Please enable JavaScript.
Coggle requires JavaScript to display documents.
แนวคิดเชิงคำนวณ image - Coggle Diagram
แนวคิดเชิงคำนวณ 
แนวคิดเชิงคำนวณ (computational thinking) เป็นกระบวนการวิเคราะห์ปัญหาเพื่อให้ได้แนวทางการหาคำตอบอย่างเป็นขั้นตอนที่สามารถนำไปปฏิบัติได้ โดยบุคคลหรือคอมพิวเตอร์อย่างถูกต้องและแม่นยำซึ่งเรียกว่า อัลกอริทึม
-
-
การเรียนวิชาการคำนวณ จะไม่จำกัดอยู่เพียงแค่การคิดให้เหมือนคอมพิวเตอร์เท่านั้น และไม่ได้จำกัดอยู่เพียงการคิดในศาสตร์ของนักวิทยาการคอมพิวเตอร์ แต่จะเป็นกระบวนการความคิดเชิงวิเคราะห์เพื่อนำมาใช้แก้ปัญหาของมนุษย์ โดยเป็นการสั่งให้คอมพิวเตอร์ทำงานและช่วยแก้ไขปัญหาตามที่เราต้องการได้อย่างมีประสิทธิภาพ
-
-
การเรียนวิชาการคำนวณ จะไม่จำกัดอยู่เพียงแค่การคิดให้เหมือนคอมพิวเตอร์เท่านั้น และไม่ได้จำกัดอยู่เพียงการคิดในศาสตร์ของนักวิทยาการคอมพิวเตอร์ แต่จะเป็นกระบวนการความคิดเชิงวิเคราะห์เพื่อนำมาใช้แก้ปัญหาของมนุษย์ โดยเป็นการสั่งให้คอมพิวเตอร์ทำงานและช่วยแก้ไขปัญหาตามที่เราต้องการได้อย่างมีประสิทธิภาพ
คำจำกัดความของแนวคิดเชิงคำนวณ
การเรียนการสอนในศาสตร์วิทยาการคำนวณซึ่งใช้องค์ประกอบแนวคิดเชิงคํานวณนี้ ไม่ได้จำกัดอยู่เพียงการคิดให้เหมือนคอมพิวเตอร์แต่เป็นกระบวนการคิดแก้ปัญหาอย่างมีประสิทธิภาพของมนุษย์ เพื่อสั่งคอมพิวเตอร์ให้ทำงานและช่วยแก้ปัญหาตามที่เราต้องการได้อย่างมีประสิทธิภาพ เพราะการเรียนรู้แนวคิดเชิงคำนวณคือการเรียนรู้ทักษะที่ช่วยทำให้ปัญหาที่ซับซ้อนเข้าใจได้ง่ายขึ้น
โดยแนวคิดเชิงคํานวณ มีองค์ประกอบ 4 ส่วน ได้แก่ Decomposition (การย่อยปัญหา) Pattern Recognition (การจดจำรูปแบบ) Abstraction (ความคิดด้านนามธรรม) Algorithm Design (การออกแบบอัลกอริทึ่ม) ที่เป็นองค์ประกอบหลักในการแก้ไขปัญหาตามหลักการวิทยาการคำนวณ เพื่อให้ผู้เรียนสามารถนำไปประยุกต์ใช้ได้กับปัญหาต่างๆ
-
การออกแบบอัลกอริทึ่ม หรือ Algorithm Design คือ การพัฒนากระบวนการหาคำตอบให้เป็นขั้นตอนที่บุคคลหรือคอมพิวเตอร์สามารถนำไปปฏิบัติตามเพื่อแก้ปัญหาได้ อีกทั้งยังเป็นการพัฒนาแนวทางแก้ปัญหาอย่างเป็นขั้นเป็นตอน และจากนั้นดำเนินตามทีละขั้นตอนในการแก้ไขปัญหาอย่างเป็นระบบตามแผนที่วางไว้
ในการแก้ปัญหาแต่ละอย่างอาจไม่จำเป็นที่จะต้องใช้องค์ประกอบแนวคิดเชิงคำนวณอย่างใดอย่างหนึ่ง หรือไม่จำเป็นที่จะต้องใช้องค์ประกอบทั้งหมด ทั้งนี้ทั้งนั้นอยู่ที่ปัญหาที่เราได้พบว่าควรจะแก้อย่างไร ควรใช้องค์ประกอบใดบ้างในการแก้ไขจึงจะเหมาะสมที่สุด เช่น หากเราประสบปัญหาว่ารถมีปัญหากลางทางขณะกำลังเดินทางไกล
- Pattern Recognition (การจดจำรูปแบบ)
การจดจำรูปแบบ หรือ pattern recognition คือ เมื่อเราย่อยปัญหาออกเป็นส่วนเล็ก ๆ ขั้นตอนต่อไปคือการหารูปแบบหรือลักษณะที่เหมือนกันของปัญหาเล็ก ๆ เหล่านั้นที่ถูกย่อยออกมา หากมีรูปแบบของปัญหาที่คล้ายกันสามารถนำวิธีการแก้ปัญหานั้นมาประยุกต์ใช้ และพิจารณารูปแบบปัญหาย่อยซึ่งอยู่ภายในปัญหาเดียวกันว่ามีส่วนใดที่เหมือนกัน เพื่อใช้วิธีการแก้ปัญหาเดียวกันได้ ทำให้จัดการกับปัญหาได้ง่ายขึ้น และส่งผลให้การทำงานมีประสิทธิภาพเพิ่มขึ้น
3.Abstraction (ความคิดด้านนามธรรม)
การคิดเชิงนามธรรม หรือ Abstraction คือ องค์ประกอบแนวคิดเชิงคํานวณที่เป็นกระบวนการคัดแยกคุณลักษณะที่สำคัญออกจากรายละเอียดปลีกย่อย ในปัญหาหรืองานที่กำลังพิจารณา เพื่อให้ได้ข้อมูลที่จำเป็นและเพียงพอในการแก้ปัญหา กล่าวอีกอย่างก็คือการแยกรายละเอียดที่สำคัญและจำเป็นต่อการแก้ปัญหาออกจากรายละเอียดที่ไม่จำเป็น ซึ่งรวมไปถึงการแทนกลุ่มของปัญหา ขั้นตอน หรือกระบวนการที่มีรายละเอียดปลีกย่อยหลายขั้นตอนด้วยขั้นตอนใหม่เพียงขั้นตอนเดียว
1.Decomposition (การย่อยปัญหา)
การย่อยปัญหา หรือ decomposition คือ การทำให้ปัญหาที่ซับซ้อนย่อยออกเป็นส่วนเล็กๆ เพื่อให้ง่ายต่อการจัดการและแก้ปัญหา เช่น การเขียนโปรแกรมแยกเป็นส่วน ๆ แยกเป็นแพ็กเกจ แยกเป็นโมดูล หรือมองเป็น layer หรือการแบ่งปัญหาเมื่อจะแก้ไขอุปกรณ์ด้วยการแยกการทำงานแต่ละส่วนออกแล้วสังเกตและทดสอบการทำงานของแต่ละองค์ประกอบ จะทำให้เข้าใจได้ง่ายกว่าการวิเคราะห์จากระบบใหญ่ที่ซับซ้อน
-
-
ประโยชน์สำคัญอีกประการหนึ่งที่การคิดเชิงคำนวณมอบให้คือประสิทธิภาพ โดยลดจำนวนทรัพยากรที่ใช้เพื่อจุดประสงค์ในการแก้ปัญหา ในวิทยาการคอมพิวเตอร์และการออกแบบอัลกอริทึม การลดทรัพยากรให้เหลือน้อยที่สุดถือเป็นสิ่งสำคัญในการแก้ปัญหาอย่างเหมาะสม
เวลาที่อัลกอริทึมใช้ในการแก้ปัญหาและพื้นที่หน่วยความจำที่จำเป็นในการแก้ไขปัญหาเป็นปัจจัยสำคัญในการเพิ่มประสิทธิภาพการคำนวณสูงสุด โดยที่เวลาถือเป็นสิ่งที่หลายคนให้ความสำคัญ การออกแบบอัลกอริทึมต้องคำนึงถึงรายละเอียดเฉพาะเพื่อให้จัดการกับปัญหาเฉพาะได้ดีที่สุด แทนที่จะเร่งเวลาการทำงานของอัลกอริทึมให้เร็วขึ้นเพื่อจัดการกับความซับซ้อนของเวลาได้ดีที่สุด อัลกอริทึมที่มีประสิทธิภาพใช้เวลาและขั้นตอนน้อยลงในการแก้ปัญหา ซึ่งช่วยเพิ่มประสิทธิผลของกระบวนการคำนวณ
-
แม้ว่าการคิดเชิงคำนวณจะมอบโอกาสในการแก้ปัญหามากมายให้กับผู้ที่ใช้ แต่ความสามารถในการคาดเดาที่เกี่ยวข้องกับการคิดเชิงคำนวณก็อาจเป็นเรื่องยุ่งยากได้ในบางครั้ง
การใช้กระบวนการคิดเชิงคำนวณอาจเป็นเรื่องยากที่จะคาดการณ์ตลาด แนวโน้ม ผู้ใช้ และอิทธิพลทางเทคนิคทั้งหมดได้อย่างแม่นยำ ส่งผลให้มีตัวแปรมากเกินไปซึ่งอาจทำให้สถานการณ์ต่างๆ มีความซับซ้อนและยากต่อการสร้างแบบจำลองอย่างแม่นยำ
-
แม้ว่าการนำการคิดเชิงคำนวณไปใช้จะมีประโยชน์ในหลายๆ สถานการณ์ โดยเฉพาะในสถานศึกษา แต่ก็ยังไม่มีการวิจัยเพียงพอที่จะระบุได้ว่าการคิดเชิงคำนวณช่วยได้มากเพียงใด ดังนั้น จึงไม่มีการวัดที่ชัดเจนถึงขอบเขตของความสามารถในการแก้ปัญหา หรือความสามารถในการเพิ่มความคิดสร้างสรรค์ ทักษะต่างๆ ไม่ได้ถ่ายทอดโดยอัตโนมัติ และการคิดเชิงคำนวณไม่ได้ทำให้ใครดีขึ้นอย่างแน่นอน เว้นแต่ว่าจะมีการสอนสิ่งนั้นให้ใครบางคนหรือกลุ่มคนโดยเฉพาะ
ท้ายที่สุด ฉันคิดว่าเมื่อมีผู้คนและบริษัทต่างๆ มากขึ้นสำรวจความสามารถและข้อจำกัดที่อาจเกิดขึ้นของการคิดเชิงคำนวณ จึงเป็นที่ชัดเจนว่าแนวคิดดังกล่าวช่วยให้ผู้คนพัฒนากระบวนการคิดที่คมชัดยิ่งขึ้น และเชื่อมต่อกับคอมพิวเตอร์เพื่อแก้ไขปัญหาได้อย่างมีประสิทธิภาพ
-
-