2017年4月17日

演講紀錄-探究課程工作坊之分析與發現(6)-用運算思維進行科學方法

接下來我要很跳tone地,突然不提科學方法了。

科學方法的思維模式
我們熟知的科學方法,其實就是探究能力當中的問題解決那一塊
觀察與定題:觀察、提出問題與假設
計畫與執行:進行實驗
分析與發現:結果分析與結論
至於討論與傳達,在傳統的科學方法論述比較難找到對應,它比較像是把研究結果發表到科學社群,然後社群如何對這議題評斷。

雖然都知道科學方法了,但是我自己也發現,光用科學方法很難去描述這些步驟裡的思維模式,比方說「我知道要提出問題,不過要怎麼提出問題,我應該怎麼去想?」、「我知道要分析結果,不過我要怎麼開始分析,我要用什麼角度去分析?」

這些思維模式很難用科學方法去理解吧,是的,所以探究能力不是只有科學方法這種問題解決的能力而已。課綱裡頭還有思考智能,英文是thinking ability,英文應該比較能理解,就是思考的能力。

它列出了四項:想像創造、推理論證、批判思辨、建立模型。其實思考的能力,當然不只這些,但課綱裡頭只能列出比較重要的來舉出,否則不就一大堆了。
探究能力

運算思維
而在思考智能這裡,我要另外提一個看起來不在自然課綱裡的東西,但其實就在裡面的,那就是運算思維。

運算思維,英文是Computational Thinking,最近會看到這詞,應該多是資訊科技教育的場合理,比方說程式設計補習班會跟你說要培養孩子的運算思維,科技領域的宣導跟你說我們要培養運算思維,像教育部就有運算思維推動計畫


運算思維是什麼東西呢?簡單地說,就是一種解決問題的方法和思維模式,是用電腦科學的概念擬定解決方案,而這解決方案是電腦或人腦可理解的,或兩者都可理解的。

其實剛剛我們就已經經歷過了運算思維喔,有想到嗎?在《分析與發現(3)-存儲如何變資料》,我們討論了怎麼整理出乾淨的資料(tidy data),就是用電腦科學的概念來擬定的。

運算思維的範疇相當廣,因為提出定義和範圍的學者也很多,這是教育部運算思維推動計畫裡的運算思維簡介的簡報之一頁,tidy data我想算是Data collection這個部份。





在這麼多的定義當中,普遍性被認為「啊!那就是運算思維」的有這四個,問題拆解、模式辨別、抽象(摘要)、演算法。我想大部分人跟我一樣,看到這四個字多半會先「啊?」一下。問題拆解我懂,但後面那幾個不太好懂耶,我用成語來解釋一下,應該就比較容易理解了。


問題拆解:化整為零
模式辨別:異中求同
抽象:化繁為簡
演算法:按部就班





問題拆解

問題拆解是化整為零,因為他是將一個大問題拆解成數個小問題,就像是我們今天想去科工館,「要怎麼去?」這是個大問題,我們拆解出好幾個小問題。
  • 科工館在哪?
  • 有捷運嗎?
  • 票價多少?
  • 捷運站出來怎麼走?
  • 要花多少時間?
  • 我要多早出發?
(這些問題,在Google Maps上好像都幫你解決了啊)


模式辨別
模式辨別是異中求同,在龐雜的訊息中,找到相似之處,那個相似之處就是模式(pattern)。就好像犯罪者會有犯罪的模式,警察辦案會尋找的就是那些案件裡是否有一定的模式。

又比如說貓也會有模式,貓的模式是什麼?長長尾巴、有眼睛、有皮毛。雖然這些眼睛、尾巴長得都不一樣,但是你掌握了這個模式,你就知道那是一隻貓。

你會怎麼畫豬呢?一個大圓中間畫一小橢圓,小橢圓裡再畫兩個小圓,雖然我沒直接畫出那是什麼,但是你八成會知道我寫的就是一隻豬的樣子。你為什麼會知道?因為你和我一樣掌握了同樣的豬模式。

有了模式,處理事情就可以很有效率,因為可以用同樣的策略來解決它。比方說收紅包,每個都是飽飽的模式,但是突然拿到一個薄薄的,你就知道這個怪怪的。能夠異中求同,就能夠同中求異,在不疑處有疑。

模式如果不正確,事情就會很麻煩。比方說,你問七年級學生烏龜是不是兩生類,超過一半都會說是,你知道為什麼嗎?因為那就是學生建立的「兩生類模式」,國小時學的叫做兩棲類,國中叫做兩生類,學生建立的兩棲類模式是「可以住水裡,又可以上陸地」,因此只要符合這個模式的,那就叫做兩棲類,所以你可以想想還有什麼動物,會是屬於學生的兩棲類模式?我們又有什麼方法可以讓學生重新建立兩生類模式?

現在的數位相機普遍都有人臉辨識,其實就是能夠它能夠辨識人臉的模式,人腦和電腦辨識人臉用了不太相同的策略,人腦可以把只要有兩顆圓圓的就當作人臉,各位在「face in places
」這個Google圖片搜尋的連結裡看到的圖片,應該都會覺得就是人臉了吧!不過你如果拿相機去拍這些景物,相機可不會把它當作人臉。


抽象
抽象這詞真的很抽象,這叫化繁為簡,也可以叫做摘要,這是聚焦在重要特徵,濾除雜訊與具體細節。

最最最直覺的例子就是地圖,左邊細節超級多的,不過因為我們需要的只有捷運的資訊,所以把那些具體的細節啦、雜訊(地形)通通省略,那就是抽象化的過程。你想想看,難道捷運路線真的長得紅紅一條線,上頭還有一個個圓圈圈嗎?(應該是鐵軌才是吧)



抽象化能幫助我們理解資訊,另一個例子,細胞的樣子,我們會把它抽象化變成黑板畫的簡圖,就一個大圓圈,內部一個小圓圈,那就是抽象了。


演算法
演算法,就是按部就班,是規劃解決問題的詳細步驟。這個很好理解,實驗步驟的流程就是了,我們可以用文字描述,也可以用流程圖去描述。

在程式設計中,我們會將重複使用的部份,另外包裝起來稱為模組。模組化也是運算思維的一部分。

食譜當中的模組有哪些?當我們只要在書上最前面先說「勾芡」就是太白粉加水,後面的食譜,幾乎不用再重講一次,只要說勾芡,你就知道那是什麼了,反正忘記了就回頭翻。「切丁」也是一個,不是說這是切出丁字,這是把食材切成小方塊狀,這同樣是個模組。

我們的實驗步驟裡也有模組啊?有什麼?

「隔水加熱」、「使用顯微鏡觀察」、「製作成玻片標本」
我們在前一階段的實驗中,先訓練學生學會這些技能,將之模組化。接下來我們在實驗步驟中只要提這個詞,就知道那個代表什麼了。

此外,還有平行化,在程式設計時,讓程式同時處理類似或互不干擾的流程。而在實驗流程裡,也會這樣做,像是進行某些加熱實驗時,我們會安排在加熱過程中,順道進行別的工作。或是同步測量兩種溶液的溫度,或是同時測量某個燈泡的電流、電壓值。

而不是測完一個,再測另一個,理解平行化的同步處理優點,就可以有效率地解決問題。

看到這邊,你是不是有發現「啊哈,原來這些就是運算思維啊,其實我也有用到啊」,下一篇來介紹幾個我們在科學實驗上,實際進行的運算思維範例。

你可能對這有興趣

Related Posts Plugin for WordPress, Blogger...