I januari 2016 tog dåvarande president Barack Obama upp de förändrade kraven i 2000-talets ekonomi och identifierade datavetenskap (CS) som den "nya grundläggande färdighet som krävs av dagens studenter".1"För att möta sin tids utmaning tillkännagav han en plan för att ge alla studenter tillgång till datavetenskapsutbildning.
President Obamas identifiering av vikten av datavetenskaplig utbildning speglar attityder och åsikter hos många lärare, och även hos landets föräldrar och elever själva. Detta betonas av resultaten från en nyligen genomförd studie av Google; 82 % av eleverna var åtminstone något intresserade av att lära sig datavetenskap, medan 84 % av föräldrarna angav att datavetenskap var minst lika viktigt som obligatoriska (och mer bekanta) ämnen som matematik och läsning.
När Jeff Immelt, tidigare VD för General Electric, reflekterade över den allt genomgripande närvaron av århundradets nya grundläggande färdighet i samhället, sa han nyligen:
"Om du börjar på företaget i 20-årsåldern, till skillnad från när jag började, kommer du att lära dig att koda." Det spelar ingen roll om du arbetar inom försäljning, ekonomi eller drift. "Du kanske inte blir programmerare i slutändan, men du kommer att veta hur man kodar."2 Immelt beskriver ett mål där överförbarheten av grundläggande färdigheter inom datavetenskap erkänns och värderas, och biprodukter från datavetenskapsutbildning (t.ex. problemanalys, logik, identifiering av alternativa lösningar, kreativitet) uppskattas också för sin icke-datavetenskapliga tillämpning inom arbetskraften.
Ett motsvarande mål har varit att bredda deltagandet i datavetenskapliga kurser; ett genomgående mål har också varit att åtgärda könsskillnaderna inom detta ämnesområde. För närvarande utgör flickor ungefär hälften av alla som tar AP-provet, men utgör endast 25 % av dem som tar AP-kurser i datavetenskap.3
Pedagogisk robotik kan vara ett effektivt verktyg för att undervisa i datavetenskap samtidigt som det bidrar till att bredda deltagandemålen.4,5 De senaste framstegen inom pedagogisk robotik har sänkt kostnaderna och ökat användarvänligheten, vilket gjort den mer tillgänglig för elever och successivt blivit ett pålitligt sätt att lära sig datavetenskapskoncept. Sambandet mellan datavetenskap och robotik är därför tydligt; eleverna har möjlighet att programmera sina robotar för att utföra komplexa uppgifter, både i klassrummet och på tävlingsplaner. Även om utförandet av komplexa uppgifter kan vara målet, innebär medlet att dela upp dessa uppgifter i mindre delar och sedan iterativt bygga samman dem för att skapa en lösning.
I klassrum är det oerhört viktigt att bygga upp den processen, och återigen kan pedagogisk robotik vara effektiv för att underlätta både nedbrytningen och byggandet av komplexa uppgifter. Förmågan att effektivt lära ut generaliserbara datavetenskapsfärdigheter, samtidigt som den erbjuder sätt att diversifiera de studenter som ger sig in i dessa områden, gör Educational Robotics till en betydande bidragsgivare till rörelsen Datavetenskap för alla.