LARS BJÖRKLUND
När regeringen i september år 2015 gav skolverket uppdrag att föreslå nationella it-strategier för skolväsendet skapades ett samarbetsprojekt ”Tripple Helix” mellan skolverket, universiteten, företrädare för skolan och mjukvaruindustrin. Under ett antal möten och workshops diskuterades innehåll och formuleringar i den kommande läroplansrevisionen. Såväl från universitetens datavetare och från industrin framfördes vikten av att låta elever utveckla ett så kallat datalogiskt tänkande.
I en inlaga från den ideella intresseföreningen Swedsoft beskrevs detta viktiga innehåll:
”Vi menar att fokus ska vara datalogiskt tänkande som en naturlig del av alla ämnen och ha ett fokus på experimenterande så att möjligheterna med mjuk-vara och teknik blir konkret och spännande. Datalogiskt tänkande innefattar generella färdigheter som har sin grund i datavetenskap som att dela upp och lösa problem, hitta mönster, tänka logiskt samt arbeta strukturerat och kreativt. ”(Runeson, Andersson, Heintz, Mannila & Rolandsson, 2015)
Under Tripple Helixprojektet träffades nästan 100 deltagare från skolvärlden, akademin och näringslivet vid flera tillfällen för att diskutera införandet av nytt innehåll i läroplanen. Inför en av träffarna fick mötesdeltagarna besvara en enkät om olika datavetenskapliga begrepp och om och hur de borde användas i det vidare arbetet. Resultaten från den Likert-enkät som användes presenterades bara som medelvärden vilket gör det svårt att tolka hur denna mycket heterogena grupp förstod de olika frågorna. Förståelsen av begreppet Datalogiskt tänkande var dock ganska lågt, 2,9 på den fyrgradiga skalan och på frågan om man trodde att andra skulle förstå begreppet gavs svaret 1,4 vilket var mycket svagt. Som jämförelse fick förståelsen av programmering värden över 3.
Vid den efterföljande diskussionen om att använda datalogiskt tänkande som namnet på en av förmågorna som skulle övas framfördes kritik. I ändringarna i läroplanen som började gälla hösten 2018 saknas, kanske just därför, helt detta begrepp.
Även om visionen om datalogiskt tänkande troligen påverkade beslutsfattare i processen bakom de nya läroplanstexterna och fokuset på programmering så syns begreppet inte explicit i styrdokumenten. Däremot lever visionen och förhoppningarna kanske vidare. Inte minst genom införande av programmering i den nyligen reviderade läroplanen för grundskolan.
I den här texten ska jag argumentera för att datalogiskt tänkande likväl lever kvar som en förhoppning om att programmering utvecklar elevers generella förmåga att lösa olika slags problem.
Historien bakom begreppet ”computational thinking”
Under hela 1990-talet växte IT-branschen i världen enormt och efterfrågan på duktiga programmerare verkade vara omättbar. I början av 2000-talet sprack dock IT-bubblan och följdes av många konkurser och nedläggningar av teknik- och IT-företag. Studenterna valde som en följd av detta bort datorrelaterade utbildningar. Samtidigt var behovet av programmerare fortsatt stort. I en värld som blev alltmer digitaliserad och där alltfler branscher var beroende av programmerare blev det viktigt att tillströmningen till denna typ av utbildningar inte minskade. Det fanns många som insåg problemet. En av dessa var Jeanette Wing, professor i datorvetenskap vid Carnegie Mellon University i Pittsburgh. Hon publicerade (2006) en artikel i en datortidskrift med titeln ”computational thinking”(CT), som kom att få enorm spridning och betydelse. I artikeln beskrev hon värdet av data- och programmeringskunskaper för att utveckla sin problemlösningsförmåga inom vitt skilda fält. Några år senare utvecklade hon vad hon menade med CT:
Vi har insett att datavetenskapen inte bara ger förutsättningar för att kunna utveckla användbara datorprogram och datorstyrda maskiner, utan också innehåller ett intellektuellt ramverk för tänkande, det som jag kallar ”computational thinking”. (Wing, 2014, s.1)
Begreppet CT hade använts tidigare bland annat av Seymor Papert i sin bok Mindstorm (1980) i vilken han beskrev hur elever som arbetade med programmeringsspråket Logo kunde utveckla sitt eget tänkande. Han menade att genom att eleverna lärde sig följa gången i ett datorprogram kunde utveckla ett logiskt, ”procedurellt tänkande”. Eleverna skulle inte enbart lära sig att tänka som en maskin, en dator, utan de skulle dessutom utveckla sin metakognition, lära sig att tänka om sitt eget tänkande. Eleverna skulle också få möjlighet att utveckla andra kognitiva förmågor och att lära sig förhållningssätt som sedan skulle kunna överföras till andra ämnen och verksamheter. De skulle exempelvis kunna utveckla sin planeringsförmåga och sin kreativitet. Förhoppningar om att införandet av programmering i skolan skulle kunna få mer långtgående och generella effekter på elevers lärande väcktes således tidigt.
Logo spreds i skolor över hela världen, även i Sverige och visade sig ge positiva effekter på elevers lärande i matematik, däremot var det svårt att påvisa några effekter på andra kognitiva förmågor (Pea & Kurland, 1984; Voogt, Fisser, Good, Mishra, & Yadav, 2015). I Sverige hade programmering i gymnasieskolan införts redan på 1970-talet. I grundskolan infördes år 1982 ämnet Datalära (Lgr 80) med två veckotimmar under hela högstadiet. I den speciella studieplanen för dataläran betonades på flera ställen att:
Eleverna bör därvid få vissa kunskaper i programmering, men detta får inte ta det mesta av den för problemlösning avsatta lektionstiden.(Skolöverstyrelsen, 1984, s. 19)
I de utvärderingar som gjordes i slutet av 1980-talet av skolans datorsatsningar fann man dock att programmering blev den allt överskuggande aktiviteten. Olika programmeringsspråk som Logo, Basic och Pascal ersatte varandra i skolan varefter fokus så småningom övergick till att använda datorn som ett verktyg för att söka och samla information. I Lpo 94 försvinner således ämnet och de flesta referenser till datateknik och programmering.
Höstterminen 2018 har programmering kommit tillbaka i alla stadier i grundskolan. Framför allt är det ämnena Matematik och Teknik som berörs. En möjlig förklaring till detta kan vara en förhoppning om att andra generella förmågor kan utvecklas då elever arbetar med programmering.
Datalogiskt tänkande
Begreppet ”computational thinking” kom till Sverige efter det att en grupp datavetare deltagit i en internationell konferens i Ljubljana om ”computational thinking” där de presenterade ett bidrag om dator- och programmeringssatsningar i svensk skola. I texten beskrev de dessutom en plan för att införa begreppet CT i den svenska skolan:
Based on our current activities and lessons learned, we are currently working towards the following goals:
- Establishing the term ”datalogiskt tänkande” as the Swedish term for computational thinking, implying the general skill set that can be trained through programming and that can be used in an interdisciplinary way throughout the curriculum.
- Engaging as many schools as possible in Bebras, in order to stimulate the interest for computational thinking. (Heintz Mannila, Nygårds, Parnes & Regnell, 2015, s. 129)
En av författarna, Fredrik Heintz, formulerade datalogiskt tänkande som ett paraplybegrepp för färdigheter och förmågor relaterade till problemlösning och som till stor del kommer från datavetenskapen:
Det kan beskrivas som förmågan att bryta ned ett problem i mindre delar, att hitta och utnyttja mönster, att automatisera lösningar genom att utveckla algoritmer och att representera och modellera information. Exempel på förmågor är uthållighet när det gäller att hantera svåra problem, att hantera öppna problem och osäker information och att samarbeta för att lösa problem tillsammans med andra. En gemensam nämnare är att dessa färdigheter och förmågor naturligt tränas genom programmering […]. (Rapport från riksdagen, 2016, s. 37)
Begreppet ”datalogiskt tänkande” (DT) spred sig snabbt i skolvärlden, dels genom en serie utbildningsprogram om datorer och programmering på UR men inte minst genom ett antal privata fortbildningsinitiativ runt om i landet. Även skolverket spred begreppet i sina presentationer av den kommande nya läroplanen. Bland lärare uppfattades det som ett paraplybegrepp om allt som handlade om den digitala världen och precis som i den internationella forskarvärlden fick begreppet därför många olika betydelser. Märkligt nog verkar dock begreppet oftast användas för att beskriva förmågor som kan utvecklas när man låter eleverna programmera och koda:
Att bryta ned ett problem i mindre delar
- Att hitta mönster
- Att skapa abstraktioner genom att generalisera de identifierade mönstren
- Att skapa algoritmer
Detta är en mycket generell beskrivning av en problemlösningsprocess och det är säkert en bra beskrivning av en erfaren programmerares förmåga att lösa problem vid datorn. Men det är ingen metod för att lösa alla typer av problem, de mönster man har lärt sig känna igen i en viss kontext kan inte hjälpa en till att bryta ned problem i en annan. Förhoppningen om en generell problemlösningsförmåga som skulle medge transfer har länge kritiserats av flera forskare. Perkins och Salomon påpekade att den tid som skulle behövas för att uppnå transfereffekter ligger långt över vad man kan avsätta i skolan, dessutom menade man att för att uppnå transfereffekter krävdes mycket övning:
Low road transfer reflects the automatic triggering of well-practiced routines in circumstances where there is considerable perceptual similarity to the original learning context. (Perkins & Salomon, 1988, s.29)
Även om förhoppningar om en generell problemlösningsförmåga inte fått något stöd i forskningen så är det dessutom tveksamt om det ens går att uppöva någon större förmåga att lösa programmeringsuppgifter med den tid som finns för undervisning och övning. Speciellt förmågan att hitta fel i andras program kräver lång tids erfarenhet av kodning och kommer att bli en stor utmaning för våra lärare.
Vid en avslutning av Tripple Helixprojektet 2017 höll Jeanette Wing ett anförande där hon betonade att:
Datorer och annan teknik är i sig ingen nödvändighet för att lära ut datalogisk tänkande. Man ska undvika att kasta in teknik i klassrummet bara för att! Vi vet inte om det är effektivt för att lära ut datalogiskt tänkande! (Lindström, 2017)
Avslutande ord
2018 reviderades grundskolans läroplan och digital kompetens fördes in. Merparten av de nya skrivningarna i läroplanen röde en ökad betoning på användning av digitala verktyg, och innebar på så sätt en kvantitativ förändring av den gamla läroplanen. Begreppet datalogiskt tänkande skrevs aldrig in i den kursplanerevision för grundskolan. Förhoppningen om att undervisning i programmering kan utveckla generella förmågor hos eleverna lever dock kvar hos många. I ramkursplanen för den fortbildningskurs i programmering för lärare som nu ges av universitet i hela landet skrivs i syftet: ”ge deltagarna kunskaper i datalogiskt tänkande i allmänhet och programmering i synnerhet för att kunna undervisa utifrån gällande styrdokument”(Skolverket, 2019).
Det finns skäl att följa de närmaste årens utveckling i skolors arbete med programmering. Hur kan progression skapas inom området programmering? Vad kommer elever att lära sig? Och hur kommer lärare att hantera ämnet? Vilket stöd kommer lärare och skolor att ges? Vad kommer det att kosta? Som Riis påpekar i sin text är risken att vi återigen utsätter skolan för en kostsam och stark push-kampanj, med tveksamma resultat för elevers lärande som följd.
Lars Björklund, lektor i naturvetenskapernas och teknikens didaktik vid Linköpings universitet. Huvudsakligt forskningsintresse är expertkunskap ur ett neurodidaktiskt perspektiv. Har genomfört ett VR-finansierat projekt om examinatorers subjektiva kriterier när de bedömer examensarbeten. Arbetar med utveckling av teknikämnets digitaliserings- och programmeringsinnehåll åt Skolverket och NTA.
LITTERATUR:
Heintz, F., Mannila, L., Nygårds, K., Parnes, P., & Regnell, B. (2015, September). Computing at school in Sweden–experiences from introducing computer science within existing subjects. In International Conference on Informatics in Schools: Situation, Evolution, and Perspectives(pp. 118-130). Springer, Cham.
Lindström, K. (2017). Snart ska ditt barn lära sig att tänka datalogiskt – och att misslyckas. Computer Sweden. Hämtar den 24 april 2019 från https://computersweden.idg.se/2.2683/1.688433/skola-datalogiskt
Papert, S. (1980). Mindstorms: Children, Computers, and Powerful Ideas. New York: Basic Books.
Pea, R. D., & Kurland, D. M. (1984). On the cognitive effects of learning computer programming. New Ideas in Psychology, 2(2), 137-168.
Perkins, D. N., & Salomon, G. (1988). Teaching for Transfer. Educational Leadership, 46(1), 22-32.
Runeson, P., Andersson, S, Heintz, F., Mannila, L, & Rolandsson, L. (2015). Hur skall det svenska utbildnings-systemet möta framtidens utmaningar? Helhetssyn på svensk utbildning om digitalisering och programmering. Swedsoft. Hämtat den 24 april 2019 från http://swedsoft.se/wp-content/uploads/sites/7/2015/05/2015-01-Utbildning-white-paper.pdf
Rapport från riksdagen 2015/16:RFR18 (2016). Digitaliseringen i skolan–dess påverkan på kvalitet, likvärdighet och resultat i utbildningen. Riksdagstryckeriet, Stockholm.
Skolöverstyrelsen (1984). Datalära i grundskolan. Stockholm: Liber Utbildningsförlaget.
Skolverket. (2019). Grundläggande programmering med teknikdidaktisk inriktning för lärare som undervisar i grundskolan 7–9, specialskolan 8–10, 7,5hp. Stockholm.
Wing, J. M. (2006). Computational Thinking. Communication of the ACM, 49(3), 33-35.
Wing, J. M. (2014). Computational Thinking Benefits Society. Hämtat den 24 april 2019 från http://socialissues.cs.toronto.edu/2014/01/computational-thinking/
Voogt, J., Fisser, P., Good, J., Mishra, P., & Yadav, A. (2015). Computational thinking in compulsory education: Towards an agenda for research and practice. Education and Information Technologies, 20, 715-728.