Υπολογιστική Σκέψη, Υπολογιστική Επιστήμη, Physical Computing, Επιστημολογία STEM, και Engineering Epistemology Pedagogy.
Μια πρόταση για την επιμόρφωση των εκπαιδευτικών , την παιδαγωγική επάρκεια και για νέα αναλυτικά προγράμματα σπουδών στην σχολική εκπαίδευση
(Δημοσιευμένη εργασία στο www.eefee.gr)
Πρόλογος
Στην εισήγηση/άρθρο παρουσιάζονται προτεινόμενες διαδρομές υλοποίησης του STEM και ανάπτυξης της επιστημολογίας του STEM και της «Μηχανικής» ώστε να συνδεθούν με νέα μορφές εκπαίδευσης και επιμόρφωσης των εκπαιδευτικών.
Χρησιμοποιώντας ενδεικτικές βιβλιογραφικές αναφορές δίνεται αρχικά ο προβληματισμός για την επιστημολογία του STEM και την «Μηχανική» και στη συνέχεια προτείνονται μεθοδολογίες υλοποίησής τους.
Ο σκοπός του άρθρου είναι να αναλύσει τις νέες τάσεις σχετικά με την εκπαίδευση των εκπαιδευτικών όπως προκύπτει από αντίστοιχες προτάσεις σε διεθνές επίπεδο.
Διεθνώς πραγματοποιούνται συζητήσεις για την ένταξη της επιστημολογίας του STEM σε όλες τις βαθμίδες της εκπαίδευσης για λόγους εκπαιδευτικούς αλλά και οικονομικούς. Η ένταξη αυτή δεν είναι εύκολη γιατί εξαρτάται από το περιεχόμενο της επιστημολογίας του STEM αλλά και από άλλα θέματα που συνδέονται με το νέο εκπαιδευτικό περιβάλλον που δημιουργείται, τα νέα αναλυτικά προγράμματα, την επιμόρφωση των εκπαιδευτικών, την παροχή πιστοποίησης στα προγράμματα των εκπαιδευτικών κλπ.
Ένα άλλο επίκαιρο θέμα προκύπτει από την ένταξη της επιστημολογίας στο λεγόμενο “engineering pedagogy” , εξαιτίας της θεμελιώδους συνιστώσας στο STEM που σχετίζεται με την «επιστήμη των Μηχανικών».
Στο άρθρο αυτό προτείνεται ένα μοντέλο για την ένταξη της επιστημολογίας του STEM αλλά και της επιστημολογίας των Μηχανικών χρησιμοποιώντας την μεθοδολογία του Υπολογιστικού πειράματος ώστε να γίνει ο μετασχηματισμός από τις ΤΠΕ στην εισαγωγή του STEM στην εκπαίδευση.
Λέξεις κλειδιά: Engineering Education Epistemology, STEM, physical computing, Υπολογιστική Επιστήμη, Υπολογιστική Σκέψη
- Εισαγωγή
- Engineering Education Epistemology –Η επιστημολογία των «Μηχανικών»
Τα προβλήματα που αντιμετωπίζουμε στην σύγχρονη κοινωνία είναι πολυδιάστατα και πολλά από αυτά απαιτούν για την λύση τους την «ολοκλήρωση» πολλών εννοιών από τα γνωστικά αντικείμενα του STEM (NAS, 2006; NAE, 2009; National Center on Education and the Economy, 2007). Η ανάπτυξη επίσης της τεχνολογίας στον 21ο αιώνα αλλάζει επίσης τις ανάγκες για την οικονομία και ειδικά για τα γνωστικά αντικείμενα του STEM.Αυτό έχει ως συνέπεια την αλλαγή των προσδοκιών των μαθητών για την διδακτικά αναπλαισίωση των γνωστικών αντικειμένων αλλά και την ανάγκη για νέους τρόπους προετοιμασίας και επιμόρφωσης των εκπαιδευτικών.
Επαγγελματικές ενώσεις υψηλού κύρους, όπως η «Society for Engineering Education and the National Academy of Engineering –NAE»-θέτουν το ζήτημα για νέες εκπαιδευτικές προσεγγίσεις που θα εστιάζουν σε hands-on, δια-επιστημονικές δραστηριότητες ενώ τονίζουν ότι η «Μηχανική» είναι μια γνωστική περιοχή που «συναντά» αυτούς τους στόχους (Brophy κ.α 2008) και θα πρέπει να ενταχθεί στην εκπαίδευση με διάφορους τρόπους.
Στην εισήγηση/άρθρο χρησιμοποιούμε τον όρο «Μηχανική» για τα γνωστικά πεδία όλων των Μηχανικών. Θα μπορούσαμε να χρησιμοποιήσουμε και άλλους όρους αλλά για λόγους απλότητας παραμένουμε σ’ αυτόν.
Ήδη από το 1998 (Hurd, 1998) είχε τεθεί το θέμα της αναγκαιότητας της «αλλαγής» της διδασκαλίας και μάθησης ώστε να υπάρχει εναρμόνιση με τις πρακτικές της επιστήμης και της τεχνολογίας καθώς η επιστήμη καθίσταται ολιστική(holistic) και δια-επιστημονική
(transdisciplinary).
The National Research Council στις ΗΠΑ (2012) επίσης, σε αναφορά σχετικά με την εισαγωγή του STEM αναφέρει ότι θα πρέπει να ενταχθεί η «Μηχανική» στα αναλυτικά προγράμματα μέσω των πρακτικών της, των εννοιών της και της μεθοδολογίας που χρησιμοποιεί.
Από τα παραπάνω είναι εμφανές ότι η «Μηχανική» έχει ιδιαίτερη βαρύτητα στην εισαγωγή του STEM ως επιστημολογία στην εκπαίδευση (Shirey,2017), και γι’ αυτό τον λόγο συχνά γίνεται αναφορά στην παιδαγωγική της «Μηχανικής» (Engineering Pedagogy).
Ωστόσο το θέμα της επιστημολογίας του STEM και κατά πόσο η ένταξη της «Μηχανικής» θα «λύσει» τα όποια επιστημολογικά προβλήματα είναι εγγενή στην «φύση» του STEM δεν είναι ένα πραγματιστικό αλλά πραγματικό ζήτημα, ενώ θα πρέπει να αναρωτηθούμε αν θα πρέπει να προχωρήσουμε στην ολοκλήρωση(integration) ή στην δια-επιστημονικότητα (transdisciplinary) ή σε συνδυασμό τους.
Υπάρχουν απόψεις, όπως για παράδειγμα αυτή του Next Generation Science Standards (NGSS, 2013), που τονίζει την ανάγκη για μεταρρύθμιση στην εκπαίδευση των επιστημών η οποία θα πρέπει να προκύψει από την εισαγωγή του περιεχομένου της «Μηχανικής» αλλά και των πρακτικών της «Μηχανικής» στο αναλυτικό πρόγραμμα . Η μελέτη αυτή(Εικόνα 1) θέτει επίσης και το πολύ σημαντικό ζήτημα της μετατόπισης από την εκπαίδευση των επιστημών στην επιστημολογία της «εκπαίδευσης της Μηχανικής» καθώς και στους εκπαιδευτικούς πόρους και τις προκλήσεις για τους εκπαιδευτικούς στην περίπτωση αυτή (Shirey,2015) .
Εικόνα 1. Από την επιστημολογία της εκπαίδευσης των επιστημών στην επιστημολογία της «Μηχανικής»
Με τον όρο «εκπαίδευση της Μηχανικής» εννοούμε το εξής: σύμφωνα με την Shirey(2015) η «Μηχανική» μπορεί να διαιρεθεί σε «περιεχόμενο της Μηχανικής» και σε «σχεδιασμό με την Μηχανική»( “the discipline of engineering can be divided into engineering content and engineering design”). Το περιεχόμενο της «Μηχανικής» προκύπτει από την «τομή» των επιστημών(π.χ. Φυσική, Βιολογία, Χημεία) και των Μαθηματικών η οποία παρέχει τα εργαλεία τα οποία μπορεί να χρησιμοποιήσει ο Μηχανικός για να σχεδιάσει λύσεις σε συγκεκριμένα προβλήματα βασιζόμενος σε κριτήρια και περιορισμούς, ώστε να κατανοηθούν σε ένα βαθύτερο επίπεδο οι έννοιες που περιέχονται στα γνωστικά αντικείμενα του STEM.
Ο «σχεδιασμός της Μηχανικής» συνδέεται με την υλοποίηση ενός επαναληπτικού σχεδίου όπου θα ορίζεται το πρόβλημα, θα αναδύονται ιδέες για την λύση του, και στη συνέχεια θα υπάρχει μια συστηματικός τρόπος υλοποίησης με έλεγχο και βελτιώσεις. Η διαδικασία αυτή θεωρείται ότι αποτελεί και έναν διδακτικό σχεδιασμό του τύπου «επίλυση προβλήματος» (Moore, 2014).
Η εκπαίδευση στις φυσικές επιστήμες θεωρείται ότι μπορεί να βελτιωθεί μέσω της «μηχανικής σχεδίασης» διότι δημιουργεί πολλές ευκαιρίες για διερεύνηση και εφαρμογή της επιστημονικής γνώσης. Επίσης, παρέχει ένα αυθεντικό πλαίσιο μάθησης για την μαθηματική λογική κατά τη διάρκεια της σχεδίασης. Η διαδικασία της μηχανικής σχεδίασης επιτρέπει επίσης στους μαθητές να χρησιμοποιήσουν τα μαθηματικά και την επιστημονική διερεύνηση για τη δημιουργία και τη διεξαγωγή πειραμάτων από την έκβαση των οποίων οι μαθητές μαθαίνουν για την λειτουργία και την απόδοση πιθανών σχεδιαστικών λύσεων πριν την κατασκευή των τελικών πρωτότυπων(Παλιούρας Α, Διπλωματική εργασία Master STEM, ΑΣΠΑΙΤΕ 2017).
Συνοψίζοντας, η επιστημολογία της «Μηχανικής» περιλαμβάνει την δημιουργία αποτελεσματικών και αξιόπιστων τεχνουργημάτων και μηχανών, την παιδαγωγική γνώση περιεχομένου από τα αντικείμενα του STEM και την εφαρμογή αυτής της γνώσης μέσω δια-επιστημονικών διδακτικών σχεδιασμών.
1.2 Η μεθοδολογία της Υπολογιστικής Επιστήμης στην εκπαίδευση
Η Υπολογιστική Επιστήμη (Computational Science) θεωρείται ότι αποτελεί από μόνη της ένα γνωστικό αντικείμενο -It a discipline in its own right (President’s Information Technology Advisory Committee, 2005, PITAC –and is considered to be “one of the five college majors on the rise”) (Fischer and Gleen, “5 College Majors on the Rise”, The Chronicle of Higher Education, 2009).
Παράλληλα, η νέα τάση διεθνώς είναι η ολοκλήρωση της γνωστικής περιοχής «Υπολογιστική Επιστήμη» με τις επιστήμες και η χρήση του «υπολογιστικού πειράματος» ως μια τρίτης συνιστώσας της επιστήμης, μαζί με την θεωρία και το φυσικό πείραμα. Επιπλέον, η τάση για την ολοκλήρωση του STEM (Science, Technology, Engineering and Mathematics) με την διδακτική, προτρέπει να αναπτυχθεί ο λεγόμενος «Υπολογιστικός» τρόπος σκέψης (Υ.Σ.) μέσω του υπολογιστικού πειράματος.
Η επιτροπή PITAC προχώρησε στον ορισμό της Υπολογιστικής Επιστήμης (www.nitrd.gov/pitac/reports/).
Σύμφωνα με την επιτροπή αυτή, η Υπολογιστική Επιστήμη είναι ένα γρήγορα αναπτυσσόμενο γνωστικό πεδίο που χρησιμοποιεί προηγμένες υπολογιστικές δυνατότητες για να κατανοήσει και να επιλύσει σύνθετα προβλήματα και αποτελείται από τις παρακάτω διαστάσεις (Ψυχάρης ,2009;Ψυχάρης,2010;Ψυχάρης & Καλοβρέκτης,2017,Landau κ.α. 2008;Landay & Yasar,2003) ):
- Την Αριθμητική Ανάλυση από τα Μαθηματικά για να καταλήξουν οι εξισώσεις του μοντέλου σε αλγόριθμο που θα υλοποιηθεί σε κάποια γλώσσα προγραμματισμού στον ΗΥ.
- Την Επιστήμη των Υπολογιστών(Computer Science), ώστε να αναπτύξει και να βελτιώσει συστήματα hardware, software, συστήματα διαδικτύου και συστήματα διαχείρισης δεδομένων
- Την εκάστοτε Επιστήμη που θα παρέχει τις εξισώσεις, τους νόμους και τα μοντέλα, ώστε να προσομοιωθεί το μοντέλο/φαινόμενο με κατάλληλες μεθόδους προσομοίωσης.
Εικόνα 2: Το γνωστικό πεδίο της Υπολογιστικής Επιστήμης (Εικόνα από :Ψυχάρης, Σ.& Καλοβρέκτης, Κ(2017). Διδακτική και Σχεδιασμός Εκπαιδευτικών Δραστηριοτήτων STEM και ΤΠΕ. Κωδικός Εύδοξος 68374254 Εκδόσεις Τζιόλα)
Σύμφωνα με τους (Shiflet & Shiflet, 2006), η Υπολογιστική Επιστήμη συνδυάζει την προσομοίωση με τη χρήση ΗΥ, την επιστημονική οπτικοποίηση, τη μαθηματική μοντελοποίηση, τον προγραμματισμό, τις δομές δεδομένων, το συμβολικό υπολογισμό, μεθόδους βελτιστοποίησης και τους υπολογισμούς ‘υψηλού επιπέδου» σε διάφορα γνωστικά αντικείμενα.
Συνθέτοντας τα παραπάνω προτείνουμε την παρακάτω μεθοδολογία του υπολογιστικού πειράματος στην εκπαίδευση (Ψυχάρης, Σ.& Καλοβρέκτης, Κ,2017. Διδακτική και Σχεδιασμός Εκπαιδευτικών Δραστηριοτήτων STEM και ΤΠΕ. Κωδικός Εύδοξος 68374254 Εκδόσεις Τζιόλα).
Εικόνα 3:Η μεθοδολογία του υπολογιστικού πειράματος
Για την υλοποίηση του υπολογιστικού πειράματος, προτείνονται τρείς χώροι (Psycharis,2013;Psycharis,2015)
Χώροι του Υπολογιστικού Πειράματος (Psycharis, 2013;Psycharis,2016)
Ο χώρος των υποθέσεων
Ο χώρος του υπολογιστικού πειράματος
Ο χώρος της γενίκευσης-προβλέψεων
Πίνακας 1: Οι χώροι του Υπολογιστικού Πειράματος
1.3 Η διερευνητική/ανακαλυπτική (Inquiry based) μέθοδος
Η δημοσίευση του άρθρου "Science Education Now: A renewed Pedagogy for the Future of Europe (Rocard, 2007), επανέφερε το θέμα της διδακτικής των επιστημών με την διερευνητική/ανακαλυπτική μάθηση (Inquiry Based). Στο άρθρο τονίζεται ότι το πεδίο της διδακτικής των Επιστημών ασχολείται-μεταξύ άλλων- με την δόμηση εννοιών, την μοντελοποίηση, την επίλυση προβλήματος, τις μεταγνωστικές δεξιότητες και την συμμετοχή στις ερευνητικές διαδικασίες. Η διερευνητική/ανακαλυπτική (Inquiry) μάθηση έχει επίσημα «προαχθεί» ως μια βασική παιδαγωγική διαδικασία για τη βελτίωση της μάθησης σε πολλές χώρες (Bybee et al., 2008). Η διερευνητική/ανακαλυπτική μέθοδος (Inquiry) μπορεί να ορισθεί ως «η μεθοδολογία για την «αναγνώριση» του προβλήματος, την κριτική αντιμετώπιση πειραμάτων, την παραγωγή δεδομένων, την εύρεση εναλλακτικών εξηγήσεων, τον σχεδιασμό της έρευνας, την κατασκευή μοντέλων, την δόμηση επιχειρημάτων κλπ) ενώ θεωρείται ως ο πιο ενδεδειγμένος τρόπος για την υλοποίηση της επιστημονικής μεθόδου στα σχολεία (Bell κ.α., 2004; Bell κ.α., 2010; Levy κ.α., 2010;).
Ο Bell κ.α (2010), προσδιόρισαν εννέα (9) Inquiry διαδικασίες που –υποστηριζόμενες από κατάλληλα υπολογιστικά περιβάλλοντα - μπορούν να χρησιμοποιηθούν σε διερευνητικές/ ανακαλυπτικές μαθησιακές δραστηριότητες ενταγμένες στην επιστημολογία του STEM. Αυτές οι διαδικασίες είναι: o «προσανατολισμός» και οι κατάλληλες ερωτήσεις για το φαινόμενο, η δημιουργία υποθέσεων, ο σχεδιασμός, η διερεύνηση, η ανάλυση και ερμηνεία, η εξερεύνηση και η δημιουργία μοντέλων, η αξιολόγηση και τα συμπεράσματα, η πρόβλεψη και η γενίκευση.
Οι εννέα αυτές διαδικασίες είναι στενά συνδεδεμένες με τα επτά (7) στάδια της διερευνητικής/ανακαλυπτικής μάθησης (Asay & Orgill, 2010) τα οποία είναι τα: η ερώτηση, η απόδειξη(συλλογή δεδομένων), η ανάλυση, η εξήγηση, η σύνδεση, η επικοινωνία και ο αναστοχασμός. Συνδυάζοντας τα παραπάνω, μπορούμε να πάμε ένα ακόμα βήμα πιο κοντά σε μια πιο ενοποιημένη εικόνα που μπορεί να αποτελέσει και έναν πρακτικό οδηγό για την υλοποίηση του υπολογιστικού πειράματος.
Στον παρακάτω πίνακα παρουσιάζουμε την σχέση των χώρων του υπολογιστικού πειράματος, με τα στάδια της διερευνητικής/ανακαλυπτικής (Inquiry) διδασκαλίας και μάθησης και τα διερευνητικά/ανακαλυπτικά εργαλεία (Psycharis, 2016).
Χώροι του Υπολογιστικού πειράματος (Psycharis, 2013;Psycharis,2016)
Τα βασικά χαρακτηριστικά της διερευνητικής/ανακαλυπτικής μάθησης (Assay & Orgill, 2010)
Τα διερευνητικά/ανακαλυπτικά εργαλεία (Bell et al, 2010)
Ο χώρος των υποθέσεων
Ερώτηση
Προσανατολισμός και κατάλληλες ερωτήσεις
Δημιουργία υποθέσεων
Ο χώρος του υπολογιστικού πειράματος
Συλλογή δεδομένων, επεξεργασία δεδομένων,
Εξήγηση
Σχεδιασμός, Διερεύνηση, Ανάλυση,
Ερμηνεία, Μοντελοποίηση
Ο χώρος της γενίκευσης-προβλέψεων
Σύνδεση με το σχολικό εγχειρίδιο
Γενίκευση –Πρόβλεψη-ανάπτυξη μεταγνωστικών εμπειριών
Συμπεράσματα, αξιολόγηση, πρόβλεψη
Πίνακας 2: Η σύνδεση των χώρων του υπολογιστικού πειράματος με την διερευνητική/ανακαλυπτική μάθηση και τα εργαλεία της
- Η Υπολογιστική Σκέψη(Υ.Σ.)
Η Wing (2006) αναφέρει ότι η Υ.Σ. είναι μια βασική ικανότητα που πρέπει να έχουν οι εκπαιδευόμενοι συμπληρωματικά με τις άλλες τρεις βασικές δεξιότητες, την ανάγνωση, τη γραφή και την αριθμητική. Η Υ.Σ. περιλαμβάνει την επίλυση προβλήματος, το σχεδιασμό συστημάτων και την κατανόηση της ανθρώπινης συμπεριφοράς, βασιζόμενη σε έννοιες που είναι πολύ σημαντικές επίσης για την επιστήμη των υπολογιστών ενώ περιλαμβάνει
μία σειρά νοητικών εργαλείων που αντανακλούν το εύρος του πεδίου της επιστήμης των υπολογιστών (Wing, 2006).
Η Wing δεν όρισε με ακρίβεια τον όρο Υ.Σ. και η φύση της Υ.Σ. ήταν ατελώς
προσδιορισμένη. Μετά την Wing, πολλοί ερευνητές έκαναν προσπάθειες ενός πληρέστερου προσδιορισμού του όρου αυτού (π.χ. Angeli κ.α.,2016; Barr & Stephenson, 2011; Denning, 2007, 2009, 2011; Grover & Pea, 2013; Guzdial, 2008, 2012; NRC 2010, 2011; http://eprints.soton.ac.uk/372410/1/372410UnderstdCT.pdf).
Η Υ.Σ. μπορεί να θεωρηθεί επίσης ως «meta-science» που ολοκληρώνει τις επιστήμες, την
επιστήμη των υπολογιστών, τα μαθηματικά και την επιστήμη των μηχανικών, ενώ ταυτόχρονα μελετά μεθoδολογίες σκέψης που εφαρμόζονται σε πολλές διαφορετικές επιστήμες (NRC, 2010;Wing,2011)).
Από σχετικές ερευνητικές εργασίες έχουν προκύψει ορισμένες κοινά αποδεκτές διαστάσεις
της Υ.Σ. που παρουσιάζονται στον παρακάτω πίνακα. Ο πίνακας αυτός παρουσιάζει τις διαστάσεις της Υ.Σ. όπως εμφανίζονται σε πέντε άρθρα που επιλέχθηκαν βάση του αριθμού (πλήθους) των ετερεοαναφορών τους.
Πίνακας 3: Οι τελικές(;) διαστάσεις της Υ.Σ.
Οι Hoyles & Noss (2015) θεωρούν ότι η Υ.Σ. περιέχει: την αφαιρετική διαδικασία (αντιμετώπιση του προβλήματος σε διάφορα επίπεδα λεπτομερειών), την αλγοριθμική σκέψη (ως την τάση να τίθενται «καθήκοντα» με όρους απλούστερων διακριτών και συνδεδεμένων βημάτων), την διάσπαση (η επίλυση προβλήματος περιλαμβάνει την επίλυση απλούστερων προβλημάτων) και την αναγνώριση προτύπων. Περιλαμβάνει επίσης στοιχεία της επιστήμης των υπολογιστών (επαναληπτικές διαδικασίες, μεθόδους, γεγονότα, υπορουτίνες), πρακτικές, αφαιρετικές διαδικασίες, αποσφαλμάτωση και στοιχεία κοινά με τις επιστήμες, τα μαθηματικά, την γλώσσα, τις τέχνες και την «Μηχανική» (Lye & Koh, 2014).
Ορισμένοι ερευνητές συνδέουν την Υ.Σ. με το STEM και την «Μηχανική»( π.χ.Kramer,2007). και ειδικότερα την μοντελοποίηση (βασικό στοιχείο της υπολογιστικής επιστήμης) με τη «μηχανική σχεδίαση» και την επίλυση προβλήματος σύμφωνα με την επιστημολογία του STEM.
Η άποψή μας είναι ότι η Υ.Σ. αποτελεί μια μέθοδο επίλυσης προβλήματος, αφού μπορεί να μετασχηματίσει ένα πρόβλημα σε διαδικασίες που μπορούν να δώσουν (με αφαιρετική σκέψη, διάσπαση, δημιουργία μοντέλων, κλπ.) αποτελέσματα τα οποία μπορούν να επιβεβαιωθούν από ένα πείραμα ή από τη θεωρία. Παρακάτω θα συνδέσουμε την Υ.Σ. με την Υπολογιστική Επιστήμη και το Υπολογιστικό Πείραμα καθώς και την διερευνητική/ανακαλυπτική μάθηση καθώς θεωρούμε ότι ο «φυσικός» χώρος υλοποίησης της Υ.Σ. είναι μέσω του υπολογιστικού πειράματος (για παραγωγή πραγματικών δεδομένων) χρησιμοποιώντας την διερευνητική/ανακαλυπτική μάθηση.
- Physical Computing (Περιβάλλοντα φυσικού υπολογισμού)
Το physical computing μπορεί να υλοποιηθεί με δυο τρόπους: είτε για την διδασκαλία εννοιών της επιστήμης των Η/Υ, είτε με την αξιοποίηση του physical computing ως είσοδο σε διαφορετικές ενότητες της επιστήμης των Η/Υ (Przybylla & Romeike, 2014).
Το physical computing θεωρείται επίσης ως μια «κατάλληλη διαδικασία» για την σύνδεση ψηφιακών αντικειμένων με τον πραγματικό κόσμο μέσω μοντέλων προσομοίωσης (εδώ φαίνεται και η διασύνδεσή του τόσο με το STEM όσο και με την Υπολογιστική Επιστήμη) (Schulz & Pinkwart, 2015).
Ο συγγραφέας θεωρεί ότι το physical computing μπορεί να υλοποιηθεί σε συμφωνία με την επιστημολογία τόσο του STEM όσο και της «Μηχανικής».
Το βασικό επιχείρημα είναι ότι το physical computing μπορεί να βοηθήσει τους εκπαιδευόμενους (μαθητές, φοιτητές, εκπαιδευτικούς να υλοποιήσουν στοιχεία «πρακτικής» επιστημολογίας μέσω hands-on πειραμάτων. Για μια πολύ καλή περιγραφή της πρακτικής επιστημολογίας και των επιστημολογικών προσεγγίσεων σχετικά με αυτή, μπορείτε να ανατρέξετε στο άρθρο (Per-Olof Wickman, 2004)
- Η επιστημολογία STEM
Ένα αναλυτικό πρόγραμμα βασισμένο στο STEM θα πρέπει να στηρίζεται στην επιστημολογία του STEM. Σύμφωνα με τον Morrison (2006), το STEM είναι μια «μετα»-γνωστική περιοχή (meta-discipline) (Kaufman κ.α, 2003), δηλαδή αφορά την δημιουργία μιας γνωστικής περιοχής που βασίζεται στην «ολοκλήρωση» άλλων γνωστικών περιοχών σε μια νέα «ολότητα», ενώ ως «meta-discipline» περιέχει έννοιες που συχνά συγκρούονται μεταξύ τους.
Το μόνο δεδομένο που έχουμε έως τώρα είναι ότι μέσω του STEM, οι εκπαιδευόμενοι μπορούν να αποκτήσουν αίσθηση του κόσμου και των φαινομένων που μας περιβάλλουν με ένα ολιστικό ή δια-επιστημονικό τρόπο, παρά με την μάθηση απομονωμένων τμημάτων και φαινομένων και σε αυτό θα στηριχθούμε για να οριοθετήσουμε την επιστημολογία του.
Η επιστημολογία του STEM στηρίζεται στην δια-επιστημονικότητα ή εγκάρσια διε-επιστημονικότητα (transdisciplinary), με βασικό προσανατολισμό την επίλυση πολύπλοκων προβλημάτων πραγματικών καταστάσεων, αξιοποιώντας εργαλεία από διάφορα επιστημονικά πεδία.
Εικόνα 4: Η εγκάρσια δια-επιστημονικότητα
Γενικά, οι γνωστικές περιοχές μας παρέχουν συστήματα αναφοράς, μεθοδολογικές προσεγγίσεις, έννοιες και συνδέσεις εννοιών, μοντέλα και επίσης μια κοινή γλώσσα που θα την κατανοούν όλοι που ασχολούνται με αυτή την γνωστική περιοχή ώστε να επικοινωνούν μεταξύ τους, να πηγαίνουν σε κοινά συνέδρια κλπ. Η ένταξη σε μια γνωστική περιοχή παρέχει επίσης την επιστημολογική και οντολογική ασφάλεια ώστε να προχωρά η συγκεκριμένη γνωστική περιοχή χωρίς κάθε φορά οι ασχολούμενοι με αυτήν να θέτουν ερωτήματα σχετικά με την φύση της επιστήμης για τη συγκεκριμένη γνωστική περιοχή. Ωστόσο, είναι προφανές ότι στην σημερινή εποχή όπου η γνωστική περιοχή της «πολυπλοκότητας-complexity» έχει έρθει στο προσκήνιο, παραδοσιακές γνωστικές περιοχές «αγωνίζονται» να κατανοήσουν τα προβλήματα που εμφανίζονται για επίλυση.
Σύμφωνα με τους (Kelley & Knowles,2016) η επιστημολογία STEM περιλαμβάνει την «πρακτική» επιστημολογία, την «σχεδίαση των Μηχανικών», την διερευνητική/ανακαλυπτική μέθοδο διδασκαλίας και μάθησης (the inquiry approach) και τις διαστάσεις της Υ.Σ. (EDU-ARCTIC Report, 2016; Psycharis, 2017 in process).
Το STEM περιέχει την «Μηχανική» η οποία δεν μπορεί να ενταχθεί επιστημολογικά χωρίς να αναφερθούν οι ιδιαιτερότητες της «Μηχανικής». Οι ιδιαιτερότητες αυτές - για την εκπαίδευση- εστιάζουν κυρίως στο λεγόμενο design thinking, που και αυτό συνδέεται με τις διαστάσεις της Υ.Σ. (κυρίως με τη διάσπαση του προβλήματος και την αναγνώριση προτύπων).
Γενικά η «Μηχανική» θεωρείται ως «καταλύτης» για την εισαγωγή της επιστημολογίας του STEM καθώς τόσο το «περιεχόμενο της Μηχανικής» όσο και ο «σχεδιασμός της Μηχανικής» μπορούν να προσφέρουν διαδρομές για την «ολοκλήρωση» των γνωστικών αντικειμένων του STEM (βλ. και την παράγραφο για την επιστημολογία της Μηχανικής (Roehrig κ.α, 2012)).
Οι Kelley & Knowles (2016) προτείνουν ένα εννοιολογικό πλαίσιο για την εκπαίδευση STEM (βλ. Eικόνα 5). Ο σκοπός του προτεινόμενου πλαισίου είναι ο συνδυασμός στοιχείων των θεωριών μάθησης και των διδακτικών σχεδιασμών ώστε να δομηθεί μια μαθησιακή και διδακτική ακολουθία με δια-επιστημονικό επιστημολογικό περιεχόμενο (Παλιούρας, 2017 Διπλωματική Μεταπτυχιακή Εργασία, ΠΜΣ STEM ΑΣΠΑΙΤΕ).
Στην εικόνα παρατηρούμε ότι οι έννοιες της εγκαθιδρυμένης μάθησης (situated learning), της μηχανικής σχεδίασης (engineering design), της επιστημονικής έρευνας (Science Inquiry), του τεχνολογικού εγγραματισμού (technological literacy) και της μαθηματικής σκέψης (mathematical thinking) είναι συνδεδεμένες μεταξύ τους, σαν ένα ολοκληρωμένο σύστημα. Κάθε τροχαλία στο σύστημα συνδέει κοινές πρακτικές εντός των τεσσάρων γνωστικών αντικειμένων του STEM οι οποίες περιορίζονται από το σκοινί των κοινοτήτων πρακτικής.
Εικόνα 5: Η τροχαλία του STEM που θα σηκώσει το φορτίο STEM
1.7 Η σύνθεση: Υπολογιστική Επιστήμη στην εκπαίδευση, Υπολογιστική σκέψη, physical computing, STEM και Engineering education επιστημολογία-Η μεγάλη εικόνα
Από την παραπάνω ανάλυση συμπεραίνουμε ότι η επιστημολογία STEM συνδέεται (έστω και με τους διαφορετικούς τρόπους που παρουσιάσθηκαν) με την επιστημολογία της «Μηχανικής(ως περιεχόμενο ή/και ως σχεδίαση).
Παρουσιάζουμε ένα πίνακα που επιχειρεί να συνδυάσει όλα όσα αναφέραμε ώστε να αποτελέσει έναν πρακτικό οδηγό χρήσης τόσο για αναλυτικά προγράμματα για τη σχολική εκπαίδευση όσο και για την ανάπτυξη δομών επιμόρφωσης και παιδαγωγικής επάρκειας.
Χώροι του Υπολογιστικού πειράματος (Psycharis, 2013;Psycharis,2016)
Τα βασικά χαρακτηριστικά της διερευνητικής/ανακαλυπτικής μάθησης
Physical Computing
Διαστάσεις της ΥΣ
Επιστημολογία STEM
Επιστημολογία της «Μηχανικής»
Τα διερευνητικά/ανακαλυπτικά εργαλεία (Bell et al, 2010)
Ο χώρος των υποθέσεων
Τα βασικά χαρακτηριστικά της διερευνητικής/ανακαλυπτικής μάθησης
Ερώτηση
Physical Computing
Hands- on -Unplugged activities(χωρίς την χρήση ΗΥ)
Διαστάσεις της ΥΣ
Αφαιρετική σκέψη-διάσπαση του προβλήματος
Επιστημολογία STEM
Χρήση και επίδειξη ενός προϊόντος(τεχνουργήματος-μηχανής) από την καθημερινή ζωή
Επιστημολογία της «Μηχανικής»
Επίδειξη «προϊόντων» των Μηχανικών με τη μορφή video, εικόνας κλπ
Προσανατολισμός και κατάλληλες ερωτήσεις
Δημιουργία υποθέσεων
Ο χώρος του υπολογιστικού πειράματος
Τα βασικά χαρακτηριστικά της διερευνητικής/ανακαλυπτικής μάθησης
Συλλογή δεδομένων, επεξεργασία δεδομένων, Εξήγηση
Physical Computing
Δημιουργία κώδικα για τον έλεγχο των τεχνουργημάτων
Διαστάσεις της ΥΣ
Αφαιρετική σκέψη, αλγοριθμική σκέψη
Επιστημολογία STEM
Σύνδεση επιστημών/μαθηματικών-επιστήμης των ΗΥ-ΚΑΙ Της «Μηχανικής» για δημιουργία μοντέλου(επιλογή μεταβλητών-σύνδεση μεταβλητών-αντιστοίχιση σε πραγματικό φαινόμενο για παραγωγή πραγματικών δεδομένων)
Επιστημολογία της «Μηχανικής»
Σχεδιασμός –με βάση το μοντέλο προσομοίωσης- του τεχνουργήματος
Σχεδιασμός, Διερεύνηση, Ανάλυση,
Ερμηνεία, Μοντελοποίηση
Ο χώρος της γενίκευσης-προβλέψεων
Τα βασικά χαρακτηριστικά της διερευνητικής/ανακαλυπτικής μάθησης
Σύνδεση με το σχολικό εγχειρίδιο
Γενίκευση –Πρόβλεψη-ανάπτυξη μεταγνωστικών εμπειριών
Physical Computing
Ιδέες για χρήση συστημάτων ελέγχου σε ανάλογες περιπτώσεις
Διαστάσεις της ΥΣ
Αποσφαλμάτωση-αναγνώριση προτύπων
Επιστημολογία STEM
Γενίκευση του μοντέλου ως αρχή λειτουργίας σε άλλα φαινόμενα
Επιστημολογία της «Μηχανικής»
Ιδέες για σχεδιαστικά πρότυπα για ανάλογες περιπτώσεις-βελτιωτικές διαδικασίες
Συμπεράσματα, αξιολόγηση, πρόβλεψη
Πίνακας 4: Προς ένα μοντέλο σύνθεσης της Υπολογιστικής Επιστήμη στην εκπαίδευση, της Υπολογιστικής σκέψης, του physical computing, και της STEM και Engineering education επιστημολογία
- Προτάσεις για σχεδιασμό προγραμμάτων για την σχολική εκδοχή της επιστημονικής γνώσης, για επιμορφωτικά σεμινάρια και για προγράμματα παιδαγωγικής επάρκειας.
Τα στοιχεία που παραθέσαμε μπορούν να αξιοποιηθούν σε δυο διαστάσεις για την εισαγωγή καινοτόμων και ρεαλιστικών προτάσεων σε ένα πρόγραμμα Παιδαγωγικής και Διδακτικής Επάρκειας με εύλογες και απλές προεκτάσεις για την Σχολική Εκπαίδευση και την επιμόρφωση των εκπαιδευτικών.
Η πρώτη διάσταση αφορά την «βαθμιαία» μετάβαση από τις ΤΠΕ στο λεγόμενο “computing” και το STEM (με την διδακτική του αναπλαισίωση) και την Υπολογιστική Σκέψη.
Η δεύτερη διάσταση συνδέεται με την εισαγωγή της «Παιδαγωγικής για Μηχανικούς-Engineering Pedagogy» και την επιστημολογία της «Μηχανικής».
Σχετικά με την διάσταση που αφορά την μετάβαση από τις ΤΠΕ στην Υπολογιστική Σκέψη, στο STEM και στο «computing», τα επιχειρήματά μας συνδέονται με την μέχρι τώρα ανάλυση μας-που δεν αφήνει αρκετά περιθώρια αποφυγής-αλλά και στα παρακάτω δεδομένα.
Το 2012, σε πολλές χώρες έγιναν έντονες συζητήσεις για την εισαγωγή της Επιστήμης των Υπολογιστών (Ε.Υ.) στην εκπαίδευση και ως συνέπεια αυτού, τα τμήματα εκπαίδευσης που εκπαίδευαν εκπαιδευτικούς για να διδάξουν τις ΤΠΕ στα σχολεία, άλλαξαν τα αναλυτικά τους προγράμματα, «απομακρυνόμενα» από τις ΤΠΕ ώστε να μεταβούν στο λεγόμενο computing, την εισαγωγή της Υπολογιστικής Σκέψης και του «STEM στην εκπαίδευση».
Στις ΗΠΑ εισήχθη και η Υπολογιστική Επιστήμη(Computational Science) ως μια γνωστική περιοχή με τις δικές της μεθόδους υπολογισμού και την διδακτική της αναπλαισίωση για την αποτελεσματική της εφαρμογή στην εκπαίδευση, με αποτέλεσμα η εκπαίδευση στις ΤΠΕ να έχει μετασχηματισθεί σε κατευθύνσεις που λαμβάνουν υπόψη τις σύγχρονες θεωρίες μάθησης και τις ανάγκες της κοινωνίας για εμπλοκή των μαθητών σε επίλυση αυθεντικών προβλημάτων και όχι απλά σε επίδειξη/χρήση ψηφιακών εργαλείων και την «αποξενωμένη» χρήση αυτών ως προς τα πραγματικά προβλήματα φαινόμενα του κόσμου που δεν λαμβάνουν υπόψη τους την ανάπτυξη μοντέλων που αντιστοιχούν σε πραγματικά προβλήματα.
Στην πρόταση της CSTA-Computer Science Standards,
(https://www.csteachers.org/page/CSTA_Standards 2016)
γίνεται εμφατικά αναφορά στην Υπολογιστική Σκέψη. H Υπολογιστική Σκέψη μπορεί να αξιοποιηθεί σε όλες τις επιστήμες για την επίλυση προβλημάτων, το σχεδιασμό συστημάτων, τη δημιουργία νέας γνώσης και την κατανόηση φυσικών φαινομένων μέσω κατάλληλων διδακτικών σχεδιασμών(διδακτικών μοντέλων) που θα λαμβάνουν υπόψη τις διαδικασίες της αφαιρετικής σκέψης, της λογικής αιτιολόγησης, της διάσπασης των προβλημάτων και της αλγοριθμικής διαδικασίας όπως αναφέρθηκε παραπάνω.
Διεθνώς επίσης γίνονται προτάσεις για ολοκλήρωση της σχέσης ανάμεσα στην Υπολογιστική σκέψη και το STEM μέσω συγκεκριμένων παραδειγμάτων που διατρέχουν όλες τις τάξεις της υποχρεωτικής εκπαίδευσης( π.χ. Lee κα, 2011; NGSS Front Matter. Retrieved from http://www.nextgenscience.org/sites/ngss/files/Final Release NGSS Front Matter - 6.17.13 Update_0.pdf; President’s Council of Advisors on Science and Technology. (2010). Prepare and inspire: K-12 education in science, technology, engineering, and math (STEM) for America’s future.doi:10.1007/s00115-009-2682-8)
Για παράδειγμα, στην Μ. Βρετανία (Computer Science as a school subject. Seizing the opportunity, Computing at School Working Group-http://www.computingatschool.org.uk), τέθηκαν τα θέματα εισαγωγής της Επιστήμης των Υπολογιστών στα σχολεία και στα τμήματα εκπαίδευσης των εκπαιδευτικών. Στα παραδείγματα χρησιμοποιούνται σύγχρονες μορφές αξιοποίησης της Υπολογιστικής Σκέψης, της Υπολογιστικής Επιστήμης, του λεγόμενου physical computing, του text based (π.χ. Python) και του optical programming(π.χ. Scratch). Τα προβλήματα που καλούνται να λύσουν οι μαθητές-γιατί πραγματικά τίθενται προβλήματα!-και όχι επιδείξεις δραστηριοτήτων, δεν αφορούν μόνο την διερεύνηση αλλά και την ανακάλυψη και συνδέονται με το λεγόμενο Inquiry based learning (διερευνητική/ανακαλυπτική μάθηση).
Αναρωτιέται εύλογα κάποιος σε αυτό το σημείο μήπως θα πρέπει και στη χώρα μας να δημιουργούν αποθετήρια τέτοιων δραστηριοτήτων - όχι ως εφαρμογές ΤΠΕ - αλλά ως προβλήματα που θα συνδυάζουν μεθοδολογικά την Υπολογιστική Σκέψη και την Υπολογιστική Επιστήμη προφανώς σε μια διδακτική αναπλαισίωση. Αυτό κατά την άποψή μας θα βοηθούσε και την οικονομική ανάπτυξη μέσω της «δημιουργίας» επιστημόνων που θα χρειασθούν στο άμεσο μέλλον. Οι ΤΠΕ προσέφεραν στην χώρα μας αλλά πλέον η αποσπασματική χρήση τους δεν βοηθά την εκπαίδευση.
Στην Ευρωπαϊκή Επιτροπή γίνονται συζητήσεις για την εισαγωγή του STEM στην εκπαίδευση/διδακτική και θίγεται και το θέμα της μετάβασης από τις ΤΠΕ στο STEM, (βλ. π.χ. το σχετικό κείμενο http://www.europarl.europa.eu/committees/en/ από όπου μπορείτε να αναζητήσετε τα σχετικά με το θέμα αυτό στο άρθρο «Directorate General for Internal Policies Policy Department A: Economy and Scientific Policy, Author: Susanne Kraatz European Parliament, PE 563.465» όπου θίγονται θέματα όπως
«Developing attractive STEM curricula and teaching methods Success factors: Inquiry-based education, greater contextualisation (practices from LT, PT, FI)»
Επιπλέον, στην αναφορά «Developing Computational Thinking in Compulsory Education-(http://publications.jrc.ec.europa.eu/repository/bitstream/JRC104188/jrc1), αναφέρεται (σελ. 20) το εξής: «For example, Simon Peyton Jones reports that in England “there was a statutory subject called Information and Communication Technology (ICT); however, it was a technological subject focused on how to use artefacts. A variety of factors made ICT a low status subject especially in the eyes of students.”).
Από τα παραπάνω είναι εύλογο και προφανές ότι χρειάζεται ο μετασχηματισμός από τις ΤΠΕ (ICT) σε νέες μορφές όπως το «computing», η Υπολογιστική Σκέψη και η Υπολογιστική Επιστήμη και το STEM ως –δια-επιστημονική (transdisciplinary) προσέγγιση.
Αυτόματα αυτό σημαίνει την ενίσχυση των γνωστικών αντικειμένων, προφανώς σε καμία περίπτωση την κατάργησή τους, αλλά αντίθετα την ισχυρή γνώση της διδακτικής αναπλαισίωσης των γνωστικών αντικείμενων χρησιμοποιώντας την μεθοδολογία STEM, την Υπολογιστική Επιστήμη και την Υπολογιστική Σκέψη μέσα από επίλυση προβλημάτων από την καθημερινή ζωή .
Πως μπορεί να γίνει αυτό: Απλά με «κατάλληλη» επιμόρφωση των εκπαιδευτικών και την δόμηση νέων αναλυτικών προγραμμάτων που θα λαμβάνουν υπόψη τους τις σύγχρονες επιστημολογικές προσεγγίσεις. Οι ΤΠΕ βοήθησαν αρκετά αλλά δεν μπορεί να αποφεύγουμε να κοιτάζουμε στο μέλλον όταν μάλιστα αυτό αναφέρεται σε κείμενα της Ε.Ε.
Η πρωτοβουλία του ΙΕΠ http://www.iep.edu.gr/images/IEP/PROKIRIKSEIS-ERGA/Erga/2017/2017-09-25_Prosklisi_OSOS.pdf είναι προς την θετική κατεύθυνση.
Η διάσταση 1 συνδέεται συνεκτικά και με την διάσταση 2, που περιγράφουμε παρακάτω, σχετικά με την «παιδαγωγική των Μηχανικών».
Είναι εύλογο ότι θα πρέπει να ανοίξει η συζήτηση - σε επιστημονικό επίπεδο - για την παιδαγωγική των «Μηχανικών» και πως αυτή συνδέεται με - συνεκτικό τρόπο - και όχι με ανεπεξέργαστες - ατάκτως ειρημένες απόψεις(όχι τεκμηριωμένων μελετών) - που παραμένουν σε παλιά στερεότυπα και αδυναμίες.
Η δημοσίευση του άρθρου "Science Education Now: A renewed Pedagogy for the Future of Europe (Rocard, 2007), επανέφερε το θέμα της διδακτικής των επιστημών και της Inquiry Based Teaching and Learning Approach. Στο άρθρο τονίζεται ότι το πεδίο της διδακτικής των Επιστημών ασχολείται-μεταξύ άλλων- με την δόμηση εννοιών, την «υπολογιστική» μοντελοποίηση, την επίλυση προβλήματος, τις μεταγνωστικές δεξιότητες και την συμμετοχή στις ερευνητικές διαδικασίες. Επίσης, όπως αναλύθηκε στην εισήγηση/άρθρο από σχετικές αναφορές προκύπτει μια ισχυρή τάση για την «διδακτική του engineering” - pedagogy of engineering» και το επιστημολογικό της περιεχόμενο (π.χ. ASEE 2015, RTP; Shirey, 2015; Shirey, 2017; Chandler κ.α, 2011; Johnson KA, 2015; Rugarcia κ.α, 2000). Αυτό μας θέτει αντιμέτωπους με το πρόβλημα της επιστημολογίας και της «πρακτικής» επιστημολογίας της «Μηχανικής» - engineering -, για τα εργαλεία που θα χρειασθούμε, τα διδακτικά μοντέλα και τις μορφές αξιολόγησης, την επιμόρφωση των εκπαιδευτικών ή τα αναλυτικά προγράμματα στην εκπαίδευση. Μας θέτει όμως μπροστά και σε πρακτικά προβλήματα για τα ιδρύματα που θα αναλάβουν την ευθύνη της επιμόρφωσης-διδακτικής επάρκειας- κλπ των Μηχανικών.
Για την ουσιαστική ολοκλήρωση σε ένα αναλυτικό πρόγραμμα της «διδακτικής Μηχανικής» θα πρέπει να έχει υλοποιηθεί πρώτα η διάσταση 1 , για να μπορεί να έχει τα εργαλεία ο εκπαιδευτικός να προχωρήσει στην διδακτική-παιδαγωγική της «Μηχανικής».
Συνεπώς ο μετασχηματισμός από τις ΤΠΕ στο STEM και στην Υπολογιστική Σκέψη/Επιστήμη (με την διδακτική της αναπλαισίωση) δεν είναι μόνο επιστημολογικά και επιστημονικά αναγκαίος, αλλά και θεμελιώδης για να προχωρήσουμε στην «παιδαγωγική των Μηχανικών» σύμφωνα με αυτά που υλοποιούνται στο διεθνές περιβάλλον.
Με βάση τα παραπάνω ένα πρόγραμμα για την σχολική εκπαίδευση, την επιμόρφωση των εκπαιδευτικών και την « Παιδαγωγική και Διδακτική επάρκεια» θα μπορούσε να περιλαμβάνει:
1. Δραστηριότητες Υπολογιστικής σκέψης για πραγματικά προβλήματα και όχι απλή χρήση ψηφιακών εργαλείων που δεν αντιστοιχούν σε πραγματικά προβλήματα/φαινόμενα. Μπορείτε για παράδειγμα να επισκεφθείτε την ιστοσελίδα https://edu.google.com/resources/programs/exploring-computational-thinking/#!ct-materials, όπου παρουσιάζονται με παιδαγωγικό και διδακτικό σχεδιασμό προβλήματα που πραγματικά υλοποιούν την Υπολογιστική Σκέψη.
2. Μεθόδους επίλυσης αυθεντικών προβλημάτων μέσω διδακτικών υπολογιστικών μοντέλων με διδακτική αναπλαισίωση και διδακτικό σχεδιασμό, όπου ο εκπαιδευόμενος συλλέγει και αναλύει δεδομένα για να καταλήξει στην εξήγηση δεδομένων.
3. Εφαρμογές που βασίζονται στην μέθοδο επίλυσης προβλήματος-problem based learning- και την επιστημολογία STEM για πραγματικά φαινόμενα.
4. Μεθόδους ένταξης της «επιστημολογίας των Μηχανικών» σε επιμορφώσεις εκπαιδευτικών με κατάλληλους διδακτικούς σχεδιασμούς και όχι απλά ψηφιακά εργαλεία, όπου οι εκπαιδευόμενοι θα σχεδιάσουν και θα δημιουργήσουν τεχνουργήματα (artefacts).
5. Εισαγωγή δραστηριοτήτων για Physical computing (Arduino, raspberry pi κλπ) και εφαρμογές μέσω κατάλληλων διδακτικών σχεδιασμών. Για παράδειγμα μπορούμε να χρησιμοποιήσουμε το physical computing για να πάρουμε δεδομένα για ένα πραγματικό φαινόμενο, να τα αναλύσουμε και να εξάγει ο εκπαιδευόμενος τον νόμο του φαινομένου;
6. Web 2.0 και ΤΠΕ εργαλεία ,αλλά σε συνδυασμό με το STEM και όχι ως απλά ψηφιακά εργαλεία.
7. Εξ αποστάσεως εκπαίδευση (μορφές-τρόποι αξιολόγησης), αλλά σε συνδυασμό με την επιστημολογία STEM. Για παράδειγμα μπορεί η μέθοδος flipped classroom να εφαρμοσθεί σύμφωνα με την επιστημολογία STEM και πώς;
1.9 Αντί επιλόγου
Επιχειρήσαμε να θέσουμε ένα πλαίσιο εισαγωγής καινοτόμων διδακτικών προσεγγίσεων που –θεωρούμε αναπόφευκτα ότι θα χρειασθεί να υλοποιηθούν για να υπάρχει εναρμόνιση με το διεθνές περιβάλλον.
Θα ήταν ένα λυπηρό φαινόμενο να βλέπουμε αυτή την καινοτομία ως μη επιστημονική –παιδαγωγική αναγκαιότητα - παραμένοντας ίσως σε παραδοσιακά στερεότυπα, που κάποτε ήταν χρήσιμα.
Τέλος, και το πιο σημαντικό- όλα τα παραπάνω θα βοηθήσουν την λεγόμενη social justice in Education με την προώθηση αυτών των προγραμμάτων αρχίζοντας από «υποβαθμισμένες» περιοχές και βοηθώντας αυτά τα παιδιά να αποκτήσουν τις δεξιότητες του 21ου αιώνα, αλλά γενικότερα την Πατρίδα μας μιας και η οικονομική ανάπτυξη χρειάζεται κατάλληλο επιστημονικό δυναμικό.
References
Angeli, C., Voogt, J., Fluck, A., Webb, M., Cox, M., Malyn-Smith, J., & Zagami, J. (2016). A K-6 Computational Thinking Curriculum Framework- Implications for Teacher Knowledge. Educational Technology & Society, 19(3), 47–57.
Asay, L. D., & Orgill, M.K. (2010). Analysis of essential features of inquiry found in articles published in The Science Teacher, 1998-2007. Journal of Science Teacher Education, 21, 57-79.
Barr, V. & Stephenson, C. (2011). Bringing Computational Thinking to K-12: What Is Involved and What Is the Role of the Computer Science Education Community? ACM Inroads, 2(1), 48-54. doi:10.1145/1929887.1929905.
Bell, T., Urhahne, D., Schanze, S., & Ploetzner, R. (2010). Collaborative inquiry learning: models, tools and challenges. International Journal of Science Education, 32(3), 349-377.
Bell, P. L., Hoadley, C., & Linn, M. C. (2004). Design-based research as educational inquiry. In: M. C. Linn, E. A. Davis & P. L. Bell (Eds.). Internet environments for science education. Mahwah, NJ: Lawrence Erlbaum Associates.
Brophy, S., Klein, S., Portsmore, M., & Rogers, C. (2008). Advancing engineering education in P-12 classroom. Journal of Engineering Education, 97(3), 369–387.
Bybee, R. W., Trowbridge, L.W & Powell, J.C. (2008). Teaching Secondary School Science: Strategies for Developing Scientific Literacy. New Jersey Merrill.
Chandler, J., Fontenot, A. D., & Tate, D. (2011). Problems associated with a lack of cohesive policy in K-12 pre-college engineering. Journal of Pre-College Engineering Education Research (J-PEER), 1(1), 5.
doi:10.7771/2157-9288.1029
Denning, P. J. (2011). Ubiquity Symposium: What Have We Said About Computation?: Closing Statement. Ubiquity, 1-7.
doi:10.1145/1967045.1967046.
Denning, P. J. (2009). The profession of it: Beyond computational thinking. Artificial Intelligence, Philosophy, and Cognitive Science, 21 (2), 301 – 32.
Denning, P. J. (2007). Computing Is a Natural Science. Communications of the ACM, 50 (7), 13-18.
doi:10.1145/1272516.1272529.
EDU-ARCTIC Report (2016). Edu-Arctic – Innovative educational program attracting young people to natural sciences and polar research, EDU-ARCTIC, European Union’s Horizon 2020 research, NUMBER — 710240. Retrieved from:
http://edu-arctic.eu/images/project_reports/EDU-ARCTIC_D3.1_v7_19-07-2016_KM.pdf
Grover, S. & Pea, R. (2013). Computational thinking in k12: A review of the state of the field. EDUCATIONAL RESEARCHER 2013 42: 38
Guzdial, M. (2012). Re: A Nice Definition of Computational Thinking, Including Risks and Cyber-Security.
Retrieved from http://computinged.wordpress.com/2012/04/06/a-nice-definition-of-computationalthinkingincluding-risks-and-cyber-security/
Guzdial, M. (2008). Paving the way for computational thinking. Communications of the ACM, 51 (8), 25–27.
Hoyles, C., & Noss, R. (2015). Revisiting programming to enhance mathematics learning. Paper presented at the Math + Coding Symposium. Western University.
Hurd, P. D. (1998). Scientific literacy: New minds for a changing world. Science Education, 82(3), 407–416.
Johnson, K., Murphy, S., O’Hara, C., & Shirey, K. (2015). The Four Phases of Engineering Design. Kaleidoscope: Educator Voices and Perspectives, 1(2).
Kaufman, D., Moss, D. and T. Osborn (Eds) (2003) Beyond the Boundaries: A Trans-disciplinary Approach to Learning and Teaching. Pp. 6-7, Westport Connecticut: Praeger.
Kelley, T.R. & Knowles, J.G. (2016). A conceptual framework for integrated STEM education. International Journal of STEM Education, 3:11. Retrieved from:
https://link.springer.com/article/10.1186/s40594-016-0046-z
Kramer, J. (2007). Is abstraction the key to computing? Commun. ACM 50, 4 (April 2007), 36-42.
Landau, R. H., Paez, J., & Bordeianu, C. (2008). A Survey of computational physics: introductory computational science. New Jersey: Princeton University Press.
Landau,R.,& Yasar,O. (2003). Elements of Computational Science and Engineering Education. Siam Review, Society for Industrial and Applied Mathematics, 45, (4),787– 805 http://www.siam.org/journals/sirev/45-4/40807.html
Lee, F. Martin, J. Denner, B. Coulter, W. Allan, J. Erickson, J. Malyn-Smith, J., and L. Werner," Computational Thinking for Youth in Practice," Journal of Computational Science Education, 2011, 2(1), 1-10
Levy, P., Little, S., McKinney, P., Nibbs, A., & Wood, J. (2010). The Sheffield companion to inquiry-based learning. Sheffield, UK: Centre for Inquiry-based Learning in the Arts and Social Sciences. The University of Sheffield.
Libow Martinez, S. & Stager, G. (2013). Invent to Learn - Making, Tinkering, and Engineering in the Classroom. Torrance, CA: Constructing Modern Knowledge Press.
Lye, S. Y., & Koh, J. H. L. (2014). Review on teaching and learning of computational thinking through programming: What is next for K-12? Computers in Human Behavior, 41, 51-61.
Moore, T. J. et al. (2014) A framework for quality K-12 engineering education: Research and development. Journal of Pre-College Engineering Education Research 4, 1–13.
Morrison, J. (2006). STEM education monograph series: Attributes of STEM education. Teaching Institute for Essential Science, Baltimore, MD.
National Academy of Engineering, Katehi, L., Pearson, G., & Feder, M.(Eds.). (2009). Engineering in K-12 education: Understanding the status and improving the prospects. Washington, DC: The National Academies Press.
National Academy of Sciences, National Academy of Engineering, and Institute of Medicine of the National Academies. (2006). Rising above the gathering storm: Energizing and employing America for a brighter economic future. Washington, DC: National Academies Press.
National Center on Education and the Economy. (2007). The report of the new commission on the skills of the American workforce. San Francisco, CA: Jossey-Bass.
National Research Council. (2012) A Framework for K-12 Science Education: Practices, Crosscutting Concepts, and Core Ideas. Social Sciences Chapter 10, 1–6.
National Research Council. (2011). Report of a Workshop of Pedagogical Aspects of Computational Thinking. Retrieved
from: http://www.nap.edu/catalog.php?record_id=13170.
National Research Council. (2010) Report of a Workshop on the Scope and Nature of Computational Thinking. Retrieved from: http://www.nap.edu/catalog.php?record_id=12840.
NGSS Lead States. (2013). Next generation science standards: For states, by states. National Academies Press.
Per-Olof Wickman. (2004) The practical epistemologies of the classroom: A study of laboratory work Science Education
Przybylla, M. & Romeike, R. (2014). Physical computing in computer science education. Proceedings of the 9th Workshop in Primary and Secondary Computing Education. Berlin, Germany. November 5-7, 136-137.
Psycharis, S. (2016). Inquiry-based computational experiment, acquisition of threshold concepts and argumentation in science and mathematics education. Journal of Educational Technology & Society, 19(3).
Psycharis, S. (2016). ‘The Impact of Computational Experiment and Formative Assessment in Inquiry Based Teaching and Learning Approach in STEM Education” Journal of Science Education,25(2),316-326 and Technology (JOST) DOI 10.1007/s10956-015-9595-z
Psycharis, S. (2015). The impact of computational experiment and formative assessment in inquiry-based teaching and learning approach in STEM education. Journal of Science Education, and Technology, 25(2), 316-326 (JOST) DOI 10.1007/s10956-015-9595-z
Psycharis, S.,Botsari,E.,Mantas, P.,&Loukeris, D.(2014),‘The impact of the Computational Inquiry Based Experiment on Metacognitive Experiences, Modelling Indicators and Learning Performance’. Computers & Education,CAE2501,PII:S0360-1315(13)00278-9, DOI: 10.1016/j.compedu.2013.10.001, Volume 72
Psycharis, S. (2013).‘The Effects of the Computational Models on Learning Performance, Scientific Reasoning, Epistemic Beliefs and Argumentation’. Computers & Education- Volume 68, October 2013, Pages 253–265 (DOI: 10.1016/j.compedu.2013.05.015).
Qiu, K., Buechley, L., Baafi, E. & Dubow, W. (2013). A curriculum for teaching computer science through computational textiles. Proc. 12th Int. Conf. Interact. Des. Child. - IDC ’13, pp. 20–27.
Roehrig, G. H., Moore, T. J., Wang, H. H., & Park, M. S. (2012). Is adding the E enough? Investigating the impact of k-12 engineering standards on the implementation of stem integration. School Science and Mathematics, 112(1), 31-44.
Rugarcia, A., Felder, R. M., Woods, D. R., & Stice, J. E. (2000). The future of engineering education: I. A vision for a new century. Chemical Engineering Education
Schulz, S. & Pinkwart, N. (2015). Physical Computing in STEM Education. Retrieved from: https://cses.informatik.hu-berlin.de/pubs/2015/wipsce/physical-computing-in-stem-education.pdf
Shiflet, A. & Shiflet, G. (2006) Introduction to Computational Science: Modeling and Simulation for the Sciences, 2006, Princeton University Press
Shirey, K. (2017). Teacher Productive Resources for Engineering Design Integration in High School Physics Instruction (Fundamental). In Proceedings of the 2017 ASEE Annual Conference, Columbus, OH, June 2017.
Shirey, K. (2015). The Engineering Education Epistemology of a Science Teacher (ASEE 2015, RTP, Strand 1)
Wing, J. M. (2011). Research Notebook: Computational Thinking-What and Why? The Link.
Wing, J. M. (2006). Computational thinking and thinking about computing. Communications of the ACM, 49, 33-35.
Από το άρθρο του Καθηγητή Θ. Τάσιου στο Βήμα
http://www.tovima.gr/opinions/article/?aid=434307
παραθέτουμε τα εξής:
Έργα σοφού ανδρός πολλαί επίνοιαι και ευµήχανοι εις τέχνας ώσπερ αύ Θάλεω του Μιλησίου» (Πλάτωνος Πολιτεία, 600 α).
«Εστι δε ταύτα [τα της τέχνης προβλήµατα] κοινά τών τε µαθηµατικών και των φυσικών» (847 a, 24-26).Αριστοτέλης
Ψυχάρης, Σ.(2009):Εισαγωγή των Τεχνολογιών Πληροφορίας και Επικοινωνίας(ΤΠΕ) στην Εκπαίδευση-Παιδαγωγικές Εφαρμογές των ΤΠΕ. Εκδοτικός Οίκος Παπαζήση. ISBN: 978-960-02-2318-7 ΤΟΜΟΣ ΠΡΩΤΟΣ
Ψυχάρης, Σ.(2010):Εισαγωγή των Τεχνολογιών Πληροφορίας και Επικοινωνίας(ΤΠΕ) στην Εκπαίδευση-Παιδαγωγικές Εφαρμογές των ΤΠΕ. Εκδοτικός Οίκος Παπαζήση. ΤΟΜΟΣ ΔΕΥΤΕΡΟΣ. ISBN:978-960-02-2434-4
Ψυχάρης, Σ.& Καλοβρέκτης, Κ(2017). Διδακτική και Σχεδιασμός Εκπαιδευτικών Δραστηριοτήτων STEM και ΤΠΕ. Κωδικός Εύδοξος 68374254 Εκδόσεις Τζιόλα
Η Θεωρία της Μοντελοποίησης
Η θεωρία της μοντελοποίησης στην επιστήμη και την εκπαίδευση των επιστημών στηρίζεται σε έναν αριθμό αξιωμάτων τα οποία πρέπει να λαμβάνουν υπόψη τους οι ερευνητές της επιστήμης και της εκπαίδευσης αλλά και οι εκπαιδευόμενοι ώστε οι μεν επιστήμονες αν αναπτύξουν ένα σωστό πλαίσιο για την έρευνα και την εκπαίδευση, οι δε εκπαιδευόμενοι να εμπλακούν σε σωστές μεθόδους της επιστημονικής έρευνας (Halloun, 2006; Hestenes, 1992). Σύμφωνα με τους (Jonassen, 1997; Jonassen, 2003; Jonassen et. al., 2003) η νοηματοδοτούμενη μάθηση (meaniguful learning) συμβαίνει όταν οι εκπαιδευόμενοι εμπλέκονται σε σύνθετες καταστάσεις, ειδάλλως αναπτύσσουν απλουστευτικές απόψεις για τα αντικείμενα του κόσμου και τα φαινόμενα. Οι σύνθετες καταστάσεις που εμπλέκονται οι εκπαιδευόμενοι θα πρέπει να αντιστοιχούν σε πραγματικές καταστάσεις, οι οποίες μπορούν να προέρχονται τουλάχιστον από προσομοίωση φαινομένων.
Επομένως τα μοντέλα μπορούν να βοηθήσουν ουσιαστικά προς την εμπλοκή σε σύνθετες-πραγματικές-αυθεντικές καταστάσεις καθώς ασχολούνται με τα αντικείμενα και τα φαινόμενα του πραγματικού κόσμου και σε αυτά θα βασισθεί η οποιαδήποτε προσομοίωση , όταν αυτή πραγματοποιείται με όρους του υπολογιστικού πειράματος (Ψυχάρης, 2009).
Η θεωρία των μοντέλων ως παιδαγωγική θεωρία για την εκπαίδευση στις επιστήμες σχετίζεται με γνωστικές διαδικασίες που αναπτύσσονται με τη χρήση των μοντέλων και το αναλυτικό πρόγραμμα –σε όλα τα επίπεδα της εκπαίδευσης- ώστε να δημιουργηθεί ειδικό «σώμα γνώσης» αλλά και δεξιότητες που συνδέονται με την επιστημονική θεωρία και πρακτική.
Είναι γνωστό ότι η πραγμάτωση και η ανάπτυξη της γνώσης για τον πραγματικό κόσμο μπορεί να επιτευχθεί :α) εμπειρικά, δηλαδή μέσω της άμεσης αντίληψης ή με τη βοήθεια οργάνων και β) με λογικούς συλλογισμούς , όπως π.χ. επαγωγικά από ήδη υπάρχουσα γνώση και τη χρήση σχετικών εμπειρικών δεδομένων.
Μια ολοκληρωμένη θεωρία της μοντελοποίησης στην εκπαίδευση θα μπορούσε να βοηθήσει στην ανάπτυξη τρόπων γνώσης και μάθησης που θα είναι κοντά με την επιστημονική αιτιολόγηση και έρευνα αν :
α) χρησιμοποιηθούν κατάλληλα σχήματα μοντέλων που δεν θα κρύβουν και θα «ενοχοποιούν» την επιστημονικότατα των μοντέλων και
β) θα βοηθούν τους εκπαιδευόμενους να αναπτύξουν αιτιολογήσεις με βάσει το μοντέλο (model-based reasoning) (Nersessian & Patton, 2009; Nersessian, 2002)
Πρακτικός Οδηγός Επιστημονικής Έρευνας στη Διδακτική των Επιστημών
Δεξιότητες της Επιστημονικής Έρευνας
Κατανόηση της Επιστημονικής έρευνας
Προσδιορισμός των ερωτήσεων που μπορούν να διερευνηθούν επιστημονικά
Κατανόηση της Επιστημονικής έρευνας
Σχεδιασμός της επιστημονικής διερεύνησης
Διαφορετικές ερωτήσεις οδηγούν σε διαφορετικές διερευνήσεις
Χρήση κατάλληλων εργαλείων και τεχνικών για συλλογή και ανάλυση δεδομένων (π.χ. χρήση της προσομοίωσης Monte Carlo για στοχαστικά μοντέλα, δυναμικά μοντέλα κατάλληλα όταν μελετάμε τη μοριακή δυναμική κλπ
Κατανόηση των σύγχρονων επιστημονικών γνώσεων
Χρησιμοποίηση μοντέλων –patterns- παραδείγματος για τη περιγραφή, εξήγηση, παραγωγή υποθέσεων και προβλέψεων
Η κατανόηση της χρήσης μαθηματικών μεθόδων σε κάθε στάδιο
Αναγνώριση και ανάλυση εναλλακτικών εξηγήσεων, υποθέσεων, προβλέψεων
Η χρήση της τεχνολογίας για την συγκέντρωση και ανάλυση δεδομένων
Χρήση μαθηματικών σχέσεων και μεθόδων προσομοίωσης σε κάθε στάδιο
Οι επιστημονικές εξηγήσεις περιέχουν επιχειρήματα, αποδείξεις, χρησιμοποιούν θεωρίες και μοντέλα ενώ οι επιστημονικές ανακαλύψεις ορισμένες φορές οδηγούν σε νέες θεωρίες και εξηγούν πρότυπα(patterns)
Από την Επιστήμη των Υπολογιστών στην Υπολογιστική Επιστήμη-το Υπολογιστικό Πείραμα
Η γνωστική περιοχή της Υπολογιστικής Επιστήμης
Η προσομοίωση αποτελείται από οντότητες που έχουν ιδιότητες και μεθόδους που αλληλεπιδρούν μεταξύ τους κατά τη διάρκεια των διεργασιών κάτω από ορισμένες συνθήκες για να παραγάγουν γεγονότα τα οποία θα αλλάξουν την κατάσταση του συστήματος (Claude Shannon). Η επιστημονική ανακάλυψη ορίζεται ως η πολλαπλότητα των τρόπων με τους οποίους οι επιστήμονες μελετούν το φυσικό κόσμο και προτείνουν εξηγήσεις που βασίζονται στην έρευνά τους. (National Research Council –NRC-, 1996, p. 23).
Στην Υπολογιστική Επιστήμη το μοντέλο, η προσομοίωση και το υπολογιστικό πείραμα παίρνουν τη θέση του «κλασικού» πειράματος συνθέτοντας έτσι μια πλήρη και συμπαγή εικόνα της Επιστήμης. Οι προσομοιώσεις χρησιμοποιούνται σε συνδυασμό με δυναμικά μοντέλα, δηλαδή μοντέλα που περιλαμβάνουν τη χρονική εξέλιξη και ουσιαστικά είναι οι μαθηματικές μέθοδοι (συμπεριλαμβανομένων και των αλγορίθμων) ώστε το φυσικό σύστημα να διακριτικοποιηθεί. Η χρήση προσομοιώσεων(computational simulations) ανήκει στον κλάδο της Υπολογιστικής Φυσικής (Computational Physics) ο οποίος άρχισε να αναπτύσσεται από τη δεκαετία του 40. Μια από τις βασικές συνιστώσες αυτού του επιστημονικού πεδίου είναι ο μετασχηματισμός ενός φυσικού φαινομένου από το επίπεδο της αφαίρεσης στο επίπεδο του μοντέλου και στη συνέχεια στο μετασχηματισμό σε ένα υπολογιστικό μοντέλο το οποίο θα κριθεί για την επαλήθευση, αποτίμηση και την εγκυρότητά του.
Τα παραπάνω οδήγησαν στην έννοια της Υπολογιστικής προσέγγισης και του Υπολογιστικού πειράματος όπου το μοντέλο, η προσομοίωση και το υπολογιστικό πείραμα παίρνουν τη θέση του «κλασικού» πειράματος (Landau κ.α.,2008) συνθέτοντας έτσι την εικόνα της επιστήμης.
Τα «υπολογιστικά πειράματα» είναι βασικό συστατικό στις επιστήμες ειδικότερα μετά την αύξηση της υπολογιστικής ισχύος και της δυνατότητας των υπολογιστών να κάνουν πολλές λειτουργίες ανά δευτερόλεπτο.
Με τον όρο Υπολογιστική προσέγγιση στις Επιστήμες εννοούμε την προσέγγιση που θεωρεί τα πειράματα με υπολογιστή ως βασικό εργαλείο της Επιστήμης και της διδασκαλίας σε όλα τα επίπεδα της εκπαίδευσης και βέβαια όχι μόνο για διδακτική χρήση (Hjorth-Jensen, 2007). Έτσι ενώ το Υπολογιστικό πείραμα ξεκίνησε από την Υπολογιστική Φυσική έχει –ως μεθοδολογία- σε όλες σχεδόν τις Επιστήμες, όχι μόνο τις θετικές επιστήμες αλλά και στην Ψυχολογία, την κοινωνιολογία, την Διδακτική κλπ.
H Υπολογιστική Επιστήμη (Computational Science) ορίζεται ως η επιστήμη που περιλαμβάνει τρεις περιοχές: τη μαθηματική μοντελοποίηση φαινομένων, τις αριθμητικές μεθόδους για επιστημονικούς υπολογισμούς και την επιστημονική οπτικοποίηση (Yasar κ.α., 2006). Επίσης , σύμφωνα με την επιτροπή «US President’s Information Technology Advisory Committee (PITAC)» (www.nitrd.gov/pitac/reports/) δηλώνεται κατηγορηματικά ότι η Υπολογιστική Επιστήμη –Computational Science (όχι η επιστήμη των Υπολογιστών-Computer Science) είναι ένας πυλώνας της επιστημονικής ανακάλυψης ο οποίος συνδυάζει το πείραμα με τη θεωρία και επίσης ότι η Υπολογιστική Επιστήμη είναι αναγκαία για την επίλυση σύνθετων προβλημάτων.
Στην ίδια αναφορά δηλώνεται ότι η Υπολογιστική Επιστήμη και η Υπολογιστική Φυσική( θεωρώντας την Υπολογιστική Φυσική –Computational Physics ως προερχόμενη από την Υπολογιστική Επιστήμη σύμφωνα με την παραπάνω αναφορά) είναι διεπιστημονικά πεδία που συνδυάζουν τη Φυσική, τα εφαρμοσμένα μαθηματικά και την επιστήμη των Υπολογιστών( CS) , με σκοπό την επίλυση ρεαλιστικών επιστημονικών προβλημάτων, ενώ ή υπολογιστική προσέγγιση και οι προσομοιώσεις θεωρούνται ως θεμελιώδη συστατικά της επιστήμης. Σχετικά με την Υπολογιστική Φυσική, στο βιβλίο του «Computational Physics - An Introduction» (Kluwer Academic Plenum Publishers, New York-London 1994 και 2001) ο Franz Vesely αναφέρει: το θεμελιώδες σημείο στην Υπολογιστική Φυσική δεν είναι η χρήση μηχανών αλλά η συστηματική εφαρμογή αριθμητικών τεχνικών μαζί με αναλυτικές μεθόδους ώστε να καταστεί δυνατή η εφαρμογή υπολογιστικών τεχνικών σε ένα μεγάλο μέρος της φυσικής αλλά και της καθημερινής πραγματικότητας. Αυτή η μεθοδολογία επεκτάθηκε σε πολλές επιστήμες που χαρακτηρίζονται από τον όρο «Υπολογιστική» αλλά ειδικά η Υπολογιστική Φυσική «πάτησε τη σκανδάλη» για την ανάπτυξη ενός ολόκληρου επιστημονικού πεδίου με τους δικούς του στόχους, προβλήματα και ερευνητικά αποτελέσματα. Ο επιστημονικός κλάδος με την ονομασία «Υπολογιστική Φυσική» θεωρείται ότι συνδέεται με την «επιστήμη των υπολογιστών» (Landau et al., 2008) ή σύμφωνα με το Πανεπιστήμιο Syracuse University (http://physics.syr.edu/CompHome.htm) είναι μια διαθεματική περιοχή της Υπολογιστικής Επιστήμης που λειτουργεί ως γέφυρα (συνδυάζει) ανάμεσα στην Φυσική και την Επιστήμη των Υπολογιστών.
Σύμφωνα επίσης με τον Jos Thijssen (Technische Universiteit Delft, The Netherlands) στο βιβλίο του Computational Physics (Cambridge University Press, 2007) η Υπολογιστική Φυσική ασχολείται μεταξύ άλλων με τη προσομοίωση Monte Carlo , με τις θεωρίες σε πλέγμα (Lattice Gauge Theories), την επίλυση διαφορικών εξισώσεων κλπ.
Σύμφωνα με τους συγγραφείς του βιβλίου (Landau et al., 2008), η Υπολογιστική Φυσική (ΥΦ) είναι ένα διεπιστημονικό πεδίο που συνδυάζει τα πεδία της φυσικής, των μαθηματικών (κυρίως των εφαρμοσμένων μαθηματικών που μας παρέχουν αλγόριθμους) και της επιστήμης των υπολογιστών (βλέπε εικόνα) με σκοπό την επίλυση πραγματικών προβλημάτων αλλά είναι κάτι περισσότερο από την τομή της Φυσικής, της Επιστήμης των Υπολογιστών και των Μαθηματικών (Yasar et al., 2006) αφού λειτουργεί και ως γέφυρα μεταξύ αυτών των επιστημών αφού περιέχει και δικά της υπολογιστικά εργαλεία και μεθόδους που μπορούν να στηρίξουν αυτές τις επιστήμες (Gibbs, 2006; Koonin,1986; MacKeown,1997; Yevick,2012; Vesely,2002).
Σύμφωνα με τους συγγραφείς του άρθρου Reliable Software in Computational Physics (Adam & Adam, 2003) το πεδίο της Υπολογιστική Φυσικής είναι στη τομή της θεωρητικής και πειραματικής φυσικής, της αριθμητικής ανάλυσης και της επιστήμης των Υπολογιστών. Η Θεωρητική Φυσική παρέχει τα μοντέλα για τη μελέτη των φυσικών φαινομένων, η πειραματική φυσική παρέχει μεγάλα σύνολα δεδομένων που χρειάζονται επεξεργασία για να ανακαλυφθούν οι χρήσιμες πληροφορίες, η αριθμητική ανάλυση παρέχει τις μαθηματικές μεθόδους για τη δημιουργία αλγορίθμων και η επιστήμη των υπολογιστών παρέχει τις δομές για τη χρήση του hardware. Μπορείτε να αντικαταστήσετε την «Υπολογιστική Φυσική» με οποιοδήποτε άλλο γνωστικό αντικείμενο και να έχετε αυτό που συζητήσαμε ως STEM στην Εκπαίδευση.
Η χρήση των υπολογιστών στις Επιστήμες και στην Εκπαίδευση των Επιστημών μπορεί να διαιρεθεί στις παρακάτω κατηγορίες: στην αριθμητική ανάλυση, στην οπτικοποίηση, στο συμβολικό χειρισμό, στην προσομοίωση και στην συλλογή δεδομένων.
Η αριθμητική ανάλυση αναφέρεται στην εύρεση λύσεων ,σαφώς ορισμένων προβλημάτων, οι οποίες εκφράζονται σε αριθμητική μορφή και όχι σε συμβολική μορφή. Ο συμβολικός χειρισμός στηρίζεται στην εγγενή ιδιότητα των Μαθηματικών να διαχειρίζονται σύμβολα. Η χρήση των υπολογιστών στο συμβολικό χειρισμό αναφέρεται στα αφηρημένα σύμβολα των Μαθηματικών με τα οποία παρέχεται η δυνατότητα να λύνουμε παρόμοια προβλήματα χρησιμοποιώντας σύμβολα.
Με την οπτικοποίηση δεδομένων μπορούμε να παρατηρήσουμε πρότυπα(patterns) τα οποία δύσκολα θα τα προσδιορίζαμε χωρίς να έχουμε οπτική αναπαράσταση των δεδομένων μέσω αναπαραστάσεων και γραφικών παραστάσεων. Επειδή συνήθως απαιτούνται περισσότερες από τρείς μεταβλητές για την ανάλυση ενός φαινομένου, η γραφικές παραστάσεις είναι ένα ισχυρό εργαλείο για την κατανόηση του φαινομένου.
Τέλος οι υπολογιστές εμπλέκονται σε όλες τις φάσεις ενός πειράματος στο εργαστήριο, από το σχεδιασμό των συσκευών μέχρι τη συλλογή και ανάλυση των δεδομένων. Πολλές από τις ενέργειες που πραγματοποιούνται στο φυσικό εργαστήριο είναι αντίστοιχες με αυτές που εμφανίζονται στις προσομοιώσεις (Introduction to Computer Simulation Methods by Harvey Gould, Jan Tobochnik, and Wolfgang Christian, Addison-Wesley (2006).
Συχνά οι προσομοιώσεις με Η/Υ αναφέρονται και ως υπολογιστικά πειράματα εξαιτίας και των αναλογιών που παρατίθενται στον παρακάτω πίνακα.
Φυσικό Εργαστήριο Υπολογιστική Προσομοίωση
Δείγμα
Μοντέλο
Φυσικές Συσκευές
Πρόγραμμα στον Η/Υ
Ρύθμιση των Συσκευών
Έλεγχος του Προγράμματος
Μετρήσεις
Υπολογισμοί
Ανάλυση των Δεδομένων
Ανάλυση των Δεδομένων
Το παράδειγμα επίλυσης προβλήματος με χρήση της Υπολογιστικής Επιστήμης και των ΤΠΕ στην Εκπαίδευση- Το μοντέλο προσομοίωσης (simulation model).
Οι προσομοιώσεις με υπολογιστή είναι μέρος της σύγχρονης βασικής και εφαρμοσμένης έρευνας και της διδακτικής ενώ νέα πεδία έχουν δημιουργηθεί στην Υπολογιστική Επιστήμη όπως «Υπολογιστική Φυσική», «Υπολογιστικά Μαθηματικά», «Υπολογιστική Γλωσσολογία», «Υπολογιστική Ψυχολογία», κλπ Στην Υπολογιστική Επιστήμη το μοντέλο, η προσομοίωση και το υπολογιστικό πείραμα παίρνουν τη θέση του «κλασικού» πειράματος συνθέτοντας έτσι την εικόνα της Επιστήμης. Οι προσομοιώσεις χρησιμοποιούνται σε συνδυασμό με δυναμικά μοντέλα, δηλαδή μοντέλα που περιλαμβάνουν τη χρονική εξέλιξη και ουσιαστικά είναι οι μαθηματικές μέθοδοι (συμπεριλαμβανομένων και των αλγορίθμων) ώστε το φυσικό σύστημα να διακριτικοποιηθεί (Sloot, 1994). Ο σκοπός της προσομοίωσης είναι δηλαδή να λύσει τις εξισώσεις κίνησης αυτού του μοντέλου το οποίο αντιστοιχεί σύμφωνα με κάποιο στόχο-φαινόμενο. Συνθέτοντας τη θεωρία της μοντελοποίησης και τις αρχές της προσομοίωσης, προκύπτει ο όρος μοντέλο προσομοίωσης (simulation model). Με αυτό εννοούμε το σύνολο των υποθέσεων για τη λειτουργία του συστήματος, εκφρασμένων υπό μορφή μαθηματικών ή λογικών σχέσεων μεταξύ των αντικειμένων-οντοτήτων-μεταβλητών-παραμέτρων του συστήματος (κωδικοποιημένων σε πρόγραμμα υπολογιστή). Η προσομοίωση πραγματοποιείται πάντα σε μοντέλο και όχι στο πρωτότυπο σύστημα.
Το μοντέλο της προσομοίωσης που αναφέραμε στην ενότητα που μιλούσαμε για τα μοντέλα, εντάσσεται στην Υπολογιστικού Επιστήμη μέσω του Υπολογιστικού πειράματος ώστε να ενταχθούν και οι ΤΠΕ στην Εκπαίδευση σε ένα Επιστημονικό πλαίσιο με τη χρήση των αρχών της Υπολογιστικής Επιστήμης. Η διαδικασία που απαιτείται είναι να ξεκινήσουμε από την άποψη που έχουμε για το μοντέλο μιας διαδικασίας ή ενός φαινομένου, στη συνέχεια να αποφασίσουμε για τη μέθοδο της προσομοίωσης (διακριτού χρόνου, διακριτών συμβάντων, στοχαστική) και τέλος για τον αλγόριθμο που θα μας οδηγήσεις στην κατασκευή του κώδικα και την υλοποίησή του με λογισμικά ή γλώσσα προγραμματισμού. Η διαδικασία αυτή αποτελεί και το παράδειγμα επίλυσης προβλήματος με χρήση των ΤΠΕ στην εκπαίδευση. Πολύ κοντά στις απόψεις του Landau είναι και η πρόταση του Sloot (1994). Σύμφωνα με τον Sloot, προτείνεται η παρακάτω λογική ακολουθία για τον τρόπο εργασίας στην Υπολογιστική Επιστήμη και στο Υπολογιστικό Πείραμα:
Πρόβλημα ↔ θεωρία ↔ μοντέλο ↔ μέθοδος-προσομοίωσης↔ υλοποίηση (με γλώσσες προγραμματισμού ή λογισμικά) ↔ αξιολόγηση (συγκρίνοντας με πραγματικά δεδομένα).
Σε όλες τις προσεγγίσεις του Υπολογιστικού Πειράματος θεμελιώδης συνιστώσα είναι ο αλγόριθμος ενώ από ερευνητικές εργασίες προκύπτει η ενσωμάτωση του υπολογιστικού πειράματος σε συνδυασμό με την επίλυση προβλήματος είναι ένας αποτελεσματικός τρόπος διδασκαλίας (Yasar et al., 2006). Για τη προσομοίωση ενός συστήματος χρησιμοποιούμε τις οντότητες (entities), τα χαρακτηριστικά (attributes), τα γεγονότα (events), τις δραστηριότητες-ενέργειες (activities) και τις διαδικασίες (processes) του συστήματος, ενώ ως σύστημα εννοούμε μια συλλογή οντοτήτων –εννοιών που αλληλεπιδρούν.
Οι υπολογιστικές προσομοιώσεις κατηγοριοποιούνται σε προσομοιώσεις διακριτού χρόνου, συνεχούς χρόνου και γεγονότων και στοχαστικές προσομοιώσεις (Ψυχάρης, 2009).