17、重塑小学计算机科学无代码工作坊:激发儿童对 STEM 的兴趣

重塑小学计算机科学无代码工作坊:激发儿童对 STEM 的兴趣

在当今高度自动化的世界里,计算机科学(CS)已经成为每个人都应该了解的学科。为了让计算机科学更易于小学阶段的儿童接触和学习,相关研究人员进行了一系列的工作,将原本针对中学学生的无代码计算机科学工作坊重塑为适合小学生的活动。

研究背景与相关工作
  • 校内拓展项目 :TU Wien 此前已经开展了针对中学生的计算机科学概念教学拓展项目,包括在线编程课程、校内编程课程以及大学举办的“无代码”计算机科学工作坊。此次工作则是对“无代码”工作坊进行重塑,使其适用于小学教育。
  • 相关方法与举措
    • 布鲁金斯学会的一份报告指出,计算教育应尽早在中小学阶段开展,并明确了其中的关键挑战。Sue Sentance 强调了“尽早开始”计算机科学教育的重要性。
    • 除了编码和编程倡议外,还有一些不依赖计算机的创意教学方法,如 CS Unplugged、Abenteuer Informatik 和 Bebras Challenge 等。研究人员的拓展项目主要基于前两个项目的任务,并融入了简单机器人相关的任务,例如使用 Ozobots 作为主要的机器人设备,因为它可以通过颜色代码进行编程,适合所有年龄段的学生。
    • 课程和长期倡议遵循螺旋式课程的概念可能最为有效,这样可以让不同年龄段的学生反复接触相同的核心概念,同时逐步增加任务的复杂性。
    • 教学设计模型有助于教学材料和任务的结构化和可追溯性发展,如 ADDIE 模型,包括“分析”“设计”“开发”“实施”和“评估”五个主要阶段。为确保高质量的(无代码)计算机科学工作坊,还可以使用基于设计的研究(DBR)和行动研究模型。
方法论

研究人员采用 ADDIE 教学设计模型来回答“如何在非正式学习环境(工作坊)中简化中学任务以适用于小学阶段”这一研究问题,并将解决方案融入到 ADDIE 的五个主要阶段中:
| ADDIE 阶段 | 具体操作 |
| — | — |
| 分析 | 通过密切观察中学计算机科学任务的实际实施情况,确定学习困难,并针对小学儿童这一目标群体进行分析。 |
| 设计 | 确定并修订将在无代码计算机科学工作坊中呈现的任务,每个任务都与补充小学计算机科学教育相关。考虑到营造多样化的环境,在设计任务时参考相关研究结果,使用涉及动物的视觉材料,使任务对女孩更友好,同时不影响男孩的感知。将工作坊中传达的计算机科学主题进行高度抽象,以便小学生能够理解。 |
| 开发 | 为每个计算机科学任务明确学习目标,并创建无代码任务的原型,方便未来的工作坊领导者使用。 |
| 实施 | 指导团队成员和大学生担任工作坊领导者,并向学校推广工作坊。 |
| 评估 | 每次工作坊结束后,进行联合小组反思,根据行动研究的反思阶段获取信息,持续改进计算机科学任务和工作坊设置。 |

任务分析与演变

在 ADDIE 模型的“分析”阶段,研究人员考虑了以下三个主要方面:
- 总体目标 :提供无代码计算机科学工作坊,每次工作坊在大学举办,时长为两小时。目标是让小学生学习计算机科学的核心概念。选择了三个适合小学的工作坊任务:使用排序网络、通过分治法进行排序和搜索、通过解决基于计算思维的谜题并使用 Ozobots 进行规划。这些任务既符合年龄特点,又具有趣味性和现实意义,同时注重任务的多样性,尤其对女孩友好。
- 目标受众特征 :工作坊面向任何年龄、没有任何先验知识的小学生。因此,任务设计易于调整,例如在任务 1 中,一年级儿童使用 1 - 9 的小数字范围,三年级学生使用 1 - 100 的较大数字范围;在任务 2 中,最初使用 4 × 10 的卡片堆;在任务 3 中,减少地图中不同路径的可能性,增加路径规划的瓷砖,并提供“作弊”表帮助儿童识别颜色代码。避免将阅读理解作为硬性要求,使用视觉材料,如在任务 1 中用不同大小的动物进行排序,使用秘密消息和 UV 光笔增加趣味性;在任务 3 中,将障碍物设置为动物、池塘或森林。使用简单、适合年龄的术语口头解释任务,而不是像中学那样使用书面说明。
- 资源 :为了在 TU Wien 举办工作坊,需要熟练的工作坊领导者。研究人员致力于培训计算机科学本科生和研究生担任此角色,让学校教师能够专注于儿童的社会情感健康。同时,还实施了适当的工作坊框架条件,包括预订合适的房间、与学校班级建立和保持联系,以及组织特定任务的材料和设备。

任务设计与开发

在设计计算机科学工作坊及其任务时,特别注重为儿童创造合适的学习环境,将学习内容融入适合年龄的场景中,将大学环境与学生的日常学校生活联系起来。每个任务的设计过程包括以下三个步骤:
- 激发兴趣(M) :解释任务与日常生活的相关性,例如任务 1 - 排序网络,通过衣服(按尺寸)、视频(按长度)和杂货(按价格)等现实生活中的排序场景,激发儿童对排序网络和排序的兴趣。
- 实验探索(E) :让儿童尝试任务,开发不同的解决方案并实施自己的策略(即算法)。以任务 1 为例,使用贴在地板上的两个大型排序网络,支持六名儿童根据预定义的属性对物品进行排序。六名儿童从起始节点开始,随机选择一张数字卡片(对于年幼的儿童,使用 1 - 9 的数字或不同大小的简单几何图形),沿着线路移动到网络的第一个节点,最终将卡片在地板上的指定盒子中按正确顺序排列。
- 关联主题(R) :将任务与计算机科学主题相关联,向儿童解释这些主题和解决方案在日常生活中的应用。

通过以上一系列的设计和实施,研究人员将原本针对中学学生的无代码计算机科学工作坊成功重塑为适合小学生的教育活动,为更多儿童对 STEM 领域产生兴趣做出了贡献。未来,还可以进一步拓展研究,例如调查整个教学周期(规划 - 实施 - 反思)以及个人教学内容知识(pPCK)和实施的教学内容知识(ePCK)之间的关系,使用文本数据分析方法研究教师访谈和课堂记录等其他情境。

重塑小学计算机科学无代码工作坊:激发儿童对 STEM 的兴趣

不同机器人在教育资源中的关联分析

研究人员还对教育资源中的词汇与所使用的机器人类型之间的关系进行了分析。通过 Reinert 聚类和 MCA(多重对应分析),得出了以下结论:
| 机器人类型 | 关联特点 |
| — | — |
| Beebot | 与物体的首次操作相关联 |
| Bluebot | 与编程相关联 |
| Thymio | 与事件和行为相关联 |
| Ozobot | 与舞蹈相关联 |

这种分析有助于更好地理解不同机器人在教育资源中的角色和作用,为教育工作者选择合适的机器人用于教学提供了参考。

聚类、年级水平、编程范式和教师专业知识之间的关系

MCA 分析还揭示了聚类、年级水平、编程范式和教师专业知识之间的一些关系。其中,事件驱动型机器人和顺序型机器人之间呈现出对立关系。这一发现对于理解不同编程范式在教育中的应用以及教师如何根据学生的年级水平和自身专业知识选择合适的教学方法具有重要意义。

研究的局限性与未来展望

本研究存在一定的局限性,仅调查了教学内容知识(PCK)的一个领域——实施的教学内容知识(ePCK),并且仅通过分析教师规划活动的痕迹来进行研究。为了更全面地了解教师的 PCK,未来可以进行以下拓展研究:
- 研究整个教学周期 :调查规划、实施和反思这一完整的教学周期,以更深入地了解教师在不同阶段的教学内容知识的变化和应用。
- 分析个人与实施的 PCK 关系 :研究个人教学内容知识(pPCK)和实施的教学内容知识(ePCK)之间的关系,探索两者在不同教学情境中的相互作用。
- 拓展研究情境 :使用文本数据分析方法,研究教师访谈和课堂记录等其他情境,以获取更丰富的信息。

工作坊实施效果与总结

研究人员进行了八次小学无代码计算机科学工作坊的迭代。每次迭代中,一个 22 - 27 名学生(8 - 9 岁)的小学班级会到研究所参加工作坊,让孩子们有机会体验科学机构的氛围。截至目前,共有 192 名小学生参与了这些工作坊。

根据实证评估和教师、学生的反馈,重塑小学计算机科学工作坊的努力是值得且成功的。这些工作坊不仅让小学生能够接触和学习计算机科学的核心概念,还通过有趣的任务和适合年龄的设计,激发了他们对 STEM 领域的兴趣。

以下是整个工作坊重塑过程的 mermaid 流程图:

graph LR
    A[研究背景与相关工作] --> B[方法论]
    B --> C[任务分析与演变]
    C --> D[任务设计与开发]
    D --> E[不同机器人关联分析]
    E --> F[聚类等关系分析]
    F --> G[研究局限性与未来展望]
    G --> H[工作坊实施效果与总结]

通过以上一系列的研究和实践,研究人员为小学计算机科学教育提供了一种有效的方法,有助于培养更多对 STEM 领域感兴趣的年轻人才,为未来的科技发展奠定基础。

【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值