Perkembangan teknologi yang demikian pesat, sangat berpengaruh dalam perkembangan dunia pendidikan. Bagaimana tidak, kehidupan di abad ke-21 menuntut berbagai keterampilan yang harus dikuasai seseorang, sehingga diharapkan pendidikan dapat mempersiapkan siswa untuk menguasai berbagai keterampilan tersebut agar menjadi pribadi yang sukses dalam hidup. US-based Partnership for 21st Century Skills (P21), mengidentifikasi kompetensi yang diperlukan di abad ke-21 yaitu “The 4Cs”- communication, collaboration, critical thinking, dan creativity (Zubaidah, 2017). Kompetensi-kompetensi tersebut penting diajarkan pada siswa dalam konteks bidang studi inti dan tema abad ke-21.
Gambar 1. Kompetensi abad 21 “The 4Cs”
Namun, sebenarnya keterampilan yang harus dimiliki siswa dalam menghadapi era ini tidak hanya 4C’s saja melainkan ada keterampilan lain yang terintegrasi ke dalam 4 keterampilan tersebut, yaitu Computational Thinking (CT). Computational Thinking is a fundamental skill for the twenty-first century workforce (Repenning, Basawapatna, & Escherle, 2017). Menurut Curzon, Black et al., pemikiran komputasi adalah keterampilan abad ke-21 (Mohaghegh & McCauley, 2016).
Istilah CT pertama kali diperkenalkan oleh Seymour Papert pada tahun 1980 dan 1996. Di tahun 2014, pemerintah Inggris memasukkan materi pemrograman kedalam kurikulum sekolah dasar dan menengah, tujuannya bukan untuk mencetak pekerja software (programmer) secara massif tetapi untuk mengenalkan Computational Thinking (CT) sejak dini kepada siswa. Pemerintah Inggris percaya Computational Thinking (CT) dapat membuat siswa lebih cerdas dan membuat mereka lebih cepat memahami teknologi yang ada di sekitar mereka.
Computational thinking is a fundamental skill for everybody, not just for computer scientists. To reading, writing, and arithmetic, we should add computational thinking to every child’s analytical ability. The disciplines of mathematics and computer science are closely related. Computational thinking has always been a part of math and math education (Moursund, 2006). CT adalah keterampilan dasar bagi semua orang, tidak hanya bagi para ilmuwan komputer. Untuk membaca, menulis, dan berhitung, kita harus menambahkan pemikiran komputasi untuk menganalisis setiap kemampuan anak. Pemikiran komputasi selalu menjadi bagian dari matematika dan pendidikan matematika. Sedangkan disiplin ilmu matematika dan komputer sangat terkait.
Hampir semua disiplin ilmu sekarang telah dipengaruhi oleh pemikiran komputasi dalam beberapa cara, baik dalam sains dan humaniora. Ada banyak contoh pengaruh ini di banyak bidang - pembelajaran mesin telah mempengaruhi penerapan model grafis probabilistik di statistik, sangat meningkatkan pengenalan pola untuk set data yang diperluas (Machine Learning Department, 2008); dalam biologi, pemikiran komputasi telah maju urutan genom manusia (Fisher & Henzinger, 2007); bahkan dalam bidang-bidang seperti ekonomi, pemikiran komputasi telah memiliki pengaruh: lelang online, penempatan iklan, dan perbankan (Mohaghegh & McCauley, 2016).
Wing’s (Doleck, Bazelais, Lemay, Saxena, & Basnet, 2017) defined computational thinking
as ‘‘taking an approach to solving problems, designing systems and understanding human behavior
that draws on concepts fundamental to computing”. Pendekatan untuk memecahkan masalah,
merancang sistem, dan memahami perilaku manusia yang mengacu pada konsep dasar komputasi.
Computational thinking is the thought processes involved in formulating problems so that their solutions are represented as computational steps and algorithms that can be effectively carried out by an information-processing agent (Denning, 2019). Pemikiran komputasi adalah proses berpikir yang terlibat dalam merumuskan masalah sehingga solusi mereka direpresentasikan sebagai langkah komputasi dan algoritma yang dapat secara efektif dilakukan oleh agen pemrosesan informasi.
According to Yadav et al. computational thinking is the mental process for abstraction of
problems and the creation of automatable solutions (Cansu & Cansu, 2019). Computational thinking
adalah proses mental untuk mengabstraksi masalah dan penciptaan solusi.
Berdasarkan pendapat tersebut, CT adalah kemampuan dalam merancang sistem, merumuskan masalah, mengabstraksi masalah, dan adanya algoritma dalam penyelesaian masalah.
Adakah kaitan antara ilmu komputer dengan matematika?
Menurut Jaokar ilmu komputer mempunyai karakteristik yang sama dengan matematika, yaitu dalam hal pemecahan masalah (Mohaghegh & McCauley, 2016).
Perlukah membawa computational thinking ke dalam kelas matematika?
Dari perspektif pedagogis, penggunaan alat dan keterampilan komputasi yang bijaksana dapat memperdalam pembelajaran matematika dan konten sains (Guzdial1994; Eisenberg2002; Dewan Riset Nasional2011a, b; Redish danWilson1993; Repenning et al.2010; Sengupta et al.2013; Sherin2001; Wilensky1995; Wilensky1995; Wilensky1995; et al.2014; Wilensky dan Reisman2006). Kebalikannya juga benar — yaitu bahwa sains dan matematika memberikan konteks yang bermakna (dan serangkaian masalah) di mana pemikiran komputasi dapat diterapkan (Hambrusch dkk.2009; Jona dkk.2014; Lin dkk.2009; Lin dkk.2009; Wilensky dkk.2014 )(Weintrop et al., 2014)(Weintrop et al., 2015).
According to Wing, to reading, writing, and arithmetic, we should add computational thinking to every child’s analyticalability (Weintrop et al., 2015). Untuk membaca, menulis, dan berhitung, kita harus menambahkan pemikiran komputasi pada kemampuan analitis setiap anak.
Asosiasi Guru Ilmu Komputer (CSTA) menegaskan bahwa '' studi pemikiran komputasi memungkinkan semua siswa untuk membuat konsep, menganalisis, dan memecahkan masalah kompleks dengan lebih baik dengan memilih dan menerapkan strategi dan alat yang tepat, baik secara virtual maupun di dunia nyata '' (CSTA2011, p 9). Meskipun banyak upaya telah dilakukan untuk meningkatkan pemahaman kita tentang pemikiran komputasi, masih ada tantangan untuk diatasi, khususnya dalam hal membawa pemikiran komputasi ke sekolah. Tantangan-tantangan ini termasuk menentukan perkembangan dan kurikulum pembelajaran, menilai prestasi siswa, mempersiapkan guru, dan memastikan akses yang adil (Grover dan Pea2013) (Weintrop et al., 2016).
CT is proposed to be a powerful cognitive skill that can have a positive impact on other areas of children’s intellectual growth^ (Horn et al. 2012, p. 380); therefore, according to Wing (2006), it should be added Btggo every child’s analytical ability^ (p. 33) (Kotsopoulos et al., 2017). CT diusulkan menjadi keterampilan kognitif yang kuat yang dapat memiliki dampak positif pada bidang lain dari pertumbuhan intelektual anak-anak oleh karena itu, menurut harus ditambahkan ke kemampuan analitik setiap anak.
According to Wing’s, three Computational Thinking Process stages (Repenning et al., 2017):
1. Problem formulation (abstraction): Perumusan masalah berusaha untuk membuat konsep masalah secara verbal.
2. Solution expression (automation): Solusi perlu dinyatakan dengan cara yang tidak ambigu.
3. Execution and evaluation (analysis): mengeksekusi solusi dengan cara yang menunjukkan konsekuensi langsung dari pemikiran seseorang.
Computational thinking skills—decomposition, pattern generalization and abstraction, pattern recognition, algorithm design, data visualization (Wu & Richards, 2011). Keterampilan berpikir komputasi terdiri dari dekomposisi, pola generalisasi dan abstraksi, pengenalan pola, desain algoritma, dan visualisasi data.
According to McNicholl (Cansu & Cansu, 2019) 4 basic strategies for computational thinking:
1. Decomposition: Kemampuan memecah data, proses atau masalah (kompleks) menjadi bagian-bagian yang lebih kecil atau menjadi tugas-tugas yang mudah dikelola. Memecah masalah dari masalah yang besar ke bagian-bagain kecil yang mampu dikelola dengan lebih mudah.
2. Pattern Recognition : Kemampuan untuk melihat persamaan atau bahkan perbedaan pola, tren dan keteraturan dalam data yang nantinya akan digunakan dalam membuat prediksi dan penyajian data. Mengidentifikasi pola-pola yang serupa dan terjadi dalam sebuah masalah.
3. Abstraksi: Melakukan generalisasi dan mengidentifikasi prinsip-prinsip umum yang menghasilkan pola, tren dan keteraturan tersebut. Melakukan generalisasi terhadap pembentukan pola, melihat karakteristik dasarnya, dan menyingkirkan detail yang tidak perlu.
4. Algorithm Design: Mengembangkan petunjuk pemecahan masalah yang sama secara step-by-step, langkah demi langkah, tahapan demi tahapan sehingga orang lain dapat menggunakan langkah/informasi tersebut untuk menyelesaikan permasalahan yang sama. Membuat langkah-langkah runtut dalam menyelesaikan masalah.
Pemikiran algoritma juga dapat dianggap sebagai pemikiran strategis, atau pemrosesan langkah demi langkah. Pemikiran algoritmik dalam penyelesaian masalah secara umum dapat sangat meningkatkan efisiensi, terutama ketika berhadapan dengan masalah yang sifatnya serupa, Curzon, Black et al.(Mohaghegh & McCauley, 2016).
Gambar 2. Basic strategies for computational thinking (McNicholl, 2018: p.37)
Berdasarkan pendapat tersebut, maka strategi dasar dalam CT in math sebagai berikut:
1. Decomposition: Kemampuan memecah masalah dari masalah yang besar ke bagian-bagain kecil yang mampu dikelola dengan lebih mudah.
2. Pattern Recognition: Kemampuan mengidentifikasi pola-pola yang serupa dan terjadi dalam sebuah masalah.
3. Abstraksi: Melakukan generalisasi terhadap pembentukan pola dan melihat karakteristik dasarnya sehingga membuat masalah lebih mudah dipikirkan.
4. Algorithm Design: Membuat langkah-langkah runtut dalam menyelesaikan masalah.
Referensi
Cansu, F. K., & Cansu, S. K. (2019). An Overview of Computational Thinking. International Journal of Computer Science Education in Schools, 3(1), 17. https://doi.org/10.21585/ijcses.v3i1.53
Denning, P. J. (2019). Computational Thinking in Science. In The Best Writing on Mathematics 2018. https://doi.org/10.2307/j.ctvc775mh.8
Doleck, T., Bazelais, P., Lemay, D. J., Saxena, A., & Basnet, R. B. (2017). Algorithmic thinking, cooperativity, creativity, critical thinking, and problem solving: exploring the relationship between computational thinking skills and academic performance. Journal of Computers in Education, 4(4), 355–369. https://doi.org/10.1007/s40692-017-0090-9
Kong, S.-C., & Abelson, H. (2019). Computational Thinking Education. Retrieved from https://link.springer.com/content/pdf/10.1007/978-981-13-6528-7.pdf
Kotsopoulos, D., Floyd, L., Khan, S., Namukasa, I. K., Somanath, S., Weber, J., & Yiu, C. (2017). A Pedagogical Framework for Computational Thinking. Digital Experiences in Mathematics Education, 3(2), 154–171. https://doi.org/10.1007/s40751-017-0031-2
Mohaghegh, D., & McCauley, M. (2016). Computational thinking : the skill set of the 21st century. 7(3), 1524–1530.
Moursund, D. (2006). Computational Thinking and Math Maturity : Improving Math Education in K-8 Schools. Computer Science Education, 1–108.
Repenning, A., Basawapatna, A. R., & Escherle, N. A. (2017). Emerging Research, Practice, and Policy on Computational Thinking. Emerging Research, Practice, and Policy on Computational Thinking, 291–305. https://doi.org/10.1007/978-3-319-52691-1
Weintrop, D., Beheshti, E., Horn, M., Orton, K., Jona, K., Trouille, L., & Wilensky, U. (2014). Defining Computational Thinking for Science, Technology, Engineering, and Math. Annual Meeting of the American Educational Research Association (AERA 2014), Philadelphia, USA. https://doi.org/10.1007/s10956-015-9581-5
Weintrop, D., Beheshti, E., Horn, M., Orton, K., Jona, K., Trouille, L., & Wilensky, U. (2015). Defining Computational Thinking for Mathematics and Science Classrooms. Journal of Science Education and Technology. https://doi.org/10.1007/s10956-015-9581-5
Weintrop, D., Beheshti, E., Horn, M., Orton, K., Jona, K., Trouille, L., & Wilensky, U. (2016). Defining Computational Thinking for Mathematics and Science Classrooms. Journal of Science Education and Technology. https://doi.org/10.1007/s10956-015-9581-5
Wu, M. L., & Richards, K. (2011). Facilitating computational thinking through game design. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 6872 LNCS, 220–227. https://doi.org/10.1007/978-3-642-23456-9_39
Zubaidah, S. (2017). Keterampilan Abad Ke-21 : Keterampilan. ResearchGate.
Tidak ada komentar:
Posting Komentar