perbedaan problem solving critical thinking dan computational thinking

Open Access is an initiative that aims to make scientific research freely available to all. To date our community has made over 100 million downloads. It’s based on principles of collaboration, unobstructed discovery, and, most importantly, scientific progression. As PhD students, we found it difficult to access the research we needed, so we decided to create a new Open Access publisher that levels the playing field for scientists across the world. How? By making research easy to access, and puts the academic needs of the researchers before the business interests of publishers.

We are a community of more than 103,000 authors and editors from 3,291 institutions spanning 160 countries, including Nobel Prize winners and some of the world’s most-cited researchers. Publishing on IntechOpen allows authors to earn citations and find new collaborators, meaning more people see your work not only from your own field of study, but from other related fields too.

Brief introduction to this section that descibes Open Access especially from an IntechOpen perspective

Want to get in touch? Contact our London head office or media team here

Our team is growing all the time, so we’re always on the lookout for smart people who want to help us reshape the world of scientific publishing.

Home > Books > Teacher Training and Practice

Critical Thinking, Problem-Solving and Computational Thinking: Related but Distinct? An Analysis of Similarities and Differences Based on an Example of a Play Situation in an Early Childhood Education Setting

Submitted: 27 February 2023 Reviewed: 06 March 2023 Published: 25 May 2023

DOI: 10.5772/intechopen.110795

Cite this chapter

There are two ways to cite this chapter:

From the Edited Volume

Teacher Training and Practice

Edited by Filippo Gomez Paloma

To purchase hard copies of this book, please contact the representative in India: CBS Publishers & Distributors Pvt. Ltd. www.cbspd.com | [email protected]

Chapter metrics overview

165 Chapter Downloads

Impact of this chapter

Total Chapter Downloads on intechopen.com

Total Chapter Views on intechopen.com

In the twenty-first century, four important different and intertwined domains for children’s skills have been identified: cognitive, interpersonal, intrapersonal and technical. In the cognitive domain, key terms such as critical thinking, problem-solving and computational thinking have been highlighted. Although these terms have been identified as fundamental for preschool children, the literature draws attention to early childhood teachers’ difficulty in including them in curriculum activities, which can therefore hinder children’s learning. This chapter aims to analyse the similarities and differences in the characteristics of the three terms computational thinking, problem-solving and critical thinking. Such analysis of the terms will be of importance, both for further research in the area and for clarification in communication with teachers. In this way, the concepts may be more accessible for teachers. In particular, in this chapter, the concepts will be analysed and explained through an example from an educational setting where a group of children and a teacher play together with a digital toy.

• computational thinking
• problem-solving
• critical thinking
• teachers’ competence

Author Information

Francesca granone *.

• University of Stavanger, Stavanger, Norway

Elin Kirsti Lie Reikerås

Enrico pollarolo, monika kamola.

*Address all correspondence to: [email protected]

1. Introduction

In a rapidly changing world, supporting children in developing specific skills that help them understand and make choices in various situations has been recognised as essential. These skills have been identified as twenty-first-century skills [ 1 ]. Amongst the skills classified as cognitive competencies, critical thinking, problem-solving and computational thinking have been highlighted and considered part of higher-order thinking skills [ 2 , 3 , 4 ]. These terms have been identified as fundamental for preschool children [ 1 , 5 , 6 ], especially when mathematics is the learning goal [ 7 , 8 ]. Granone et al. conducted a study in Norway on early childhood education settings (ECECs), where some terms, such as problem-solving and critical thinking, are known and well-introduced [ 8 , 9 ], whereas computational thinking at an educational level is only mentioned in the curriculum for schools [ 10 ].

Wing, who introduced for the first time the term “computational thinking” [ 11 ], stressed the importance of making this term accessible, to allow teachers not only to use it but also to understand its meaning in all its parts without only carrying out procedures [ 12 ]. Some attempts have been made in the literature to analyse the similarities between the constituent characteristics of the three terms computational thinking, problem-solving and critical thinking [ 13 ] but never through a detailed analysis of the different elements that characterise each of them. Moreover, each of these terms has been analysed through Bloom’s taxonomy [ 14 ] or the revised Bloom’s taxonomy [ 15 ], but never all together [ 16 , 17 , 18 ]. However, the taxonomy seems to be a possible key for analysing all these terms together.

This chapter intends to present this analysis to identify any common aspects. Such an analysis of the terms will be of importance, both for further research in the area and for clarification in communication with teachers. In this way, the concepts may be more accessible for teachers, and this will help them to support children’s acquisition of problem-solving, critical thinking and computational thinking skills more effectively [ 7 , 8 ]. In this chapter, the concepts are analysed and explained through an example from an educational setting.

2. Problem-solving, critical thinking and computational thinking

The three skills that we analyse (problem-solving, critical thinking and computational thinking) can all be enhanced in different ways; they can also be enhanced through technology [ 7 , 19 ]. Children’s learning of these skills is considered fundamental, and teachers’ roles have been highlighted in the literature as essential [ 20 , 21 , 22 ]. Hence, we explain these terms through an example taken from an educational setting where a group of children and a teacher play together with a digital toy.

A possible way to compare these terms seems to be offered, as anticipated, from the revised Bloom’s taxonomy [ 15 ].

Recognising: Locating knowledge in the long-term memory that is consistent with the presented material.

Recalling: Retrieving relevant knowledge from long-term memory.

Understand: Changing from one form of representation (e.g. numerical) to another (e.g. verbal).

Exemplifying: Finding a specific example or illustration of a concept or principle.

Classifying: Determining that something belongs to a category.

Summarising: Abstracting a general theme or major point(s).

Inferring: Drawing a logical conclusion from the presented information.

Comparing: Detecting correspondences between two ideas, objects and the like.

Explaining: Constructing a cause-and-effect model of a system.

Executing: Applying a procedure to a familiar task.

Implementing: Applying a procedure to an unfamiliar task.

Differentiating: Distinguishing relevant from irrelevant parts or important from unimportant parts of the presented material.

Organising: Determining how elements fit or function within a structure.

Attributing: Determining a point of view, bias, value or intent underlying presented material.

Checking: Detecting inconsistencies or fallacies within a process or product; determining whether a process or product has internal consistency; detecting the effectiveness of a procedure as it is being implemented.

Critiquing: Detecting inconsistencies between a product and external criteria; determining whether a product has external consistency; detecting the appropriateness of a procedure for a given problem.

Generating: Coming up with alternative hypotheses based on criteria.

Planning: Devising a procedure for accomplishing some task.

Producing: Inventing a product.

2.1 Problem-solving

Children’s problem-solving is presented as a key element in Norwegian ECECs [ 9 ].

The term problem-solving has been used for identifying a cognitive activity (what problem-solvers do), a learning goal (something to be taught) and an instructional approach (something to teach through) [ 23 ]. Furthermore, it has also been highlighted that problem-solving is a quite complex term that presents many nuances and that has been described according to many interpretations [ 24 ].

For example, the literature presents problem-solving from different points of view, referring to it as a cognitive process. It has been presented as a process that has as a goal to find a way out of difficulties or as a variety of cognitive processes, such as attention, memory, language and metacognition [ 25 , 26 , 27 ].

If we consider problem-solving as a learning goal, it has been described as a competence that children can reach through very different approaches, such as technology [ 7 ], or during outdoor activities [ 28 ].

However, problem-solving can also be identified as an instructional approach for helping children learn, for example, mathematics [ 29 ].

If we look at the evolution of the problem-solving framework [ 30 ], it is possible to see that it has been a development from the original definition introduced by Polya [ 31 ]. For example, we can find a model that identifies six steps instead of four [ 32 ] or a model that focuses more on the solver than on the process [ 33 ]. Because we are more interested in the process than in the solver and because Schoenfeld phases can be related to Polya’s phases, we choose Polya as a reference for the analysis in our study. The three first phases of Schoenfeld (“read”, “analyse” and “explore”) can be related to Polya’s phase “understand the problem”, whereas the other phases are clearly similar.

In addition, recent literature still uses Polya as the main reference [ 7 , 25 , 26 , 27 , 28 , 29 ]. Hence, we analyse Polya’s problem-solving process, aiming to increase accessibility to this term.

Polya describes problem-solving through four phases: understand the problem, make a plan, carry out the plan and look back. Each phase is important because it leads to a different understanding of the problem and the process [ 31 ] ( Table 1 ).

Polya’s phases. Ref: Polya [ 31 ].

2.2 Critical thinking

Children’s critical thinking is another key element presented in ECECs [ 9 ].

Critical thinking has been defined in different ways in the literature, and a consensus has not been reached [ 34 ]. In particular, some authors consider the terms critical thinking and problem-solving components of separate domains, whereas others include problem-solving in the term critical thinking or vice versa [ 34 ]. The term problem-solving has also been used as a synonym for thinking and as related to creative thinking and critical thinking [ 35 ]. This is because creative thinking is described as the ability to generate an idea that can be used to solve a problem, whereas critical thinking is more on evaluating ideas that can be used to solve a problem.

With the aim of describing in more detail critical thinking through the roots that he has in academic disciplines, three separate academic strands can be identified: the philosophical approach, the cognitive psychological approach and the educational approach [ 34 ].

The focus of the philosophical approach is on the critical thinker rather than on the actions that a critical thinker performs. This approach describes a critical thinker as a person who is open-minded, flexible and interested in being well informed and in understanding other perspectives [ 36 ]. Some researchers have defined this approach as not always in accordance with reality [ 37 ].

The cognitive psychological approach is instead more focused on the thoughts and mental processes used to solve problems [ 37 ], identifying the critical thinker by the action or behaviour that they have [ 38 ]. An important element recognised is the ability to see both sides of an issue [ 39 ].

The educational approach is based on years of experience and observations and has Bloom’s taxonomy as a key element [ 40 ], where the three highest levels are related to critical thinking. However, this approach has been criticised for being too undefined [ 34 ].

Because these approaches are quite different, we refer to the definition presented in Lai’s literature review [ 34 ], where critical thinking is identified through skills that include both cognitive skills and dispositions. In this article, we focus only on cognitive skills (abilities) for analysing which common aspects can be identified amongst problem-solving, computational thinking and critical thinking ( Table 2 ).

Critical thinking skills. Ref: Lai [ 34 ].

2.3 Computational thinking

Even if the term computational thinking is not explicitly present in the.

Norwegian Framework Plan for Kindergartens [ 9 ], other similar concepts, such as digital practice and the use of digital tools, are presented.

The term computational thinking was introduced by Wing as “a fundamental skill […] that involves solving problem, designing systems and understanding human behavior, by drawing on the concepts fundamental to computer science” [ 11 ].

The definition has evolved, and the literature presents various models that can be used to describe the computational thinking process. A framework is presented by Angeli [ 41 ], where computational thinking is described as a process where various steps occur, such as algorithmic thinking, modularity, debugging, pattern recognition, generalisation and abstraction.

In contrast, another framework points out abstraction, decomposition, debugging, remixing and productive attitudes against failure as the elements that should be considered for describing computational thinking [ 42 ].

Another model describes computational thinking as composed of the ability to think algorithmically in terms of decomposition, generalisations, abstractions and evaluation [ 43 ].

The models presented have some common aspects but also some differences. The description presented originally by Wing is broader and contains all the aspects presented later in various models [ 11 ]. The step “reformulating or reduction/transformation” is in relation to “remixing” [ 42 ]; “decomposition or thinking recursively” is in relation to “modularity” and “algorithmic thinking” [ 41 , 43 ]; “choosing a representation” is in relation with “pattern recognition” [ 41 ]; and “learning” is in relation with “debugging” [ 41 , 42 ], “productive attitudes against failure” [ 42 ] and “evaluation” [ 43 ].

Hence, we analyse the description of the different phases of computational thinking, starting from Wing’s definition ( Table 3 ).

Steps in computational thinking. Ref: Wing [ 11 ].

Four stages that compose a content analysis method have been followed in content analysis [ 44 ]. These stages are “decontextualisation”, “recontextualisation”, “categorisation” and “compilation”. Decontextualisation is the stage in which meaningful units are identified. After reading a whole text to understand its meaning, a small part is identified and coded. Each researcher wrote a coding list to avoid changing during the analysis. The articles were analysed through an inductive approach, identifying the keywords that describe the various steps of each term. On the contrary, the practical example was analysed deductively, trying to identify the different parts in the transcription used as an example. The decontextualisation process was conducted repeatedly to guarantee stability.

Recontextualisation is necessary to ensure that all aspects of the content have been covered. This foresees that the text is read in its whole again, and that all the uncoded parts are evaluated with attention to understanding if those can also be coded. If those parts are evaluated again, not in relation to the aim of the study, they are then definitively excluded.

The categorisation process indicates when the codes are condensed and assembled into categories and themes. The themes should be chosen to avoid data that fit into more than one group or that fall between two themes.

Compilation is the process of choosing the appropriate units for each theme.

As suggested in the content analysis, each stage was performed several times to guarantee the quality and trustworthiness of the analysis. To draw realistic conclusions, different authors checked the keywords identified, as well as the connections amongst them. This is necessary for maintaining the quality of the process, assuring both the validity and the reliability of the study and avoiding mistakes or biases.

A content analysis of a vignette from an educational setting, including a group of children and a teacher playing together with a digital toy, was the basis for developing a comparison of the three terms. The play situation was in an early childhood setting, with four children aged 4–5 years and their teacher. They were all participants in the larger project DiCoTe “Increasing professional digital competence in early childhood teacher education with a focus on enriching and supporting children’s play with coding toys”, which the present study is a part of. The teacher and the parents of the children gave written permission to participate.

A second comparison starts from the results of the previous analysis and discusses a possible explanation of those results through the revised Bloom’s taxonomy [ 45 ].

4. Results and discussion

Given that the purpose of this study was to highlight any similarities and differences between the terms problem-solving, critical thinking and computational thinking in an understandable way, we made two types of comparisons.

As indicated in the methods chapter, the analysis shows a comparison of the three terms based on practice, that is, on an example from an educational setting, where a group of children and a teacher play together with a digital toy. The use of technology is useful for having a greater chance to identify all three terms. The results are reported in Table 4 .

Example from the field of practice analysed through the terms.

The second comparison starts from the results of the previous analysis and discusses a possible explanation of those results through the revised Bloom’s taxonomy [ 45 ]. The results are presented in Table 5 .

Discussion based on the revised Bloom’s taxonomy. Ref: Anderson and Krathwohl [ 45 ].

4.1 Comparison based on an example from practice

The present vignette is an example of a play situation in an early childhood setting with four children aged 4–5 years and their teacher.

The teacher is sitting on the floor in a circle with four children. They have a coding toy in the centre of the circle. The coding toy is a robot that can be programmed without a screen through tactile arrows that can be puzzled on the floor and on which the robot moves. It is not the first time that the group is playing with the coding toy, so the teacher asks the children to remember what they did the day before, when they observed the movement of the robot on each arrow. To ensure their understanding, the teacher asks the children to verbally explain what they have learned, step by step. The teacher asks the children to build a path from a decided starting point to an arrival point. The children start building the path, and the teacher asks them after each step why they are choosing those arrows. A child puts an arrow that is for a “forward” movement, but he says verbally that the robot is going to turn. The teacher asks the child to reflect on a similar situation that happened the day before to help him see the similarity of the two problems and invite him to use the same solution that he used the day before. Then, the teacher asks for a verbal explanation of the error and of the correcting process. To help them further, the teacher highlights that when they have to find a solution, it is wise to try to remember similar problems without focusing too much on details. The teacher points out that many solutions are good, but sometimes, some solutions are better, maybe because a solution needs fewer arrows or maybe because it is faster. The teacher asks them to build a path from the same starting point and to the same arrival point, but that is shorter.

The teacher challenges the children to build a new path but asks them to guess what they need before building the real path. The children suggest a solution and build it.

The teacher then challenges the children again to use the same building strategy, suggesting a new starting point and a new arrival point. Whilst the robot moves on the path, the teacher invites the children to observe the robot and asks them if some elements could have been different because not every arrow may not be necessary. Then, the teacher challenges the children to think differently, going beyond some decisions and limitations that were correct but not necessary.

As a last challenge, the teacher asks the children to decide on a new path, define the starting point and the arrival point, describe it verbally and justify how they will build it.

Each part of the vignette was analysed through the three terms to highlight how each step of each term can be visible in a practical situation. The results in Table 4 present a clear explanation.

4.2 Comparison based on the revised Bloom’s taxonomy

To understand the results presented in Section 4.1 more clearly, we focus on the verbs used in each description to analyse whether they can be put in relation to Bloom’s taxonomy in his revised form [ 45 ]. When the teacher asked the children to remember and describe what they learned through a verbal explanation, she was clearly helping the children to understand the problem [ 31 ], to reason verbally [ 34 ] and to decompose the problem [ 11 ]. Looking at the verbs used, we can identify a connection with the thinking skills “remember” and “understand” from the revised Bloom’s taxonomy (Anderson and Krathwohl, [ 45 ]). In the same way, the teacher invited the children to think about similar problems and try out similar solutions. This can be seen as an invitation to think in analogy [ 31 ], making inferences [ 34 ] and choosing representation [ 11 ]. Then, she explained that the solutions could be different, that another solution can be better, and that it is important to reflect and analyse the situations to identify errors or possible improvements. This can be seen as a suggestion for a solution improvement [ 31 ], and a process of judgement and evaluation [ 34 ] or a learning process [ 11 ]. The thinking skills that can be identified here are “apply”, “analyse” and “create”.

However, from a more detailed analysis based on the specific verbs used in each step of each term and on each thinking skill, important considerations can be deduced.

Table 5 presents a discussion about how computational thinking, problem solving and critical thinking can be related to the educational goals that are relevant for the 21st-century skills [ 1 ], which are related to higher-order skills (Brookhart, [ 2 ]).

In our analysis, we can see that the three terms problem-solving, critical thinking and computational thinking have similar elements, but they do not completely overlap. For example, the element “identifying assumptions” [ 34 ] can be considered as a way for “understanding the problem” [ 31 ]. However, because of the specificity of the definitions, we did not include it in the first line of the table. This can, in our opinion, reduce the bias related to our point of view. The same consideration can be done for “planning” [ 11 ] and the step in problem-solving called “carry out the plan” [ 31 ].

The description that Polya gives on the step “make a plan: specialisation”, and that can be identified through the guiding questions reported in the second part of his publication [ 31 ], point to a quite creative approach. It is not an approach composed only of various steps that are compiled recursively (as in the step “decomposition or thinking recursively” [ 11 ]) or a heuristic approach, but is connected to the question “What can I do with an incomplete idea?” [ 31 ]. This means having a plan that may not be complete yet, but that can be tried out for developing a different plan when a partial answer is acquainted.

Similarly, we were not able to create a relation between the various steps of computational thinking and one element that composes the critical thinking definition. The element “seeing both sides of an issue” [ 34 ] implies a broader analysis of a situation than the one that is in the step “stating the difficulty of a problem” [ 11 ]. This is because a path must be chosen to apply a computational thinking approach. This means that it should not be possible to change the condition during the process or analyse both sides of an issue at the same time.

What can be highlighted is that some skills can be supported simultaneously through enhancing children’s problem-solving, critical thinking or computational thinking skills. However, some skills can be supported merely by enhancing children’s problem-solving (recalling, executing, implementing, differentiating and producing), others by merely enhancing children’s critical thinking (explaining) and others by merely enhancing children’s computational thinking (exemplifying and planning).

This provides evidence of the importance of supporting all these skills, for example, by playing activities in ECEC. The analysis presents the key role of the teacher in supporting children’s learning through questions and guidance. What seems to be highlighted is that different skills can be supported depending on the type of questions or guidance that the teacher uses.

5. Conclusions

The aim of the present article was to investigate the existing relationship amongst three important twenty-first-century skills: problem-solving, critical thinking and computational thinking. The results indicate a significant degree of congruence between the concepts but also highlight some differences. In particular, the analysis shows that all three terms can stimulate skills that can be described through Anderson and Krathwohl’s taxonomy [ 45 ], but those skills are different if problem-solving, critical thinking or computational thinking is enhanced. The analysis, based on a correlation amongst a practical example from a play situation in an early childhood setting with four children aged 4–5 years and their teacher, shows that all three skills can be stimulated. However, the role of the teacher and how she stimulates and supports children’s learning seem crucial. The example analysis suggests that a teacher’s questions and guidance can lead children to learn various skills. This points out the fundamental aspects of a teacher’s knowledge and awareness.

Acknowledgments

The present chapter is a part of the project “DiCoTe - Increasing professional digital competence in ECTE with focus on enriching and supporting children’s play with coding toys”, financed by the National Council of Norway, project number NFR-326667.

Conflict of interest

The authors declare no conflicts of interest.

• 1. Ananiadou K, Claro M. 21st Century Skills and Competences for New Millennium Learners in OECD Countries (OECD Education Working Papers No. 41). Paris, France: OECD Publishing; 2009. DOI: 10.1787/218525261154
• 2. Brookhart SM. How to Assess Higher-order Thinking Skills in Your Classroom. Alexandria, VA: ASCD; 2010
• 3. Collins R. Skills for the 21st century: Teaching higher-order thinking. Curriculum & Leadership Journal. 2014; 12 (14). Retrieved from: http://www.curriculum.edu.au/leader/teaching_higher_order_thinking,37431.html
• 4. Zaharin NL, Sharif S, Mariappan M. Computational thinking: A strategy for developing problem solving skills and Higher Order Thinking Skills (HOTs). International Journal of Academic Research in Business and Social Sciences. 2018; 8 (10):1265-1278
• 5. Soulé H, Warrick T. Defining 21st century readiness for all students: What we know and how to get there. Psychology of Aesthetics, Creativity, and the Arts. 2015; 9 (2):178
• 6. Chalkiadaki A. A systematic literature review of 21st century skills and competencies in primary education. International Journal of Instruction. 2018; 11 (3):1-16
• 7. Granone F, Reikerås EKL. Preschoolers learning by playing with technology. In: Education in Childhood. London, UK: IntechOpen; 2021
• 8. Pollarolo E, Størksen I, Skarstein TH, Kucirkova N. Children’s critical thinking skills: Perceptions of Norwegian early childhood educators. European Early Childhood Education Research Journal. 2022:1-13
• 9. Kunnskapsdepartementet. Rammeplan for Barnehagen: Forskrift om Rammeplan for Barnehagens Innhold og Oppgaver. Oslo: Udir; 2017
• 10. Regjeringen. Overordnet del–Verdier og Prinsipper for Grunnopplæringen. Oslo: Utdanningsdirektoratet; 2017
• 11. Wing JM. Computational thinking. Communications of the ACM. 2006; 49 (3):33-35
• 12. Wing JM. Computational thinking and thinking about computing. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. 1881; 2008 (366):3717-3725
• 13. Voskoglou MG, Buckley S. Problem solving and computational thinking in a learning environment. Egyptian Computer Science Journal. 2012; 36 (4):28-46. Retrieved from: http://arxiv. org/abs/1212.0750
• 14. Bloom BS, Englehart MD, Furst EJ, Hill WH, Krathwohl DR. Taxonomy of Educational Objectives: Handbook I. Cognitive domain. New York: David McKay; 1956
• 15. Anderson LW, Krathwohl DR. A Taxonomy for Learning, Teaching, and Assessing: A Revision of Bloom's Taxonomy of Educational Objectives. Longman; 2021
• 16. Jewitt C. Multimodal methods for researching digital technologies. In: The SAGE Handbook of Digital Technology Research. 2013. pp. 250-265
• 17. Rahbarnia F, Hamedian S, Radmehr F. A study on the relationship between multiple intelligences and mathematical problem solving based on revised Bloom taxonomy. Journal of Interdisciplinary Mathematics. 2014; 17 (2):109-134
• 18. Bissell AN, Lemons PP. A new method for assessing critical thinking in the classroom. Bioscience. 2006; 56 (1):66-72
• 19. Golding C. Educating for critical thinking: Thought-encouraging questions in a community of inquiry. Higher Education Research and Development. 2011; 30 (3):357-370
• 20. Jouppila K. Supporting the Development of Critical Thinking in Early Childhood Education. 2021. Retrieved from: https://www.google.com/ url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwjV5uq62bn3AhWthv0HHUH6AYMQFnoECAgQAQ&url=https%3A%2F%2Fwww. theseus.fi%2Fbitstream%2Fhandle%2F10024%2F502597%2FCritical%2520Thinking%2520in%2520Early%2520Childhood.pdf%3Fsequence%3D2&usg=AOvVaw2RPhZ2crskIaBK9Ik80OZO
• 21. Davies C, Gibson SP, Hendry A, Archer N, McGillion M, Gonzalez-Gomez N. Early Childhood Education and Care (ECEC) Had Sustained Benefits for Young children’s Vocabulary, Communication, Problem Solving, and Personal-Social Development during COVID-19, Particularly for those from Socioeconomically Disadvantaged Backgrounds. 2022
• 22. Bers MU, Strawhacker A, Sullivan A. The State of the Field of Computational Thinking in Early Childhood Education. 2022
• 23. Stanic G, Kilpatrick J. Historical perspectives on problem solving in the mathematics curriculum. The Teaching and Assessing of Mathematical Problem Solving. 1989; 3 :1-22
• 24. Liljedahl P, Cai J. Empirical research on problem solving and problem posing: A look at the state of the art. ZDM Mathematics Education. 2021; 53 (4):723-735
• 25. Simamora RE, Saragih S. Improving students' mathematical problem solving ability and self-efficacy through guided discovery learning in local culture context. International Electronic Journal of Mathematics Education. 2019; 14 (1):61-72
• 26. Yayuk E, Husamah H. The difficulties of prospective elementary school teachers in item problem solving for mathematics: Polya’s steps. Journal for the Education of Gifted Young Scientists. 2020; 8 (1):361-368
• 27. Güner P, Erbay HN. Prospective mathematics teachers’ thinking styles and problem-solving skills. Thinking Skills and Creativity. 2021; 40 :100827
• 28. Lossius MH, Lundhaug T, editors. Mathematical problem-solving visualised in outdoor activities. In: Mathematics Education in the Early Years: Results from the POEM4 Conference. 2018. pp. 127-141
• 29. Brijlall D. Exploring the stages of Polya’s problem-solving model during collaborative learning: A case of fractions. International Journal of Educational Sciences. 2015; 11 (3):291-299
• 30. Voskoglou MG. Problem solving from Polya to nowadays: A review and future perspectives. Progress in Education. 2011; 22 (4):65-82
• 31. Polya G. How to Solve it: A New Aspect of Mathematical Method. NJ: Princeton University Press; 1971
• 32. Schoenfeld AH. Teaching problem-solving skills. The American Mathematical Monthly. 1980; 87 (10):794-805
• 33. Carlson MP, Bloom I. The cyclic nature of problem solving: An emergent multidimensional problem-solving framework. Educational Studies in Mathematics. 2005; 58 :45-75
• 34. Lai ER. Critical thinking: A literature review. Pearson's Research Reports. 2011; 6 (1):40-41
• 35. Mayer RE, Wittrock MC. Problem solving. In: Handbook of Educational Psychology. 2006. pp. 287-303
• 36. Association AP. Critical thinking: A statement of expert consensus for purposes of educational assessment and instruction. ERIC document ED. 1990; 315 :423
• 37. Sternberg RJ. Critical thinking: Its nature, measurement, and improvement. In: Link FR, editor. Essays on the Intellect. Alexandria, VA: Association for Supervision and Curriculum Development. 1985. pp. 45-65
• 38. Lewis A, Smith D. Defining higher order thinking. Theory Into Practice. 1993; 32 (3):131-137
• 39. Willingham DT. Critical thinking: Why is it so hard to teach? Arts Education Policy Review. 2008; 109 (4):21-32
• 40. Forehand M. Bloom’s taxonomy: Original and revised. In: Emerging Perspectives on Learning, Teaching, and Technology. Vol. 8. 2005. pp. 41-44
• 41. Angeli C, Voogt J, Fluck A, Webb M, Cox M, Malyn-Smith J, et al. A K-6 computational thinking curriculum framework: Implications for teacher knowledge. Journal of Educational Technology & Society. 2016; 19 (3):47-57
• 42. Bers MU, Flannery L, Kazakoff ER, Sullivan A. Computational thinking and tinkering: Exploration of an early childhood robotics curriculum. Computers & Education. 2014; 72 :145-157
• 43. Selby C, Woollard J. Computational Thinking: The Developing Definition. 2013. pp. 74-77
• 44. Bengtsson M. How to plan and perform a qualitative study using content analysis. NursingPlus Open. 2016; 2 :8-14
• 45. Krathwohl DR, Anderson LW, Merlin C. Wittrock and the revision of Bloom’s taxonomy. Educational Psychologist. 2010; 45 (1):64-65

© 2023 The Author(s). Licensee IntechOpen. This chapter is distributed under the terms of the Creative Commons Attribution 3.0 License , which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

Continue reading from the same book

Published: 20 September 2023

By Chiara Gentilozzi, Antonio Cuccaro and Filippo Gom...

46 downloads

By Filippo Gomez Paloma

50 downloads

By Kenneth Adu-Gyamfi, Isaiah Atewini Asaki and Benja...

68 downloads

Apa perbedaan antara Computational Thinking dengan berpikir secara biasa pada kebanyakan orang umumnya ?

Computational Thinking (CT) adalah sebuah pendekatan dalam proses pembelajaran. CT memang memiliki peran penting dalam pengembangan aplikasi komputer, namun CT juga dapat digunakan untuk mendukung pemecahan masalah disemua disiplin ilmu, termasuk humaniora, matematika dan ilmu pengetahuan.

Perbedaan Computational Thinking dengan berpikir secara kebanyakan orang pada umumnya? Sebelum memasuki pembahasan tentang perbedaan diatas, perlu di identifikasi terlebih dahulu satu persatu apa itu computational thinking dan berpikir secara biasa(kebanyakan orang pada umumnya).

Computational thinking adalah membuat keputusan sebuah masalah dengan berpikir secara pemikiran yang dilakukan komputer dalam menyelesaikan sebuah masalah. Dengan decomposition, pattern recognition, abstraction, algorithm. Perlu diperjelas lagi bahwa computational thinking bukanlah learning about programming. Computational thinking merupakan berpikir secara analytical, dan juga menyangkupkan berpikir secara matematika untuk memecah belah maslaah dan membuat solusi dalam sebuah masalah. Computational thinking juga bisa berpikir sebagai pemikiran orang Teknik pada umumnya dengan mengambil inti dari engineering thinking yaitu dimana kita bisa merancang dan mengevaluasi sebuah sistem besar dan kompleks yang beroperasi dalam batasan-batasan. Atau (CT) juga bisa dikaitkan dengan pemikiran secara ilmiah dengan cara umum dimana mengambil pendekatan mengenai pemahaman komputabilitas, kecerdasan dan pikiran.

Sedangkan berpikir secara kebanyakan orang umumnya yaitu berpikir secara biasa atau bisa dikatakan berpikir secara aman (still in the box) dan takut mengambil resiko dalam kebanyakan. Dan juga penyelesaian masalah dalam berpikir secara biasa yaitu tanpa mengambil dan memperhitungkan kemungkinan-kemungkinan yang bisa terjadi karena berpikir secara biasa tidak mengandalkan analytical thinking sehingga keputusan yang dicapai dalam berpikir secara biasa kurang bisa maksimal, karena terus menerus berpikir secara umum tanpa membedakan permasalahan yang mana umum dan yang mana harus dikhususkan untuk penyelesaian yang tepat.

Perbedaan yang mendasar tentang kedua cara berfikir diatas yang pertama yaitu tentang perbandingan populasi di jaman sekarang yang sudah berpikir secara computational thinking dan juga berpikir secara biasa, bisa dikatakan berpikir secara biasa masih mendominasi untuk saat ini karena computational thinking pada orang yang sudah berumur sulit untuk dipelajari dan sebenarnya computational thinking merupakan skill dan bukanlah sebuah pengetahuan, untuk itu seseorang harus bisa mengasah dan membiasakan untuk berpikir secara computational thinking sehingga terbiasa memecahkan sebuah masalah-masalah yang ada. Jika computational thinking merupakan pengetahuan maka siapapun dapat cepat menguasainya dengan belajar secara terus menerus tetapi computational thinking bukanlah hal yang mudah untuk dikuasai diperlukan pemikiran secara bertahap. Perbedaan yang paling penting pada saat memecahkan sebuah masalah, computational thinking akan berpikir sampai ke akar permaslahan sedangkan berpikir secara biasa hanya memikirkan secara universal bagaimana mengatasinya. Contoh paling sederhana yaitu dikatakan sebuah permasalahan tentang rusaknya modem wifi, disitu orang yang berkomputational thinking berfikir hingga mengidentifikasi setiap permasalahan dan membagi baginya seperti halnya mengecek router, kabel lan, apakah ada yang salah dengan server ISPnya, apakah ada gangguan dari pihak pusat, semuanya dilakukan pengecekan satu persatu sehingga nantinya menemukan pokok permasalahan. Beda halnya dengan berpikir secara biasa dia hanya berpikir kenapa itu bisa rusak dan hanya menebak suatu permasalahan yang biasanya umum terjadi. Disitulah kita bisa menangkap banyak perbedaan antara computational thinking dengan berfikir secara biasa. Tetapi berfikir secara biasa sebenarnya dapat diubah ke computational thinking dengan terus-terusan berlatih dan membiasakan dalam menghadapi permasalahan.

Referensi :

Perbedaan Computational Thinking dengan berpikir secara kebanyakan orang pada umumnya? Sebelum memasuki pembahasan dari pertanyaan diatas, perlu diketahui terlebih dahulu satu persatu apa itu computational thinking dan berpikir secara biasa(kebanyakan orang pada umumnya).

Berpikir komputasi (Computational Thinking) adalah cara berpikir untuk pemecahan masalah dengan mengaplikasikan/melibatkan teknik yang digunakan oleh software engineer dalam menulis program. Berpikir komputasi tidak berarti berpikir seperti komputer, melainkan berpikir tentang komputasi di mana sesorang dituntut untuk (1) memformulasikan masalah dalam bentuk masalah komputasi dan (2) menyusun solusi komputasi yang baik (dalam bentuk algoritma). Bisa disimpulkan bahwa berikir komputasi itu berpikir secara sistematis dan terarah yang dalam prosesnya sendiri terdapat 4 proses yaitu decomposition, pattern recognition, abstraction, algorithm.

Sedangkan kebanyakan orang cara berpikir untuk menyelesaikan masalahhnya adalah dengan lansung mencari solusi atau jalan keluar dari masalah yang dihadapi tanpa membagi masalah ke dalam ruang lingkup yang lebih kecil. Sehingga tidak dicapai alternatif yang maksimal untuk penyelesaian maslah tersebut. Dan juga biasanya urutan cara berpikir orang umumnya yaitu dari masalah lansung ke solusi tanpa melakuan pengenalan pola dan abstraksi.

Jadi dapat disimpulkan bahwa perbedaan dari keduanya yaitu dari proses mencari solusinya. Bila CT harus membagi masalahnya menjadi ruangg lingkup yang lebih kecil maka cara berpikir biasa tidak perlu membaginya. Serta dalam CT terdapat proses pattern recognition, abstraction yang dapat membantu mengarahkan untuk pencarian solusinya yang tepat.

Computational thingking bermanfaat bagi karir di hampir semua sektor, termasuk produk konsumen, bisnis dan pasar keuangan, energi, perjalanan dan pariwisata, atau layanan publik seperti perawatan kesehatan, pendidikan dan hukum dan ketertiban. Tempat kerja membutuhkan karyawan untuk berperan aktif dalam memikirkan masalah melalui dan menciptakan solusi. Sehingga dengan computational kita dilatih keluar dari zona nyaman kita.

Computational Thinking merupakan cara berpikir yang memungkinkan untuk menguraikan suatu masalah menjadi beberapa bagian yang lebih kecil dan sederhana, menemukan pola dalam dan masalah tersebut, serta menyusun langkah-langkah solusi mengatasi masalah. Jadi Computational Thinking berbeda dengan cara berpikir biasa. Dalam berpikir, diperlukan konsep atau metode agar pemecahan sebuah masalah menjadi lebih mudah.

Dan dalam Computational Thinking ada beberapa kunci diantaranya:

• Decomposition : memecah masalah yang lebih besar/kompleks menjadi bagian-bagian yang lebih kecil/sederhana.
• Pattern recognition: mencari/menemukan pola/kesamaan antar masalah maupun dalam masalah tersebut.
• Abstraction: fokus pada informasi penting saja, dan mengabaikan detail yang kurang relevan.
• Algorithms : membangun langkah-langkah solusi terhadap masalah.

Sedangkan berpikir secara biasa tentu tidak memiliki konsep-konsep atau metode dalam pemikirannya, sehingga akan lebih tidak efektif dalam pemecahan masalahnya. Dan berpikir biasa cenderung masih dalam zona aman dan in the box, berbeda dengan berpikir secara Computational Thinking yang memiliki tahapan dan proses juga cenderung out of the box.

Lalu, apasih thinking out of the box itu?

Berpikir out of the box, seperti yang sudah kita tahu adalah bagaimana kita bisa berpikir di luar kebiasaan. Berpikir out of the box adalah bagaimana kita berpikir dan kemudian menciptakan gagasan di luar kebiasaan-kebiasaan yang ada, untuk menjawab suatu tantangan. Gambaran yang paling mudah misalnya adalah saat Wright Bersaudara berpikir bagaimana manusia ‘bisa terbang’. Saat itu dalam pikiran mereka tercipta gagasan untuk membuat suatu pesawat dengan meniru anatomi burung. Orang-orang umumnya pada waktu itu berpendapat bahwa kedua orang ini gila karena bagaimana mungkin manusia yang berat ini bisa terbang di udara? Memangnya kapas? Tetapi justru dari berpikir di luar kebiasaan itulah akhirnya ditemukan pesawat terbang.

Ini berbeda dengan mereka yang berpikir di dalam kotak atau In of the Box. Mereka yang berpikir seperti ini lebih suka menjadi pengikut, tidak suka yang aneh-aneh, sesuai standar, dan biasa-biasa saja. Tidak pernah mencoba suatu menghasilkan suatu gagasan yang baru, pokoknya semua sesuai dengan apa yang ada dan disepakati. Orang ini kalau disuruh gambar pasti gambarnya dua gunung, di tengahnya ada jalanan dan disamping-sampingnya ada sawah.

Masih ingat bahwa masalah-masalah baru tidak akan bisa dipecahkan dengan cara-cara yang lama? Itulah tantangan pendidikan di Indonesia. Di tengah pesatnya kemajuan zaman dan teknologi, rata-rata pendidikan di Indonesia (setidaknya hingga saat ini), merupakan pendidikan untuk mempersiapkan menyambut era industri. Ya, kita semua disiapkan untuk menjadi tenaga kerja para pemilik modal, yang kemudian menjadi karyawan/pegawai, pensiun, dan siklus itu terus berulang.

Padahal, sekali lagi kita sudah di abad konsep. Untuk itu, kita harus mulai mengubah pola pikir kita yang masih biasa saja dan mulai berpikir dengan konsep, berpikir secara Computational Thinking. Karena pendidikan saja tidak cukup untuk menjadikan seseorang siap tempur di era yang semakin modern ini, tentu diperlukan pemikiran dengan Computational Thinking.

• Our Mission

Computational Thinking is Critical Thinking—and Belongs in Every Subject

Identifying patterns and groupings is a useful way of thinking not just for computer scientists but for students in all fields.

Computational thinking, a problem-solving process often used by computer scientists, is not that different from critical thinking and can be used in any discipline, writes Stephen Noonoo in “ Computational Thinking Is Critical Thinking. And It Works in Any Subject, ” for EdSurge. 

Elements of computational thinking, like pattern recognition, are easily transferred to unexpected areas of study like social studies or English, says Tom Hammond, a former teacher who is now an education professor at Lehigh University. Hammond says that students like the computational thinking approach because it’s engaging: “Ask yourself, would you rather get to play with a data set or would you rather listen to the teacher tell you about the data set?” 

For example, in history classes students make use of data-rich, often open-source geographic information systems, or GIS, to plot election results from the colonial era to reimagine the way politics unfolded in the 1700s. These kinds of data visualization exercises offer a way for students to actively manipulate real-world information for deeper engagement and understanding.

There are three steps to bring computational thinking into your classroom, regardless of your subject area. First, consider the dataset. Hammond offers an example of incorporating computational thinking into a social studies class: A student is asked to give five state names which Hammond writes on the board. Then a different student lists five more states.

Once all the information is on the table, students execute the second step: identifying patterns. “Typically, this involves shifting to greater levels of abstraction—or conversely, getting more granular,” Noonoo writes. For students looking for commonalities or trends, this kind of critical thinking “cues them into the subtleties.” In the states example, students try to identify why Hammond grouped the states in the way he did. Is it by geography? Is it by what date they became part of the United States? Slowly, students begin to identify patterns—something the brain is already hardwired to do, according to Hammond. 

In the final stage—decomposition—students break down information into digestible parts and then decide “What’s a trend versus what’s an outlier to the trend? Where do things correlate, and where can you find causal inference?” Establish a rule from the data—a process that requires that students make fine distinctions about how complex datasets can be reliably interpreted, Hammond says.

“It definitely took some practice to help them understand the difference between just finding a relationship and then a cause-and-effect relationship,” says Shannon Salter, a social studies teacher in Allentown, Pennsylvania, who collaborates with Hammond. 

An entire curriculum can be dedicated to incorporating computational thinking, but that kind of “major overhaul” isn’t required, Hammond says. “It can be inserted on a lesson-by-lesson basis and only where it makes sense.” 

Computational thinking is not that far afield from critical thinking. The processes mirror each other: “look at the provided information, narrow it down to the most valuable data, find patterns and identify themes,” Noonoo writes. Students become more agile thinkers when they exercise these transferrable skills in subjects not often associated with computer science, like history or literature. 

Computational thinking & problem-solving

Wing (2006, 2011) defined computational thinking as the thought processes involved in formulating problems and their solutions so that the solutions are represented in a form that can be effectively carried out by a computer. [2]

Computational Thinking (CT) is a process that generalizes a solution to open-ended problems. Open-ended problems encourage full, meaningful answers based on multiple variables, which require using decomposition , data representation, generalization, modeling, and algorithms found in Computational Thinking. Computational Thinking requires the decomposition of the entire decision making process, the variables involved, and all possible solutions, ensuring that the right decision is made based on the corresponding parameters and limitations of the problem. The term computational thinking was first used by Seymour Papert in 1980 and again in 1996. Computational thinking can be used to algorithmically solve complicated problems of scale, and is often used to realize large improvements in efficiency [3]

• 1.1 Thinking procedurally
• 1.2 Decisions
• 1.3 Thinking logically
• 1.4 Thinking ahead
• 1.5 Thinking concurrently
• 1.6 Thinking abstractly
• 1.7 Connecting computational thinking and program design
• 1.8 Use of programming languages
• 2 Standards
• 3 References

The big ideas in computational thinking [ edit ]

Thinking procedurally [ edit ].

• Evaluating process
• Sub-process

Decisions [ edit ]

Thinking logically [ edit ].

• Logical rules

Thinking ahead [ edit ]

• Inputs and outputs
• Pre-conditions

Thinking concurrently [ edit ]

• Concurrency

Thinking abstractly [ edit ]

• Abstraction

Connecting computational thinking and program design [ edit ]

• Linear arrays
• Applied algorithmic thinking

Use of programming languages [ edit ]

• Conditionals
• Collections

Standards [ edit ]

These standards are used from the IB Computer Science Subject Guide [5]

References [ edit ]

• ↑ http://www.flaticon.com/
• ↑ http://pact.sri.com/downloads/Assessment-Design-Patterns-for-Computational%20Thinking-Practices-Secondary-Computer-Science.pdf
• ↑ https://en.wikipedia.org/wiki/Computational_thinking
• ↑ Icons made by https://www.flaticon.com/authors/eucalyp from https://www.flaticon.com/
• ↑ IB Diploma Programme Computer science guide (first examinations 2014). Cardiff, Wales, United Kingdom: International Baccalaureate Organization. January 2012.

Separate into simpler constituents.

Produce a plan, simulation or model.

Apply knowledge or rules to put theory into practice.

Provide an answer from a number of possibilities. Recognize and state briefly a distinguishing fact or feature.

Assess the implications and limitations; make judgments about the ideas, works, solutions or methods in relation to selected criteria.

Give a detailed account including reasons or causes.

Reach a conclusion from the information given.

Give a brief account.

anomalous or exceptional conditions requiring special processing – often changing the normal flow of program execution

Give a detailed account or picture of a situation, event, pattern or process.

Develop information in a diagrammatic or logical form.

Make clear the differences between two or more concepts or items.

Offer a considered and balanced review that includes a range of arguments, factors or hypotheses. Opinions or conclusions should be presented clearly and supported by appropriate evidence.

Break down in order to bring out the essential elements or structure. To identify parts and relationships, and to interpret information to reach conclusions.

Propose a solution, hypothesis or other possible answer.

The circumstances that form the setting for an event, statement, or idea, and in terms of which it can be fully understood and assessed.

Obtain the only possible answer.

A unit of abstract mathematical system subject to the laws of arithmetic.

Give a specific name, value or other brief answer without explanation or calculation.

Give the precise meaning of a word, phrase, concept or physical quantity.

• Computational thinking
• Programming
• Problem-solving
• Essential idea

seni belajar untuk hidup

Apa itu Computational Thinking? – Penjelasan & Contoh

Definisi Computational Thinking

Computational thinking adalah cara berpikir untuk menyelesaikan masalah (problem solving) dengan cara menguraikannya menjadi beberapa tahapan yang efektif, efisien, dan menyeluruh, meliputi: decomposition, pattern recognition, abstraction, algorithms yang merupakan beberapa konsep dasar ilmu komputer.

Pemikiran komputasi dianggap diinisiasi oleh artikel jurnal Wing pada tahun 2006. Namun, sebetulnya subjek serupa telah dirujuk oleh Papert (1996) dengan nama “pemikiran prosuderal”.

Wing (2006, hlm. 33) berpendapat bahwa computational thinking melibatkan pemecahan masalah, perancangan sistem, memahami perilaku manusia dengan berkaca pada konsep-konsep dasar ilmu komputer.

Apa saja tahapannya? seperti yang telah dijelaskan sebelumnya, pemikiran komputasi melibatkan 4 tahap utama, yakni:

• Decomposition , merupakan pembagian masalah menjadi bagian-bagian yang lebih kecil atau sederhana.
• Pattern recognition , yakni mencari atau mengenali kesamaan pola dalam maupun antar masalah yang ingin dipecahkan.
• Abstraction , melihat permasalahan secara mendasar sehingga dapat melihat jangkauan luas yang lebih penting dan mengabaikan detil kecil yang sebetulnya kurang relevan.
• Algorithm , mengembangkan sistem, sekuen, atau langkah-langkah solusi yang dapat diterapkan secara menyeluruh terhadap pola yang sama sehingga lebih efektif dan efisien.

Dapat dikatakan pula bahwa apa itu computational thinking atau pemikiran komputasi merupakan metode untuk menyelesaikan masalah melalui tahapan-tahapan berpikir dalam merancang pengembangan sistem atau aplikasi komputer.

Ya, karena pada awalnya, pemikiran ini adalah pemikiran yang digunakan untuk memecahkan permasalahan ilmu komputer.

Biasanya, pengembangan aplikasi dimulai dengan kebutuhan sistem. Kebutuhan sistem akan menimbulkan banyak permasalahan antara keinginan pengguna (yang membutuhkan aplikasi) dengan Programmer atau sistem komputer yang digunakan untuk mengembangkan aplikasi tersebut.

Meskipun begitu, pemikiran komputasi dapat diimplementasikan terhadap permasalahan lain di luar ilmu komputer pula. Hal ini dapat terlihat dari definisi berbeda dari salah satu pemikir utama computational thinking, yakni Jeannette M. Wing.

Pada tahun 2011, Wing mengubah definisi pemikiran komputasi menjadi: Computational thinking adalah proses berpikir yang merumuskan masalah dan solusinya, sehingga solusi tersebut direpresentasikan dalam bentuk yang dapat dilakukan secara efektif oleh agen pengolah informasi (Wing, 2011).

Contoh Computational Thinking

Apakah cara berpikir computational thinking bekerja? Sebagai seseorang yang telah bergelut dengan sistem informasi dan aplikasi, ya, pemikiran komputasi sangat efektif untuk digunakan, setidaknya dalam kacamata informatika.

Sepanjang karir saya sebagai developer (programmer) terdapat masa ketika saya tidak menyadari bahwa saya sedang menggunakan metode computational thinking. Bagaimana pemikiran komputasi bekerja dalam dunia ilmu komputer akan saya gambarkan dalam beberapa baris penjelasan di bawah ini.

Computational Thinking dalam Pengembangan Aplikasi

Kebutuhan aplikasi akan banyak menimbulkan masalah yang harus dipecahkan agar aplikasi tersebut dapat bekerja dan digunakan. Salah satu contohnya adalah bagaimana input dari user harus diverifikasi validitasnya. Misalnya, suatu form isian wajib di isi, jika tidak aplikasi tidak dapat memprosesnya.

Bagaimana cara mengecek suatu form telah diisi oleh user atau tidak? Tentunya dengan mengecek satu-persatu form wajib yang harus di isi. Katakanlah, kita memberikan perintah ini pada sistem:

Jika form nama tidak diisi, Maka: “beri peringatan dan hentikan proses pendaftaran aplikasi”.

Jika form nama diisi, Maka: “lanjutkan proses pendaftaran aplikasi”.

Sehingga, jika form nama tidak diisi maka aplikasi akan menghentikan proses pendaftaran, sebaliknya jika form nama diisi, maka proses pendaftaran aplikasi akan dilanjutkan.

Tampaknya masalah tersebut sudah diselesaikan bukan? Salah. Karena banyak form lain yang wajib untuk di isi pula (bisa belasan bahkan puluhan). Tentunya, bisa saja kita membuat “ Jika” yang lainnya untuk semua form. Namun di sana terdapat celah untuk melakukan salah satu aspek pertimbangan computational thinking, yakni: pengenalan pola yang sama ( pattern recognition ).

Daripada menduplikasi kedua perintah di atas satu persatu untuk semua form yang ada, lebih baik kita membuat algoritma yang dapat dipakai berulang-ulang untuk semua form. Maka, dengan computational thinking, kita akan membuat semacam:

$yang_divalidasi = $nama, $alamat, $nomor_telepon, dsb;

Algoritma Validasi Form yang Kosong ( $yang_divalidasi ) {

Jika $yang_divalidasi tidak diisi, Maka: “beri peringatan dan hentikan proses pendaftaran aplikasi”.

Jika $yang_divalidasi diisi, Maka: lanjutkan proses pendaftaran aplikasi”.

Selanjutnya kita tinggal memerintah Algoritma Validasi Form yang Kosong untuk menyelesaikan permasalahan pada seluruh form yang tidak boleh kosong, misalnya:

Algoritma Validasi Form yang Kosong ( $yang_divalidasi );

Jauh lebih efektif bukan? Permasalahan benar-benar diselesaikan secara mendasar dan menyeluruh. Kita tidak harus membuat perintah berulang-ulang hingg puluhan baris untuk setiap masalah serupa yang akan kita hadapi.

Computational Thinking dalam Kehidupan Sehari-hari

Lalu seperti apa implementasinya dalam hal lain di luar ilmu komputer? Sesungguhnya, computational thinking telah banyak diterapkan dalam berbagai hal. Contoh mudahnya adalah bagaimana sistem antrean menyelesaikan permasalahan keadilan dan keefisienan dalam menunggu giliran.

Berbagai sistem manual seperti hukum, syarat dan ketentuan, SOP (standar operasional) dalam melaksanakan suatu pekerjaan merupakan salah satu bentuk nyata dari pemikiran komputasi.

Bedanya, jika sistem tersebut dibuat berlandaskan pemikiran komputasi, maka peraturan yang ada akan jauh menjadi lebih dinamis dan sesuai dengan kebutuhannya.

Misalnya, tanpa computational thinking pemerintah Amerika mengalami penambahan narapidana pemakai obat-obatan terlarang. Bahkan, penjara mereka yang tentunya cukup luas dengan daya tampung besar sudah tidak dapat menampungnya lagi.

Hal tersebut karena sistem hukum yang berlaku terlalu kaku, semua pengguna narkoba dianggap kriminal. Padahal, sebagian dari mereka tak lain sekedar korban yang bukan membutuhkan penjara, namun justru membutuhkan rehabilitasi. Computational thinking akan menerapkan alogirtma yang sesuai terhadap masing-masing profil pelanggar hukum.

Bandar dihukum berat (termasuk penjara), pengguna yang mengajak orang lain diberikan sanksi sosial hingga penjara, sementara korban pengguna yang “terbawa” cukup direhabilitasi saja. Terdapat sekuen yang berulang-ulang untuk memastikan setiap permasalahan ditangani oleh hal yang benar-benar akurat dan relevan yang merupakan salah satu bagian dari pemikiran komputasi: algorithm .

Tampaknya computational thinking sudah ada dalam kehidupan sehari-hari. Hal ini juga sudah kita ketahui tanpa adanya literasi ini. Lalu apa bedanya computational thinking dari pemikiran lain? Ini adalah salah satu hal yang banyak dipertanyakan oleh para ahli.

Kelemahan Computational Thinking

Beberapa ahli berpendapat bahwa computational thinking tidak memiliki pemikiran unik yang dapat membantu problem solving. Intinya, berbagai pendekatan dan metode lain telah memilikinya. Pengembangan sistem untuk menyelesaikan suatu repetisi telah dilakukan dari zaman dahulu.

Setidaknya, jika kita berkaca pada sejarah revolusi industri manusia, hal ini telah dilakukan bahkan dalam tahap revolusi industri awal. Bukankah inti yang dilakukan dalam computational thinking adalah: analisis, perancangan sistem, dan evaluasi?

Padahal, jika kita melihat kurikulum 13, pendekatan yang digunakan adalah pendekatan saintifik . Semua hal yang ada dalam computational thinking terdapat dalam pendekatan itu pula. Bahkan, pendekatan saintifik memiliki tools-tools yang jauh lebih luas lagi cakupannya jika dibandingkan dengan computational thinking.

Bisa dikatakan pula bahwa sebetulnya computational thinking tidak lebih dari sekedar turunan atau cabang pemikiran yang dihasilkan dari pendekatan saintifik pula. Jangan lupa bahwa teknologi adalah pengaplikasian sains.

Namun bukan berarti computational thinking tidak berguna atau terlalu generik untuk diterapkan dalam kurikulum. Terkadang, jika kita tidak mengerucutkan suatu hal, bisa jadi dampak yang kita inginkan tidak maksimal.

Pendekatan saintifik mungkin terdengar jauh lebih kuat. Namun dalam implementasinya, bisa jadi siswa Indonesia belum membutuhkannya. Bisa jadi pendekatan saintifik jauh lebih efektif jika hanya diaplikasikan oleh perguruan tinggi yang berorientasi membentuk ilmuwan atau cendekia.

Sementara salah satu visi dari Mendikbud Nadiem Makarim sepertinya adalah memajukan SDM dan vokasi Indonesia. Dalam hal ini, computational thinking sangatlah menjanjikan. Apalagi jika kita menerapkan efisiensinya dalam problem solving.

Problem Solving

Computational thinking dapat diterapkan dalam banyak pemecahan masalah. Tahapnya yang efisien dan efektif dapat melatih siswa untuk bekerja secara sistematis dan menyeluruh. Problem solving bukanlah hal baru yang selalu digaungkan dalam dunia pendidikan.

Biasanya, guru akan memberikan masalah dan meminta siswa untuk memecahkannya dengan cara masing-masing. Namun tidak semua siswa mampu memulainya sendiri. Computational thinking dapat menjadi acuan dasar umum yang dapat digunakan dalam mata pelajaran, bidang, atau permasalahan apa pun.

Sebagai catatan akhir, mengapa problem solving menjadi salah satu kemampuan wajib di abad 21 ini? Kata kuncinya adalah kecepatan. Hari ini semua bidang menuntut suatu hal untuk dilakukan atau diproduksi dengan lebih cepat. Jika tidak, kita tidak akan mampu bersaing dengan perkembangan zaman yang memang menjadi jauh lebih cepat pula karena revolusi industri 4.0 .

Namun, kecepatan tersebut memberikan dampak negatif pula. Apa? Yakni munculnya banyak masalah. Kulkas yang diproduksi zaman dulu jauh lebih awet dan tidak memberikan terlalu banyak masalah bukan? Berbeda dengan kulkas baru yang bisa jadi tiba-tiba rusak dalam 1-2 tahun saja.

Hal tersebut terjadi karena pengerjaannya tidak menggunakan timeline waterfall yang akan secara perlahan meriset, merancang, dan mengetesnya secara menyeluruh terlebih dahulu sebelum diproduksi massal.

Hari ini kebanyakan produsen kulkas melakukan timeline SCRUM yang melakukan segalanya dengan lebih cepat karena semua proses dilakukan secara bersamaan. Hasilnya? Produksi jauh lebih cepat, namun permasalahan yang datang juga semakin banyak.

Fenomena tersebut tidak hanya terjadi dalam industri kulkas saja. Bahkan industri militer yang memproduksi pesawat tempur saja mengalami hal yang sama. Inilah mengapa problem solving menjadi kemampuan yang sangat penting untuk melakukan negasi terhadap dampak negatif dari percepatan industri.

• Cansu, Fatih & Cansu, Sibel. (2019). An Overview of Computational Thinking. International Journal of Computer Science Education in Schools . 3. 3. 10.21585/ijcses.v3i1.53.
• Wing, J. M. (2006). Computational thinking. Communications of the ACM , 49(3), 33-35.
• Wing, J.M. (2011), Research Notebook: Computational thinking  -what and why? The Link Magazine, 20-23. Tersedia Online https://www.cs.cmu.edu/link/research-notebook-computational-thinking-what-and-why

Artikel Terkait

Gabung ke percakapan.

Assalamualaikum warahmatullahi wb

Walaikumsalam.. wr..wb..

Batalkan balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Simpan nama, email, dan situs web saya pada peramban ini untuk komentar saya berikutnya.

Beritahu saya akan tindak lanjut komentar melalui surel.

Beritahu saya akan tulisan baru melalui surel.

Tinggalkan Komentar

Computational Thinking in Problem Based Learning – Exploring the Reciprocal Potential

• Conference paper
• First Online: 09 September 2019
• Cite this conference paper

• Sandra Burri Gram-Hansen 13 &
• Tanja Svarre Jonasen 13  

Part of the book series: Lecture Notes in Computer Science ((LNISA,volume 11722))

Included in the following conference series:

• European Conference on Technology Enhanced Learning

4485 Accesses

This paper presents the initial insights from a study in which we explored the relation between computational thinking (CT) and problem-based learning in higher education. CT skills are increasingly recognized as a necessity to all lines of study, as they not only facilitate digital proficiency, but potentially also a sense of computational empowerment and an ability to take a critical and constructive approach to applying computers when solving complex problems. The distinct focus on higher education is routed in theoretical as well as empirically based challenges, as this particular group of learners for the vast majority have started their education in a mainly analogue learning setting, yet now face employments with a much stronger demand for digital competences. The discussions presented in this paper takes its point of departure in the Aalborg PBL-model.

• Problem based learning
• Computational Thinking
• Learning process recognition
• Digital skills
• Digital empowerment

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

• Available as PDF
• Read on any device
• Instant download
• Own it forever
• Available as EPUB and PDF
• Compact, lightweight edition
• Dispatched in 3 to 5 business days
• Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Kalelioglu, F., Gülbahar, Y., Kukul, V.: A framework for computational thinking based on a systematic research review. Baltic J. Mod. Comput. 4 , 583–596 (2016)

Google Scholar  

Grover, S., Pea, R.: Computational thinking in K–12: a review of the state of the field. Educ. Res. 42 , 38–43 (2013)

Article   Google Scholar  

Repenning, A., Basawapatna, A.R., Escherle, N.A.: Principles of computational thinking tools. In: Rich, P., Hodges, C. (eds.) Emerging Research, Practice, and Policy on Computational Thinking, pp. 291–305. Springer, Heidelberg (2017). https://doi.org/10.1007/978-3-319-52691-1_18

Chapter   Google Scholar  

Czerkawski, B.C., Lyman, E.W.: Exploring issues about computational thinking in higher education. Techtr. Tech Trends 59 , 57–65 (2015). https://doi.org/10.1007/s11528-015-0840-3

Wing, J.M.: Computational thinking. Commun. ACM 49 , 33–35 (2006)

Shute, V.J., Sun, C., Asbell-Clarke, J.: Demystifying computational thinking. Educ. Res. Rev. 22 , 142–158 (2017). https://doi.org/10.1016/j.edurev.2017.09.003

Kwan, A.: Problem based learning. In: The Routledge International Handbook of Higher Education. Routledge, London (2012)

Kolmos, A., Fink, F.K., Krogh, L.: The Aalborg model: problem-based and project-organized learning. In: The Aalborg Model : Progress, Diversity and Challenges, pp. 9–18. Aalborg Universitetsforlag, Aalborg (2004)

Huttel, H., Gnaur, D.: If PBL is the answer, then what is the problem? J. Probl. Based Learn. High. Educ. 5 , 1–21 (2017)

Download references

Author information

Authors and affiliations.

Department of Communication and Psychology, Aalborg University, Aalborg, Denmark

Sandra Burri Gram-Hansen & Tanja Svarre Jonasen

You can also search for this author in PubMed   Google Scholar

Corresponding author

Correspondence to Sandra Burri Gram-Hansen .

Editor information

Editors and affiliations.

Open University Netherlands, Heerlen, The Netherlands

Maren Scheffel

Paul Sabatier University, Toulouse, France

Julien Broisin

Know-Center GmbH, Graz, Austria

Viktoria Pammer-Schindler

Cyprus University of Technology, Limassol, Cyprus

Andri Ioannou

DIPF, Frankfurt/Main, Germany

Jan Schneider

Rights and permissions

Reprints and permissions

Copyright information

© 2019 Springer Nature Switzerland AG

About this paper

Cite this paper.

Gram-Hansen, S.B., Jonasen, T.S. (2019). Computational Thinking in Problem Based Learning – Exploring the Reciprocal Potential. In: Scheffel, M., Broisin, J., Pammer-Schindler, V., Ioannou, A., Schneider, J. (eds) Transforming Learning with Meaningful Technologies. EC-TEL 2019. Lecture Notes in Computer Science(), vol 11722. Springer, Cham. https://doi.org/10.1007/978-3-030-29736-7_42

Download citation

DOI : https://doi.org/10.1007/978-3-030-29736-7_42

Published : 09 September 2019

Publisher Name : Springer, Cham

Print ISBN : 978-3-030-29735-0

Online ISBN : 978-3-030-29736-7

eBook Packages : Computer Science Computer Science (R0)

Share this paper

Anyone you share the following link with will be able to read this content:

Sorry, a shareable link is not currently available for this article.

Provided by the Springer Nature SharedIt content-sharing initiative

• Publish with us

Policies and ethics

• Find a journal
• Track your research

Popular Searches

Next generation science.

• Designing Challenge Based Science Learning
• Unit Library

What is Computational Thinking?

• Inclusive Integration of Computational Thinking
• Data Practices
• Creating Algorithms
• Understanding Systems with Computational Models

Computational thinking is an interrelated set of skills and practices for solving complex problems, a way to learn topics in many disciplines, and a necessity for fully participating in a computational world.

Many different terms are used when talking about computing, computer science, computational thinking, and programming. Computing encompasses the skills and practices in both computer science and computational thinking. While computer science is an individual academic discipline, computational thinking is a problem-solving approach that integrates across activities, and programming is the practice of developing a set of instructions that a computer can understand and execute, as well as debugging, organizing, and applying that code to appropriate problem-solving contexts. The skills and practices requiring computational thinking are broader, leveraging concepts and skills from computer science and applying them to other contexts, such as core academic disciplines (e.g. arts, English language arts, math, science, social studies) and everyday problem solving. For educators integrating computational thinking into their classrooms, we believe computational thinking is best understood as a series of interrelated skills and competencies.

Figure 1. The relationship between computer science (CS), computational thinking (CT), programming and computing.

In order to integrate computational thinking into K-12 teaching and learning, educators must define what students need to know and be able to do to be successful computational thinkers. Our recommended framework has three concentric circles.

• Computational thinking skills , in the outermost circle, are the cognitive processes necessary to engage with computational tools to solve problems. These skills are the foundation to engage in any computational problem solving and should be integrated into early learning opportunities in K-3.
• Computational thinking practices , in the middle circle, combine multiple computational skills to solve an applied problem. Students in the older grades (4-12) may use these practices to develop artifacts such as a computer program, data visualization, or computational model.
• Inclusive pedagogies , in the innermost circle, are strategies for engaging all learners in computing, connecting applications to students’ interests and experiences, and providing opportunities to acknowledge, and combat biases and stereotypes within the computing field.

Figure 2. A framework for computational thinking integration.

What does inclusive computational thinking look like in a classroom? In the image below, we provide examples of inclusive computing pedagogies in the classroom. The pedagogies are divided into three categories to emphasize different pedagogical approaches to inclusivity. Designing Accessible Instruction refers to strategies teachers should use to engage all learners in computing. Connecting to Students’ Interests, Homes, and Communities refers to drawing on the experiences of students to design learning experiences that are connected with their homes, communities, interests and experiences to highlight the relevance of computing in their lives. Acknowledging and Combating Inequity refers to a teacher supporting students to recognize and take a stand against the oppression of marginalized groups in society broadly and specifically in computing. Together these pedagogical approaches promote a more inclusive computational thinking classroom environment, life-relevant learning, and opportunities to critique and counter inequalities. Educators should attend to each of the three approaches as they plan and teach lessons, especially related to computing.

Figure 3. Examples of inclusive pedagogies for teaching computing in the classroom adapted from Israel et al., 2017; Kapor Center, 2021; Madkins et al., 2020; National Center for Women & Information Technology, 2021b; Paris & Alim, 2017; Ryoo, 2019; CSTeachingTips, 2021

Micro-credentials for computational thinking

A micro-credential is a digital certificate that verifies an individual’s competence in a specific skill or set of skills. To earn a micro-credential, teachers submit evidence of student work from classroom activities, as well as documentation of lesson planning and reflection.

Because the integration of computational thinking is new to most teachers, micro-credentials can be a useful tool for professional learning and/or credentialing pathways. Digital Promise has created micro-credentials for Computational Thinking Practices . These micro-credentials are framed around practices because the degree to which students have built foundational skills cannot be assessed until they are manifested through the applied practices.

Visit Digital Promise’s micro-credential platform to find out more and start earning micro-credentials today!

Sign up for updates!

• Belajar Sekarang

Kenali Apa Itu Computational Thinking

Halo! Apakah kamu pernah mendengar istilah computational thinking ? Ia sendiri sering dikaitkan dengan problem solving dan menjadi salah satu keahlian yang dibutuhkan dalam dunia industri modern saat ini. Apa sebenarnya computational thinking ini? Kenapa harus diterapkan? Simak artikel ini dengan seksama ya.

Definisi computational thinking

Computational thinking atau pemikiran komputasional adalah cara berpikir untuk menyelesaikan suatu masalah. Caranya adalah dengan menguraikan setiap masalah menjadi beberapa bagian atau tahapan yang efektif dan efisien. Ia juga dapat diartikan menjadi sebuah metode untuk menyelesaikan suatu masalah yang dirancang untuk bisa diselesaikan oleh manusia atau sistem atau keduanya.

Berdasarkan konsepnya, pemikiran komputasional memiliki empat tahap utama, antara lain:

💻 Mulai Belajar Pemrograman

Belajar pemrograman di Dicoding Academy dan mulai perjalanan Anda sebagai developer profesional.

Decomposition (Dekomposisi) Tahap pertama, dekomposisi, yaitu memecah masalah kompleks menjadi beberapa bagian kecil dan sederhana. Sehingga, kita bisa menemukan masalah yang terjadi dengan menyelesaikannya satu persatu.

Pattern recognition (Pengenalan pola) Pengenalan pola akan membantu kamu dalam memecahkan masalah. Nah, pada tahap ini, kita mencari pola atau persamaan tertentu dalam sebuah masalah.

Abstraction (Abstraksi) Beberapa hal yang dilakukan pada tahap abstraksi antara lain, melihat permasalahan, melakukan generalisasi, dan melakukan identifikasi informasi. Dengan cara ini, kita dapat melihat informasi penting dan mengabaikan informasi yang kurang relevan.

Algorithm (Algoritma) Ini adalah tahapan saat kita mengembangkan sistem, membuat daftar petunjuk dan langkah-langkah pemecahan masalah secara efektif dan efisien.

Karakteristik berpikir komputasional

Seseorang dengan keterampilan computational thinking memiliki beberapa karakteristik, antara lain:

• Mampu merumuskan dan menyelesaikan masalah menggunakan perangkat komputer atau perangkat digital.
• Mampu mengelompokkan dan menganalisis data.
• Dapat merepresentasikan data secara abstrak menggunakan model atau simulasi.
• Mampu melakukan analisis solusi dengan cara dan tahapan yang efisien dan efektif.
• Dapat menggeneralisasi penyelesaian untuk berbagai masalah berbeda.

Kelebihan computational thinking

Metode ini memiliki beberapa kelebihan. Berikut ini adalah kelebihan ketika kita menerapkan metode computational thinking. 

• Dapat memecahkan masalah yang rumit atau kompleks dengan cara yang sederhana dan efektif.
• Dapat melatih mindset kita untuk berpikir secara logis, kreatif, dan terstruktur.
• Mampu merumuskan masalah dengan menguraikannya menjadi bagian-bagian kecil yang lebih mudah untuk diselesaikan.

Penerapan computational thinking

Seperti yang sudah dibahas, computational thinking dapat diterapkan dalam berbagai bidang untuk menyelesaikan masalah. Beberapa langkah yang harus dilakukan  antara lain:

Perincian masalah Langkah pertama ketika menghadapi masalah adalah melakukan analisis terhadap masalah tersebut. Kemudian, lakukan penjabaran masalah dengan benar dan tepat. T erakhir tetapkan kriteria solusi dari masalah tersebut.

Analisis dan penjabaran dapat dilakukan dengan cara membagi masalah yang kompleks menjadi masalah-masalah kecil agar lebih mudah untuk dikelola dan dianalisis. Setelah itu kamu dapat membuat beberapa hipotesis mengenai penjabaran kemungkinan solusi untuk masalah tersebut.

Memikirkan algoritma yang sistematis Setelah langkah pertama selesai dilakukan, kamu perlu mencari algoritma yang tepat. Algoritma di sini dapat diartikan sebagai langkah-langkah yang sesuai untuk memecahkan masalah berdasarkan data.

Implementasi, solusi, dan evaluasi Langkah terakhir, buatlah solusi yang aktual dan lakukan evaluasi secara sistematis untuk menguji kebenaran hipotesismu. Lalu, lakukan evaluasi dan modifikasi terhadap hipotesis, sampai ia tidak lagi memerlukan modifikasi. Dalam langkah ini, kamu juga dapat melihat apakah solusimu dapat digeneralisasikan dengan proses otomatisasi 

Jadi, itulah pembahasan tentang computational thinking. Ia merupakan suatu metode untuk menyelesaikan masalah yang kompleks. Ia juga merupakan salah satu keahlian yang dibutuhkan dalam industri 4.0 ini. Computational thinking ini baik diterapkan sedini mungkin untuk mengasah keahlian dalam menyelesaikan masalah yang rumit.

Kenali Apa Itu Computational Thinking – end

Baca juga artikel lain untuk menambah wawasan kamu.

• Mind Mapping Adalah: Manfaat dan Cara Membuatnya
• Memahami ERD, Model Data, dan Komponennya
• Bagaimana Cara Membuat ERD dan Contohnya

Computational Thinking

Apa itu ct .

Banyak yang berasumsi bahwa Computational Thinking hanya berkaitan dengan bidang komputer dan teknologi. Kenyataannya,  Computational Thinking  adalah sebuah kemampuan dasar yang harus dikuasai sebagai landasan untuk memiliki kemampuan logical thinking , critical thinking , dan problem solving .  Computational Thinking  membentuk kerangka berpikir yang membantu dalam memahami, menganalisis, dan menyelesaikan masalah dengan lebih efektif. 

Dalam  Computational Thinking , kita akan belajar bagaimana mengidentifikasi permasalahan kompleks, mengenali pola dan mengambil kesimpulan, menyusun solusi yang terbaik untuk sebuah permasalahan. Kemampuan ini diperlukan bukan hanya pada bidang teknologi saja, tapi diperlukan pada setiap aspek seperti di sekolah, dunia kerja dan kehidupan sehari-hari .

Mengapa CT ?

Dalam era yang semakin bergantung pada teknologi,  Computational Thinking  menjadi keterampilan yang sangat esensial bagi setiap orang, terutama pelajar yang ingin mempersiapkan diri untuk persaingan di masa depan yang semakin terkait dengan teknologi.

Computational Thinking sangat membantu untuk kita dapat menguasai tiga tahapan dalam berinteraksi dengan teknologi. Ketiga tahapan ini diperlukan agar kita dapat bersaing di masa depan , dimana teknologi adalah bagian tak terpisahkan dari manusia itu sendiri, atau yang sekarang dikenal dengan istilah Society 5.0.

Tahapan interaksi teknologi:

1.  Mahir menggunakan teknologi

2. Mampu berkarya memanfaatkan teknologi

3. Mampu menciptakan teknologi

Kemampuan  Computational Thinking  ini membuat kita dapat bertahan dalam persaingan di masa depan dan bahkan turut berinovasi menciptakan karya dan bahkan teknologi.

Elemen Computational Thinking ini merupakan soft skill yang perlu diajarkan dan dilatih setiap hari secara bertahap.

Kemampuan ini dapat diajarkan sejak anak usia dini dari tingkat Kindergarten hingga mahasiswa bahkan hingga usia dewasa.

Melatih kemampuan Computational Thinking akan membuat kita tetap aktif dan semakin cerdas dalam banyak aspek kehidupan, serta mampu terus berkarya dan berinovasi.

Memecah data, proses, atau masalah menjadi bagian-bagian kecil untuk mempermudah analisis.

Menentukan pola, tren, persamaan, and perbedaan dari banyak data.

Mengidentifikasi kesimpulan, prinsip umum atau rumus yang menghasilkan pola.

Mengembangkan panduan langkah demi langkah untuk memecahkan permasalahan.

Kegiatan CT

Computational Thinking Center mengelola beberapa kegiatan yang bertujuan untuk menyebarluaskan dan meningkatkan kemampuan Computational Thinking pada dunia edukasi, khususnya di Indonesia.

Kami menyediakan soal latihan yang dapat diakses SELAMANYA untuk membantu siswa secara mandiri belajar Computational Thinking. Disarankan siswa berlatih terus selama 30 hari pertama agar terbiasa dengan soal CT. 

Program ini dilaksanakan secara online menggunakan aplikasi khusus yang dapat menyesuaikan kemampuan dan kecepatan belajar masing-masing siswa ( self paced learning method ).

Training ini terbukti membantu siswa meningkatkan kemampuan Computational Thinking mereka dan mendapatkan hasil yang memuaskan pada CT Competition seperti Bebras Challenge.

Kami bekerja sama dengan sekolah-sekolah untuk memberikan pelatihan kepada guru-guru. Pelatihan ini ditujukan bagi guru dari jenjang SD hingga SMA atau sederajat. 

Pelatihan CT ini dapat diikuti oleh guru semua mata pelajaran . Keunggulan pelatihan kami adalah menyediakan materi-materi yang relevan bagi guru semua mata pelajaran, dan tidak terbatas pada guru komputer saja.

Tujuan pelatihan ini adalah membuat guru dapat memberikan pengajaran berbasis CT pada setiap pertemuan kelas.

Kami bekerja sama dengan Bebras Indonesia untuk pelaksanaan International Bebras Challenge yang diadakan di setiap bulan November.

International Bebras Challenge ini dilaksanakan secara online , serentak di hari yang sama selama 30-60 menit, dan diikuti oleh siswa dari SD hingga SMA / sederajat .

Dengan menjunjung tinggi kejujuran dan motivasi mengembangkan diri, kami telah mendukung  pendaftaran   ribuan siswa untuk ikut meramaikan tantangan Computational Thinking ini setiap tahunnya.

Contoh Soal CT

Berikut beberapa contoh soal-soal latihan Computational Thinking baik yang digunakan pada Bebras Challenge maupun pada materi Intensive CT Training for Students . 

Soal latihan Computational Thinking tidak selalu berhubungan dengan Informatika atau Computer. Soal-soal ini dirancang khusus untuk melatih kemampuan logika dan problem solving . Training tersedia dari tingkat SD hingga SMA/sederajat.

Semua soal tersedia dalam bahasa Inggris dan bahasa Indonesia .

Belajar CT bersama Kami

What people say.

Excepteur sint occaecat cupidatat non proident, suntin culpa qui officia deserunt mollit animid est laborum.Phasellus imperdiet lacinia nulla, malesuada semper nibh sodales quis, Duis viverra ipsum dictum.

Siapa Perlu CT ?

It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content here, content here', making it look like readable English.

Eu turpis egestas pretium aenean pharetra magna ac placerat vestibulum lorem ipsum doler sit a met. Turpis in eu mi bibendum neque egestas congue quisque. 

Buka dari QuBisa App, banyak penawaran menarik!

Daftar Dengan Email

Critical Thinking dan Problem Solving untuk Milenial

Hidup di tengah perkembangan teknologi serta persaingan global yang sedemikian tinggi dan dengan gerak yang cepat, menjadi tantangan tersendiri bagi setiap orang, termasuk bagi generasi milenial. Critical thinking dan problem solving menjadi kemampuan yang harus dimiliki agar dapat bersaing. Kedua softskill tersebut tentu tidak didapatkan begitu saja, melainkan perlu dilatih.

Sudah bukan zamannya mengikuti arus, waktunya bagi generasi milenial meraih suksesnya sendiri. Caranya, adalah dengan meng- upgrade kemampuan diri agar tidak kalah bersaing dan dapat memiliki pencapaian yang diinginkan.

Memahami Critical Thinking dan Problem Solving

Apa sebenarnya yang dimaksud critical thinking dan problem solving ? Satu persatu akan dibahas agar dapat lebih dipahami.

Critical Thinking

Critical thinking atau keterampilan berpikir kritis, artinya tidak begitu saja menerima informasi yang datang. Kita perlu mencari kebenaran dari informasi tersebut, melihat dari berbagai perspektif, atau jika perlu berpikirkan dengan menggunakan 6 Topi Berpikir . 

Teknik critical thinking adalah kemampuan berpikir secara rasional dan melibatkan diri dalam pemikiran reflektif. Dengan memiliki kemampuan berpikir kritis, Anda lebih mudah memahami sudut pandang orang lain, tidak terlalu terpaku pada pendapat Anda sendiri, dan lebih terbuka terhadap pemikiran, ide, atau pendapat orang lain, serta bisa mulai mendorong munculnya innovation mindset .

Problem solving

Problem solving, atau kemampuan menyelesaikan masalah, merupakan kemampuan yang wajib dimiliki generasi milenial. Kemampuan ini berguna saat dihadapkan pada kondisi yang sulit sehingga mampu fokus pada solusi, bukan pada masalah yang dihadapi. 

Setiap masalah yang datang, memang sudah seharusnya masalah cepat diselesaikan . Masalah yang dibiarkan berlarut-larut bisa menjadi bom waktu, yang seharusnya berdampak kecil jadi memiliki dampak yang besar. Hal berikutnya, Anda juga perlu memahami perbedaan permasalahan dan persoalan demi menemukan solusi terbaik.

Globalisasi dan kemajuan teknologi telah menghancurkan batas-batas yang menimbulkan persaingan global. Tantangan yang harus dihadapi juga kian beragam, maka dari itu kemampuan problem solving harus dimiliki agar tidak mudah kalah dengan keadaan.

Menumbuhkan Kemampuan Critical Thinking dan Problem Solving

Kemampuan critical thinking dan problem solving tidak dapat begitu saja dimiliki seseorang. Butuh cara untuk menumbuhkan kemampuan ini. 

Identifikasi Masalah

Setiap sisi kehidupan akan selalu menghadirkan tantangan tersendiri, entah dalam kehidupan sehari-hari, dalam pekerjaan, dalam rumah tangga, bahkan urusan anak. Ketika terjadi masalah, maka hal pertama yang perlu Anda lakukan adalah melakukan identifikasi terhadap permasalahan tersebut. 

Untuk itu, Anda perlu memiliki kemampuan analisa masalah, melihat dari berbagai sudut pandang, kemudian memikirkan solusi yang bisa memecahkan masalah, bahkan jika perlu memikirkan beberapa solusi sekaligus. Selanjutnya, baru Anda mengambil keputusan terbaik untuk menyelesaikan masalah itu. 

Agar bisa melakukannya, Anda perlu memahami teknik pengambilan keputusan yang didasari oleh data dan fakta, sehingga keputusan yang diambil dapat lebih akurat serta tepat sasaran. Cerdas menganalisis permasalahan dan jitu dalam pengambilan keputusan akan mengantarkan Anda pada solusi terbaik untuk menyelesaikan masalah, atau bisa jadi malah bisa memanfaatkan peluang yang datang bersamaan dengan kehadiran masalah tadi. 

Pahami Kebutuhan dan Minat Orang Lain

Kemampuan untuk mengakomodir kebutuhan dan minat setiap orang yang terlibat dalam suatu masalah juga perlu Anda miliki. Tujuannya, agar bisa mengambil keputusan terbaik yang mampu menguntungkan semua pihak atau minimal tidak ada yang dirugikan. Dalam hal ini, critical thinking dan problem solving berperan penting.

Hadapi Setiap Masalah yang Datang dengan Tenang

Menghadapi masalah hingga bisa menemukan solusi terbaik membutuhkan kemampuan berpikir yang baik, juga pengendalian diri. Dengan kata lain, Anda perlu kemampuan untuk menghadapi masalah dengan tenang . Ketenangan ini nantinya membuat Anda mampu berpikir dengan jernih, bahkan bisa melihat hal-hal yang sebelumnya mungkin terlewatkan. 

Artikel critical thinking dan problem solving untuk milenial ini sebenarnya bisa pula berlaku bagi siapa pun yang ingin meningkatkan kemampuan diri dalam menghadapi dan menyelesaikan masalah. Tidak ada salahnya mempelajari kedua softskill ini karena keduanya akan sangat membantu Anda dalam menjalani kehidupan sehari-hari di bidang apa pun yang saat ini Anda tekuni. 

Artikel Untuk Kamu

Saran untuk kamu.

Tentang Kami

Unduh aplikasi di.

QuBisa © 2024 . All rights reserved.

Blog » Tech Updates » Internet of Things » Apa Itu Computational Thinking? Definisi, Manfaat dan Penerapannya

Apa Itu Computational Thinking? Definisi, Manfaat dan Penerapannya

• Posted by by Aorinka Anendya
• July 12, 2022
• 3 minute read

Sebagian dari kamu mungkin sudah pernah mendengar istilah computational thinking. Computational thinking adalah sebuah keahlian atau skill yang perlu dimiliki oleh para pencari kerja.

Namun faktanya, masih banyak orang yang belum tahu dengan keahlian ini. Maka dari itu kali ini Dewaweb akan menjelaskan dengan detail apa itu computational thinking, seperti apa manfaat dan bagaimana penerapannya. Langsung saja simak yuk!

Baca Juga: Programmer: Penjelasan, Pekerjaan, dan Syarat Menjadi Programmer

Pengertian Computational Thinking

Computational thinking adalah kemampuan memecahkan masalah dengan menerapkan ilmu komputasi. Kemampuan pemecahan masalah ini memungkinkan kamu untuk menganalisis masalah yang kompleks, memahami apa masalahnya, dan menentukan solusi yang tepat.

Dengan computational thinking, kamu dapat menguraikan masalah menjadi beberapa bagian atau tahapan yang efektif. Sehingga menghasilkan solusi yang tepat dan dapat dipahami baik oleh komputer, manusia, atau keduanya. Dalam konsepnya, terdapat empat pilar utama dalam berpikir komputasi, yang masing-masing memiliki tujuannya sendiri.

Baca Juga: Mengenal Cloud Computing: Pengertian, Jenis, dan Fungsinya

Pilar dalam Computational Thinking

Computational thinking memiliki empat pilar atau tahapan penting yang perlu diketahui, diantaranya yaitu sebagai berikut.

• Decomposition (dekomposisi): merupakan tahapan di mana kamu harus menguraikan masalah yang kompleks menjadi bagian yang lebih kecil, sehingga lebih mudah menyelesaikannya satu persatu.
• Pattern recognition (pengenalan pola):   pada tahap ini kamu diminta untuk mengenal pola dengan mencari persamaan yang ada di antara masalah tersebut. 
• Abstraction (abstraksi): pada pilar ini kamu dapat melakukan beberapa hal seperti melihat permasalahannya, melakukan generalisasi kemudian mengidentifikasi informasi. Dari sini kamu bisa mendapatkan informasi yang penting, sedangkan yang kurang penting bisa diabaikan saja.
• Algorithm (algoritma): pilar terakhir computational thinking adalah algoritma, yang merupakan proses mengembangkan solusi langkah demi langkah atau urutan yang harus diikuti untuk menyelesaikan masalah tersebut.

Nah, empat pilar computational thinking tersebut memang umumnya diterapkan pada program komputer . Tetapi, computational thinking tidak hanya soal komputasi.

Lebih dari itu, kemampuan berpikir computational dapat membantu kamu mengetahui apa hal tepat yang harus dilakukan ketika bertemu masalah. Selain itu ada banyak manfaat lain dari kemampuan berpikir computational yang akan kita bahas di bawah ini.

Manfaat Computational Thinking

Computational thinking tidak hanya membantu kamu dalam menguraikan masalah menjadi lebih sederhana dan menemukan solusi yang efektif. Selain itu terdapat manfaat lain yang bisa kamu dapatkan apabila memiliki kemampuan berpikir computational. Diantaranya yaitu sebagai berikut.

• Mendorong kemampuan problem solving yang efektif.
• Membantu melatih kreatifitas.
• Membentuk pola pikir yang logis dan terstruktur.
• Bekerja menjadi lebih profesional dan efisien.

Itulah beberapa manfaat apabila kamu memiliki kemampuan berpikir komputasi. Hal selanjutnya yang perlu kamu tahu adalah penerapan dari skill tersebut. 

Baca Juga: 5+ Skills Wajib Dikuasai untuk Berkarir sebagai Data Scientist

Contoh Penerapan Computational Thinking

Setelah mengetahui seperti apa manfaat computational thinking, selanjutnya terdapat langkah yang perlu kamu lakukan ketika berhadapan dengan masalah.

Perlu kamu ingat, bahwa skill computational thinking dapat diterapkan pada segala sektor industri, tidak hanya terbatas pada pekerjaan yang berhubungan dengan pemrograman komputer saja.

Maka dari itu, pahami langkah yang harus kamu terapkan di bawah ini.

Merincikan Masalah

Hal pertama yang perlu kamu lakukan ketika bertemu dengan masalah adalah melakukan analisis terhadap masalah tersebut. Kemudian jabarkan masalah dengan benar, tepat, dan tetapkan kriteria solusi dari masalah.

Menganalisis masalah dapat kamu lakukan dengan cara membagi masalah menjadi sub masalah yang lebih kecil seperti yang sudah dijelaskan tadi.  Selanjutnya, dari situ kamu bisa mendapatkan solusi sementara untuk masalah tersebut.

Berpikir Sistematis

Apabila kamu sudah merincikan masalah dan mengelompokkannya sesuai spesifikasi, langkah selanjutnya adalah berpikir secara sistematis untuk menemukan algoritma yang tepat. 

Algoritma di sini maksudnya urutan atau langkah tepat yang harus kamu lalui untuk memecahkan masalah tersebut berdasarkan data. 

Baca Juga: Apa Itu Visualisasi Data? Jenis, Fungsi, dan Toolsnya

Implementasi, Solusi, dan Evaluasi

Nah, langkah terakhir adalah membuat solusi serta mengevaluasi secara sistematis untuk menentukan apakah sudah benar dan efisien. Pada langkah ini, kamu, juga dapat melihat apakah solusi tersebut dapat digeneralisasi melalui dengan otomatisasi atau tidak.

Itu merupakan beberapa penerapan computational thinking, jika dirangkum lebih sederhana kurang lebih seperti berikut.

• Analisis masalah dan buat menjadi bagian yang lebih kecil.
• Dari analisis tersebut ambil hipotesisnya.
• Buat prediksi dari hasil hipotesis tersebut.
• Uji prediksi dan modifikasi hipotesis hingga hipotesis benar-benar tidak perlu dimodifikasi lagi.

Computational thinking adalah skill yang penting dimiliki siapapun pada era industri saat ini. Sekarang kamu sudah lebih tahu pengertiannya. Maka dari itu, penting untuk kamu memahami dengan baik pengertian, manfaat hingga penerapannya. Jadi, tunggu apa lagi segera pelajari dan asah cara berpikir computational kamu agar lebih mudah ketika menemukan masalah di depan. Semoga berhasil!

Gemar menulis tentang teknologi, bisnis, digital marketing, dan banyak topik lain. Sedang belajar untuk terus membuat tulisan berkualitas.