Computational Thinking (Medienbildung)

Icon medienbildung.png
Eine kognitive Strategie zur Lösung komplexer, realweltlicher Probleme, die auf der informatischen Modellierung und Strukturierung einzelner Aspekte basiert.
Dieser Artikel verweist auf folgende weitere Beiträge:
21st Century Skills (Medienbildung), Algorithmisches Denken (Medienbildung), Algorithmus (Medienwissenschaft), Daten (Medienwissenschaft), Digitalisierung (Medienwissenschaft)

Was bezeichnet dieser Begriff?

Computational Thinking (CT), im Deutschen als informatisches Denken übersetzt, beschreibt eine Kompetenz, bei der komplexe Probleme auf eine Weise gelöst werden, die ein Computer oder ein Mensch verstehen und umsetzen kann.[1] Dabei strebt Computational Thinking jedoch nicht an, dass Menschen wie Computer denken und handeln. Es ist auch nicht mit dem Programmieren gleichzusetzen.[2] Obwohl das Programmieren eine beliebte Methode ist, um CT zu vermitteln, meint CT vielmehr die Fähigkeit, die vor dem Programmieren eingesetzt wird, um ein Problem zu verstehen und eine Lösung zu formulieren.[3] Während das Programmieren einem Computer mitteilt, was und wie er etwas zu tun hat, ermöglicht das informatische Denken einen Prozess, in welchem man herausfindet, was genau dem Computer überhaupt mitgeteilt werden soll.[4] Dieser Denkprozess beschränkt sich nicht auf das Feld der Informatik, sondern lässt sich auch auf alltägliche Situationen beziehen, die eine Problemlösung erfordern. Nach der Computerwissenschaftlerin Jeanette Wing heißt Computational Thinking, "mit heuristischer Argumentation eine Problemlösung zu finden”[5]. Es ist eine universell einsetzbare, analytische Fähigkeit, die auf den Konzepten der Informatik beruht. Dabei soll Computational Thinking helfen, schneller und effizienter an Lösungen für Probleme zu gelangen.[6]

Der Denkprozess von CT lässt sich dabei in verschiedene Arbeitsschritte unterteilen, die sich je nach Autor_in in ihrer Operationalisierung und Unterteilung unterscheiden. Während Wing Computational Thinking beispielsweise in die fünf Komponenten Abstraction, Algorithms, Automation, Problem Decomposition und Generalization unterteilt, verwenden Lee et al. lediglich die drei Elemente Abstraction, Automation und Analysis.[7] Das Institut für Erziehungswissenschaft der Universität Paderborn fasst das Konzept des Computational Thinking wie folgt zusammen: "Computational Thinking bezieht sich auf die Fähigkeit einer Person, Aspekte realweltlicher Probleme zu identifizieren, die für eine informatische Modellierung geeignet sind, algorithmische Lösungen für diese (Teil-)Probleme zu bewerten und selbst so zu entwickeln, dass diese Lösungen mit einem Computer operationalisiert werden können. Die Modellierungs- und Problemlösungsprozesse sind dabei von einer Programmiersprache unabhängig."[8]

Computational Thinking hat besonders im englischsprachigen Raum breiten Einzug in schulpädagogische Konzepte gefunden. Ein solches stellt unter anderem der von dem Psychologie- und Informatikstudenten Enoch Hunsaker im Rahmen eines Projektes zur Entwicklung von digitalen Unterrichtsformaten verfasste Eintrag zu Computational Thinking im K-12 Educational Technology Handbook[9] dar:

  1. Decomposing – Das Zerlegen von Daten, Prozessen oder Problemen, in kleinere, überschaubare Teile
  2. Pattern Recognition – Das Erkennen von Mustern, Trends oder Regelmäßigkeiten
  3. Abstraction – Das Problem verständlicher machen, indem unnötige Details reduziert werden
  4. Algorithm(s) – Das Entwickeln und Abarbeiten einer Schritt-für-Schritt-Anleitung zur Lösung des vorliegenden Problems oder ähnlicher Probleme
  5. Evaluation/Debugging – Sicherstellen, dass die Lösung eine 'gute' Lösung ist[10]

Das Problemlösemodell des Computational Thinking lässt sich durch Abgrenzung von anderen effektiven problemlösenden Verfahren weiter profilieren, wie beispielsweise Scientific Thinking oder Design Thinking, die jeweils nach einem anderen Schema und mithilfe anderer Teilschritte zum Erfolg führen können.[11]


Woher kommt der Begriff?

Der Begriff des Computational Thinking erlangte besonders durch den gleichnamigen Artikel der Computerwissenschaftlerin Jeanette M. Wing im Jahr 2006 große Bekanntheit. In diesem spricht sie sich für eine breitere gesellschaftliche Implementierung des strategischen Denkprozesses aus, um nicht nur Informatiker_innen mit der Methode bekanntzumachen, sondern deren Vorteile auch in anderen Lebensbereichen anwenden zu können.[12] Aufbauend auf einen zu dieser Zeit besonders aktuellen Diskurs über die Notwendigkeit und die sinnvollsten Strategien zur Vermittlung informationstechnischer Kompetenzen in den USA, setzte Wing sich für eine Pädagogisierung des Computational Thinking-Ansatzes ein. Infolgedessen wurde Computational Thinking zunehmend in die Schulcurricula der USA eingeführt, gemeinsam mit anderen Initiativen zur Förderung von informationstechnischen Fähigkeiten im Schulunterricht.[13]

Während Wings Artikel allgemein als der erfolgreichste Vorstoß im Bereich Computational Thinking gilt, versuchte unter anderem Seymour Papert bereits im Jahr 1980 auf das weitreichende Potential dieser Kompetenz aufmerksam zu machen.[14] Als Erziehungswissenschaftler und Mathematiker am Massachussetts Institute of Technology sprach er sich für eine radikale Umstrukturierung des Lernprozesses an Schulen aus, der das Kind in den Mittelpunkt stellt und eine learning-by-making-Methode verwendet. Hierauf basierend entwickelte er eine konstruktivistische Programmiersprache ("LOGO"), mit der Kinder dazu in die Lage versetzt werden sollen, eigenmächtig und individuell die Schritte des Programmierens zu erlernen.[15] In seinem Buch Midstorms: Children, Computers and Powerful Ideas beschreibt Papert den Nutzen dieses konstruktivistischen Lernansatzes für die Förderung informationstechnischer Kompetenzen bei Schüler_innen und bezeichnet das Verhältnis zwischen Programmierfähigkeit und deren Einfluss auf die Denkfähigkeit der Kinder als "computational thinking"[16]. Dieses Konzept weist Ähnlichkeiten zu vorhergehenden Begriffen wie algorithmisches oder prozedurales Denken auf.[17] Paperts Begriffsprägung verlor jedoch vorrangig durch das abfallende Interesse an konstruktivistischer Theorie im bildungspolitischen Bereich ihren Einfluss.

Wings Artikel rief unter anderem wegen seiner Kürze und fehlenden wissenschaftlichen Referenzen eine Vielzahl an Kritik hervor. Der Computerwissenschaftler David Hemmendinger weist beispielsweise auf die aus seiner Sicht unberechtigte Behauptung eines innovativen Ansatzes hin: So seien die Komponenten, die Wing für Computational Thinking beschreibt, innerhalb philosophischer und mathematischer Theorien über Denkprozesse bereits lange etabliert, wie etwa die Methode der Abstraktion.[18] Peter J. Denning warnt zudem vor einer von ihm Ende der 2000er-Jahre in den USA beobachteten Tendenz, Computational Thinking mit einer Beschreibung des gesamten Feldes der Computerwissenschaften gleichzusetzen. Aus seiner Sicht verkürze dies den Diskurs über das Potenzial der Computerwissenschaften und laufe zugleich aufgrund der Popularität der Disziplin Gefahr, den Nutzen von Computational Thinking für andere Disziplinen zu idealisieren.[19]

Die weitreichende und schnelle Beschäftigung mit Computational Thinking Ende der 2000er-Jahre hat inzwischen etwas nachgelassen. Denning und Tedre warnen davor, sich auf ältere Definitionen zu beschränken: Das Verständnis von Computational Thinking sei einem stetigem Wandel unterworfen, der sich an den starken Veränderungen in der informationstechnischen Grundlage orientiert: "Advances in computing keep computational thinking in constant change."[20] Eine Anpassungsfähigkeit des Denkprozesses gegenüber neuen Erkenntnissen in der Informationstechnologie sei daher elementar wichtig.


Wonach muss ich fragen?

  • Inwiefern komme ich durch Computational Thinking zu einer effizienten Lösung eines Problems?
  • Kann das mir vorliegende Problem besser von einem Menschen oder einer Maschine gelöst werden?
  • Welche Schritte zur Problemlösung muss ich leisten, bevor ich es an eine Maschine weitergebe?
  • Wie kann Computational Thinking mir dabei helfen, effektiv mit Computersystemen zu arbeiten?
  • Ist meine Lösung zufriedenstellend und war mein Weg dorthin effizient? Welche Änderungen könnte ich vornehmen?
  • Welche Schritte muss ich möglicheweise wiederholen, um an die finale Lösung meines Problems zu gelangen?
  • In welchen Formen und Kontexten ließe sich Computational Thinking anwenden?
  • Wie kann mir Computational Thinking im Alltag behilflich sein?
  • In welchen Momenten habe ich Computational Thinking bereits angewendet, vielleicht ohne es zu bemerken?
  • Wie kann Computational Thinking im Unterricht effektiv vermittelt werden?
  • Welche Vorteile oder auch Nachteile kann Computational Thinking als Kompetenz im schulischen Kontext fächerübergreifend bieten?
  • In welcher Hinsicht bzw. unter welchen Aspekten hilft mir Computational Thinking als Kompetenz in meiner Karriere?
  • Wo kann Computational Thinking nicht erfolgreich angewandt werden?
  • Mit welchem Modell komme ich am besten/am schnellsten/am nächsten an eine gewünschte Lösung des Problems? Welche Alternativen zu CT gibt es hier? Ist Computational Thinking das passende Modell für mein Problem?


Wann ist das wichtig?

Der strategische Prozess der Modellierung und Strukturierung von Problemen, den Computational Thinking beinhaltet, wird besonders im US-amerikanischen bildungspolitischen Diskurs als universell notwendig und einsatzfähig angesehen. Es soll Individuen dabei unterstützen, Informationstechnologien als Hilfsmittel anzusehen, von deren kleinteiligen und logisch aufgebauten Arbeitsschritten praktische Rückschlüsse auf die eigene Nutzung im individuellen Alltag gezogen werden können.[21] Computational Thinking wird daher als disziplinübergreifendes Werkzeug angesehen, das besonders im schulischen Bildungsbereich[22], aber auch im alltäglichen Gebrauch Anwendung finden kann.[23]

Dieser umfassende Anspruch verortet Computational Thinking in der Nähe zu anderen Begriffen wie beispielsweise algorithmisches Denken oder 21st Century Skills.[24] Durch das Versprechen, eine Kompetenz auszubilden, die für jegliche Gesellschaftsbereiche relevant sei, wird Computational Thinking besonders als pädagogisches Konzept diskutiert. Jeanette Wing spricht sich für eine Implementierung dieser Kompetenz in die schulischen Curricula aus, da sie sich davon eine starke Förderung informationstechnischer Kompetenzen bei Kindern verspricht.[25] Demnach sollten sich Schüler_innen mit der Mensch-Maschine-Beziehung auseinandersetzen und lernen, wie menschliches Denken von Maschinen umgesetzt werden kann und wie Probleme mithilfe von CT gelöst werden können. Durch Computational Thinking können bei Schüler_innen ebenso Kreativität, der Umgang mit informatischem Denken, Einsicht in die Wirkungsweise von Algorithmen, sowie ein Verständnis für Technologie gefördert werden.[26]

Katharine McClelland und Lori Grata beleuchten in diesem Kontext näher, welche Vorteile CT in den verschiedenen Schulfächern bringen könne, und betonen dabei die gesellschaftliche Relevanz dieser Kompetenzentwicklung: "Therefore, by introducing computing ideas like computational thinking to students early, we can help children become more than just consumers of technology; they can use the tools to someday make an impact on the world."[27] Die voranschreitende Digitalisierung und Veränderungen in der Informationstechnologie geben somit den Ausschlag für eine Neuevaluation von Denkprozessen im Zusammenhang mit Problemlösungsstrategien.

Wie wird der Begriff erfasst/festgestellt?

Die empirische Erfassung von Computational Thinking wird besonders durch die Vielzahl an theoretischen und empirischen Ansätzen, denen keine einheitliche Konzeptualisierung zugrundeliegt, erschwert.[28] Die meisten Ansätze fragen dabei lediglich nach der Fähigkeit, eine Programmiersprache einzusetzen, ohne die umfassende Strategie von Computational Thinking miteinzubeziehen.

Zur Messung der Entwicklung eines Computational Thinking-Vorgangs bei der Verwendung der für Kinder und Jugendliche entwickelten Programmiersprache Scratch hat eine Forscher_innengruppe der Harvard-Universität einen Leitfaden erstellt. Ihr Ansatz besteht hierbei aus beispielbezogenen Interviews mit den Lernenden, vorgefertigten Szenarien und der dokumentierten Selbstreflexion der Lernenden.[29]

Die internationale Studie zu computer- und informationsbezogenen Kompetenzen von Schüler_innen ICILS (International Computer and Information Literacy Study) enthielt im Jahr 2018 zum ersten Mal das Testen von Computational Thinking als ein Zusatzmodul.[30] Dabei wurden CT-Kompetenzen in zwei Teilbereiche gegliedert. Der erste Teil betrifft die Konzeptualisierung von Problemen, der zweite die Operationalisierung von Lösungen. Bei den Aufgaben zum Konzipieren von Problemen werden visuelle Abbildungen von realen Situationen verwendet, und die Schüler_innen sammeln Daten, die das Planen eines Computerprogramms vereinfachen sollen. Bei der Operationalisierung von Lösungen sollen die Schüler_innen in einer einfachen visuellen Codierungsumgebung eigene Codes erstellen, testen und debuggen. Dabei werden ihnen spezielle und konfigurierbare Codeblöcke vorgegeben.[31]


Welche Bildungsprojekte gibt es dazu?

  • Die International Society for Technology in Education (ISTE) ist eine gemeinnützige Organisation, die Pädagog_innen im Einsatz und Umgang von Technologie im Unterricht unterstützt. Dabei werden unter anderem Bildungsressourcen in Form von virtuellen Coachings, Webinaren, Events, Konferenzen oder Journals angeboten, um Wissen über die Gestaltung des Unterrichts im technologischen Kontext zu vermitteln: https://www.iste.org/learn/iste-u/computational-thinking.
  • Das Exploring Computational Thinking (ECT)-Programm von Google ist eine Zusammenstellung von Unterrichtsplänen, Videomaterialien und Übungen zum Computational Thinking, um Lehrer_innen dabei zu unterstützen, Computational Thinking in die eigene Unterrichtspraxis einzuführen und zu integrieren: https://edu.google.com/resources/programs/exploring-computational-thinking/.
  • Das von Computerwissenschaftler_innen gegründete und von Konzernen wie Microsoft und Google unterstützte Projekt CS-Unplugged spricht vor allem jüngere Schüler_innen an, sich spielerisch mit Informatik und Computational Thinking auseinanderzusetzen. Das Besondere an diesem Bildungsprojekt ist, dass die angebotenen Aktivitäten nicht von Computern abhängig sind, sondern auch z.B. Aufgaben mit Karten, Bindfaden oder Wachsstiften beinhalten, sodass eine Bildungschance für Kinder ohne Computerzugang ermöglicht werden soll. Zudem soll auf diese Weise vermittelt werden, dass Informatik und Computational Thinking auch außerhalb von Softwareanwendungen und Programmierung stattfindet: https://csunplugged.org/de/.


Weiterführende Literatur

Quellenverzeichnis

  1. Wing, Jeannette M.. 2006. „Computational Thinking“. Communications of the ACM 49 (3): 33-35. Aufgerufen am 08.07.2020, https://doi.org/10.1145/1118178.1118215, S. 33.
  2. Vgl. BBC Bitesize. "Introduction to computational thinking." BBC. Aufgerufen am 01.07.2020, https://www.bbc.co.uk/bitesize/guides/zp92mp3/revision/2.
  3. Vgl. Grover, Shuchi. 2018. "The 5th 'C' of 21st Century Skills? Try Computational Thinking (Not Coding)." EdSurge (25.02.). Aufgerufen am 08.07.2020, https://www.edsurge.com/news/2018-02-25-the-5th-c-of-21st-century-skills-try-computational-thinking-not-coding.
  4. Vgl. BBC Bitesize. "Introduction to computational thinking". BBC. Aufgerufen am 01.07.2020, https://www.bbc.co.uk/bitesize/guides/zp92mp3/revision/2.
  5. Wing, Jeannette M.. 2006. „Computational Thinking“. Communications of the ACM 49 (3): 33-35. Aufgerufen am 08.07.2020, https://doi.org/10.1145/1118178.1118215, S. 34.
  6. Vgl. Wing, Jeannette M.. 2006. „Computational Thinking“. Communications of the ACM 49 (3): 33-35. Aufgerufen am 08.07.2020, https://doi.org/10.1145/1118178.1118215, S. 33.
  7. Lee, Irene et al. 2011. "Computational Thinking for Youth in Practice." ACM Inroads. 2 (1): 32-37, https://doi.org/10.1145/1929887.1929902.
  8. Eickelmann, Birgit. 2018. "Computational Thinking (internationale Zusatzoption zu IEA-ICILS 2018)." Universität Paderborn. Aufgerufen am 08.07.2020, https://kw.uni-paderborn.de/institut-fuer-erziehungswissenschaft/arbeitsbereiche/schulpaedagogik/forschung/forschungsprojekte/computational-thinking/.
  9. Hunsaker, Enoch. 2018. "Computational Thinking". In The K-12 Educational Technology Handbook, herausgegeben von Anne Ottenbreit-Leftwich und Royce Kimmons, 130-156. Aufgerufen am 07.07.2020, https://edtechbooks.org/k12handbook/computational_thinking.
  10. Hunsaker, Hunsaker, Enoch. 2018. "Computational Thinking". In The K-12 Educational Technology Handbook, herausgegeben von Anne Ottenbreit-Leftwich und Royce Kimmons, 130-156. Aufgerufen am 07.07.2020, https://edtechbooks.org/k12handbook/computational_thinking, S. 4.
  11. Vgl. Hunsaker, Enoch. 2018. "Computational Thinking". In The K-12 Educational Technology Handbook, herausgegeben von Anne Ottenbreit-Leftwich und Royce Kimmons, 130-156. Aufgerufen am 07.07.2020, https://edtechbooks.org/k12handbook/computational_thinking, S. 4.
  12. Wing, Jeannette M.. 2006. „Computational Thinking“. Communications of the ACM 49 (3): 33-35. Aufgerufen am 08.07.2020, https://doi.org/10.1145/1118178.1118215.
  13. Denning, Peter J. und Matti Tedre. 2019. Computational Thinking. Cambridge: MIT, S. 178f.
  14. Denning, Peter J. und Matti Tedre. 2019. Computational Thinking. Cambridge: MIT, S. 182f.
  15. Cansu, Sibel K. und Fatih K. Cansu. 2019. "An Overview of Computational Thinking." International Journal of Computer Science Education in Schools 3 (1): 17-30. https://doi.org/10.21585/ijcses.v3i1.53, S. 1f.
  16. Papert, Seymour. 1980. Mindstorms: children, computers, and powerful ideas. New York: Basic Books. http://dl.acm.org/citation.cfm?id=1095592, S. 182.
  17. Vgl. Tedre, Matti und Peter J. Denning. 2016. "The Long Quest for Computational Thinking." In Proceedings of the 16th Koli Calling Conference on Computing Education Research. 24.11.2016, Koli, Finnland: 120-129. Aufgerufen am 08.07.2020, https://bit.ly/3ecVM2e, S. 120.
  18. Hemmendinger, David. 2010. "A plea for modesty." ACM Inroads 1 (2): 4-7.
  19. Denning, Peter J. 2009. "The profession of IT Beyond computational thinking." Communications of the ACM 52 (6): 28-30.
  20. Denning, Peter J. und Matti Tedre. 2019. Computational Thinking. Cambridge: MIT, S. 217.
  21. Denning, Peter J. und Matti Tedre. 2019. Computational Thinking. Cambridge: MIT Press, S. 9-10.
  22. Repenning, Alexander. 2015. "Computational Thinking in der Lehrerbildung." Hasseler Stiftung. Aufgerufen am 13.07.2020, http://www.fit-in-it.ch/sites/default/files/downloads/schrift_repenning-1411-gzd_deutsch_0.pdf; Kalogiannakis, Michail und Stamatios Papadakis. 2020. Handbook of Research on Tools for Teaching Computational Thinking in P-12 Education. Hershey: IGI Global. https://doi.org/10.4018/978-1-7998-4576-8.
  23. Ein Alltagsbeispiel für eine Anwendung von Computational Thinking findet sich in folgendem Video: https://bit.ly/2BIMcXP.
  24. Vgl. Grover, Shuchi. 2018. "The 5th 'C' of 21st Century Skills? Try Computational Thinking (Not Coding)". EdSurge (25.02.). Aufgerufen am 08.07.2020, https://www.edsurge.com/news/2018-02-25-the-5th-c-of-21st-century-skills-try-computational-thinking-not-coding.
  25. Vgl. Wing, Jeannette M. 2006. „Computational Thinking“. Communications of the ACM 49 (3): 33-35. Aufgerufen am 08.07.2020, https://doi.org/10.1145/1118178.1118215, S. 33.
  26. Technik Zukunft in Bayern 4.0. Die MINT-Initiative für Kinder und Jugendliche. "Computational Thinking. Dein Denken - die Maschine - Euer Handeln." Aufgerufen am 13.07.2020, https://www.tezba.de/projekte/computational-thinking/.
  27. McClelland, Katharine und Lori Grata. 2018. "A Review of the Importance of Computational Thinking in K-12". eLmL 2018: The Tenth International Conference on Mobile, Hybrid, and Online Learning. https://bit.ly/301Ysug, S. 32.
  28. Eickelmann, Birgit et al. 2019. ICILS 2018 Deutschland. Computer- und informationsbezogene Kompetenzen von Schülerinnen und Schülern im zweiten internationalen Vergleich und Kompetenzen im Bereich Computational Thinking. Münster: Waxmann. Aufgerufen am: 08.07.2020, https://bit.ly/2ZTcm1Z, S. 378.
  29. Scratched. o.D. "Computational Thinking with Scratch Developing Fluency with Computational Concepts, Practices, and Perspectives." Aufgerufen am 13.07.2020, https://scratched.gse.harvard.edu/ct/assessing.html.
  30. Fraillon, Julian et al. 2020. Preparing for Life in a Digital World. IEA International Computer and Information Literacy Study 2018 International Report. Amsterdam: International Association for the Evaluation of Educational Achievement (IAE). https://doi.org/10.1007/978-3-030-38781-5.
  31. Fraillon, Julian et al. 2019. IEA International Computer and Information Literacy Study 2018. Assessment Framework. Amsterdam: International Association for the Evaluation of Educational Achievement (IAE), S. 45.


Die erste Version dieses Beitrags beruht auf den studentischen Arbeiten von Vanessa Radatz, Magdalena Madry und Cornelia Goralski im Rahmen des Projekts "Digitale Souveränität" am Institut für Medienrecht und Kommunikationsrecht und am Institut für Medienkultur und Theater der Universität zu Köln.

Zitiervorschlag: Glossar Digitale Souveränität. 2021. „Computational Thinking (Medienbildung).“ https://www.bigdataliteracy.net/glossar/. Zugegriffen am tt.mm.jjjj.