan data telah lama menjadi bagian dari standar ilmiah
inti dari pemecahan masalah dan pendekatan penyelidikan mereka. dan matematika dan kurikulum kelas (NCTM 2000; NGSS Lead
Yang utama di antaranya adalah sikap bahwa data dan bukti States 2013). Instruksi seputar penggunaan data sering berfokus
memegang posisi utama dalam memutuskan masalah apa pada pengembangan pemahaman siswa tentang peran data dalam
pun (Duschl et al. 2007, hlm. 27) menyelidiki pertanyaan dan menggunakan data untuk membangun
jawaban (Hancock et al. 1992; Lehrer dan Romberg 1996). Bagian
Data terletak di jantung pengejaran ilmiah dan matematika.
dari tantangannya adalah mengajar siswa bahwa data tidak datang
Mereka melayani banyak tujuan, mengambil banyak bentuk, dan
dengan struktur bawaan yang mengarah langsung ke jawaban,
memainkan berbagai peran dalam melakukan penyelidikan ilmiah.
melainkan urutan itu harus dipaksakan dan jawaban diambil dari
Sifat bagaimana data dikumpulkan, dibuat, dianalisis, dan dibagikan
data yang tersedia (Lehrer et al. 2002). Penggunaan data di kelas
dengan cepat berubah terutama karena kemajuan teknologi
juga mencakup pengenalan dasar-dasar statistik dan probabilitas
komputasi. ''Teknologi baru memungkinkan penyelidikan ilmiah baru,
sehingga data dapat digunakan untuk menarik kesimpulan
memungkinkan para ilmuwan untuk menyelidiki alam dan menangani
(Shaughnessy 2007) serta mengembangkan kelancaran dengan
jumlah data yang sebelumnya tidak dapat diakses oleh
visualisasi data konvensional dan baru (diSessa 2004). Semakin
mereka'' (NGSS Lead States 2013, hal. 32). Pentingnya untuk dapat
banyak, ruang kelas telah memasukkan teknologi sebagai bagian
menggunakan teknologi baru ini untuk mengelola dan membuat
dari pengumpulan data dan instruksi analisis menggunakan alat
makna dari sejumlah besar data yang mereka hasilkan menjadi fitur
yang dirancang khusus untuk konteks pendidikan seperti Tinkerplots
yang menentukan karya ilmiah di abad kedua puluh satu dan dengan
(Konold dan Miller 2005), Fathom (Finzer et al. 2001), SimCalc
demikian penting untuk pemikiran komputasi dalam matematika dan
(Roschelle et al. 2000), dan NetLogo (Wilensky 1999b) serta
sains (Foster 2006). Sifat komputasional yang semakin meningkat
menggabungkan
dalam bekerja dengan data di bidang ilmiah dan matematika
menggarisbawahi

123
Machine Translated by Google
alat analisis data standar seperti Microsoft Excel, SPSS, R, dan STATA.
Dalam analisis kami tentang pelajaran berpikir komputasional untuk
kelas matematika dan sains, praktik analisis data hadir dalam 27 dari 34
pelajaran yang dianalisis. Selain itu, para ahli yang kami wawancarai sering
merujuk pentingnya pemikiran komputasional sehubungan dengan
pengumpulan, pengelolaan, dan analisis data dalam pekerjaan mereka.
Pentingnya kategori ini disorot dalam sebuah wawancara dengan seorang
ilmuwan material, yang ketika ditanya tentang penelitiannya menjawab:
''Dalam hampir semua hal, itu hanya data numerik mentah.'' Dia kemudian
menjelaskan bagaimana dia mendefinisikan penelitiannya secara komputasi.
pertanyaan, menggunakan cluster superkomputer untuk menghasilkan
data, memproses dan mengatur data, dan akhirnya menggunakan paket
perangkat lunak untuk menghasilkan visualisasi temuannya. Dalam setiap
langkah karyanya, praktik berpikir komputasional sangat penting. Di bawah
ini adalah lima praktik berpikir komputasional yang terdiri dari kategori Data.
Mengumpulkan data
Data dikumpulkan melalui observasi dan pengukuran.
Alat komputasi memainkan peran kunci dalam mengumpulkan dan
merekam berbagai data di banyak upaya ilmiah dan matematika yang
berbeda. Alat komputasi dapat berguna dalam berbagai fase pengumpulan
data, termasuk desain protokol pengumpulan, perekaman, dan penyimpanan.
Siswa yang telah menguasai praktik ini akan dapat mengusulkan protokol
pengumpulan data yang sistematis dan mengartikulasikan bagaimana
protokol tersebut dapat diotomatisasi dengan alat komputasi bila sesuai.
Membuat Data
Dalam banyak kasus, ilmuwan dan matematikawan menggunakan alat
komputasi untuk menghasilkan data. Hal ini terjadi ketika menyelidiki
fenomena yang tidak dapat dengan mudah diamati atau diukur atau yang
lebih bersifat teoritis. Misalnya, untuk memahami evolusi galaksi, para
astronom menghasilkan data menggunakan simulasi komputer karena
tidak mungkin mengamati dan mengukur evolusi galaksi secara in situ
karena prosesnya terjadi selama miliaran tahun. Dengan cara ini, alat
komputasi memungkinkan pembuatan data pada skala yang akan
sebaliknya menjadi tidak mungkin. Siswa yang telah menguasai praktik ini
akan dapat menentukan prosedur komputasi dan menjalankan simulasi
yang menghasilkan data yang dapat mereka gunakan untuk meningkatkan
pemahaman mereka tentang topik yang sedang diselidiki.
Memanipulasi Data
Dalam bidang matematika dan ilmiah, sangat penting untuk memanipulasi
data untuk membuat maknanya. Alat komputasi memungkinkan untuk
secara efisien dan andal
123
J Sci Education Technol
memanipulasi kumpulan data yang besar dan kompleks. Manipulasi data
mencakup pengurutan, penyaringan, pembersihan, normalisasi, dan
penggabungan kumpulan data yang berbeda. Manipulasi ini berfungsi untuk
analisis dan komunikasi. Mahasiswa yang telah menguasai praktik ini akan
dapat memanipulasi dataset dengan alat komputasi, membentuk kembali
dataset menjadi konfigurasi yang diinginkan atau berguna sehingga dapat
mendukung penyelidikan lebih lanjut.
Menganalisis Data
Kekuatan data yang sebenarnya terletak pada informasi yang dapat
diperoleh darinya melalui analisis. Ada banyak strategi yang dapat
digunakan ketika menganalisis data untuk digunakan dalam konteks ilmiah
atau matematika, termasuk mencari pola atau anomali, mendefinisikan
aturan untuk mengkategorikan data, dan mengidentifikasi tren dan korelasi.
Alat komputasi menjadi penting untuk melakukan analisis data, karena
memungkinkan untuk menganalisis data dengan cara yang lebih andal,
efektif, dan untuk melakukan analisis pada kumpulan data yang lebih besar
daripada yang mungkin dilakukan. Menggunakan alat komputasi untuk
menganalisis data menjadi praktik yang sangat penting karena kita
sekarang hidup di era ilmu pengetahuan yang intensif data (kadang-kadang
disebut sebagai "data besar"), di mana kumpulan data secara rutin memiliki
miliaran titik data individual.
Siswa yang telah menguasai praktik ini akan dapat menganalisis kumpulan
data yang diberikan dan membuat klaim dan menarik kesimpulan
berdasarkan temuan dari analisis mereka.
Memvisualisasikan Data
Mengkomunikasikan hasil adalah komponen penting dari setiap upaya
membangun pengetahuan, dan alat komputasi dapat sangat memfasilitasi
proses itu. Dalam matematika dan sains, membuat visualisasi adalah
strategi yang ampuh untuk menganalisis dan berbagi data. Ada semakin
banyak perangkat lunak yang tersedia untuk merancang dan
mengimplementasikan visualisasi data (Borner 2015). Alat ini mencakup
visualisasi konvensional seperti grafik dan bagan, serta tampilan dinamis
dan interaktif yang memungkinkan pengamat berinteraksi dengan data
yang ditampilkan. Siswa yang telah menguasai praktik ini akan dapat
menggunakan alat komputasi untuk menghasilkan visualisasi yang
menyampaikan informasi yang dikumpulkan selama analisis.
Praktik Pemodelan dan Simulasi
Ilmu-ilmu tidak mencoba menjelaskan, mereka bahkan hampir tidak
mencoba menafsirkan, mereka terutama membuat model. (von
Neumann 1955, hal. 628)
Kemampuan untuk membuat, menyempurnakan, dan menggunakan
model nomena fenomena adalah praktik utama bagi para ilmuwan dan
Machine Translated by Google
J Sci Education Technol
matematikawan (NGSS Lead States 2013). Dalam matematika dan sains,
model dapat mencakup diagram alur, diagram, persamaan, rumus kimia,
simulasi komputer, dan bahkan model fisik (Harrison, dan Treagust 2000).
Menurut definisi, model adalah penyederhanaan realitas yang
mengedepankan fitur-fitur tertentu dari suatu fenomena sambil mendekati
atau mengabaikan fitur-fitur lainnya. Dengan demikian, ''semua model
salah, tetapi beberapa berguna'' (Box dan Draper 1987, hlm. 424).
Kegunaan model berasal dari kekuatan penjelas dan/atau prediksi dan
banyak penelitian telah menemukan pembelajaran berbasis model
menjadi strategi pedagogis yang efektif (untuk tinjauan, lihat Louca dan
Zacharia 2012).
Pendidikan sains dianggap tidak dapat dipisahkan terjalin dengan
perkembangan praktik epistemik dan representasional (Kaput 1998;
Lehrer dan Schauble 2006; Wilensky dan Papert 2010; Wilkerson-Jerde
et al. 2015), namun praktik ini jarang dibuat eksplisit sebagai bagian dari
instruksi. Panggilan serupa telah dibuat untuk pendidikan matematika.
NGSS dan Matematika Inti Umum
Standar menempatkan penekanan baru pada tidak hanya menggunakan
model, tetapi juga menciptakan model dan secara kritis menginterogasi
keterbatasan mereka dan menyederhanakan asumsi.
Model komputasi dan simulasi dapat membuat konsep ilmiah lebih
mudah diakses dan meningkatkan pemahaman siswa tentang fenomena
(Buckley et al. 2004; Klopfer 2003; Parnafes 2007; Schwarz et al. 2007;
White dan Frederiksen 1998; Wilensky 1997; Wilkerson-Jerde dan
Wilensky 2015 ). Dengan model komputasi, kita mengacu pada
representasi non-statis dari fenomena yang dapat disimulasikan oleh
komputer. Kekuatan pedagogis model komputasi tidak hanya berasal dari
siswa yang menggunakan model yang ada, tetapi juga dari memungkinkan
siswa untuk merancang, membangun, dan menilai model mereka sendiri
(Brady et al. 2015; Gilbert 2004; Penner 2000; White 1993; Wilensky
1995 ; , 2003; Wilensky dan Reisman 2006; Wilkerson-Jerde dkk. 2015).
Selanjutnya, model komputasi memungkinkan untuk menyelidiki
pertanyaan dan menguji hipotesis yang akan terlalu mahal, berbahaya,
sulit atau sama sekali tidak mungkin untuk dilakukan (NRC 2011a).
Seperti halnya model non-komputasi, penting bagi siswa untuk dapat
berpikir kritis tentang model komputasi untuk memahami kemampuan dan
keterbatasannya.
Dari 34 pemikiran komputasi dalam kegiatan matematika dan sains
yang kami analisis, 23 termasuk penggunaan model komputasi dalam
berbagai kapasitas termasuk sebagai alat untuk pemecahan masalah (7)
dan sebagai alat untuk mengeksplorasi konsep (17). Selain itu, kegiatan
ini memiliki peserta didik merancang, membangun, dan mengevaluasi
model sebagai bagian dari kegiatan pendidikan mereka. Kategori
pemodelan dan simulasi kami terdiri dari lima pemikiran komputasional
dalam praktik matematika dan sains.
Menggunakan Model Komputasi untuk Memahami Konsep
Model komputasi yang menunjukkan ide atau fenomena tertentu dapat
berfungsi sebagai alat pembelajaran yang kuat. Siswa dapat menggunakan
model komputasi untuk memperdalam pemahaman mereka tentang
konsep matematika dan ilmiah, seperti saling ketergantungan dalam
ekosistem, bagaimana objek bergerak dalam lingkungan tanpa gesekan,
dan distribusi probabilistik dari peristiwa acak. Alat tersebut membantu
mendukung proses penyelidikan dengan menciptakan kembali fenomena
di lingkungan yang mendukung penyelidikan sistematis dan memberikan
pengguna kontrol yang jauh lebih banyak daripada yang mungkin
dilakukan di alam. Siswa yang telah menguasai praktik ini akan dapat
memajukan pemahaman mereka sendiri tentang suatu konsep dengan
berinteraksi dengan model komputasi yang mendemonstrasikan konsep
tersebut.
Menggunakan Model Komputasi untuk Menemukan dan Menguji Solusi
Model komputasi juga dapat digunakan untuk menguji hipotesis dan
menemukan solusi untuk masalah. Mereka memungkinkan untuk menguji
banyak solusi berbeda dengan cepat, mudah, dan murah sebelum
melakukan pendekatan tertentu. Ini sangat membantu untuk fenomena
yang hasilnya bergantung pada ''ruang parameter'' multidimensi. Ini
adalah teknik penting, yang biasa digunakan saat menyelidiki masalah di
bidang ilmiah dan seterusnya. Siswa yang telah menguasai praktik ini
akan dapat menemukan, menguji, dan membenarkan penggunaan solusi
tertentu melalui penggunaan model komputasi serta dapat menerapkan
informasi yang diperoleh melalui penggunaan model jika sesuai.
Menilai Model Komputasi
Praktik utama dalam menggunakan model komputasi secara efektif
adalah memahami bagaimana model tersebut berhubungan dengan
fenomena yang diwakili. Pemahaman ini dipandu oleh berbagai pertanyaan
termasuk: Aspek mana dari nomenon fenomena yang telah dimodelkan
dengan setia dan aspek mana yang telah disederhanakan atau diabaikan?
Asumsi apa yang dibuat oleh pembuat model tentang dunia dan
bagaimana caranya?
asumsi tersebut mempengaruhi perilakunya? Lapisan abstraksi apa yang
telah dibangun ke dalam model itu sendiri dan bagaimana caranya?
abstraksi ini membentuk kesetiaan model? Memikirkan pertanyaan-
pertanyaan ini adalah bagian penting dalam memvalidasi dan mengkalibrasi
model sehubungan dengan fenomena dunia nyata yang diwakili.
Mahasiswa yang telah menguasai praktik ini akan dapat mengartikulasikan
persamaan dan perbedaan antara model komputasi dan fenomena yang
dimodelkan, ini termasuk mengangkat isu-isu ancaman terhadap validitas
serta mengidentifikasi asumsi yang dibangun ke dalam model.
123
Machine Translated by Google

J Sci Education Technol

Merancang Model Komputasi (Djorgovski 2005)

Seperti banyak usaha manusia, pemecahan masalah adalah

Bagian dari memanfaatkan kekuatan komputasi dalam disiplin ilmu
pusat penyelidikan ilmiah dan matematis. Sementara pemecahan
adalah merancang model baru yang dapat dijalankan pada perangkat
masalah dapat mengambil banyak bentuk, dalam pekerjaan ini, kami
komputasi. Proses merancang model berbeda dengan
fokus pada praktik pemecahan masalah yang sangat efektif untuk
mengimplementasikannya secara nyata; merancang model melibatkan
bekerja dengan alat komputasi dan berasal dari bidang ilmu komputer.
pembuatan keputusan teknologi, metodologis, dan konseptual. Ada
Perspektif ini dibangun di atas pekerjaan yang melihat praktik
banyak alasan yang mungkin memotivasi perancangan model
pemecahan masalah secara umum (Newell dan Simon 1972; Po´lya
komputasi, termasuk keinginan untuk lebih memahami fenomena
1954), kekuatan alat komputasi untuk mendorong pengembangan
yang sedang diselidiki, untuk menguji hipotesis, atau untuk
strategi tersebut (Clements dan Gullo 1984; Palumbo 1990; Papert
mengomunikasikan ide atau prinsip kepada orang lain dengan cara
1980), dan pekerjaan yang membawa pemecahan masalah dan alat
yang dinamis dan interaktif. Saat merancang model komputasi,
komputasi ke dalam domain ilmiah ( Guzdial 1994; Hambrusch et al.
seseorang dihadapkan dengan serangkaian keputusan besar
2009; Sengupta et al. 2013; Wilensky 2001; Wilensky et al. 2014).
termasuk mendefinisikan batas-batas sistem, memutuskan apa yang
harus dimasukkan dan apa yang dapat diabaikan, dan
mengkonseptualisasikan perilaku dan properti elemen yang termasuk
Kategori ini, lebih dari yang lain, dibangun di atas praktik dan
dalam model. Sepanjang proses desain, seseorang harus memastikan
strategi dari bidang ilmu komputer, dan dimaksudkan untuk
bahwa model yang dihasilkan akan mampu mencapai tujuan yang
menangkap kontribusi lapangan terhadap karya ilmiah dan matematika
awalnya memotivasi proses desain model. Mahasiswa yang telah
kontemporer dan pentingnya bagi siswa saat ini untuk mengembangkan
menguasai praktik ini akan mampu merancang model komputasi,
keterampilan ini (ACM Pathways 2013; Augustine 2005; Guzdial dan
sebuah proses yang mencakup pendefinisian komponen model,
Soloway 2003; Henderson dkk. 2007). Penelitian telah menemukan
mendeskripsikan bagaimana mereka berinteraksi, memutuskan data
bahwa memungkinkan siswa untuk mengeksplorasi fenomena ilmiah
apa yang akan dihasilkan oleh model, mengartikulasikan asumsi
dan matematika menggunakan praktik pemecahan masalah komputasi
yang dibuat oleh model yang diusulkan, dan memahami kesimpulan
seperti pemrograman, pengembangan algoritma, dan membuat
apa yang dapat ditarik dari model tersebut.
abstraksi komputasi dapat membantu pelajar mengembangkan
pemahaman yang mendalam tentang fenomena matematika dan
ilmiah (Jackson et al. 1994; Sherin et al. 1993; Taub dkk. 2015;
Membangun Model Komputasi
Wilensky 1995; Wilkerson-Jerde 2014).

Praktik penting dalam pencarian ilmiah dan matematis adalah

Sementara relatif sedikit dari rencana pelajaran yang kami analisis
kemampuan untuk membuat model komputasi baru atau memperluas
akan sesuai dengan kurikulum ilmu komputer konvensional, banyak
yang sudah ada. Ini membutuhkan kemampuan untuk mengkodekan
kegiatan yang mencakup konsep yang mengacu pada praktik utama
fitur model dengan cara yang dapat diinterpretasikan oleh komputer.
dari lapangan, termasuk mengembangkan algoritma (5 pelajaran),
Kadang-kadang ini mengambil bentuk pemrograman konvensional,
pemrograman (12 pelajaran), dan bekerja dengan abstraksi komputasi
tetapi dalam kasus lain, kerangka kerja dan alat mendukung
(8 pelajaran). Selain itu, banyak ilmuwan dan matematikawan yang
pengguna dalam mendefinisikan perilaku atau fitur melalui
kami wawancarai merujuk praktik dari kategori ini termasuk
memanipulasi antarmuka grafis atau menetapkan seperangkat aturan yang harus diikuti.
pemrograman, menggunakan abstraksi komputasi, dan pentingnya
Mampu mengimplementasikan ide-ide pemodelan sangat penting
memilih alat komputasi yang efektif. Dari analisis ini, kategori
untuk memajukan ide-ide di luar pekerjaan yang dilakukan oleh orang
pemecahan masalah Komputasi yang dihasilkan terdiri dari tujuh
lain dan melengkapi praktik sebelumnya dalam merancang model
praktik yang dimaksudkan untuk meletakkan dasar dalam mendukung
komputasi. Siswa yang telah menguasai praktik ini akan dapat
mempersiapkan peserta didik untuk berpikir kritis dengan komputasi
menerapkan perilaku model baru, baik melalui perluasan model yang
yang menjadi pusat sains dan matematika modern.
ada atau dengan membuat model baru baik dalam kerangka
pemodelan yang diberikan atau dari awal.

Latihan Pemecahan Masalah Komputasi Mempersiapkan Masalah untuk Solusi Komputasi

Ilmu komputer terapan sekarang memainkan peran yang
dilakukan matematika dari abad ketujuh belas hingga abad
kedua puluh: menyediakan kerangka kerja formal yang teratur
dan peralatan eksplorasi untuk ilmu-ilmu lain.
Sementara beberapa masalah secara alami cocok untuk solusi
komputasi, lebih sering, masalah harus dibingkai ulang sehingga alat
komputasi yang ada — baik itu perangkat fisik atau paket perangkat
lunak — dapat digunakan. Dalam sains, beragam alat komputasi
dapat

123
Machine Translated by Google
J Sci Education Technol
dipekerjakan untuk pengejaran tertentu; tantangannya adalah
memetakan masalah ke dalam kemampuan alat. Strategi untuk
melakukan ini termasuk menguraikan masalah menjadi submasalah,
membingkai ulang masalah baru menjadi masalah yang diketahui
yang alat komputasinya sudah ada, dan menyederhanakan masalah
kompleks sehingga pemetaan fitur masalah ke solusi komputasi lebih
mudah diakses. Siswa yang telah menguasai praktik ini akan dapat
menggunakan strategi semacam itu untuk membingkai ulang masalah
ke dalam bentuk yang dapat diselesaikan, atau setidaknya kemajuan
dapat dicapai, melalui penggunaan alat komputasi.
Pemrograman Komputer
Kemampuan untuk mengkodekan instruksi sedemikian rupa sehingga
komputer dapat mengeksekusinya adalah keterampilan yang kuat
untuk menyelidiki dan memecahkan masalah matematika dan ilmiah.
Program mulai dari skrip Python sepuluh baris hingga multi juta
baris C?? perpustakaan dapat bermanfaat untuk pengumpulan dan
analisis data, memvisualisasikan informasi, membangun dan
memperluas model komputasi, dan berinteraksi dengan alat
komputasi lain yang ada. Praktik ini terdiri dari memahami dan
memodifikasi program yang ditulis oleh orang lain, serta menyusun
program atau skrip baru dari awal.
Kategori ini mencakup pemahaman konsep pemrograman seperti
logika kondisional, logika iteratif, dan rekursi serta membuat
abstraksi seperti subrutin dan struktur data. Meskipun tidak masuk
akal untuk mengharapkan semua siswa menjadi ahli pemrograman,
kemahiran pemrograman dasar merupakan komponen penting dari
penyelidikan ilmiah abad kedua puluh satu. Siswa yang telah
menguasai praktik ini akan dapat memahami, memodifikasi, dan
membuat program komputer dan menggunakan keterampilan ini
untuk memajukan pencarian ilmiah dan matematika mereka sendiri.
Memilih Alat Komputasi yang Efektif
Satu tugas seringkali dapat diselesaikan dengan beberapa cara
berbeda menggunakan berbagai alat komputasi yang berbeda.
Dalam kasus seperti itu, seringkali ada satu alat, atau setidaknya
sebagian kecil alat, untuk pekerjaan itu. Mampu mengidentifikasi
kekuatan dan kelemahan berbagai alat yang mungkin untuk masalah
yang dihadapi dapat menjadi keputusan yang paling penting dalam
sebuah proyek. Memilih alat komputasi yang efektif termasuk
mempertimbangkan fungsionalitas yang disediakannya, ruang lingkup
dan kemampuan penyesuaiannya, jenis data yang diharapkan dan
dapat dihasilkan alat, serta pertanyaan yang melampaui perangkat
lunak itu sendiri, seperti, apakah ada yang aktif atau tidak. komunitas
pengguna yang dapat membantu kesulitan yang mungkin Anda
temui. Siswa yang telah menguasai praktik ini akan dapat
mengartikulasikan pro dan kontra menggunakan berbagai alat
komputasi dan dapat membuat keputusan yang tepat dan dapat
dipertanggungjawabkan.
Menilai Berbagai Pendekatan/Solusi untuk Masalah
Ketika ada beberapa pendekatan untuk memecahkan masalah atau
beberapa solusi untuk dipilih, penting untuk dapat menilai opsi dan
membuat keputusan berdasarkan informasi tentang rute mana yang
harus diikuti. Praktik ini berbeda dari praktik sebelumnya karena
menyangkut bagaimana alat komputasi, setelah dipilih, akan
digunakan, dan bagaimana mereka cocok dengan proses pendekatan
dan pemecahan masalah yang lebih besar.
Ini penting dalam sains dan matematika, karena seringkali ada lebih
dari satu kemungkinan tindakan. Bahkan jika dua pendekatan yang
berbeda menghasilkan hasil yang sama dan benar, ada dimensi lain
yang harus dipertimbangkan ketika
memilih solusi atau pendekatan, seperti biaya, waktu, daya tahan,
dapat diperpanjang, dapat digunakan kembali, dan fleksibel. Siswa
yang telah menguasai praktik ini akan dapat menilai pendekatan/
solusi yang berbeda untuk suatu masalah berdasarkan persyaratan
dan kendala masalah serta sumber daya dan alat yang tersedia.
Mengembangkan Solusi Komputasi Modular
Ketika bekerja menuju hasil ilmiah atau matematis tertentu, seringkali
ada sejumlah langkah atau komponen yang terlibat dalam proses;
langkah-langkah ini, pada gilirannya, dapat dipecah dalam berbagai
cara yang memengaruhi kemampuannya untuk digunakan kembali,
digunakan kembali, dan di-debug dengan mudah. Elemen solusi bisa
besar, rumit dan dirancang unik untuk masalah yang dihadapi, atau
bisa kecil, modular, dan dapat digunakan kembali. Mengembangkan
solusi komputasi dalam cara yang modular dan dapat digunakan
kembali memiliki banyak implikasi baik untuk masalah langsung
maupun masalah masa depan yang mungkin dihadapi. Dengan
mengembangkan solusi modular, lebih mudah untuk membangun
solusi secara bertahap, menguji komponen secara mandiri, dan
meningkatkan kemungkinan komponen akan berguna untuk masalah
di masa depan. Siswa yang telah menguasai praktik ini akan dapat
mengembangkan solusi yang terdiri dari komponen modular yang
dapat digunakan kembali dan memanfaatkan modularitas solusi
mereka baik dalam mengerjakan masalah saat ini maupun
menggunakan kembali bagian dari solusi sebelumnya saat
menghadapi tantangan baru.
Membuat Abstraksi Komputasi
Membuat abstraksi membutuhkan kemampuan untuk
mengkonseptualisasikan dan kemudian merepresentasikan ide atau
proses dalam istilah yang lebih umum dengan mengedepankan
aspek-aspek penting dari ide tersebut sambil melatarbelakangi fitur-
fitur yang kurang penting. Kemampuan untuk membuat dan
menggunakan abstraksi digunakan terus-menerus di seluruh kegiatan
matematika dan ilmiah, baik itu membuat abstraksi komputasional
saat menulis program, menghasilkan visualisasi data untuk mengomunikasikan ide a
123
Machine Translated by Google
menemukan, mendefinisikan ruang lingkup atau skala masalah, atau
membuat model untuk lebih mengeksplorasi atau memahami fenomena
tertentu. Membuat abstraksi komputasi sangat penting untuk memecahkan
banyak masalah yang memiliki kesamaan struktural tetapi berbeda dalam
detail permukaan. Praktek-praktek ini adalah salah satu cara utama
kekuatan komputasi dapat dibawa untuk menanggung masalah
matematika dan ilmiah. Siswa yang telah menguasai praktik ini akan
dapat mengidentifikasi, membuat, dan menggunakan abstraksi
komputasional saat mereka bekerja menuju tujuan ilmiah dan matematika.
Pemecahan Masalah dan Debugging
Pemecahan masalah secara luas mengacu pada proses mencari tahu
mengapa sesuatu tidak berfungsi atau berperilaku seperti yang diharapkan.
Ada sejumlah strategi yang dapat diterapkan saat memecahkan masalah,
termasuk mengidentifikasi masalah dengan jelas, menguji sistem secara
sistematis untuk mengisolasi sumber kesalahan, dan mereproduksi
masalah sehingga solusi potensial dapat diuji dengan andal. Dalam ilmu
komputer, aktivitas ini sering disebut sebagai ''debugging'', dan ada
sejumlah strategi dan alat yang dirancang khusus untuk membantu
mencari tahu mengapa program atau alat komputasi lainnya tidak
berfungsi seperti yang diharapkan. Di bidang STEM, kemampuan untuk
memecahkan masalah adalah penting, karena hasil yang tidak diharapkan
dan perilaku yang salah sering kali ditemui, terutama saat bekerja dengan
alat komputasi. Siswa yang telah menguasai praktik ini akan mampu
mengidentifikasi, mengisolasi, mereproduksi, dan pada akhirnya
memperbaiki masalah tak terduga yang dihadapi ketika mengerjakan
suatu masalah, dan melakukannya secara sistematis, efisien.
tata krama.
Praktik Berpikir Sistem
Alih-alih melihat satu hal pada satu waktu, dan mencatat
perilakunya ketika dihadapkan pada satu hal lain, ilmu pengetahuan
sekarang melihat sejumlah perbedaan dan
berinteraksi hal-hal dan perhatikan perilaku mereka secara keseluruhan
di bawah pengaruh yang beragam.
(Laszlo 1996, hal. 4)
Begitu banyak masalah penting yang kita hadapi saat ini kompleks,
melibatkan banyak variabel, banyak efek langsung dan tidak langsung,
dan terdiri dari banyak bagian yang saling bergantung. ''Kemampuan
untuk berpikir secara sistemik adalah kebiasaan berpikir yang penting
yang mendukung tidak hanya latar belakang ilmiah dari tenaga kerja
STEM yang sedang berkembang, tetapi juga warga negara yang melek
sains di masa depan. Dalam masyarakat global di mana keputusan
berbasis ilmiah skala besar di masa depan perlu dibuat, penting bagi
masyarakat umum untuk mengembangkan orientasi pemikiran sistem
terhadap dunia'' (Duschl dan Bismack 2013, hlm. 120). Sistem berpikir
123
J Sci Education Technol
Pendekatan ini pada dasarnya berbeda dari bentuk tradisional pemecahan
masalah dan berfokus pada pemahaman bagaimana sistem berubah
dari waktu ke waktu (Forrester 1968). Pendekatan pemikiran sistem
memiliki dua fokus yang berbeda, dengan satu fokus pada dinamika
sistem agregat (Forrester 1968; Sterman 2000) dan yang lainnya pada
dinamika berbasis agen (Epstein dan Axtell 1996; Grimm et al. 2005;
Wilensky dan Resnick 1999; Wilensky dan Rand 2015). Kedua jenis
sistem menunjukkan perilaku yang muncul (Bar-Yam 2003; Jacobson
dan Wilensky 2006; Sterman 2000; Wilensky dan Resnick 1999). Dengan
munculnya begitu banyak tantangan yang terkait dengan data besar,
banyak metode berpikir sistem telah menjadi komponen penting dari
pendekatan berpikir komputasional yang dipraktikkan lintas disiplin ilmu.
Analisis tradisional berfokus pada pemecahan masalah menjadi bagian-
bagian penyusunnya dan melihat secara terpisah pada bagian-bagian
individual. Analisis pemikiran sistem, sebaliknya, fokus pada pemeriksaan
inklusif tentang bagaimana sistem dan bagian-bagian penyusunnya
berinteraksi dan berhubungan satu sama lain secara keseluruhan
(Assaraf dan Orion 2005).
Banyak konsep ilmiah mendasar (dan sulit) adalah yang terbaik, dan
mungkin hanya, dipahami melalui lensa sistem.
Contoh yang baik termasuk seleksi alam dan dinamika populasi dalam
ekologi, sistem pernapasan manusia dari biologi, dan hukum gas ideal
dalam kimia dan fisika (Hmelo et al. 2000; Stieff dan Wilensky 2003;
Wilensky dan Reisman 2006). Jenis sistem lain, seperti yang ditemui
dalam fisika, ekonomi, dan bahkan sejarah, melibatkan konsep lintas
sektor yang terkait dengan pemikiran sistem seperti umpan balik,
kemunculan, persediaan, dan aliran (Goldstone dan Wilensky 2008;
Penner 2000; Wilensky dan Rand 2015 ). ; Zuckerman dan Resnick
2003). Rekomendasi untuk perspektif sistem sekarang diwakili dalam
empat laporan NRC yang terpisah—Mengambil Sains ke Sekolah (NRC
2007), Kerangka Kerja untuk Pendidikan Sains K-12 (NRC 2012a),
Pendidikan untuk Kehidupan dan Pekerjaan (NRC 2012c) dan Pendidikan
Berbasis Disiplin Penelitian (NRC 2012b) serta Standar Sains Generasi
Berikutnya (NGSS Lead States 2013).
Sementara pengetahuan ini tidak selalu terikat pada pemikiran
komputasional, alat komputasi memungkinkan cara-cara baru untuk
mengeksplorasi, memahami, dan mewakili ide-ide ini (Bar-Yam 2003;
Sterman 2000; Wolfram 2002). Komputasi ke depan berfungsi sebagai
media yang kuat untuk membuat ide-ide ini dapat diakses oleh pelajar
(Klopfer 2003; Wilensky 2001).
Dalam analisis kami tentang aktivitas berpikir komputasi yang
dirancang untuk kelas matematika dan sains sekolah menengah, delapan
pelajaran termasuk mengembangkan praktik yang terkait dengan
pemikiran sistem. Temuan ini diperkuat oleh wawancara yang kami
lakukan dengan ilmuwan dan matematikawan, karena mereka sering
mengutip konsep dari sistem dan praktik kompleks yang terkait dengan
penyelidikan dan pemahaman sistem melalui komputasi sebagai hal
yang penting di bidangnya. Sementara banyak dari komputasi
Machine Translated by Google
J Sci Education Technol
praktik yang kami jelaskan di atas berharga untuk menyelidiki sistem,
bagian ini memperkenalkan lima praktik berpikir komputasional yang
berfokus pada pemikiran sistem.
Menyelidiki Sistem yang Kompleks secara Keseluruhan
Sebuah sistem dapat dilihat sebagai satu kesatuan yang terdiri dari
banyak elemen yang saling terkait; untuk beberapa pertanyaan, lebih
efektif untuk menyelidiki bagaimana sistem bekerja secara keseluruhan
daripada mempelajari setiap elemen individu atau kumpulan elemen.
Menyelidiki sistem yang kompleks secara keseluruhan bergantung pada
kemampuan untuk mendefinisikan dan mengukur input dan output dari
sistem. Hal ini sangat penting dalam sains karena begitu banyak
fenomena yang merupakan hasil dari interaksi yang kompleks dan
berskala sangat besar. Mampu membuat kotak hitam rincian interaksi
sistematis yang mendasarinya dan fokus pada sistem secara keseluruhan
memungkinkan untuk memahami karakteristik sistem secara agregat,
yang terkadang merupakan data yang dibutuhkan untuk masalah yang
dihadapi.
Alat komputasi seperti model dan simulasi sangat berguna dalam
investigasi tersebut, karena mereka dapat mengotomatiskan bagian dari
penyelidikan, melakukan pengukuran yang tepat, dan sistem model untuk
analisis lebih lanjut dan pengujian hipotesis. Pendekatan lain yang kuat
untuk memfasilitasi siswa dalam belajar tentang sistem yang kompleks
secara keseluruhan dapat berasal dari penggunaan representasi
(termasuk umpan balik, stok dan aliran, agen, dan aturan agen) yang
menggambarkan sistem secara nonlinier. Siswa yang telah menguasai
praktik ini akan dapat mengajukan pertanyaan tentang, merancang dan
melakukan penyelidikan, dan pada akhirnya menafsirkan dan memahami,
data yang dikumpulkan tentang suatu sistem sebagai satu kesatuan.
Memahami Hubungan dalam Sistem
Sementara beberapa pertanyaan paling baik dijawab dengan berfokus
pada sistem secara keseluruhan, pertanyaan lain memerlukan
pemahaman tentang bagaimana komponen-komponen dalam sistem berinteraksi.
merepresentasikannya, dan mengidentifikasi apa yang dapat ditinggalkan
Dengan demikian, penting untuk dapat mengidentifikasi elemen-elemen
yang berbeda dari suatu sistem dan mengartikulasikan sifat interaksi
mereka. Alat komputasi berguna untuk melakukan penyelidikan seperti
itu karena mereka dapat memberi pelajar kontrol untuk mengisolasi
elemen yang berbeda, menyelidiki perilaku mereka, dan menjelajahi
bagaimana mereka berinteraksi dengan komponen lain dari sistem. Siswa
yang telah menguasai praktik ini akan dapat mengidentifikasi elemen-
elemen penyusun suatu sistem, mengartikulasikan perilakunya, dan
menjelaskan bagaimana interaksi antar elemen menghasilkan perilaku
karakteristik sistem.
Berpikir di Tingkat
Sistem dapat dipahami dan dianalisis dari perspektif yang berbeda, mulai
dari pandangan tingkat mikro yang
mempertimbangkan elemen terkecil dari sistem ke tampilan tingkat
makro yang mempertimbangkan sistem secara keseluruhan. Memikirkan
sistem dari sudut pandang masing-masing aktor dan komponennya dapat
mengarah pada wawasan tentang bagaimana perilaku tingkat mikro
mengarah pada pola tingkat makro yang muncul. Di sisi lain, kemampuan
untuk mengkotak-kotakkan detail dari interaksi sistematis yang mendasari
dan fokus pada sistem secara keseluruhan memungkinkan untuk
memahami karakteristik yang muncul dari sistem secara agregat, yang
dapat menghasilkan serangkaian wawasan yang berbeda dari skala
mikro. -analisis tingkat.
Alat komputasi dapat memfasilitasi penyelidikan sistem dari kedua
perspektif, dan, seperti yang ditunjukkan Levy dan Wilensky (2008) , dari
tingkat menengah yang produktif di antara keduanya.
Siswa yang telah menguasai praktik ini akan dapat mengidentifikasi
tingkat yang berbeda dari sistem yang diberikan, mengartikulasikan
perilaku setiap tingkat sehubungan dengan sistem secara keseluruhan,
dan dapat bergerak maju mundur di antara tingkat, menghubungkan fitur
sistem dengan benar. ke tingkat yang sesuai.
Mengkomunikasikan Informasi tentang Sistem
Tantangan utama ketika menyelidiki suatu sistem adalah mencari cara
terbaik untuk mengomunikasikan apa yang telah Anda pelajari tentangnya.
Ini sering menantang karena ukuran dan kompleksitas sistem yang
sedang diselidiki. Karena sistem sering terdiri dari banyak bagian yang
saling terkait dan dapat mencakup banyak elemen yang saling
berinteraksi, menyampaikan informasi tentang sistem bisa jadi sulit,
tetapi juga penting agar informasi yang diperoleh dari sistem dapat
dipahami dan digunakan oleh orang lain. Mengkomunikasikan informasi
tentang suatu sistem sering kali melibatkan pengembangan visualisasi
dan infografis yang efektif dan dapat diakses3 yang menyoroti aspek
terpenting dari apa yang telah dipelajari tentang sistem sedemikian rupa
sehingga dapat dipahami oleh seseorang yang tidak mengetahui semua
detail yang mendasarinya. Praktik ini mencakup kemampuan untuk
memprioritaskan fitur sistem, merancang cara intuitif untuk
dari visualisasi tanpa mengorbankan informasi yang disampaikan. Siswa
yang telah menguasai praktik ini akan dapat mengomunikasikan informasi
yang telah mereka pelajari tentang suatu sistem dengan cara yang
membuat informasi tersebut dapat diakses oleh pemirsa yang tidak
mengetahui detail persis sistem dari mana informasi tersebut diambil.
3
Yang kami maksud dengan infografis adalah abstraksi visual yang
mengomunikasikan informasi. Ini mencakup format konvensional seperti grafik,
bagan, dan peta, tetapi juga mencakup visualisasi dinamis dan interaktif yang
dirancang dengan tujuan menyampaikan informasi kepada pemirsa.
123
Machine Translated by Google
Mendefinisikan Sistem dan Mengelola Kompleksitas
Apa pun dapat dilihat sebagai suatu sistem; ukuran dan keanggotaan
sistem tergantung di mana Anda menentukan batas-batasnya.
Anda dapat memiliki sistem yang sangat kecil yang hanya mencakup
sekumpulan entitas yang sempit, seperti sistem kelas yang terdiri
dari guru dan siswa, atau Anda dapat memiliki sistem yang mencakup
jutaan entitas, seperti sekelompok galaksi atau genom manusia.
Semakin besar sistem, dalam hal jumlah entitas, jenis entitas,
frekuensi interaksi, dan keragaman perilaku, semakin kompleks
jadinya. Keputusan di mana menetapkan batas-batas sistem sangat
penting untuk penyelidikan apa pun yang mengikuti karena
menentukan pertanyaan apa yang dapat Anda jawab serta ukuran
dan kompleksitas sistem. Selanjutnya, untuk memanfaatkan alat
komputasi dalam bekerja dengan sistem, seseorang harus secara
eksplisit menggambarkan batas-batas sistem yang sedang diselidiki.
Penting untuk dapat mendefinisikan sistem dengan cara yang
berguna dan produktif. Ini termasuk menciptakan sistem yang
mencakup semua elemen yang diperlukan untuk dapat mencapai
tujuan yang diinginkan sambil membatasi ukuran, kompleksitas, dan
ruang lingkupnya. Siswa yang telah menguasai praktik ini akan
dapat menentukan batas-batas suatu sistem sehingga mereka
kemudian dapat menggunakan sistem yang dihasilkan sebagai
domain untuk menyelidiki pertanyaan tertentu serta mengidentifikasi
cara untuk menyederhanakan sistem yang ada tanpa mengorbankan
kemampuannya untuk akan digunakan untuk tujuan tertentu.
Pemikiran Komputasi dalam Matematika
dan Sains dalam Praktik
Sebagai bagian dari upaya kami untuk membawa pemikiran
komputasi ke dalam kelas matematika dan sains, kami
mengembangkan serangkaian rencana pelajaran yang ditingkatkan
pemikiran komputasional untuk kelas matematika, biologi, kimia,
dan fisika sekolah menengah. Kegiatan ini diinformasikan oleh
taksonomi kami, diperkenalkan dalam lokakarya pengembangan
profesional, dan diajarkan oleh guru tanpa latar belakang formal
dalam pemikiran komputasi atau ilmu komputer. Kegiatan telah
dirancang agar mudah diadopsi dan dimasukkan ke dalam kurikulum
matematika dan sains yang ada. Di sini kami menyajikan tiga
pelajaran yang menunjukkan pemikiran komputasi dalam praktik
matematika dan sains (CT-MS) yang diuraikan dalam taksonomi
kami.4
Video Game: Fakta Fisika atau Fiksi?
Kegiatan ini dirancang untuk ruang kelas fisika sekolah menengah
dan meminta siswa menyelidiki hukum fisika yang mengatur video
game. Tergantung pada permainan yang dipilih,
4
Informasi tambahan tentang rencana pelajaran, termasuk materi dan
perangkat lunak, dapat ditemukan di http://ct-stem.northwestern.edu
123
J Sci Education Technol
siswa menghitung konstanta gravitasi (misalnya, di Angry Birds) dan/
atau kekekalan energi dan momentum (misalnya, di Asteroid).
Pelajaran dimulai dengan siswa membuat screencast 20-30 detik
dari diri mereka sendiri bermain game, kemudian menggunakan
Physics Tracker (Brown 2013), transkripsi video dan alat analisis
komputasi, untuk mengumpulkan data (CT-MS Practice: Data
Collection). Dalam Fisika Tracker, siswa memvisualisasikan data,
merencanakan waktu, posisi, kecepatan, percepatan, dan parameter
fisik erat lainnya (CT MS Practice: Data Visualization). Mereka
kemudian menggunakan alat analisis Tracker untuk mengidentifikasi
kecocokan terbaik antara data dan bentuk fungsional matematisnya
(Praktek CT-MS: Analisis Data). Siswa memperoleh sifat-sifat yang
menentukan perilaku dunia, seperti menemukan konstanta gravitasi
di Angry Birds (Latihan CT-MS: Menggunakan Model Komputasi
untuk Menemukan/Menguji Solusi). Setelah menjawab pertanyaan
ini, siswa menilai video game sebagai model, mengidentifikasi
perbedaan dengan dunia nyata, dan mengomunikasikan mengapa
pilihan desain tersebut membantu kegunaan game (Praktik CT-MS:
Menilai Model Komputasi, Mengkomunikasikan Informasi tentang
Sistem).
Urutan DNA dari Bawah ke Atas
Kegiatan ini dirancang untuk ruang kelas biologi sekolah menengah
dan membuat siswa membayangkan bahwa mereka adalah ilmuwan
di tahun 1990-an yang dihadapkan dengan tugas untuk mengurutkan
seluruh genom manusia. Siswa mulai dengan kasus sederhana
menyusun kembali sebuah bait dari lagu yang sudah dikenal yang
telah dipecah menjadi beberapa bagian dan disusun secara acak.
Setelah merenungkan teka-teki ini dan strategi yang mereka
kembangkan untuk menyusun kembali lirik (Latihan CT-MS: Menilai
Pendekatan/Solusi yang Berbeda untuk Masalah), siswa melanjutkan
ke tantangan yang lebih sulit: merekonstruksi kata sandi yang tidak
diketahui dengan kombinasi yang tidak dikenal huruf dan angka
ber. Mereka kemudian menerapkan teknik mereka dari teka-teki kata
sandi untuk mendapatkan algoritma yang efisien, kuat, dan umum
untuk mengurutkan sesuatu (Praktik CT-MS: Mempersiapkan
Masalah untuk Solusi Komputasi, Membuat Abstraksi Komputasi).
Setelah menentukan teknik mereka untuk merakit urutan DNA
penuh, para siswa menulis prosedur mereka dalam pseudocode,
yang dimaksudkan sebagai langkah pertama menuju ekspresi
algoritme dengan cara yang dapat ditafsirkan dan dijalankan oleh
komputer (Praktek CT-MS: Pemrograman). Teman sekelas kemudian
menukar algoritme, mencoba mengimplementasikannya, dan
memberikan saran untuk perbaikan dalam hal kejelasan dan efisiensi
(Praktek CT-MS: Menilai Berbagai Pendekatan/Solusi untuk Masalah).
Di akhir pelajaran, para siswa diminta untuk mempertimbangkan
mengapa komputer sangat penting dalam menyelesaikan tugas
pengurutan genom manusia. Dengan meminta mereka memikirkan
dan mengalami penskalaan masalah dari kasus sederhana ke
masalah yang lebih kompleks, siswa mengembangkan dan
Machine Translated by Google
J Sci Education Technol
apresiasi atas kecepatan pemrosesan yang disediakan komputer
dan bagaimana komputasi telah merevolusi pertanyaan yang kita
ajukan dan cara kita melakukan sains.
Hukum Gas
Dalam pelajaran kimia SMA ini, siswa menggunakan simulasi
interaktif untuk mengeksplorasi hubungan antara sifat makroskopik
gas—tekanan, volume, dan suhu—berdasarkan bagaimana sifat-
sifat ini muncul dari interaksi mikroskopis (yaitu, gerakan partikel
gas dan interaksi dengan dinding wadah).
Alat ini adalah bagian dari rangkaian simulasi PhET (Adams et al.
2008a, b) yang telah ditemukan untuk membantu siswa
membangun pemahaman konseptual dari konsep yang dimodelkan
(Praktek CT-MS: Menggunakan Model Komputasi untuk Memahami
Konsep) dan berdasarkan toolkit pemodelan GasLab sebelumnya
(Wilensky 1999a). Siswa mengeksplorasi perilaku gas dengan
menjalankan eksperimen, yang hasilnya disimpan dalam
spreadsheet (CT-MS Practice: Creating Data). Para siswa
kemudian memvisualisasikan data mereka, grafik dalam berbagai
format untuk menemukan cara yang paling menarik untuk
menjelaskan hubungan antara variabel untuk teman sekelas (CT-
MS Practices: Menganalisis Data, Memvisualisasikan Data).
Simulasi memungkinkan siswa untuk menyelidiki baik mikroskopis,
perilaku tingkat agen dan makroskopik, sifat agregat gas (CT-MS
Practice: Thinking in Levels). Di akhir pembelajaran, siswa ditanya
apakah ada aspek simulasi yang tidak realistis atau berbeda
dengan dunia nyata. Siswa adalah
juga diminta untuk merenungkan perbedaan antara mengeksplorasi
hukum gas dengan model versus mencoba melakukan eksperimen
tabel (Praktek CT-MS: Menilai Model Komputasi). Untuk
menurunkan hukum gas itu sendiri, siswa harus mempertimbangkan
sistem secara keseluruhan, kembali membumikan rincian interaksi
yang mendasarinya dan berfokus pada mengidentifikasi dan
mengukur masukan ke dan keluaran dari sistem agregat (Latihan
CT-MS: Investigasi Kompleks Sistem Secara Keseluruhan).
Kesimpulan
Makalah ini berpendapat untuk dimasukkannya pemikiran
komputasi dalam kelas matematika dan sains. Kami melihat tiga
manfaat utama untuk pendekatan menanamkan pemikiran
komputasi dalam konteks ini: (1) itu dibangun di atas hubungan
timbal balik untuk belajar antara pemikiran komputasi dan
matematika dan domain sains, (2) itu membahas masalah praktis
untuk menjangkau semua siswa, dan memiliki guru yang cakap,
dan (3) membawa pendidikan sains dan matematika lebih sesuai
dengan praktik profesional saat ini di bidang ini. Kami telah
menyajikan
taksonomi yang mengartikulasikan definisi ''pemikiran
komputasional dalam matematika dan sains'' dan memberikan
kontribusi bahasa di mana standar, kurikulum, dan penilaian dapat
dikembangkan. Dengan demikian, kami mengatasi masalah
ambiguitas dan kurangnya presisi yang telah mengganggu banyak
diskusi seputar pemikiran komputasi. Kami melihat karya yang
disajikan dalam makalah ini sebagai langkah pertama dalam
proses membawa pemikiran komputasi ke dalam kelas matematika
dan sains. Pencapaian tujuan ini membutuhkan dukungan dari
beragam pemangku kepentingan agar berhasil. Ini termasuk guru
yang merasa nyaman mengajarkan materi dan menerima
pengembangan profesional dalam pelajaran dan teknologi berbasis
komputasi; administrator sekolah mengalokasikan sumber daya
untuk mendukung inklusi; pembuat kebijakan yang memprioritaskan
pemikiran komputasional sebagai bagian dari pendidikan
matematika dan sains; pengembang kurikulum dan penilaian yang
memproduksi materi berpikir komputasional yang ditargetkan
untuk kelas sains dan matematika; dan komunitas yang lebih luas
mendukung upaya untuk membawa pemikiran komputasi ke dalam
ruang pendidikan ini. Dimasukkannya pemikiran komputasi sebagai
praktik ilmiah inti dalam Standar Sains Generasi Berikutnya dan
bahasa serupa dalam standar matematika adalah tonggak penting,
tetapi masih banyak pekerjaan yang harus dilakukan untuk
mengatasi tantangan mendidik populasi yang paham teknologi
dan ilmiah dan mempersiapkan generasi ilmuwan kelas dunia
berikutnya.
Ucapan Terima Kasih Karya ini didukung oleh National Science Foundation di bawah
NSF Grant CNS-1138461. Namun, setiap pendapat, temuan, kesimpulan, dan/atau
rekomendasi adalah milik peneliti dan tidak mencerminkan pandangan Yayasan.
Referensi
Abrahamson D, Wilensky U (2005) ProbLab pergi ke sekolah: desain, pengajaran,
dan pembelajaran probabilitas dengan model komputer interaktif multi-agen.
Dalam: Prosiding konferensi keempat Masyarakat Eropa untuk penelitian
dalam pendidikan matematika. San Feliu de Gixols
Abrahamson D, Janusz RM, Wilensky U (2006) Pernah ada 9-blok: desain sekolah
menengah untuk probabilitas dan statistik.
J Stat Pendidikan 14(1). http://www.amstat.org/publications/jse/v14n1/
abrahamson.html Adams WK, Reid S, LeMaster R, McKagan SB, Perkins KK,
Dubson M, Wieman CE (2008a) Sebuah studi simulasi pendidikan bagian I:
keterlibatan dan Pembelajaran. J Interact Learn Res 19(3):367–419 Adams
WK, Reid S, LeMaster R, McKagan SB, Perkins KK, Dubson M, Wieman CE
(2008b) Sebuah studi simulasi pendidikan bagian II: desain antarmuka. J Interact
Learn Res 19(4):551–557
Anderson MP, Srolovitz DJ, Grest GS, Sahni PS (1984) Simulasi komputer
pertumbuhan butir—I: kinetika. Acta Metall 32(5):783–791
Assaraf OB-Z, Orion N (2005) Pengembangan keterampilan berpikir sistem dalam
konteks pendidikan sistem bumi. J Res Sci Teach 42(5):518–560
123
Machine Translated by Google
Astrachan O, Briggs A (2012) Proyek prinsip-prinsip CS. CM Inroads
3(2):38–42
Augustine NR (2005) Bangkit di atas badai pengumpul: memberi energi dan
mempekerjakan Amerika untuk masa depan ekonomi yang lebih cerah. Pers
Akademi Nasional, Washington, DC
Bailey D, Borwein JM (2011) Eksperimen dan komputasi eksplorasi. Not Am Math
Soc 58(10):1410–1419 Barab S, Thomas M, Dodge T, Carteaux R, Tuzun H
(2005) Membuat pembelajaran menjadi menyenangkan: Quest Atlantis, permainan
tanpa senjata. Educ Technol Res Dev 53(1):86–107 Barr V, Stephenson C
(2011) Membawa pemikiran komputasi ke K-12: apa yang Terlibat dan apa
peran komunitas pendidikan ilmu komputer? ACM Inroads 2(1):48–54 Bar-Yam Y
(2003) Dinamika sistem yang kompleks. Perseus Publishing, New York
Beheshti E, Weintrop D, Horn MS, Orton K, Jona K, Wilensky U (Dalam
Persiapan) Pemikiran komputasi di alam liar: bagaimana ilmuwan dan ahli matematika
menggunakan pemikiran komputasi dalam pekerjaan mereka.
Blikstein P (2013) Fabrikasi digital dan ''membuat'' dalam pendidikan: demokratisasi
penemuan. Dalam: Walter-Herrmann J, Bu¨ching C (eds) FabLabs: dari mesin,
pembuat dan penemu, Penerbit Transkrip, Bielefeld, hlm 1–21 Blikstein P,
Wilensky U (2009) Sebuah atom dikenal oleh perusahaan yang menyimpannya:
lingkungan belajar konstruksionis untuk ilmu material menggunakan pemodelan
berbasis agen. Int J Comput Math Learn 14(2):81–119 Borner K (2015) Atlas
pengetahuan: siapa pun dapat memetakan. MIT Press, Cambridge
Box GE, Draper NR (1987) Pembuatan model dan respons empiris
permukaan. Wiley, New York
Brady C, Holbert N, Soylu F, Novak M, Wilensky U (2015)
Kotak pasir untuk penyelidikan berbasis model. J Sci Educ Technol 24 (2):
265–286
Brown D (2013) Tracker: alat analisis dan pemodelan video (Versi 4.82). http://
www.cabrillo.edu/*dbrown/tracker Brennan K, Resnick M (2012). Kerangka
kerja baru untuk mempelajari dan menilai perkembangan pemikiran komputasional.
Dipresentasikan di American Education Researcher Association, Vancouver,
Kanada.
Bryan J (2006) Teknologi untuk instruksi fisika. Masalah Kontekstual Technol Teach
Educ 6(2):230 Buckley BC, Gobert JD, Kindfield ACH, Horwitz P, Tinker RF,
Gerlits B et al (2004) Pengajaran dan pembelajaran berbasis model dengan
BioLogicaTM: apa yang mereka pelajari? bagaimana mereka belajar?
bagaimana kami bisa tahu? J Sci Educ Technol 13(1):23–41
Buechley L, Eisenberg M, Catchen J, Crockett A (2008) The LilyPad Arduino:
menggunakan tekstil komputasi untuk menyelidiki keterlibatan, estetika, dan
keragaman dalam pendidikan ilmu komputer. Dalam: Prosiding konferensi
SIGCHI tentang faktor manusia dalam sistem komputasi. ACM, New York, pp
423-432 Chinn CA, Malhotra BA (2002) Epistemologis penyelidikan otentik di
sekolah: kerangka teoritis untuk mengevaluasi tugas-tugas penyelidikan.
Sci Educ 86(2):175–218
Clements DH, Gullo DF (1984) Pengaruh pemrograman komputer pada
kognisi anak kecil. J Educ Psychol 76(6)::1051
Asosiasi Guru Ilmu Komputer (2011) K-12 standar ilmu komputer. http://csta.acm.org/
Curriculum/sub/K12Stan dards.html
Confrey J (1993) Peran teknologi dalam rekonseptualisasi fungsi dan aljabar.
Makalah dipresentasikan pada Pertemuan Tahunan ke-17 Bab Amerika Utara
dari Kelompok Internasional untuk Psikologi Pendidikan Matematika, Asilomar
Cooper S, Dann W, Pausch R (2000) Alice: alat 3-D untuk konsep pemrograman
pengantar. J Comput Sci Coll 15(5):107–116
123
J Sci Education Technol
Dijkstra HA (2013) Dinamika iklim nonlinier. Pers Universitas Cambridge, Cambridge
diSessa AA (2000) Mengubah pikiran: komputer, pembelajaran, dan
literasi. MIT Press, Cambridge
diSessa AA (2004) Metarepresentation: kompetensi asli dan target pengajaran. Cogn
Instr 22(3):293–331 Driscoll DP (2013) Kerangka kerja literasi teknologi dan
rekayasa untuk Penilaian Nasional Kemajuan Pendidikan 2014. Departemen
Pendidikan AS, Washington DC
Duschl RA, Bismack AS (2013) Standar untuk pendidikan sains: penalaran kuantitatif
dan konsep pemodelan. Dalam: Duschl RA, Bismack AS (eds) Rekonseptualisasi
pendidikan STEM: peran sentral dari praktik. University of Wyoming, Laramie,
WY Duschl RA, Schweingruber HA, Shouse AW (2007) Membawa sains ke
sekolah: belajar dan mengajar sains di kelas K-8. Pers Akademi Nasional,
Washington, DC
Edelson DC, Gordin DN, Pea RD (1999) Mengatasi tantangan pembelajaran berbasis
inkuiri melalui teknologi dan desain kurikulum. J Learn Sci 8(3/4):391–450
Eisenberg M (2002) Perangkat keluaran, komputasi, dan masa depan kerajinan
matematika. Int J Comput Math Learn 7(1):1–44 Epstein J, Axtell R (1996)
Menumbuhkan masyarakat buatan: ilmu sosial dari bawah ke atas. Brookings
Institution Press, Washington Feurzeig W, Papert S, Lawler B (2011)
Pemrograman-bahasa sebagai kerangka konseptual untuk mengajar matematika.
Berinteraksi Belajar Lingkungan 19(5):487–501 Finzer W, Erickson T, Binker J
(2001) Memahami [perangkat lunak komputer].
KCP Technologies, Emeryville
Forrester JW (1968) Prinsip-prinsip sistem. Komunikasi Pegasus,
Waltham, MA
Komputasi Foster I (2006) 2020: jalan dua arah menuju masa depan sains.
Nature 440(7083):419
Furber S (2012) Matikan atau mulai ulang? Jalan ke depan untuk komputasi di
sekolah-sekolah Inggris. Laporan teknis, The Royal Society, London
Gardner DP (1983) Sebuah bangsa beresiko: keharusan untuk reformasi pendidikan.
Departemen Pendidikan AS, Washington, DC Gilbert JK (2004) Model dan
pemodelan: rute menuju pendidikan sains yang lebih otentik. Int J Sci Math Educ
2(2):115-130 Goldstone RL, Wilensky U (2008) Mempromosikan transfer
dengan membumikan prinsip-prinsip sistem yang kompleks. J Learn Sci 17(4):465–
516 Google: Menjelajahi Pemikiran Komputasi. (nd). Diakses tanggal 25 Okt
http://www.google.com/edu/computational-thinking/
2010.
index.html
Grimm Volker, Revilla Eloy, Berger Uta, Jeltsch Florian, Mooij Wolf M, Railsback
Steven F, Thulke Hans-Hermann, Weiner Jacob, Wiegand Thorsten, DeAngelis
Donald L (2005) Pemodelan berorientasi pola dari sistem kompleks berbasis
agen: pelajaran dari ekologi. Sains 310:987–991 Grover S, Pea R (2013)
Pemikiran komputasional dalam K-12: tinjauan keadaan lapangan. Educ Res
42(1):38–43 Guzdial M (1994) Perancah yang direalisasikan perangkat lunak untuk
memfasilitasi pemrograman untuk pembelajaran sains. Interact Learn Environ
4(1):001–044 Guzdial M (2008) Membuka jalan bagi pemikiran komputasional.
Komunitas ACM 51(8):25–27
Guzdial M, Soloway E (2003) Ilmu komputer lebih penting daripada kalkulus:
tantangan untuk memenuhi potensi kita.
SIGCSE Banteng 35(2):5–8
Hambrusch S, Hoffmann C, Korb JT, Haugan M, Hosking AL (2009)
Pendekatan multidisiplin terhadap pemikiran komputasi untuk jurusan sains.
Dalam: Buletin ACM SIGCSE, vol 41, pp 183-187 Hancock C, Kaput JJ,
Goldsmith LT (1992) Penyelidikan otentik dengan data: hambatan kritis untuk
implementasi kelas. Pendidikan Psikolog 27(3):337
Machine Translated by Google
J Sci Education Technol
Harrison AG, Treagust DF (2000) Tipologi model sains sekolah. Int J Sci Educ
22(9):1011–1026 Henderson PB, Cortina TJ, Wing JM (2007) Pemikiran
komputasional.
Dalam: Buletin ACM SIGCSE, vol 39. ACM, hlm 195–196
Hmelo CE, Holton DL, Kolodner JL (2000) Merancang untuk belajar tentang sistem
yang kompleks. J Learn Sci 9(3):247–298. doi:10.1207/ S15327809JLS0903_2
Horn MS, Brady C, Hjorth A, Wagh A, Wilensky U (2014) Kolam katak: lingkungan
belajar kode-pertama tentang evolusi dan seleksi alam. ACM Press, New York,
pp 357–360 Horwitz P, Schwartz J, Kindfield ACH, Yessis LM, Hickey DT,
Heidenberg A, Wolfe EW (1998) Implementasi dan evaluasi lingkungan pembelajaran
GenScopeTM: masalah, solusi, dan hasil. Dalam: Guzdial M, Kolodner J,
Bruckman A (eds) Prosiding konferensi internasional tahunan ke-3 dari ilmu
pembelajaran. Asosiasi untuk Kemajuan Komputer dalam Pendidikan,
Charlottesville Jackson SL, Stratford SJ, Krajcik J, Soloway E (1994) Membuat
pemodelan dinamis dapat diakses oleh siswa sains pra-perguruan tinggi.
Lingkungan Belajar Berinteraksi 4(3):233–257
Jacobson MJ, Wilensky U (2006) Sistem kompleks dalam pendidikan: kepentingan
dan implikasi ilmiah dan pendidikan bagi ilmu pembelajaran. J Learn Sci
15(1):11–34 Jona K, Vondracek M (2013) Eksperimen radioaktivitas jarak jauh.
Phys Teach 51(1):25
Jona K, Wilensky U, Trouille L, Horn MS, Orton K, Weintrop D, Beheshti E (2014)
Menanamkan pemikiran komputasi dalam sains, teknologi, teknik, dan
matematika (CT-STEM). Disampaikan pada Arah Masa Depan dalam
Pertemuan KTT Pendidikan Ilmu Komputer, Orlando Kaput JJ (1998)
Representasi, prasasti, deskripsi dan pembelajaran: kaleidoskop jendela.
Perilaku Matematika J 17(2): 265–281
Kay A, Goldberg A (1977) Media dinamis pribadi. Komputer 10(3):31–41 Keeling MJ,
Grenfell BT (1997) Kepunahan penyakit dan ukuran komunitas: memodelkan
persistensi campak. Sci 275(5296):65–67 Klopfer E (2003) Teknologi untuk
mendukung pembuatan model sistem yang kompleks: menggunakan perangkat
lunak StarLogo dengan siswa. Biosys tems 71(1–2):111-122 Kohn W (2003) Kuliah
Nobel, kimia 1996–2000. World Scientific Publishing Co, Singapura, p 213
Konold C, Miller CD (2005) TinkerPlots: eksplorasi data dinamis.
Perangkat lunak komputer. Tekan Kurikulum Kunci, Emeryville, CA
Lander ES, Schork NJ (1994) Pembedahan genetik sifat kompleks.
Sci 265(5181)::2037–2048
Laszlo E (1996) Pandangan sistem tentang dunia: visi holistik untuk zaman kita,
edisi ke-2. Hampton Press, Cresskill, NJ Lehrer R, Giles N, Schauble L (2002)
Pemodelan data. Dalam: Lehrer R, Schauble L (eds) Menyelidiki data nyata di kelas:
memperluas pemahaman anak-anak tentang matematika dan sains.
Teachers College Press, New York, pp 1–26 Lehrer R,
Romberg T (1996) Menjelajahi pemodelan data anak-anak.
Instruksi Kognisi 14(1):69–108
Lubchenco J, Olson AM, Brubaker LB, Carpenter SR, Holland MM, Hubbell SP et al
(1991) Inisiatif biosfer berkelanjutan: agenda penelitian ekologi: laporan dari
Ecological Society of America. Ekologi 72 (2): 371–412
Lehrer R, Schauble L (2006) Menumbuhkan penalaran berbasis model dalam
pendidikan sains. Dalam: Sawyer RK (ed) The Cambridge handbook of the
learning sciences. Cambridge University Press, New York, pp 371–388 Levy
ST, Wilensky U (2008) Menciptakan ''Tingkat Menengah'' untuk memenuhi
kebutuhan: penalaran di antara tingkat kerumitan. Cogn Instr 26 (1): 1–47
Levy ST, Wilensky U (2009) Menyeberangi level dan representasi: kurikulum kimia
terhubung (CC1). J Sci Educ Technol 18(3):224–242
Lin CC, Zhang M, Beck B, Olsen G (2009) Menanamkan konsep ilmu komputer
dalam kurikulum sains K-12. Dalam: Prosiding simposium teknis ACM ke-40
tentang pendidikan ilmu komputer. ACM, New York, hlm 539–543
Linn MC, Clark D, Slotta JD (2003) WISE design for knowledge
integrasi. Sci Educ 87(4):517–538
Louca LT, Zacharia ZC (2012) Pembelajaran berbasis pemodelan dalam pendidikan
sains: kontribusi kognitif, metakognitif, sosial, material dan epistemologis. Educ
Rev 64(4):471–492 Manabe S, Stouffer RJ (1988) Dua keseimbangan stabil
dari model laut-atmosfer yang digabungkan. J Clim 1:841–866 Margolis J (2008)
Terjebak di ujung yang dangkal: pendidikan, ras, dan komputasi. The MIT
Press, Cambridge Margolis J, Fisher A (2003) Membuka kunci clubhouse: wanita
dalam komputasi. The MIT Press, Pusat Asosiasi Gubernur Nasional
Cambridge untuk Praktik Terbaik, Dewan Kepala Pejabat Sekolah Negeri (2010)
Standar inti umum negara bagian untuk matematika. Pusat Asosiasi Gubernur
Nasional untuk Praktik Terbaik, Dewan Kepala Pejabat Sekolah Negeri, Washington,
DC Dewan Riset Nasional (2007) Membawa sains ke sekolah: belajar dan
mengajar sains di kelas K-8. National Academies Press, Washington, DC
National Research Council (2010) Laporan lokakarya tentang ruang lingkup
dan sifat pemikiran komputasional. The National Academies Press, Washington,
DC Dewan Riset Nasional (2011a) Belajar sains melalui permainan komputer dan
simulasi. Pers Akademi Nasional, Washington, DC Dewan Riset Nasional
(2011b) Laporan lokakarya aspek pedagogis pemikiran komputasi. Pers
Akademi Nasional, Washington, DC
Dewan Riset Nasional (2012a) Kerangka kerja untuk pendidikan sains K-12: praktik,
konsep lintas sektor, dan ide inti.
National Academies Press, Washington, DC Dewan
Riset Nasional (2012b) Penelitian pendidikan berbasis disiplin: memahami dan
meningkatkan pembelajaran di tingkat sarjana sains dan teknik. National
Academies Press, Washington, DC Dewan Riset Nasional (2012c) Pendidikan
untuk kehidupan dan pekerjaan: mengembangkan pengetahuan dan
keterampilan yang dapat ditransfer di abad ke-21.
National Academies Press, Washington, DC Newell
A, Simon HA (1972) Pemecahan masalah manusia, vol 104.
Prentice-Hall, Englewood Cliffs, NJ
NGSS Lead States (2013) Standar sains generasi berikutnya: untuk negara bagian,
oleh negara bagian. Pers Akademi Nasional, Washington, DC
Olsen LF, Schaffer WM (1990) Kekacauan versus periodisitas bising: hipotesis
alternatif untuk epidemi masa kanak-kanak. Sci 249(4968):499–504
Palumbo DB (1990) Bahasa Pemrograman/Penelitian Pemecahan Masalah: Tinjauan
Isu-Isu yang Relevan. Rev Educ Res 60(1):65–89 Papert S (1972) Mengajar
anak-anak menjadi ahli matematika versus mengajar tentang matematika. Int J Math
Educ Sci Technol 3(3):249–262 Papert S (1980) Mindstorms: anak-anak,
komputer, dan ide-ide yang kuat.
Buku Dasar, New York Papert
S (1996) Sebuah eksplorasi dalam ruang pendidikan matematika. Int J Comput Math
Learn 1(1):138–142 Parnafes O (2007) Apa yang dimaksud dengan "cepat"?
memahami dunia fisik melalui representasi komputasi. J Learn Sci 16(3):415–450
123
Machine Translated by Google
Penner DE (2000) Kognisi, komputer, dan ilmu sintetis: membangun
pengetahuan dan makna melalui pemodelan. Rev Res Edukasi 25:1
Perkins K, Adams W, Dubson M, Finkelstein N, Reid S, Wieman C,
LeMaster R (2006) PhET: simulasi interaktif untuk pengajaran dan
pembelajaran fisika. Phys Teach 44(1):18
Perlis A (1962) Komputer di universitas. Dalam: Greenberger M (ed)
Komputer dan dunia masa depan. MIT Press, Cambridge, hal 180–
219 Pople J (2003) Kuliah Nobel, kimia 1996–2000. Ilmiah Dunia
Publishing Co, Singapura, hal 246
Redish EF, Wilson JM (1993) Pemrograman siswa dalam kursus
pengantar fisika: mUPPET. Am J Phys 61:222–232 Repenning A,
Webb D, Ioannidou A (2010) Desain game yang dapat diskalakan dan
pengembangan daftar periksa untuk memasukkan pemikiran
komputasi ke sekolah umum. Dalam Prosiding simposium teknis
ACM ke-41 tentang pendidikan ilmu komputer. pp 265–269 Resnick
M, Silverman B, Kafai Y, Maloney J, Monroy-Herna´ndez A, Rusk N et al
(2009) Awal: pemrograman untuk semua. Komunitas ACM 52(11):60
Richmond B, Peterson S, Vescuso P, Maville N (1987) Panduan
pengguna Akademik untuk Stella Software. Sistem Kinerja Tinggi, Inc,
Lyme, NH Roschelle J, Kaput J, Stroup W (2000) SimCalc:
mempercepat keterlibatan siswa dengan matematika perubahan.
Dalam: Mempelajari ilmu-ilmu abad ke-21: penelitian, desain, dan
penerapan lingkungan belajar teknologi canggih. hlm 47–75 Rubin
A, Nemirovsky R (1991) Mobil, komputer, dan pompa udara:
pemikiran tentang peran model fisik dan komputer dalam mempelajari
konsep sentral kalkulus. Di Bawah Bukit RG (ed)
Prosiding Konferensi Internasional Ketigabelas untuk Psikologi
Pendidikan Matematika—Konferensi Bab Amerika Utara, Virginia,
hlm 168-174
Ryoo JJ, Margolis J, Lee CH, Sandoval CD, Goode J (2013)
Demokratisasi pengetahuan ilmu komputer: mengubah wajah ilmu
komputer melalui pendidikan sekolah menengah umum.
Pelajari Teknologi Media 38(2):161–181
Schwarz CV, Meyer K, Sharma A (2007) Teknologi, pedagogi, dan
epistemologi: peluang dan tantangan menggunakan pemodelan
komputer dan alat simulasi dalam metode sains dasar.
J Sci Teach Educ 18(2):243–269
Sengupta P, Kinnebrew JS, Basu S, Biswas G, Clark D (2013)
Mengintegrasikan pemikiran komputasi dengan pendidikan sains
K-12 menggunakan komputasi berbasis agen: kerangka teori. Educ
Inf Technol 18(2):351–380 Settle A, Franke B, Hansen R, Spaltro F,
Jurisson C, Rennert-May C, Wildeman B (2012) Menanamkan pemikiran
komputasi ke dalam kurikulum sekolah menengah dan atas. Dalam:
Prosiding konferensi ACM ke-17 tentang Inovasi dan teknologi dalam
pendidikan ilmu komputer. ACM, New York, pp 22-27 Settle A,
Goldberg DS, Barr V (2013) Di luar ilmu komputer: pemikiran
komputasi lintas disiplin. Dalam: Prosiding konferensi ACM ke-18 tentang
inovasi dan teknologi dalam pendidikan ilmu komputer. ACM, New
York, pp 311–312 Shaughnessy JM (2007) Penelitian tentang
pembelajaran statistik. Dalam: Lester FK (ed) Buku Pegangan Kedua
Penelitian Pembelajaran Matematika. Penerbitan Era Informasi, Charlotte,
NC, hlm 957–1009.
Sherin BL (2001) Perbandingan bahasa pemrograman dan notasi aljabar
sebagai bahasa ekspresif untuk fisika. Int J Comput Math Learn
6(1):1–61
Sherin BL, diSessa AA, Hammer D (1993) Dynaturtle meninjau kembali:
belajar fisika melalui desain kolaboratif model komputer. Berinteraksi
Belajar Lingkungan 3(2):91–118
Srolovitz DJ, Anderson MP, Sahni PS, Grest GS (1984) Simulasi komputer
pertumbuhan butir—II: distribusi ukuran butir, topologi, dan dinamika
lokal. Acta Metall 32(5):793–802
123
J Sci Education Technol
Steman J (2000) Dinamika bisnis: pemikiran sistem untuk dunia yang
kompleks. Irwin/McGraw-Hill, New York Stieff M, Wilensky U (2003)
Kimia terhubung: menggabungkan simulasi interaktif ke dalam kelas
kimia. J Sci Educ Technol 12(3):285–302 Taub R, Armoni M, Bagno
E, Ben-Ari M (2015) Pengaruh ilmu komputer pada pembelajaran
fisika di lingkungan ilmu komputasi. Pendidikan Komputer 87:10–23
Tinker RF, Xie Q (2008) Menerapkan ilmu komputasi untuk pendidikan:
paradigma meja kerja molekuler. Comput Sci Eng 10(5):24–27
Turelli M, Barton NH (1994) Analisis genetik dan statistik seleksi
kuat pada sifat poligenik: apa, saya normal? Genetika 138(3):913–941
Vogelsberger M, Genel S, Springel V, Torrey P, Sijacki D, Xu D et al
(2014) Memperkenalkan proyek ilustris: mensimulasikan koevolusi
materi gelap dan materi tampak di Alam Semesta. Mon Not R Astron Soc
444(2):1518–1547 von Neumann J (1955) Metode dalam ilmu fisika.
Dalam: Bro´dy F, Va´mos T (eds) The Neumann compendium: world
series in 20th century math, vol 1. World Scientific Publishing Co,
Singapore, p 628 Wagh A, Wilensky U (2014) Melihat pola perubahan:
mendukung siswa memperhatikan dalam membangun model seleksi
alam. Dalam: Prosiding 2014 konstruksionisme. Wina, 19–23
Agustus Weintrop D, Wilensky U (2013) RoboBuilder: permainan
berpikir komputasional. Dalam Prosiding simposium teknis ACM ke-44
tentang pendidikan ilmu komputer. ACM, Denver, hal 736–736
White BY (1993) ThinkerTools: model kausal, perubahan konseptual,
dan pendidikan sains. Cogn Instr 10 (1): 1
White BY, Frederiksen JR (1998) Penyelidikan, pemodelan, dan
metakognisi: membuat sains dapat diakses oleh semua siswa. Cogn
Instr 16(1):3–118 Wilensky U (1995) Paradoks, pemrograman, dan
probabilitas pembelajaran: studi kasus dalam kerangka matematika yang
terhubung. J Math Behav 14(2):253–280 Wilensky U (1997) Apa itu
normal? terapi untuk kecemasan epistemologis. Educ Stud Math
33(2):171–202 Wilensky U (1999a) GasLab: perangkat pemodelan yang
dapat diperluas untuk menjelajahi mekanika statistik. Dalam: Roberts
N, Feurzeig W, Hunter B (eds) Pemodelan dan simulasi komputer dalam
pendidikan sains. Springer, Berlin, hlm 151–178 Wilensky U (1999b)
NetLogo. Pusat Pembelajaran Terhubung dan Pemodelan Berbasis
Komputer, Universitas Northwestern, Evanston. http://
ccl.northwestern.edu/netlogo
Wilensky U (2001) Memodelkan pola yang muncul di alam dengan
bahasa multi-agen. Dalam: Prosiding EuroLogo. Linz, pp 1–6
Wilensky U (2003) Mekanika statistik untuk sekolah menengah: perangkat
pemodelan multi-agen GasLab. Int J Comput Math Learn 8(1):1–41
Wilensky U, Novak M (2010) Evolusi pengajaran dan pembelajaran
sebagai proses yang muncul: proyek BEAGLE. Dalam: Taylor R,
Ferrari M (eds) Epistemologi dan pendidikan sains: memahami
evolusi versus kontroversi desain cerdas. Routledge, New York
Wilensky U, Papert S (2010) Restrukturisasi: reformulasi disiplin ilmu
melalui bentuk representasi baru. Dalam: Clayson J, Kalas I (eds)
Prosiding konferensi konstruksionisme 2010. Paris. 10–14 Agustus,
hal 97
Wilensky U, Rand W (2015) Pengantar pemodelan berbasis agen:
pemodelan sistem kompleks alami, sosial dan rekayasa dengan
NetLogo. MIT Press, Cambridge Wilensky U, Reisman K (2006)
Berpikir seperti serigala, domba, atau kunang-kunang: belajar biologi
melalui membangun dan menguji teori-teori komputasi—sebuah
pendekatan pemodelan yang diwujudkan. Cogn Instr 24 (2): 171–209
Machine Translated by Google
J Sci Education Technol
Wilensky U, Resnick M (1999) Berpikir di tingkat: pendekatan sistem dinamis untuk
memahami dunia. J Sci Educ Technol 8(1):3–19
Wilensky U, Brady C, Horn M (2014) Membina literasi komputasi di kelas sains.
Komunitas ACM 57(8):17–21 Wilkerson-Jerde MH (2014) Konstruksi,
kategorisasi, dan konsensus: artefak komputasi yang dihasilkan siswa sebagai
konteks untuk refleksi disiplin. Educ Technol Res Dev 62(1):99-121 Wilkerson-
Jerde MH, Wilensky U (2015) Pola, probabilitas, dan orang: memahami
perubahan kuantitatif dalam sistem yang kompleks.
J Learn Sci 24(2):204–251
Wilkerson-Jerde MH, Gravel BE, Macrander CA (2015) Menjelajahi pergeseran
dalam aktivitas pemodelan pelajar sekolah menengah sambil
menghasilkan gambar, animasi, dan simulasi komputasi difusi molekul. J Sci
Educ Technol 24(2–3):396–415 Wing JM (2006) Pemikiran komputasional.
Komunitas ACM 49(3):
33–35
Wolfram S (2002) Sebuah jenis ilmu baru, edisi pertama. Wolfram Media,
Tokyo
Yadav A, Zhou N, Mayfield C, Hambrusch S, Korb JT (2011)
Memperkenalkan pemikiran komputasi dalam kursus pendidikan. Dalam:
Prosiding simposium teknis ACM ke-42 tentang pendidikan ilmu komputer,
ACM, hlm 465–470 Zuckerman O, Resnick M (2003) Blok sistem: antarmuka
fisik untuk pembelajaran dinamika sistem. Dalam: Prosiding konferensi dinamika
sistem internasional ke-21. Citeseer, hlm 810–811.
123