Computational Thinking i (u)formel uddannelse

BRIDGE er designet til at støtte lærere i at vejlede elever gennem vores digitale verden. Vi mener, at skoler spiller en afgørende rolle i at hjælpe eleverne med ikke kun at bruge teknologi, men også forstå dens bredere indvirkning. Ved at kombinere samfundsdialog, elevaktiviteter og lærerprofessionalisering sigter vi mod at udstyre skoler med de værktøjer, de har brug for til at forberede unge mennesker på en gennemtænkt og ansvarlig digital fremtid. BRIDGE bygger på tre søjler, der skal styrke digital kompetence, kritisk tænkning og lærernes selvtillid i klasseværelset:

Forståelse af teknologiens indvirkning på samfundet gennem dialogsessioner

BRIDGE inviterer lærere og elever til at udforske væsentlige spørgsmål om teknologiens rolle i vores dagligdag. Disse samtaler hjælper eleverne med at reflektere over de sociale, kulturelle og etiske dimensioner af teknologi. Færdigheder, der er lige så vigtige som teknisk viden.

Professionel udvikling for undervisere

BRIDGE støtter læreres professionelle læringsaktiviteter, der styrker grundlæggende viden om computertænkning og tilbyder konkrete strategier til implementering i klasseværelset. Vores træningssessioner er designet til at være tilgængelige, samarbejdsbaserede og umiddelbart anvendelige i den daglige undervisning.

Undervisningsaktiviteter for elever (8–14 år)

BRIDGE tilbyder forskellige praktiske aktiviteter, der introducerer computertænkning på en engagerende og alderssvarende måde. Alle aktiviteter kræver kun lidt forberedelse og kan integreres i forskellige fag, fra sprog til naturvidenskab. Uanset om dine elever er nye inden for computertænkning eller klar til mere avancerede udfordringer, understøtter vores materialer meningsfuld læring på alle niveauer.

grundlaget for Computational Thinking:

Computational Thinking kan forklare som et sæt af færdigheder, der kan hjælpe med at løse problemer ved at foreslå trinvise løsninger. Disse kan udføres af en person eller af en computer. Computational Thinking er ikke at tænke som en computer, men det modsatte - at kunne fortælle en computer, hvad den skal gøre for at løse et givent problem.

Grundlaget for computertænkning er:

Dekomposition: Opdeling af et komplekst problem eller system i mindre dele, som er lettere at forstå. Vi kan opdele en kompleks og/eller stor opgave eller data (f.eks. modellering af studerende) i enklere og mindre opgaver eller datakomponenter (f.eks. personlige data og data relateret til hans/hendes kurser). Det giver os mulighed for at arbejde parallelt, definere opgaverne mere detaljeret, kontrollere delresultaterne af disse små opgaver osv.

Mønstergenkendelse: At finde ligheder mellem problemer eller systemer, som gør det muligt at genbruge tidligere løsninger. Når vi identificerer mønstre i informationer, kan vi bearbejde dem mere effektivt (f.eks. har data om elevers fag til fælles: navnet på faget, antal timer, lærerens navn og karakteren).

Abstraktion: at adskille det grundlæggende fra supplerende aspekter for være i stand til at se bort fra irrelevante detaljer ift. problemøsningen eller forståelsen af systemet. Hvis vi følger eksemplet med den studerende, fokuserer vi i stedet på, hvilke fælles karakteristika der er for alle studerende - altså hvad der definerer de studerendes kategori og ikke på individuelle karakteristika.

Algoritmer: udvikling af en trinvis løsning på problemet. Det involverer ofte sekvenser, loops og alternativer. Algoritmer er den opskrift, der skal følges for at opnå det ønskede slutresultat. Et typisk eksempel på en algoritme er en madlavningsopskrift; altså et sæt af trin, der skal følges systematisk.