Undervisning och inlärning av datavetenskap med VEXcode VR

Datavetenskapens framväxt inom grundskolan och gymnasiet

Datavetenskaplig utbildning expanderar i USA och runt om i världen i takt med att fler utbildningssystem erkänner datavetenskap som en grundläggande färdighet för 2000-talet. Ungefär 65 % av studenterna kommer att arbeta i jobb som ännu inte existerar¹. Att lära sig datavetenskap är ett^{sätt att förbereda eleverna för dagens och morgondagens jobb}

Använda VEXcode VR för att undervisa i datavetenskap

Behovet av att motivera och attrahera fler , särskilt studenter från underrepresenterade befolkningsgrupper, har lett till utvecklingen av många^{3 Dessa visuella programmeringsmiljöer är avsedda att vara interaktiva och även lära eleverna grundläggande datavetenskapliga färdigheter, såsom algoritmer, variabler och abstraktion. finns många olika programmeringsmiljöer och forskning har visat att de är framgångsrika vid undervisning i datavetenskap och STEM Forskning visar också att det finnselement som leder till framgången för dessa interaktiva, visuella miljöer Dessa element har alla tillämpats på utvecklingen av VEXcode VR.}

För det första använder VEXcode VR programmering som en^{som ger användaren ledtrådar om hur och var kommandon kan användas} Detta eliminerar syntaxfel som är vanliga i många andra programmeringsspråk och miljöer.

VEXcode VR uppmuntrar elever att experimentera och^{med sina program, vilket leder till högre engagemang – under de första 5 månaderna efter} VEXcode VR släpptes har över 10 miljoner projekt genomförts. Andra fördelar med VEXcode VR inkluderar möjligheten att snabbt köra projekt, se resultatet, redigera projektet och köra det igen. Att ha denna snäva återkopplingsslinga¹⁰ har visat sig vara ett effektivt sätt att undervisa i datavetenskap.

Effektiv läroplan - VEX datavetenskap nivå 1 - Block med VEXcode VR-kurs

VEX:s Datavetenskap Nivå 1 - Block med VEXkod VR är en läroplan som vem som helst kan undervisa i och alla kan lära sig. Utformad för studenter med olika intressen och erfarenhetsnivåer, lär sig eleverna grundläggande datavetenskapliga koncept medan de kodar VR-roboten. Lektioner och enheter i Datavetenskap Nivå 1 - Block med VEXkod VRär utformade så att eleverna kan arbeta självständigt genom varje lektion - vilket gör att den kan implementeras på flera sätt (t.ex. blandad, synkron, asynkron).

Lektionerna inleds med lärandemålen och ett gemensamt mål. Detta gemensamma mål fastställs med en introduktionsvideo i början av varje enhet. Den här videon presenterar ämnesområden, uppgifter och uppgiftskontexter som sätter lärare och elever "på samma sida". Forskning¹¹ visar att det är en viktig del av undervisning och lärande att säkerställa att elever och lärare delar detta liknande fokus. Dessutom centrerar denna metod lektionen kring elevernas konstruktion¹² av en lösning på problemet. I Datavetenskap Nivå 1 - Block med VEXkod VRligger tonvikten på att eleverna tänker konceptuellt istället för att bara "gissa och kontrollera" sig fram till ett svar.

Direkt instruktion¹³ hjälper sedan eleverna att komma igång genom att ge steg-för-steg-anvisningar om hur de ska ta sig an lektionerna inom varje enhet. Denna noggranna sekvensering av inlärningen¹⁴ betonar förståelse, istället för att ytligt täcka flera ämnen.

Resten av lektionsstrukturen använder en partiell stöttningsmetod¹⁵ för att hjälpa eleverna att konstruera en lösning på enhetskodningsutmaningen. Den tidigare tillämpade direkta instruktionen framhäver alla färdigheter och koncept som behövs för att lösa enhetskodningsutmaningen. Till exempel innehåller varje lektion högkvalitativa kodexempel som eleverna kan använda, studera och modifiera. Med enhetskodningsutmaningen har lärarna möjlighet att se hur väl eleverna kan tillämpa det de har lärt sig under varje lektion.

Formativ bedömning är inbyggd i varje lektion och enhet, vilket ger både elev och lärare möjlighet att kontrollera elevernas förståelse och identifiera lärandebehov, vilket gör det möjligt för lärare att anpassa undervisningen på lämpligt sätt. Formativ bedömning ger lärare medel och möjlighet att inhämta rätt typ av information som behövs för att vägleda deras undervisning, vilket leder till högre läranderesultat¹⁶. Dessutom är lärare som använder formativ bedömning bättre förberedda att möta olika elevers behov – vilket bidrar till att uppnå^{rättvisa i elevernas resultat}

VEXcode VR och VEX:s Datavetenskap Nivå 1 - Block med VEXcode VRkursen är utformade för att förse datavetenskapliga klassrum med en sammanhängande resurssträng utformad för att stödja alla elever och klassrum. Dessutom är kopplingen mellan datavetenskap och robotik tydlig; studenter har förmågan att programmera sina robotar för att utföra komplexa uppgifter. 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 – alla hörnstenar inom datavetenskap och beräkningstänkande.