21、探索新手编程中的计算思维符号痕迹

探索新手编程中的计算思维符号痕迹

1. 引言

终端用户开发要取得成功,终端用户必须具备计算思维能力。他们需要能够用高度受限的计算机语言来表达想法,构建现实或想象对象及现象的表征。与自然语言的无限可能性相比,计算机语言支持的视角、抽象和表达形式更为有限。

对于新手而言,计算机表征的逐步完善通常始于不精确的心理表征,这些表征可以用同样不精确的自然语言话语表达。当这种话语被外化时,会形成具体的符号实例,支持后续的符号转换,直到可以用正式、精确的意义表达来组成可计算的代码片段。这些人工代码片段与自然符号融合,拓展了新手程序员的符号世界,帮助他们构建更大的表征结构,最终形成有意义且可执行的计算机程序。

本文探讨自然语言对程序意义的表征与相应计算编码之间的联系。通过对巴西公立学校新手程序员的定性实证研究,研究问题是:自然语言叙事中表达的意义与新手编写的程序中表达的计算结构有何关系?我们使用符号学和语言学分析,比较自然文本(巴西葡萄牙语的游戏描述)和人工文本(Visual AgenTalk 代码)中的意义表征,寻找反复出现的关系及其在计算思维教育背景下的意义。

2. 巴西学生研究
  • 研究对象 :我们与 20 名 9 年级学生合作,其中 13 名女生,7 名男生,年龄在 14 - 16 岁之间。他们自愿参加课后的短期可扩展游戏设计项目。学校位于尼泰罗伊,教师与弗卢米嫩塞联邦大学有关联,大多数学生来自周边低收入社区。小组由一名地理老师带领,他在教学中使用计算机和 GIS 应用程序。
  • 学生喜好
    | 项目 | 最喜欢的 3 门学科

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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