Overzichtsartikel

Computational thinking: veelzijdiger dan enkel programmeren

Digitale geletterdheid: computational thinking
  • Primair onderwijs
  • Voortgezet onderwijs
  • Computational thinking helpt leerlingen het potentieel van digitale technologie ten volle te benutten. Ook leren ze kritisch denken en ontwikkelen ze analytische vaardigheden.

    Bijdrage van Erik Barendsen (Radboud Universiteit, Open Universiteit) , Pierre Gorissen (iXperium Centre of Expertise leren met ict) , Carolien van Rens (iXperium Centre of Expertise leren met ict) , Nieske Coetsier (iXperium Centre of Expertise leren met ict) Meer informatie

    Gepubliceerd:

    Bron: Ground Picture/Shutterstock.com

    Als we computational thinking een volwaardige plek willen geven in het onderwijs, vragen drie thema's bijzondere aandacht:

    1. Leerdoelen
    2. Onderwijsaanpak en toetsing
    3. Docentprofessionalisering

    Leerdoelen

    Wat zijn de leerdoelen van onderwijs in Computational Thinking? Om dat te kunnen bepalen, moeten we eerst de vraag beantwoorden wat Computational Thinking precies is. Vervolgens bespreken we welke stappen je bij Computational Thinking zet om een probleem op te lossen. Het leren en toepassen van die stappen kunnen we zien als het doel van Computational Thinking.

    Wat is Computational Thinking?

    Bij digitale geletterdheid gaat het om veel meer dan het vermogen om technologie te gebruiken. Het gaat om actief, bewust en creatief omgaan met digitale middelen en informatiebronnen. Hier ligt de sleutel tot het slagvaardig maken (agency, empowerment) van leerlingen, zodat zij niet alleen passieve consumenten zijn van technologie, maar actieve deelnemers die kritisch kunnen nadenken en effectief kunnen handelen in een steeds digitaler wordende wereld.  

    Computational Thinking (CT) is het vermogen om problemen te analyseren, te denken in stappenplannen (algoritmen) en oplossingen te ontwerpen met behulp van concepten uit de informatica. CT vergroot het vermogen van leerlingen om situaties te begrijpen, logische stappen te nemen en creatieve oplossingen bij vraagstukken te bedenken, ongeacht het vakgebied. De term Computational Thinking werd voor het eerst gebruikt door Seymour Papert  Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books, Inc.
     die kinderen algoritmen en computerprogramma’s liet maken vanuit een constructionistische visie op onderwijs (tegenwoordig beter bekend als 'maakonderwijs'). Paperts gedachte was dat leerlingen hierdoor denkvaardigheden zouden ontwikkelen waarmee ze later beter problemen zouden kunnen oplossen. Jeannette Wing  Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215
     blies de term computational thinking nieuw leven in en omschreef CT als het oplossen van problemen, ontwerpen van systemen en begrijpen van gedrag met behulp van fundamentele concepten uit de informatica. Daarbij hoort het formuleren van problemen zodanig dat ze kunnen worden opgelost met behulp van digitale technologie  Aho, A. V. (2012). Computation and computational thinking. The Computer Journal, 55(7), 832–835. https://doi.org/10.1093/comjnl/bxs074
     Essentieel aan probleemoplossen via CT is dat het een uitvoerbare (‘executeerbare’) oplossing oplevert: iets dat je een computer (of eventueel een mens) kunt laten doen. Volgens Wing  Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215
     is CT een basisvaardigheid, niet alleen voor informatici maar voor iedereen, net als lezen, schrijven en rekenen. 

    Geraadpleegde bronnen

    Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books, Inc.
    Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215
    Aho, A. V. (2012). Computation and computational thinking. The Computer Journal, 55(7), 832–835. https://doi.org/10.1093/comjnl/bxs074
    Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215

    In de praktijk

    Stel je voor dat leerlingen in het basisonderwijs worden uitgedaagd om te bepalen welke plantensoorten op het schoolplein groeien. Ze stellen een schema op met mogelijke plantkenmerken, identificeren een aantal planten rond de school en gaan vervolgens in groepjes aan de slag om op basis van de gemaakte notities een beslisboom te maken die helpt bij het determineren van schoolpleinplanten. Als de beslisboom klaar is, gaan ze weer naar buiten om het resultaat te testen en stellen eventueel nog bij. Ten slotte verwerken de leerlingen de beslisboom tot een ontwerp voor een interactieve app. Deze app zouden leerlingen eventueel ook kunnen bouwen. Door CT op deze manier te integreren in een biologieles wordt analytisch en kritisch denken, logisch redeneren en probleemoplossend denken bevorderd.

    In het voortgezet onderwijs kunnen leerlingen werken aan een project waarbij ze gegevens analyseren over het energieverbruik in hun school. Door CT-vaardigheden toe te passen, leren ze niet alleen gegevens verzamelen en ordenen, maar ook patronen en trends herkennen in het energieverbruik. Ze kunnen hypotheses opstellen over wat deze patronen veroorzaken en de digitale data verwerken om deze toetsen. Deze opdracht geeft inzicht in belangrijke parameters en doet aanbevelingen om energie te besparen. Leerlingen die programmeren leuk vinden, kunnen als vervolgstap een interactief online dashboard bouwen. Dit scala aan leeractiviteiten benadrukt het belang van CT in het begrijpen en toepassen van gegevensanalyse voor duurzame oplossingen, wat verder reikt dan enkel programmeren.

    CT: van situatie, via denkactiviteiten naar een toepassing 

    CT is op veel verschillende manieren meer in detail gekarakteriseerd, meestal door het op te splitsen in termen van denkactiviteiten die kunnen helpen bij het oplossen van problemen, zoals  Selby, C., & Woollard, J. (2013). Computational thinking: the developing definition. University of Southampton http://eprints.soton.ac.uk/356481

    • abstractie (weglaten van onbelangrijke details, herkennen van patronen), 
    • decompositie (opsplitsen van een probleem in oplosbare deelproblemen),
    • algoritmisch denken (redeneren in termen van stapsgewijze oplossingen),
    • evaluatie (beoordelen van een oplossing),
    • generalisatie (een specifieke oplossing bruikbaar maken voor bredere situaties).

    Karakteriseren van CT in termen van zulke, vaak abstracte, cognitieve activiteiten is belangrijk voor onderzoekers, maar voor het vormgeven van CT in het onderwijs is een procesmodel vaak concreter en beter bruikbaar. In het model van Kallia en collega's  Kallia, M., Borculo, S. P., Drijvers, P., Barendsen, E., & Tolboom, J. (2021). Characterising computational thinking in mathematics education: a literature-informed Delphi study. Research in Mathematics Education, 1–29. https://doi.org/10.1080/14794802.2020.1852104
     wordt CT opgevat als verbindende schakel tussen computationele vakinhoud en een toepassingscontext, een bepaald vakgebied of domein  Barendsen, E., & Bruggink, M. (2019). Het volle potentieel van de computer leren benutten: over informatica en computational thinking. Van Twaalf tot Achttien, 29(10), 16–18. https://hdl.handle.net/2066/213908

    Geraadpleegde bronnen

    Selby, C., & Woollard, J. (2013). Computational thinking: the developing definition. University of Southampton http://eprints.soton.ac.uk/356481
    Kallia, M., Borculo, S. P., Drijvers, P., Barendsen, E., & Tolboom, J. (2021). Characterising computational thinking in mathematics education: a literature-informed Delphi study. Research in Mathematics Education, 1–29. https://doi.org/10.1080/14794802.2020.1852104
    Barendsen, E., & Bruggink, M. (2019). Het volle potentieel van de computer leren benutten: over informatica en computational thinking. Van Twaalf tot Achttien, 29(10), 16–18. https://hdl.handle.net/2066/213908
    Figuur 1: Model voor relatie tussen toepassingscontext en CT-inhoud (gebaseerd op Kallia et al., 2021)

    Het gaat erom (1) het probleem of de situatie te vertalen in termen waarmee je iets kunt met digitale technologie, zoals gegevens en processen. Vervolgens kun je (2) met bestaande applicaties of met zelfgemaakte algoritmen en programma’s een oplossing construeren, om die (3) terug te vertalen naar het vakgebied of domein. Tenslotte ga je na of het probleem voldoende is opgelost (4) en vervolgt zo nodig de stappen met een aangepaste situatie.

    In de praktijk 

    Stel dat een leerling in de biologieklas een omgeving met roofdieren, prooidieren en plantaardig voedsel wil onderzoeken met een computersimulatie, bijvoorbeeld om te verkennen onder welke omstandigheden dit tot uitsterven leidt, en wanneer er een stabiel ecosysteem ontstaat. Dat vergt:

    1. het bepalen van de essentiële biologische variabelen en onderlinge verbanden (bijvoorbeeld: wolven, schapen, gras, wie eet wat en wanneer),
    2. het inzetten van een bestaande simulatietool of het programmeren van een eigen simulatie
    3. het gebruiken van de simulatie en het verloop van de populaties onderzoeken, en ook
    4. evalueren of het geobserveerde gedrag van het ecosysteem wel biologisch correct is – zo niet, dan wordt de simulatie bijgesteld door de stappen nogmaals te doorlopen met nieuwe variabelen en verbanden.

    Overigens hoeft er geen hapklaar probleem voorhanden te zijn: ook voor het verkennen van een situatie of verschijnsel is het procesmodel bruikbaar.

    Onderwijsaanpak en toetsing

    Nu we weten wat Computational Thinking is en welke leerdoelen we ermee nastreven, kijken we hoe je het onderwijs vorm kunt geven. Je kunt verschillende stappen zetten in de toepassingen van CT, waarbij het gebruik steeds creatiever wordt. Ook kritische reflectie en transfer krijgen aandacht in CT-lessen.

    Drie verschijningsvormen van CT

    Het procesmodel laat zien dat er verschillende manieren zijn om CT te bedrijven. Vaak draait stap (1) om het kiezen van een geschikt model, zoals de beslisbomen in het planten-voorbeeld en biologische variabelen en hun afhankelijkheden voor de roofdier-prooi-simulatie. Dit is een belangrijke denkstap, die meestal zonder computer (unplugged) wordt uitgevoerd  Nijenhuis-Voogt, J., Bayram-Jacobs, D., Meijer, P., & Barendsen, E. (2022a). Recognizing algorithmic concepts in new contexts: An analysis of students’ reasoning. Informatics in Education, 21(3), 541-568. https://doi.org/10.15388/infedu.2022.16
     Ook in stap (2) is digitale technologie niet altijd nodig, bijvoorbeeld bij het ontwerpen van een algoritme, procedure of applicatie  Peel, A., Sadler, T. D., & Friedrichsen, P. (2022). Algorithmic Explanations: an Unplugged Instructional Approach to Integrate Science and Computational Thinking. Journal of Science Education and Technology, 31(4), 428–441. Retrieved from https://doi.org/10.1007/s10956-022-09965-0
     Hierboven zagen we al dat ook bij de inzet van digitale technologie verschillende mogelijkheden zijn, van slim gebruiken en combineren van bestaande digitale gereedschappen tot zelf maken (programmeren) van zulke tools.

    CT komt goed tot zijn recht als de drie opties (a) unplugged, (b) met behulp van bestaande digitale tools, en (c) zelf maken en programmeren, evenwichtig aan bod komen. Afhankelijk van de vakinhoud en de situatie in de context kan voor één van deze benaderingen worden gekozen. Ook een combinatie kan vruchtbaar zijn. Zo pleiten Bell en Vahrenhold  Bell, T., & Vahrenhold, J. (2018b). CS Unplugged—How is it used, and does it work? In Lecture Notes in Computer Science (pp. 497–521). https://doi.org/10.1007/978-3-319-98355-4_29
     ervoor om programmeren en unplugged methodes te combineren en te kiezen voor de aanpak die in een gegeven situatie het meest effectief is.

    Unplugged activiteiten kunnen effectief zijn, met name als het gaat om grip krijgen op de concepten van CT  Huang, W., & Looi, C.-K. (2021). A critical review of literature on “unplugged” pedagogies in K-12 computer science and computational thinking education. Computer Science Education, 31(1), 83–111. https://doi.org/10.1080/08993408.2020.1789411
      Munasinghe, B., Bell, T., & Robins, A. (2023). Unplugged activities as a catalyst when teaching introductory programming. Journal of Pedagogical Research, 2. https://doi.org/10.33902/JPR.202318546
     Zelfs als het uiteindelijke doel ‘zelf programmeren’ is, leidt het starten met unplugged leeractiviteiten tot een dieper conceptueel begrip  Hermans, F., & Aivaloglou, E. (2017). A controlled experiment comparing plugged first and unplugged first programming lessons. In P. Hubwieser, & E. Barendsen (Eds.), WiPSCE 2017 - Proceedings of the 12th Workshop in Primary and Secondary Computing Education (pp. 49-56). (ACM International Conference Proceeding Series). Association for Computing Machinery. https://doi.org/10.1145/3137065.3137072
     Leerlingen kunnen bijvoorbeeld ‘unplugged programmeren’ door medeleerlingen taken te laten uitvoeren aan de hand van een set van programmeerregels  Sung, W., Ahn, J., & Black, J. B. (2017). Introducing computational thinking to young learners: practicing computational perspectives through embodiment in mathematics education. Technology, Knowledge and Learning, 22(3), 443–463. https://doi.org/10.1007/s10758-017-9328-x

    Een vloeiende overgang van unplugged naar programmeren helpt leerlingen om te doorgronden hoe een computer werkt en past bij het principe van aanbod in  In de zone van naaste ontwikkeling ontwikkelen leerlingen zich doordat zij worden uitgedaagd dingen te leren die net buiten datgene liggen dat zij al kunnen en weten (Vygotsky, 1978).
     Als leerlingen nagenoeg geen ervaring hebben met programmeren, bijvoorbeeld in het basisonderwijs, dan ligt het voor de hand om Block-based programmeertalen te gebruiken zoals Scratch en Minecraft  Wang, C., Shen, J., & Chao, J. (2022). Integrating Computational Thinking in STEM Education: A Literature Review. International Journal of Science and Mathematics Education, 20(8), 1949–1972. https://doi.org/10.1007/s10763-021-10227-5
     Leerlingen werken daarmee in laagdrempelige programmeeromgevingen waarmee je programma's kunt maken door visuele bouwstenen (blokken) samen te voegen. In plaats van tekst te typen, sleep je deze kleurrijke blokken in een bepaalde volgorde om instructies voor de computer te creëren. Het is een vriendelijke manier voor beginners, vooral kinderen, om te leren programmeren zonder te hoeven leren coderen in een programmeertaal. Het is alsof je digitale puzzelstukjes gebruikt om je eigen interactieve verhalen, spellen en animaties te maken, en tegelijkertijd leer je de basisprincipes van logica en probleemoplossing. In een verder stadium kunnen leerlingen leren hoe je scripts schrijft, bijvoorbeeld bij Code Combat.

    Leren door te maken

    CT-lessen zijn vaak gebaseerd op het zogenoemde constructionisme waarbij het draait om ‘leren door te maken’. Maar ook op het constructivisme waar ‘leren gebeurt in interactie met de omgeving waarbij nieuwe informatie opgenomen wordt in bestaande kaders’. Daarnaast gaan deze lessen vaak uit van het principe van de zone van naaste ontwikkeling ‘het gebied wat een leerling kan gaan beheersen met behulp van anderen’  Kampylis P., Dagienė V., Bocconi S., Chioccariello A., Engelhardt K., Stupurienė G., Masiulionytė-Dagienė, V., Jasutė E., Malagoli C., Horvath M., & Earp J. (2023). Integrating computational thinking into primary and lower secondary education: A systematic review. Educational Technology & Society, 26(2). https://doi.org/10.30191/ETS.202304_26(2).0008
     Om leerlingen te helpen CT-vaardigheden te ontwikkelen, kunnen leraren gebruik maken van een aantal didactische werkvormen  Lye, S. Y., & Koh, J. H. L. (2014). Review on teaching and learning of computational thinking through programming: What is next for K-12? Computers in Human Behavior, 41, 51–61. https://doi.org/10.1016/j.chb.2014.09.012
     Kotsopoulos en collega's  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
     stellen daarbij een vierdeling gebaseerd op constructionisme  Papert S., & Harel, I. (1990). Situating constructionism. In: Harel (Ed.),* Constructionist learning.* MIT Media Laboratory http://www.papert.org/articles/SituatingConstructionism.html
     en de zone van naaste ontwikkeling  Vygotsky, L. (1978). Mind in Society: Development of Higher Psychological Processes. Harvard University Press. http://books.google.nl/books/about/MIND_IN_SOCIETY.html?hl=nl&id=u2PP6b0ddtoC
     en die ook binnen maakonderwijs gebruikt wordt: 

    • Unplugged; dit zijn activiteiten waarbij geen ict gebruikt wordt;
    • Tinkering (“knutselen”); bestaande (digitale of fysieke) objecten aanpassen;
    • Maken; nieuwe objecten maken;
    • Remixen; objecten combineren tot nieuwe objecten. 

     Teague en Lister  Teague, D., & Lister, R. (2014). Programming: Reading, writing and reversing. In Proceedings of the 2014 conference on innovation & technology in computer science education (pp. 285–290). https://doi.org/10.1145/2591708.2591712
     ontwikkelden een raamwerk dat de ontwikkeling van leerlingen als ontwerper van algoritmen en programma’s verheldert. Het raamwerk gaat uit van een duidelijke volgordelijkheid. Om een ontwerper te kunnen worden is het belangrijk dat je eerst leert hoe je een programma kunt lezen en het stap voor stap kunt uitvoeren. Daarna moet je ook het programma zo goed begrijpen dat je de bedoeling ervan aan anderen kunt uitleggen. En pas in deze fase is het mogelijk om als ontwerper zelf algoritmen en programma's te maken  Teague, D., & Lister, R. (2014). Programming: Reading, writing and reversing. In Proceedings of the 2014 conference on innovation & technology in computer science education (pp. 285–290). https://doi.org/10.1145/2591708.2591712
      Lister, R. (2016). Toward a developmental epistemology of computer programming. In Proceedings of the 11th workshop in primary and secondary computing education (pp. 5–16). https://doi.org/10.1145/2978249.2978251

    Dit inzicht vinden we terug in het veelgebruikte Use, Modify en Create (UMC) principe van Lee en collega's  Lee, I., Martin, F., Denner, J., Coulter, B., Allan, W., Erickson, J., Malyn-Smith, J., & Werner, L. (2011). Computational thinking for youth in practice.* ACM Inroads, 2*(1), 32–37. https://doi.org/10.1145/1929887.1929902
     waarbij leerlingen eerst gebruiker zijn van objecten en deze onderzoeken, ze daarna aanpassen en tenslotte zelf objecten maken (zie Figuur 2). Dit wordt concreet uitgewerkt in de werkvorm PRIMM, die de nadruk legt op een gestructureerde aanpak waarbij leerlingen beginnen met het voorspellen van mogelijke uitkomsten van een probleem (Predict). Vervolgens voeren ze experimenten uit (Run), onderzoeken ze de resultaten (Investigate), passen ze wijzigingen toe op basis van hun bevindingen (Modify), en creëren ze iets nieuws (Make). PRIMM biedt een diep inzicht in het denkproces en de stappen die leerlingen nemen bij het werken aan computationele problemen  Sentance, S., Waite, J., & Kallia, M. (2019). Teaching computer programming with PRIMM: A sociocultural perspective. Computer Science Education, 29(2-3), 136-176. https://doi.org/10.1080/08993408.2019.1608781
     In het onderwijs kunnen leraren kiezen welke UMC-werkvorm het beste past bij hun lesdoelen en de behoeften van hun leerlingen. Het UMC-principe kan worden aangepast aan de context van de les en de vaardigheidsniveaus van de leerlingen.

    Geraadpleegde bronnen

    Nijenhuis-Voogt, J., Bayram-Jacobs, D., Meijer, P., & Barendsen, E. (2022a). Recognizing algorithmic concepts in new contexts: An analysis of students’ reasoning. Informatics in Education, 21(3), 541-568. https://doi.org/10.15388/infedu.2022.16
    Peel, A., Sadler, T. D., & Friedrichsen, P. (2022). Algorithmic Explanations: an Unplugged Instructional Approach to Integrate Science and Computational Thinking. Journal of Science Education and Technology, 31(4), 428–441. Retrieved from https://doi.org/10.1007/s10956-022-09965-0
    Bell, T., & Vahrenhold, J. (2018b). CS Unplugged—How is it used, and does it work? In Lecture Notes in Computer Science (pp. 497–521). https://doi.org/10.1007/978-3-319-98355-4_29
    Huang, W., & Looi, C.-K. (2021). A critical review of literature on “unplugged” pedagogies in K-12 computer science and computational thinking education. Computer Science Education, 31(1), 83–111. https://doi.org/10.1080/08993408.2020.1789411
    Munasinghe, B., Bell, T., & Robins, A. (2023). Unplugged activities as a catalyst when teaching introductory programming. Journal of Pedagogical Research, 2. https://doi.org/10.33902/JPR.202318546
    Hermans, F., & Aivaloglou, E. (2017). A controlled experiment comparing plugged first and unplugged first programming lessons. In P. Hubwieser, & E. Barendsen (Eds.), WiPSCE 2017 - Proceedings of the 12th Workshop in Primary and Secondary Computing Education (pp. 49-56). (ACM International Conference Proceeding Series). Association for Computing Machinery. https://doi.org/10.1145/3137065.3137072
    Sung, W., Ahn, J., & Black, J. B. (2017). Introducing computational thinking to young learners: practicing computational perspectives through embodiment in mathematics education. Technology, Knowledge and Learning, 22(3), 443–463. https://doi.org/10.1007/s10758-017-9328-x
    In de zone van naaste ontwikkeling ontwikkelen leerlingen zich doordat zij worden uitgedaagd dingen te leren die net buiten datgene liggen dat zij al kunnen en weten (Vygotsky, 1978).
    Wang, C., Shen, J., & Chao, J. (2022). Integrating Computational Thinking in STEM Education: A Literature Review. International Journal of Science and Mathematics Education, 20(8), 1949–1972. https://doi.org/10.1007/s10763-021-10227-5
    Kampylis P., Dagienė V., Bocconi S., Chioccariello A., Engelhardt K., Stupurienė G., Masiulionytė-Dagienė, V., Jasutė E., Malagoli C., Horvath M., & Earp J. (2023). Integrating computational thinking into primary and lower secondary education: A systematic review. Educational Technology & Society, 26(2). https://doi.org/10.30191/ETS.202304_26(2).0008
    Lye, S. Y., & Koh, J. H. L. (2014). Review on teaching and learning of computational thinking through programming: What is next for K-12? Computers in Human Behavior, 41, 51–61. https://doi.org/10.1016/j.chb.2014.09.012
    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
    Papert S., & Harel, I. (1990). Situating constructionism. In: Harel (Ed.),* Constructionist learning.* MIT Media Laboratory http://www.papert.org/articles/SituatingConstructionism.html
    Vygotsky, L. (1978). Mind in Society: Development of Higher Psychological Processes. Harvard University Press. http://books.google.nl/books/about/MIND_IN_SOCIETY.html?hl=nl&id=u2PP6b0ddtoC
    Teague, D., & Lister, R. (2014). Programming: Reading, writing and reversing. In Proceedings of the 2014 conference on innovation & technology in computer science education (pp. 285–290). https://doi.org/10.1145/2591708.2591712
    Teague, D., & Lister, R. (2014). Programming: Reading, writing and reversing. In Proceedings of the 2014 conference on innovation & technology in computer science education (pp. 285–290). https://doi.org/10.1145/2591708.2591712
    Lister, R. (2016). Toward a developmental epistemology of computer programming. In Proceedings of the 11th workshop in primary and secondary computing education (pp. 5–16). https://doi.org/10.1145/2978249.2978251
    Lee, I., Martin, F., Denner, J., Coulter, B., Allan, W., Erickson, J., Malyn-Smith, J., & Werner, L. (2011). Computational thinking for youth in practice.* ACM Inroads, 2*(1), 32–37. https://doi.org/10.1145/1929887.1929902
    Sentance, S., Waite, J., & Kallia, M. (2019). Teaching computer programming with PRIMM: A sociocultural perspective. Computer Science Education, 29(2-3), 136-176. https://doi.org/10.1080/08993408.2019.1608781
    Figuur 2 Use-modify-create principe (overgenomen uit Lee et al., 2011)

    In gedocumenteerde onderwijsaanpakken komen veel elementen voor van gamificatie, modellering en simulatie, probleemgestuurd onderwijs, project gestuurd onderwijs, begeleidingsgestuurd onderwijs (scaffolding) en samenwerkend leren  Tikva, C., & Tambouris, E. (2021). Mapping computational thinking through programming in K-12 education: A conceptual model based on a systematic literature Review. Computers & Education, 162, 104083. https://doi.org/10.1016/j.compedu.2020.104083
      Hsu, T.-C., Change, S.-C., & Hun, Y.-T. (2018). How to learn and how to teach computationalthinking: Suggestions based on a review of the literature. Computers & Education, 126, 296–310. https://doi.org/10.1016/j.compedu.2018.07.004
    Yeni, S., Grgurina, N., Saeli, M., Hermans, F., Tolboom, J., & Barendsen, E. (2023). Interdisciplinary integration of computational thinking in K-12 education: A systematic review. Informatics in Education. https://doi.org/10.15388/infedu.2024.08
     Zo zijn er voorbeelden van leerlingen die in groepjes een game maken rondom klimaatverandering, leerlingen die een robot bouwen en taken programmeren met programmeerbare Lego en leerlingen die een model ontwikkelen door met Scratch de vrije val van een basketbal te simuleren  Wang, C., Shen, J., & Chao, J. (2022). Integrating Computational Thinking in STEM Education: A Literature Review. International Journal of Science and Mathematics Education, 20(8), 1949–1972. https://doi.org/10.1007/s10763-021-10227-5

    De beschreven didactische benaderingen hebben mogelijk een verschillende invloed op de mate waarin het leerlingen helpt om concepten, vaardigheden, ervaringen, perspectieven en attitudes te ontwikkelen. Het is nog niet uitgekristalliseerd welke combinatie van aanpakken het meest effect heeft bij welke vorm van leerresultaat. 

    Laat leerlingen kritisch reflecteren in CT-lessen

    Reflecteren is een belangrijk onderdeel om CT-vaardigheden te ontwikkelen en de kans op transfer te vergroten  He, Z., Wu, X., Wang, Q., & Huang, C. (2021). Developing eight-grade students’ computational thinking with critical reflection. Sustainability, 13. https://doi.org/10.3390/su132011192
    Zowel reflecteren op het eigen proces en product, en reflecteren op het product van een medeleerling blijken effectief in het ontwikkelen van CT-vaardigheden  Lye, S. Y., & Koh, J. H. L. (2014). Review on teaching and learning of computational thinking through programming: What is next for K-12? Computers in Human Behavior, 41, 51–61. https://doi.org/10.1016/j.chb.2014.09.012
     Het is dan wel belangrijk dat de reflectie geen invuloefening is die resulteert in een procesbeschrijving. Voor een kritische reflectie is het belangrijk dat leerlingen gezamenlijk kijken naar hun ervaringen, onderdelen daarvan samenvoegen en een nieuwe manier bedenken om naar het probleem te kijken. Het is als een puzzel waarbij ze de stukjes opnieuw rangschikken om een nieuw plaatje te zien. Grofweg bestaat een kritische reflectie uit drie stappen: (1) echt begrijpen van je eigen proces om het probleem op te lossen, (2) inzien hoe anderen naar het proces kunnen kijken en (3) bedenken hoe je deze ervaring kunt gebruiken in andere situaties.

    Voorbeeldvragen voor een reflectie zijn  Atmatzidou, S., & Demetriadis, S. (2016). Advancing students’ computational thinking skills through educational Robotics: A study on age and gender relevant differences. Robotics and Autonomous Systems, 75, 661–670. https://doi.org/10.1016/j.robot.2015.10.008

    • ‘Ben je onderdelen van de gemaakte programmeercode al eerder tegengekomen?’
    • ‘Welke programmeercode heb je zelf gemaakt?’
    • ‘Denk je dat je de gemaakte programmeercode in een andere situatie kunt gebruiken?’

    Ook in het geval van unplugged activiteiten is reflectie door leerlingen op het eigen product of dat van medeleerlingen vruchtbaar  Nijenhuis-Voogt, J., Yeni, S., & Barendsen, E. (2022b). Integrating CT into Biology: Using Decision Tree Models to Classify Cell Types. CTE-STEM 2022 Conference. https://doi.org/10.34641/ctestem.2022.460

    SAMR-model kan helpen om CT een plek te geven in de les 

    Om na te denken hoe CT een plek kan krijgen in het curriculum, is het SAMR-model  Puentedura, R. (2010). SAMR and TPCK: Intro to advanced practice. http://hippasus.com/resources/sweden2010/SAMR_TPCK_IntroToAdvancedPractice.pdf
     een bruikbaar kader. Vanuit de context van de les (zie figuur 1) kan een leraar nadenken hoe CT in de lesinhoud te integreren is (zie figuur 3). Hoewel het SAMR-model in het onderwijs voornamelijk wordt gebruikt om de integratie van technologie vorm te geven, is het te gebruiken voor alle vormen van CT-activiteiten. In het model worden vier niveaus van integratie onderscheiden, beginnend bij de basis (substitutie):

    • Substitutie (Substitution): CT-activiteit wordt gebruikt als vervanging van andere methoden, zonder functionele verandering; 
    • Uitbreiding (Augmentation): CT-activiteit wordt gebruikt als vervanging, met een functionele verbetering;
    • Modificatie (Modification): CT-activiteit maakt een andere aanpak mogelijk;
    • Herdefinitie (Redefinition): CT-activiteit maakt uitvoering mogelijk van nieuwe taken die voorheen ondenkbaar waren. 

    Geraadpleegde bronnen

    Tikva, C., & Tambouris, E. (2021). Mapping computational thinking through programming in K-12 education: A conceptual model based on a systematic literature Review. Computers & Education, 162, 104083. https://doi.org/10.1016/j.compedu.2020.104083
    Hsu, T.-C., Change, S.-C., & Hun, Y.-T. (2018). How to learn and how to teach computationalthinking: Suggestions based on a review of the literature. Computers & Education, 126, 296–310. https://doi.org/10.1016/j.compedu.2018.07.004
    Yeni, S., Grgurina, N., Saeli, M., Hermans, F., Tolboom, J., & Barendsen, E. (2023). Interdisciplinary integration of computational thinking in K-12 education: A systematic review. Informatics in Education. https://doi.org/10.15388/infedu.2024.08
    Wang, C., Shen, J., & Chao, J. (2022). Integrating Computational Thinking in STEM Education: A Literature Review. International Journal of Science and Mathematics Education, 20(8), 1949–1972. https://doi.org/10.1007/s10763-021-10227-5
    He, Z., Wu, X., Wang, Q., & Huang, C. (2021). Developing eight-grade students’ computational thinking with critical reflection. Sustainability, 13. https://doi.org/10.3390/su132011192
    Lye, S. Y., & Koh, J. H. L. (2014). Review on teaching and learning of computational thinking through programming: What is next for K-12? Computers in Human Behavior, 41, 51–61. https://doi.org/10.1016/j.chb.2014.09.012
    Atmatzidou, S., & Demetriadis, S. (2016). Advancing students’ computational thinking skills through educational Robotics: A study on age and gender relevant differences. Robotics and Autonomous Systems, 75, 661–670. https://doi.org/10.1016/j.robot.2015.10.008
    Nijenhuis-Voogt, J., Yeni, S., & Barendsen, E. (2022b). Integrating CT into Biology: Using Decision Tree Models to Classify Cell Types. CTE-STEM 2022 Conference. https://doi.org/10.34641/ctestem.2022.460
    Puentedura, R. (2010). SAMR and TPCK: Intro to advanced practice. http://hippasus.com/resources/sweden2010/SAMR_TPCK_IntroToAdvancedPractice.pdf
    Figuur 3 SAMR-model (Overgenomen uit Puentedura, 2010).

    Leerlingen kunnen CT gebruiken voor handelingen die ze voorheen zonder computer deden, zoals het uitvoeren van eenvoudige berekeningen of het tekenen van een grafiek (substitutie). Interessanter wordt het waar gebruik van CT de manier van werken en denken in een vakgebied essentieel verandert (transformeert). Dit kan unplugged waarbij leerlingen complexe concepten door CT op een nieuwe manier doorgronden  Nijenhuis-Voogt, J., Yeni, S., & Barendsen, E. (2022b). Integrating CT into Biology: Using Decision Tree Models to Classify Cell Types. CTE-STEM 2022 Conference. https://doi.org/10.34641/ctestem.2022.460
     Peel et al., 2022). Daarnaast ontstaan door de toepassing van digitale technologie mogelijkheden die vroeger ondenkbaar zouden zijn. Zo geven interactieve 3D-modellen en online simulaties leerlingen directe feedback bij experimenten. Ook is het mogelijk historische bronnen en literatuur digitaal te analyseren,  ook wel digital humanities genoemd. Daarnaast kunnen symbolische rekentools in wiskunde, bekend als 'computeralgebra', worden toegepast. Op deze manier werkt CT als verrijking van bestaande leergebieden. De meeste CT-leeractiviteiten zoals beschreven in de literatuur bevinden zich momenteel op het niveau van Substitutie en Uitbreiding  Yeni, S., Grgurina, N., Saeli, M., Hermans, F., Tolboom, J., & Barendsen, E. (2023).  Interdisciplinary integration of computational thinking in K-12 education: A systematic review. Informatics in Education. https://doi.org/10.15388/infedu.2024.08

    Transfer van CT-vaardigheden naar andere contexten

    Het ontwikkelen van CT heeft als doel dat leerlingen deze vaardigheden kunnen toepassen in (iets) andere contexten dan waarin ze zijn aangeleerd (zie procesmodel figuur 1).

    Papert Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books, Inc. http://ci.nii.ac.jp/ncid/BA04917065
     ging ervan uit dat leren programmeren er vanzelf voor zorgt dat leerlingen de opgedane kennis en vaardigheden kunnen gebruiken in uiteenlopende contexten. Resultaten van later onderzoek (zie bijvoorbeeld  Voogt, J., Fisser, P., Good, J., Mishra, P., & Yadav, A. (2015). Computational thinking in compulsory education: Towards an agenda for research and practice. Education and Information Technologies, 20(4), 715–728. https://doi.org/10.1007/s10639-015-9412-6
    ) naar deze vermeende transfer zijn echter niet gelijk van inhoud: in het ene geval lijkt transfer op te treden, in het andere geval niet. Dat komt waarschijnlijk doordat het ene onderzoek (onbewust) vooral kijkt of er low-road transfer optreedt terwijl een ander onderzoek vooral kijkt of er bij leerlingen sprake is van high-road transfer.

    Bij low-road transfer kunnen leerlingen vaardigheden toepassen in identiek geformuleerde situaties, namelijk door simpelweg te herhalen wat ze elders hebben geleerd  Kershaw, T. C., Flynn, C. K., & Gordon, L. T. (2013). Multiple paths to transfer and constraint relaxation in insight problem solving. Thinking & Reasoning, 19(1), 96–136. https://doi.org/10.1080/13546783.2012.742852
      Curzon, P. (2015). Computational thinking: Puzzling tours. Computer science for fun, CS4FN, London. http://www.cs4fn.org/graphs/puzzlingtours.
     Daarbij is dus geen diepgaand begrip van de onderliggende concepten nodig. In tegenstelling hiermee vereist high-road transfer dat leerlingen de vaardigheden kunnen toepassen in andersoortige (echt nieuwe) situaties doordat ze de belangrijke concepten doorgronden en kunnen herkennen  Perkins, D. N., & Salomon, G. (1989). Are cognitive skills context-bound? Educational researcher, 18(1), 16–25. https://doi.org/10.3102/0013189x018001016
    Daarvoor is patroonherkenning  Muller, O., & Haberman, B. (2008). Supporting abstraction processes in problem solving through pattern-oriented instruction. Computer Science Education, 18(3), 187 - 212.   https://doi.org/10.1080/08993400802332548
     en abstractie  Izu, C., Schulte, C., Agrawal, A., Cotts, Q., Duran, R., Gutach, M., Heinemann, B., Kraemer, E., Donati, V., Mierlo, C., Weleda, R. (2019). Fostering program comprehension in novice programmers - Learning activities and learning trajectories. In: Proceedings of the Working Group Reports on Innovation and Technology in Computer Science Education (Tics-WGR ’19). Tics-WGR ’19. Association for Computing Machinery, pp. 27–52.  https://doi.org/10.1145/3344429.3372501
     nodig.

    Een voorbeeld van een high-road transferdoel dat je als leraar kunt nastreven is de 'probleemoplos-transfer', waarbij leerlingen eerder geleerde oplossingen aanpassen voor nieuwe problemen door deze te relateren aan eerdere situaties  Bassok, M. (2003). Analogical transfer in problem solving. In: Davidson, J.E., Sternberg, R.J. (Eds.), The psychology of problem solving. Cambridge University Press. https://doi.org/10.1017/CBO9780511615771.012
    . Case based reasoning is een methode om verbanden tussen problemen te ontdekken en zo de probleemoplos-transfer te verhogen  Kolodner, J.L. (1993). Case-based reasoning. Morgan Kaufmann.
     Bij deze methode leert de leerling een nieuwe situatie te relateren aan een eerder opgelost probleem aan de hand van de stappen: kennisopbouw, herkenning van overeenkomsten, aanpassing en toepassing en ten slotte reflecteren en leren. Het leren van computationele concepten in verschillende contexten zou kansrijker zijn dan geïsoleerd programmeeronderwijs. Dit kan voorkomen dat nieuwe kennis te sterk aan een specifieke context wordt gekoppeld, waardoor vooral low-road transfer wordt gestimuleerd en high-road transfer belemmerd  Voogt, J., Fisser, P., Good, J., Mishra, P., & Yadav, A. (2015). Computational thinking in compulsory education: Towards an agenda for research and practice. Education and Information Technologies, 20(4), 715–728. https://doi.org/10.1007/s10639-015-9412-6
     Beperking tot één specifieke context zou ertoe kunnen leiden dat nieuwe kennis onlosmakelijk aan die context wordt verbonden en transfer wordt belemmerd  Guzdial, M. (2010). Does contextualized computing education help? ACM Inroads, 1(4), 4–6. https://doi.org/10.1145/1869746.1869747

    Integreer CT in uiteenlopende vakken voor het bevorderen van transfer

    Voor de ontwikkeling van CT is het van belang dat leerlingen kunnen oefenen met abstractie, decompositie, algoritmisch denken, evaluatie en generalisatie. Bij de focus op CT als leeropbrengst kan dit in de bovenbouw van het voortgezet onderwijs aan bod komen in het vak informatica  Sukirman, S., Ibharim, L. F. M., Said, C. S., & Murtiyasa, B. (2022). A Strategy of Learning computational thinking through game based in virtual reality: Systematic review and conceptual framework. Informatics in Education, 21 (1). 179-200https://doi.org/10.15388/infedu.2022.07
    of een les digitale geletterdheid in het basisonderwijs. Voor de high-road transfer is het belangrijk om CT ook aan bod te laten komen in verschillende andere vakken. In beginsel is elk vak geschikt om CT mee te combineren, maar in de praktijk komt het tot nu toe het vaakst voor bij vakken zoals rekenen/wiskunde, natuur, biologie, muziek en taalonderwijs  Hsu, T.-C., Change, S.-C., & Hun, Y.-T. (2018). How to learn and how to teach computationalthinking: Suggestions based on a review of the literature. Computers & Education, 126, 296–310. https://doi.org/10.1016/j.compedu.2018.07.004
    Yeni, S., Grgurina, N., Saeli, M., Hermans, F., Tolboom, J., & Barendsen, E. (2023).  Interdisciplinary integration of computational thinking in K-12 education: A systematic review. Informatics in Education. https://doi.org/10.15388/infedu.2024.08
     Hierbij is de ontwikkeling van CT-vaardigheden een onderdeel van de leeropbrengst, samen met leeropbrengsten gerelateerd aan de oorspronkelijke vakinhoud. 

    Combineer verschillende toetsen om een totaalbeeld te krijgen van CT

    Traditionele toetsen zijn vaak gericht op onthouden, begrijpen en soms toepassen van geleerde concepten volgens de taxonomie van Bloom  Krathwohl, D. R. (2002). A revision of Bloom’s Taxonomy: An Overview. Theory Into Practice, 41(4), 212–218. https://doi.org/10.1207/s15430421tip4104_2
     CT vereist dat je bestaande oplossingen kunt toepassen, analyseren, evalueren en vooral nieuwe oplossingen kunt creëren. Daarom is er behoefte om subtieler onderscheid te maken in niveaus binnen ‘creëren’.  Hiervoor is de SOLO-taxonomie  Biggs, J. B., & Collis, K. F. (1982). Evaluating the quality of learning: The SOLO taxonomy (structure of the observed learning outcome). Academic Press. https://ci.nii.ac.jp/ncid/BA03947242
     bruikbaar. SOLO-niveaus variëren van prestructureel (de leerling begrijpt niet veel over hoe een programma werkt), via multistructureel (de leerling kan eenvoudige oplossingen combineren maar begrijpt niet goed hoe ze samenwerken) tot en met uitgebreid abstract (de leerling kan complexe problemen oplossen en begrijpt grotere, algemenere concepten). De SOLO-niveaus kunnen worden toegepast bij algoritmisch ontwerp en programmeren  Ginat, D., & Menashe, E. (2015). Solo taxonomy for assessing novices’ algorithmic design. In Proceedings of the 46th acme technical symposium on computer science education (pp. 452–457). ACM. http://doi.acm.org/10.1145/2676723.2677311
      Meerbaum-Salant, O., Armoni, M., & Ben-Ari, M. (2013). Learning computer science concepts with Scratch. Computer Science Education, 23(3), 239 –264. https://doi.org/10.1080/08993408.2013.832022

    Omdat er zo veel verschillende aspecten aan de verschillende vaardigheidsniveaus hangen is het niet mogelijk om deze in één enkele toets in kaart te brengen. Een combinatie is nodig om waardevolle informatie te verzamelen over de effectiviteit van de lessen (bijvoorbeeld: op welke vaardigheden is er wel/geen ontwikkeling te zien en is er sprake van transfer?). Bij deze aspecten gaat het om diagnostische, formatieve en summatieve toetsen, en data-mining toetsen (directe registratie van activiteiten van leerlingen) die een beeld geven van de bekwaamheden van een leerling. Aangezien een eigen inschatting van de vaardigheid en attitudes over CT en gerelateerde onderwerpen zoals computers, programmeren en digitale geletterdheid van invloed zijn op de ontwikkeling van CT is het belangrijk om dit ook in beeld te krijgen.

    Ten slotte is het, gezien het eerdergenoemde transferprobleem, ook van belang om een periode na de lessen te toetsen in hoeverre leerlingen in staat zijn om hun CT-vaardigheden toe te passen in verschillende soorten problemen, contexten en situaties  Román-González, M., Moreno-León, J., & Robles, G. (2019). Combining assessment tools for a comprehensive evaluation of computational thinking interventions. In Kong, S-C. and Abelson, H., Computation Thinking Education (pp. 79-99) Springer Open. https://doi.org/10.1007/978-981-13-6528-7_6
     Voor het ophalen van al deze informatie is een mix aan instrumenten te overwegen, zoals vragenlijsten, tests/taken, zelfbeoordeling, observaties, interviews met reflectievragen en een analyse van producten  Babazadeh, M., & Negroni, L. (2022). How is computational thinking assessed in European K-12 education? A systematic review. International Journal of Computer Science Education in Schools, 5(4), 3–19. https://doi.org/10.21585/ijcses.v5i4.138
      Tikva, C., & Tambouris, E. (2021). Mapping computational thinking through programming in K-12 education: A conceptual model based on a systematic literature Review. Computers & Education, 162. https://doi.org/10.1016/j.compedu.2020.104083
      Yeni, S., Grgurina, N., Saeli, M., Hermans, F., Tolboom, J., & Barendsen, E. (2023).  Interdisciplinary integration of computational thinking in K-12 education: A systematic review. Informatics in Education. https://doi.org/10.15388/infedu.2024.08
     Toetsen verschillen in de mate waarin ze algemeen toepasbare kennis en vaardigheden meten versus domeinspecifiek. Daarnaast kunnen toetsen de focus leggen op het leerproces versus de leeruitkomst  Tsai, M.-J., Liang, J.-C., & Hsu, C.-Y. (2021). The computational thinking scale for computer literacy education. Journal of Educational Computing Research, 59(4), 579–602. https://doi.org/10.1177/0735633120972356
     De Computational Thinking Test (CTT) is een voorbeeld van een valide en betrouwbare diagnostische toets, vooral gericht op algoritmische vaardigheden  Román-González, M., Moreno-León, J., & Robles, G. (2019). Combining assessment tools for a comprehensive evaluation of computational thinking interventions. In Kong, S-C. and Abelson, H., Computation Thinking Education (pp. 79-99) Springer Open. https://doi.org/10.1007/978-981-13-6528-7_6
     Nijenhuis-Voogt en collega's  Nijenhuis-Voogt, J., Bayram-Jacobs, D., Meijer, P., & Barendsen, E. (2022a). Recognizing algorithmic concepts in new contexts: An analysis of students’ reasoning. Informatics in Education, 21(3), 541-568. https://doi.org/10.15388/infedu.2022.16
    gebruiken opdrachten uit de internationale Beverwedstrijd om te onderzoeken hoe leerlingen algoritmische concepten herkennen in verschillende contexten. Een goed voorbeeld van een diagnostisch instrument gebaseerd op AI, vooral bruikbaar voor formatieve toetsing, is Scratch.

    Komst van nieuwe technologieën vraagt een herziening van de onderwijsaanpak

    De evolutie van technologie, met name de opkomst van kunstmatige intelligentie (AI) en andere vooruitstrevende computertechnologieën, vraagt een herziening van de traditionele aanpak van CT in het onderwijs. Programmeren blijft belangrijk, maar de volgordelijkheid van denkactiviteiten is wellicht minder logisch. Vroeger leerden kinderen om 'klassieke' programma's te schrijven, zoals instructies voor een robot. Tegenwoordig kunnen ze bijvoorbeeld leren om computers te trainen om emoties in gezichtsuitdrukkingen te detecteren, zoals herkennen op foto’s of iemand blij of verdrietig is, en zo begrip ontwikkelen over hoe mensen emoties herkennen bij anderen. CT evolueert waarschijnlijk van het zelf bedenken van precieze instructies naar het handig selecteren en gebruiken van data om vervolgens computers hiermee te laten 'leren'. Het vraagt mogelijk nog meer, of in ieder geval een andere didactische aanpak om AI-technologie te leren doorgronden en ontwerpen  Tedre, M., Denning, P.J., & Toivonen, T. (2021). CT 2.0. In 21st Koli Calling International Conference on Computing Education Research (KoliCalling ’21), November 18–21, 2021, Joensuu, Finland. ACM, New York, NY, USA, 8 pages. https://doi.org/10.1145/3488042.3488053

    Docentprofessionalisering en computational thinking

    Bij het ondersteunen van leerlingen bij het aanleren van CT-vaardigheden spelen leraren een belangrijke rol. In dit onderdeel staan we stil bij de vraag wat dit vraagt van leraren en hoe zij op hun beurt daarbij ondersteund (geprofessionaliseerd) kunnen worden. Onafhankelijk van de manier waarop CT in het onderwijs ingebed is, hebben leraren kennis nodig op een drietal gebieden  Darling-Hammond, L., & Bransford, J. (2007). Preparing teachers for a changing world: What teachers should learn and be able to do. John Wiley \& Sons. https://www.wiley.com/en-us/Preparing+Teachers+for+a+Changing+World%3A+What+Teachers+Should+Learn+and+Be+Able+to+Do-p-9780787996345

    • het onderwerp (CT) en de doelen van het curriculum;
    • leerlingen en hoe ze leren;
    • het vormgeven van onderwijs, d.w.z didactische vaardigheden, pedagogische vaardigheden, differentiatie, toetsen en klassenmanagement.

    Leraren zullen kennis moeten hebben van onderwerpen als abstractie, decompositie, algoritmisch denken, evaluatie en generalisatie  Selby, C., & Woollard, J. (2013). Computational thinking: the developing definition. http://eprints.soton.ac.uk/356481
     Ze zullen daarnaast in staat moeten zijn om zelf digitale producten te ontwikkelen, bijvoorbeeld door programmeren, instrueren van robots, creatief combineren van bestaande tools en apps etcetera. Dat blijkt niet vanzelfsprekend. De noodzaak voor integratie van CT in veel verschillende vakken vraagt van leraren dat ze niet alleen kennis hebben van CT. Ze zullen ook kennis moeten hebben van het domein waar ze CT in willen integreren én de manier waarop deze integratie plaats kan vinden. Ze moeten vraagstukken kunnen decontextualiseren, op zoek naar computationele elementen en weer kunnen (re)contextualiseren naar de echte wereld  Kallia, M., Borculo, S. P., Drijvers, P., Barendsen, E., & Tolboom, J. (2021). Characterising computational thinking in mathematics education: a literature-informed Delphi study. Research in Mathematics Education, 1–29. https://doi.org/10.1080/14794802.2020.1852104
      Barendsen, E., & Bruggink, M. (2019). Het volle potentieel van de computer leren benutten: over informatica en computational thinking. Van Twaalf tot Achttien, 29(10), 16–18. https://hdl.handle.net/2066/213908

    Leraren die willen starten met het ontwikkelen en integreren van CT in hun lessen kunnen gebruik maken van het procesmodel (zie figuur 1). Vervolgens kunnen ze kijken met het SAMR-model (zie figuur 3) hoe ze CT-toepassingen kunnen integreren. Ondersteuning vanuit het (onderwijs-)beleid van de school is daarbij belangrijk. Yadav en collega's  Yadav, A., Stephenson, C., & Hai, H. (2017b). Computational thinking for teacher education. Communications of The ACM, 60(4), 55–62. https://doi.org/10.1145/2994591
     wijzen daarnaast op de meerwaarde van samenwerking en uitwisseling tussen leraren(opleiders) enerzijds en informatica docenten anderzijds als het gaat om het bij elkaar brengen van de benodigde didactische kennis.

    Leraren ervaren een aantal drempels om zich te professionaliseren op het gebied van CT  Mason, S. L., & Rich, P. J. (2019). Preparing elementary school teachers to teach computing, coding, and computational thinking. Contemporary Issues in Technology and Teacher Education, 19(4), 790–824. https://eric.ed.gov/?id=EJ1236890
     Deze zijn deels extern, zoals onvoldoende toegang tot ict-middelen of het ontbreken van steun binnen de onderwijsorganisatie. Belangrijker lijken echter de intrinsieke barrières te zijn, zoals een gebrek aan vertrouwen te hebben in hun kennis en vaardigheden op het gebied van ict en CT. Veel leraren hebben een lage self-efficacy (vertrouwen in eigen kunnen) en passen CT daarom minder vaak toe  Holden, H., & Rada, R. (2011). Understanding the influence of perceived usability and technology self-efficacy on teachers’ technology acceptance. Journal of Research on Technology in Education, 43(4), 343–367. https://doi.org/10.1080/15391523.2011.10782576
    Holden, H., & Rada, R. (2011). Understanding the influence of perceived usability and technology self-efficacy on teachers’ technology acceptance. Journal of Research on Technology in Education, 43(4), 343–367. https://doi.org/10.1080/15391523.2011.10782576
      Vannatta, R. A., & Fordham, N. (2004). Teacher dispositions as predictors of classroom technology use. Journal of Research on Technology in Education, 36(3), 253–271. https://doi.org/10.1080/15391523.2004.10782415
     De self-efficacy zou kunnen worden verhoogd door leraren tijd te geven om zich CT eigen te maken en ermee te experimenteren door lessen te ontwerpen en uit te voeren  Rich, P. J., Mason, S. L., & O’Leary, J. (2021). Measuring the effect of continuous professional development on elementary teachers’ self-efficacy to teach coding and computational thinking. Computers & Education, 168, https://doi.org/10.1016/j.compedu.2021.104196

    Aanbevelingen voor docentprofessionalisering

    Op basis van onderzoek zijn er een aantal aanbevelingen te doen naar effectieve docentprofessionalisering  Veen, K. Van, Zwart, R., Meirink, J., & Verloop, N. (2010). Professionele ontwikkeling van leraren. Reviewstudie, ICLON(December), 2/150. https://www.nro.nl/sites/nro/files/migrate/PROO+Professionele+ontwikkeling+van+leraren+Klaas+van+Veen+ea.pdf
      Mason, S. L., & Rich, P. J. (2019). Preparing elementary school teachers to teach computing, coding, and computational thinking. Contemporary Issues in Technology and Teacher Education, 19(4), 790–824. https://eric.ed.gov/?id=EJ1236890

    • Geef docenten de mogelijkheid om in een authentieke context, praktijknabij en geïntegreerd in hun werk te oefenen met de concepten die met CT te maken hebben.
    • Ga daarbij uit van een langere looptijd zodat er daadwerkelijk een attitudeverandering bij docenten bereikt kan worden.
    • Organiseer de professionalisering samen met collega’s.
    • Daag docenten uit om actief en onderzoekend te leren.
    • Zorg ervoor dat het eigenaarschap voor de professionalisering bij de docenten zelf blijft en geef zeggenschap over wat en hoe ze leren.
    • Besteed apart aandacht aan de didactiek van CT (“hoe leer je leerlingen CT?”) binnen de professionalisering.
    • Hou bij de professionalisering rekening met de context waarin de docenten actief zijn.
    • Zorg voor inbedding van de inzet van CT in de onderwijsvisie van de organisatie.

    Professionalisering staat daarbij niet op zichzelf.  Een holistische benadering is van belang, waarbij CT geïntegreerd is in de onderwijsvisie en aanpak en dat ook vanuit de organisatie en management draagvlak is voor het onderwerp  Bocconi, S., Chioccariello, A., Kampylis, P., Dagiene, V., Wastiau, P., Engelhardt, K., Earp, J., Horvath, M., Jasute, E., Malagoli, C., Masiulionyte-Dagiene, V., & Stupurienė, G. (2022). Reviewing computational thinking in compulsory education: state of play and practices from computing education. https://publications.jrc.ec.europa.eu/repository/handle/JRC128347
      Horvers, A., Uerz, D., Hopster-den Otter, D., & Ter Beek, M. (2020). Bouwstenen voor effectieve docentprofessionalisering in het hoger onderwijs gericht op onderwijsinnovatie met ict. Literatuurverkenning. https://www.ixperium.nl/onderzoeken-en-ontwikkelen/publicaties/bouwstenen-voor-effectieve-docentprofessionalisering/
      Mills, K., Coenraad, M., Ruiz, P., Burke, Q., & Weisgrau, J. (2021). Computational Thinking for an Inclusive World: A Resource for Educators to Learn and Lead (Issue December). http://hdl.handle.net/20.500.12265/138
      Schildkamp, K., Hopster-den Otter, D., Ter Beek, M., Uerz, D., & Horvers, A. (2021). Bouwstenen voor effectieve docentprofessionalisering in het hoger onderwijs gericht op onderwijsinnovatie met ict. Versie 2.0. https://www.versnellingsplan.nl/wp-content/uploads/2021/11/Bouwstenenrapport-2.0-min.pdf

    Lees ook
    Themapagina over mediawijsheid: veilig en betrokken meedoen in een digitale wereld 

    Lees ook
    Themapagina over de voorwaarden voor digitale geletterdheid

    Geraadpleegde bronnen

    Nijenhuis-Voogt, J., Yeni, S., & Barendsen, E. (2022b). Integrating CT into Biology: Using Decision Tree Models to Classify Cell Types. CTE-STEM 2022 Conference. https://doi.org/10.34641/ctestem.2022.460
    Yeni, S., Grgurina, N., Saeli, M., Hermans, F., Tolboom, J., & Barendsen, E. (2023).  Interdisciplinary integration of computational thinking in K-12 education: A systematic review. Informatics in Education. https://doi.org/10.15388/infedu.2024.08
    Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books, Inc. http://ci.nii.ac.jp/ncid/BA04917065
    Voogt, J., Fisser, P., Good, J., Mishra, P., & Yadav, A. (2015). Computational thinking in compulsory education: Towards an agenda for research and practice. Education and Information Technologies, 20(4), 715–728. https://doi.org/10.1007/s10639-015-9412-6
    Kershaw, T. C., Flynn, C. K., & Gordon, L. T. (2013). Multiple paths to transfer and constraint relaxation in insight problem solving. Thinking & Reasoning, 19(1), 96–136. https://doi.org/10.1080/13546783.2012.742852
    Curzon, P. (2015). Computational thinking: Puzzling tours. Computer science for fun, CS4FN, London. http://www.cs4fn.org/graphs/puzzlingtours.
    Perkins, D. N., & Salomon, G. (1989). Are cognitive skills context-bound? Educational researcher, 18(1), 16–25. https://doi.org/10.3102/0013189x018001016
    Muller, O., & Haberman, B. (2008). Supporting abstraction processes in problem solving through pattern-oriented instruction. Computer Science Education, 18(3), 187 - 212.   https://doi.org/10.1080/08993400802332548
    Izu, C., Schulte, C., Agrawal, A., Cotts, Q., Duran, R., Gutach, M., Heinemann, B., Kraemer, E., Donati, V., Mierlo, C., Weleda, R. (2019). Fostering program comprehension in novice programmers - Learning activities and learning trajectories. In: Proceedings of the Working Group Reports on Innovation and Technology in Computer Science Education (Tics-WGR ’19). Tics-WGR ’19. Association for Computing Machinery, pp. 27–52.  https://doi.org/10.1145/3344429.3372501
    Bassok, M. (2003). Analogical transfer in problem solving. In: Davidson, J.E., Sternberg, R.J. (Eds.), The psychology of problem solving. Cambridge University Press. https://doi.org/10.1017/CBO9780511615771.012
    Kolodner, J.L. (1993). Case-based reasoning. Morgan Kaufmann.
    Voogt, J., Fisser, P., Good, J., Mishra, P., & Yadav, A. (2015). Computational thinking in compulsory education: Towards an agenda for research and practice. Education and Information Technologies, 20(4), 715–728. https://doi.org/10.1007/s10639-015-9412-6
    Guzdial, M. (2010). Does contextualized computing education help? ACM Inroads, 1(4), 4–6. https://doi.org/10.1145/1869746.1869747
    Sukirman, S., Ibharim, L. F. M., Said, C. S., & Murtiyasa, B. (2022). A Strategy of Learning computational thinking through game based in virtual reality: Systematic review and conceptual framework. Informatics in Education, 21 (1). 179-200https://doi.org/10.15388/infedu.2022.07
    Hsu, T.-C., Change, S.-C., & Hun, Y.-T. (2018). How to learn and how to teach computationalthinking: Suggestions based on a review of the literature. Computers & Education, 126, 296–310. https://doi.org/10.1016/j.compedu.2018.07.004
    Yeni, S., Grgurina, N., Saeli, M., Hermans, F., Tolboom, J., & Barendsen, E. (2023).  Interdisciplinary integration of computational thinking in K-12 education: A systematic review. Informatics in Education. https://doi.org/10.15388/infedu.2024.08
    Krathwohl, D. R. (2002). A revision of Bloom’s Taxonomy: An Overview. Theory Into Practice, 41(4), 212–218. https://doi.org/10.1207/s15430421tip4104_2
    Biggs, J. B., & Collis, K. F. (1982). Evaluating the quality of learning: The SOLO taxonomy (structure of the observed learning outcome). Academic Press. https://ci.nii.ac.jp/ncid/BA03947242
    Ginat, D., & Menashe, E. (2015). Solo taxonomy for assessing novices’ algorithmic design. In Proceedings of the 46th acme technical symposium on computer science education (pp. 452–457). ACM. http://doi.acm.org/10.1145/2676723.2677311
    Meerbaum-Salant, O., Armoni, M., & Ben-Ari, M. (2013). Learning computer science concepts with Scratch. Computer Science Education, 23(3), 239 –264. https://doi.org/10.1080/08993408.2013.832022
    Román-González, M., Moreno-León, J., & Robles, G. (2019). Combining assessment tools for a comprehensive evaluation of computational thinking interventions. In Kong, S-C. and Abelson, H., Computation Thinking Education (pp. 79-99) Springer Open. https://doi.org/10.1007/978-981-13-6528-7_6
    Babazadeh, M., & Negroni, L. (2022). How is computational thinking assessed in European K-12 education? A systematic review. International Journal of Computer Science Education in Schools, 5(4), 3–19. https://doi.org/10.21585/ijcses.v5i4.138
    Tikva, C., & Tambouris, E. (2021). Mapping computational thinking through programming in K-12 education: A conceptual model based on a systematic literature Review. Computers & Education, 162. https://doi.org/10.1016/j.compedu.2020.104083
    Yeni, S., Grgurina, N., Saeli, M., Hermans, F., Tolboom, J., & Barendsen, E. (2023).  Interdisciplinary integration of computational thinking in K-12 education: A systematic review. Informatics in Education. https://doi.org/10.15388/infedu.2024.08
    Tsai, M.-J., Liang, J.-C., & Hsu, C.-Y. (2021). The computational thinking scale for computer literacy education. Journal of Educational Computing Research, 59(4), 579–602. https://doi.org/10.1177/0735633120972356
    Román-González, M., Moreno-León, J., & Robles, G. (2019). Combining assessment tools for a comprehensive evaluation of computational thinking interventions. In Kong, S-C. and Abelson, H., Computation Thinking Education (pp. 79-99) Springer Open. https://doi.org/10.1007/978-981-13-6528-7_6
    Nijenhuis-Voogt, J., Bayram-Jacobs, D., Meijer, P., & Barendsen, E. (2022a). Recognizing algorithmic concepts in new contexts: An analysis of students’ reasoning. Informatics in Education, 21(3), 541-568. https://doi.org/10.15388/infedu.2022.16
    Tedre, M., Denning, P.J., & Toivonen, T. (2021). CT 2.0. In 21st Koli Calling International Conference on Computing Education Research (KoliCalling ’21), November 18–21, 2021, Joensuu, Finland. ACM, New York, NY, USA, 8 pages. https://doi.org/10.1145/3488042.3488053
    Darling-Hammond, L., & Bransford, J. (2007). Preparing teachers for a changing world: What teachers should learn and be able to do. John Wiley \& Sons. https://www.wiley.com/en-us/Preparing+Teachers+for+a+Changing+World%3A+What+Teachers+Should+Learn+and+Be+Able+to+Do-p-9780787996345
    Selby, C., & Woollard, J. (2013). Computational thinking: the developing definition. http://eprints.soton.ac.uk/356481
    Kallia, M., Borculo, S. P., Drijvers, P., Barendsen, E., & Tolboom, J. (2021). Characterising computational thinking in mathematics education: a literature-informed Delphi study. Research in Mathematics Education, 1–29. https://doi.org/10.1080/14794802.2020.1852104
    Barendsen, E., & Bruggink, M. (2019). Het volle potentieel van de computer leren benutten: over informatica en computational thinking. Van Twaalf tot Achttien, 29(10), 16–18. https://hdl.handle.net/2066/213908
    Yadav, A., Stephenson, C., & Hai, H. (2017b). Computational thinking for teacher education. Communications of The ACM, 60(4), 55–62. https://doi.org/10.1145/2994591
    Mason, S. L., & Rich, P. J. (2019). Preparing elementary school teachers to teach computing, coding, and computational thinking. Contemporary Issues in Technology and Teacher Education, 19(4), 790–824. https://eric.ed.gov/?id=EJ1236890
    Holden, H., & Rada, R. (2011). Understanding the influence of perceived usability and technology self-efficacy on teachers’ technology acceptance. Journal of Research on Technology in Education, 43(4), 343–367. https://doi.org/10.1080/15391523.2011.10782576
    Holden, H., & Rada, R. (2011). Understanding the influence of perceived usability and technology self-efficacy on teachers’ technology acceptance. Journal of Research on Technology in Education, 43(4), 343–367. https://doi.org/10.1080/15391523.2011.10782576
    Vannatta, R. A., & Fordham, N. (2004). Teacher dispositions as predictors of classroom technology use. Journal of Research on Technology in Education, 36(3), 253–271. https://doi.org/10.1080/15391523.2004.10782415
    Rich, P. J., Mason, S. L., & O’Leary, J. (2021). Measuring the effect of continuous professional development on elementary teachers’ self-efficacy to teach coding and computational thinking. Computers & Education, 168, https://doi.org/10.1016/j.compedu.2021.104196
    Veen, K. Van, Zwart, R., Meirink, J., & Verloop, N. (2010). Professionele ontwikkeling van leraren. Reviewstudie, ICLON(December), 2/150. https://www.nro.nl/sites/nro/files/migrate/PROO+Professionele+ontwikkeling+van+leraren+Klaas+van+Veen+ea.pdf
    Mason, S. L., & Rich, P. J. (2019). Preparing elementary school teachers to teach computing, coding, and computational thinking. Contemporary Issues in Technology and Teacher Education, 19(4), 790–824. https://eric.ed.gov/?id=EJ1236890
    Bocconi, S., Chioccariello, A., Kampylis, P., Dagiene, V., Wastiau, P., Engelhardt, K., Earp, J., Horvath, M., Jasute, E., Malagoli, C., Masiulionyte-Dagiene, V., & Stupurienė, G. (2022). Reviewing computational thinking in compulsory education: state of play and practices from computing education. https://publications.jrc.ec.europa.eu/repository/handle/JRC128347
    Horvers, A., Uerz, D., Hopster-den Otter, D., & Ter Beek, M. (2020). Bouwstenen voor effectieve docentprofessionalisering in het hoger onderwijs gericht op onderwijsinnovatie met ict. Literatuurverkenning. https://www.ixperium.nl/onderzoeken-en-ontwikkelen/publicaties/bouwstenen-voor-effectieve-docentprofessionalisering/
    Mills, K., Coenraad, M., Ruiz, P., Burke, Q., & Weisgrau, J. (2021). Computational Thinking for an Inclusive World: A Resource for Educators to Learn and Lead (Issue December). http://hdl.handle.net/20.500.12265/138
    Schildkamp, K., Hopster-den Otter, D., Ter Beek, M., Uerz, D., & Horvers, A. (2021). Bouwstenen voor effectieve docentprofessionalisering in het hoger onderwijs gericht op onderwijsinnovatie met ict. Versie 2.0. https://www.versnellingsplan.nl/wp-content/uploads/2021/11/Bouwstenenrapport-2.0-min.pdf

    Aho, A. V. (2012). Computation and computational thinking. The Computer Journal, 55(7), 832–835. https://doi.org/10.1093/comjnl/bxs074

    Atmatzidou, S., & Demetriadis, S. (2016). Advancing students’ computational thinking skills through educational Robotics: A study on age and gender relevant differences. Robotics and Autonomous Systems, 75, 661–670. https://doi.org/10.1016/j.robot.2015.10.008

    Babazadeh, M., & Negroni, L. (2022). How is computational thinking assessed in European K-12 education? A systematic review. International Journal of Computer Science Education in Schools, 5(4), 3–19. https://doi.org/10.21585/ijcses.v5i4.138

    Barendsen, E., & Bruggink, M. (2019). Het volle potentieel van de computer leren benutten: over informatica en computational thinking. Van Twaalf tot Achttien, 29(10), 16–18. https://hdl.handle.net/2066/213908

    Bassok, M. (2003). Analogical transfer in problem solving. In: Davidson, J.E., Sternberg, R.J. (Eds.), The psychology of problem solving. Cambridge University Press, Cambridge, MA, pp. 343–369.   https://doi.org/10.1017/cbo9780511615771.012

    Bell, T., & Vahrenhold, J. (2018). CS Unplugged—How is it used, and does it work? In Lecture Notes in Computer Science (pp. 497–521). https://doi.org/10.1007/978-3-319-98355-4_29 

    Biggs, J. B., & Collis, K. F. (1982). Evaluating the quality of learning: The SOLO taxonomy (structure of the observed learning outcome). Academic Press. https://ci.nii.ac.jp/ncid/BA03947242

    Bocconi, S., Chioccariello, A., Kampylis, P., Dagiene, V., Wastiau, P., Engelhardt, K., Earp, J., Horvath, M., Jasute, E., Malagoli, C., Masiulionyte-Dagiene, V., & Stupurienė, G. (2022). Reviewing computational thinking in compulsory education: state of play and practices from computing education. https://publications.jrc.ec.europa.eu/repository/handle/JRC128347

    Curzon, P. (2015). Computational thinking: Puzzling tours. Computer science for fun, CS4FN, London. http://www.cs4fn.org/graphs/puzzlingtours.

    Darling-Hammond, L., & Bransford, J. (2007). Preparing teachers for a changing world: What teachers should learn and be able to do. John Wiley \& Sons. https://www.wiley.com/en-us/Preparing+Teachers+for+a+Changing+World%3A+What+Teachers+Should+Learn+and+Be+Able+to+Do-p-9780787996345

    Ginat, D., & Menashe, E. (2015). Solo taxonomy for assessing novices’ algorithmic design. In Proceedings of the 46th acme technical symposium on computer science education (pp. 452–457). ACM. http://doi.acm.org/10.1145/2676723.2677311 

    Guzdial, M. (2010). Does contextualized computing education help? ACM Inroads, 1(4), 4–6. https://doi.org/10.1145/1869746.1869747

    He, Z., Wu, X., Wang, Q., & Huang, C. (2021). Developing eight-grade students’ computational thinking with critical reflection. Sustainability, 13. https://doi.org/10.3390/su132011192

    Hermans, F., & Aivaloglou, E. (2017). To scratch or not to Scratch?: A controlled experiment
    comparing plugged first and unplugged first programming lessons. In Proceedings of the 12th Workshop in Primary and Secondary Computing Education (WiPSCE 2017). Association for Computing Machinery,  49-56. https://doi.org/10.1145/3137065.3137072

    Holden, H., & Rada, R. (2011). Understanding the influence of perceived usability and technology self-efficacy on teachers’ technology acceptance. Journal of Research on Technology in Education, 43(4), 343–367. https://doi.org/10.1080/15391523.2011.10782576

    Horvers, A., Uerz, D., Hopster-den Otter, D., & Ter Beek, M. (2020). Bouwstenen voor effectieve docentprofessionalisering in het hoger onderwijs gericht op onderwijsinnovatie met ict. Literatuurverkenning. https://www.ixperium.nl/onderzoeken-en-ontwikkelen/publicaties/bouwstenen-voor-effectieve-docentprofessionalisering/

    Hsu, T.-C., Change, S.-C., & Hun, Y.-T. (2018). How to learn and how to teach computationalthinking: Suggestions based on a review of the literature. Computers & Education, 126, 296–310. https://doi.org/10.1016/j.compedu.2018.07.004

    Huang, W., & Looi, C.-K. (2021). A critical review of literature on “unplugged” pedagogies in K-12 computer science and computational thinking education. Computer Science Education, 31(1), 83–111. https://doi.org/10.1080/08993408.2020.1789411 

    Izu, C., Schulte, C., Agrawal, A., Cotts, Q., Duran, R., Gutach, M., Heinemann, B., Kraemer, E., Donati, V., Mierlo, C., Weleda, R. (2019). Fostering program comprehension in novice programmers - Learning activities and learning trajectories. In: Proceedings of the Working Group Reports on Innovation and Technology in Computer Science Education (Tics-WGR ’19). Tics-WGR ’19. Association for Computing Machinery, pp. 27–52.  https://doi.org/10.1145/3344429.3372501

    Kallia, M., Borculo, S. P., Drijvers, P., Barendsen, E., & Tolboom, J. (2021). Characterising computational thinking in mathematics education: a literature-informed Delphi study. Research in Mathematics Education, 1–29. https://doi.org/10.1080/14794802.2020.1852104

    Kampylis P., Dagienė V., Bocconi S., Chioccariello A., Engelhardt K., Stupurienė G., Masiulionytė-Dagienė, V., Jasutė E., Malagoli C., Horvath M., & Earp J. (2023). Integrating computational thinking into primary and lower secondary education: A systematic review. Educational Technology & Society, 26(2). https://doi.org/10.30191/ETS.202304_26(2).0008

    Kershaw, T. C., Flynn, C. K., & Gordon, L. T. (2013). Multiple paths to transfer and constraint relaxation in insight problem solving. Thinking & Reasoning, 19(1), 96–136. https://doi.org/10.1080/13546783.2012.742852

    Kolodner, J.L. (1993). Case-based reasoning. Morgan Kaufmann.

    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

    Krathwohl, D. R. (2002). A revision of Bloom’s Taxonomy: An Overview. Theory Into Practice, 41(4), 212–218. https://doi.org/10.1207/s15430421tip4104_2

    Lee, I., Martin, F., Denner, J., Coulter, B., Allan, W., Erickson, J., Malyn-Smith, J., & Werner, L. (2011). Computational thinking for youth in practice. ACM Inroads, 2(1), 32–37. https://doi.org/10.1145/1929887.1929902

    Lister, R. (2016). Toward a developmental epistemology of computer programming. In Proceedings of the 11th workshop in primary and secondary computing education (pp. 5–16). https://doi.org/10.1145/2978249.2978251

    Lye, S. Y., & Koh, J. H. L. (2014). Review on teaching and learning of computational thinking through programming: What is next for K-12? Computers in Human Behavior, 41, 51–61. https://doi.org/10.1016/j.chb.2014.09.012

    Mason, S. L., & Rich, P. J. (2019). Preparing elementary school teachers to teach computing, coding, and computational thinking. Contemporary Issues in Technology and Teacher Education, 19(4), 790–824. https://eric.ed.gov/?id=EJ1236890

    Meerbaum-Salant, O., Armoni, M., & Ben-Ari, M. (2013). Learning computer science concepts with Scratch. Computer Science Education, 23(3), 239 –264. https://doi.org/10.1080/08993408.2013.832022

    Mills, K., Coenraad, M., Ruiz, P., Burke, Q., & Weisgrau, J. (2021). Computational Thinking for an Inclusive World: A Resource for Educators to Learn and Lead (Issue December). http://hdl.handle.net/20.500.12265/138

    Muller, O., & Haberman, B. (2008). Supporting abstraction processes in problem solving through pattern-oriented instruction. Computer Science Education, 18(3), 187 - 212.   https://doi.org/10.1080/08993400802332548

    Munasinghe, B., Bell, T., & Robins, A. (2023). Unplugged activities as a catalyst when teaching introductory programming. Journal of Pedagogical Research, 2. https://doi.org/10.33902/JPR.202318546

    Nijenhuis-Voogt, J., Bayram-Jacobs, D., Meijer, P., & Barendsen, E. (2022a). Recognizing algorithmic concepts in new contexts: An analysis of students’ reasoning. Informatics in Education, 21(3), 541-568. Advance online publication. https://doi.org/10.15388/infedu.2022.16

    Nijenhuis-Voogt, J., Yeni, S., & Barendsen, E. (2022b). Integrating CT into Biology: Using Decision Tree Models to Classify Cell Types. CTE-STEM 2022 Conference. https://doi.org/10.34641/ctestem.2022.460 

    Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books, Inc. http://ci.nii.ac.jp/ncid/BA04917065

    Papert S., & Harel, I. (1990). Situating constructionism. In: Harel (Ed.), Constructionist learning. MIT Media Laboratory. http://www.papert.org/articles/SituatingConstructionism.html  

    Peel, A., Sadler, T. D., & Friedrichsen, P. (2022). Algorithmic Explanations: an Unplugged Instructional Approach to Integrate Science and Computational Thinking. Journal of Science Education and Technology, 31(4), 428–441. https://doi.org/10.1007/s10956-022-09965-0 

    Perkins, D. N., & Salomon, G. (1989). Are cognitive skills context-bound? Educational researcher, 18(1), 16–25. https://doi.org/10.3102/0013189x018001016

    Puentedura, R. (2010). SAMR and TPCK: Intro to advanced practice. http://hippasus.com/resources/sweden2010/SAMR_TPCK_IntroToAdvancedPractice.pdf

    Rich, P. J., Mason, S. L., & O’Leary, J. (2021). Measuring the effect of continuous professional development on elementary teachers’ self-efficacy to teach coding and computational thinking. Computers & Education, 168, https://doi.org/10.1016/j.compedu.2021.104196 

    Romn-Gonzlez, M., Prez-Gonzlez, J., & Jimnez-Fernndez, C. (2017). Which cognitive abilities underlie computational thinking? Criterion Validity of the Computational Thinking test. Computers in Human Behavior, 72, 678–691. https://doi.org/10.1016/j.chb.2016.08.047 

    Román-González, M., Moreno-León, J., & Robles, G. (2019). Combining assessment tools for a comprehensive evaluation of computational thinking interventions. In Kong, S-C. and Abelson, H., Computation Thinking Education (pp. 79-99) Springer Open. https://doi.org/10.1007/978-981-13-6528-7_6

    Schildkamp, K., Hopster-den Otter, D., Ter Beek, M., Uerz, D., & Horvers, A. (2021). Bouwstenen voor effectieve docentprofessionalisering in het hoger onderwijs gericht op onderwijsinnovatie met ict. Versie 2.0. https://www.versnellingsplan.nl/wp-content/uploads/2021/11/Bouwstenenrapport-2.0-min.pdf

    Selby, C., & Woollard, J. (2013). Computational thinking: the developing definition. http://eprints.soton.ac.uk/356481

    Sentance, S., Waite, J., & Kallia, M. (2019). Teaching computer programming with PRIMM: A sociocultural perspective. Computer Science Education, 29(2-3), 136-176. https://doi.org/10.1080/08993408.2019.1608781

    Sukirman, S., Ibharim, L. F. M., Said, C. S., & Murtiyasa, B. (2022). A Strategy of Learning computational thinking through game based in virtual reality: Systematic review and conceptual framework. Informatics in Education, 21 (1). 179-200https://doi.org/10.15388/infedu.2022.07

    Sung, W., Ahn, J., & Black, J. B. (2017). Introducing computational thinking to young learners: practicing computational perspectives through embodiment in mathematics education. Technology, Knowledge and Learning, 22(3), 443–463. https://doi.org/10.1007/s10758-017-9328-x

    Tikva, C., & Tambouris, E. (2021). Mapping computational thinking through programming in K-12 education: A conceptual model based on a systematic literature Review. Computers & Education, 162. https://doi.org/10.1016/j.compedu.2020.104083

    Teague, D., & Lister, R. (2014c). Programming: Reading, writing and reversing. In Proceedings of the 2014 conference on innovation & technology in computer science education (pp. 285–290). https://doi.org/10.1145/2591708.2591712

    Tedre, M., Denning, P.J., & Toivonen, T. (2021). CT 2.0. In 21st Koli Calling International Conference on Computing Education Research (KoliCalling ’21), November 18–21, 2021, Joensuu, Finland. ACM, New York, NY, USA, 8 pages. https://doi.org/10.1145/3488042.3488053

    Tsai, M.-J., Liang, J.-C., & Hsu, C.-Y. (2021). The computational thinking scale for computer literacy education. Journal of Educational Computing Research, 59(4), 579–602. https://doi.org/10.1177/0735633120972356

    Vannatta, R. A., & Fordham, N. (2004). Teacher dispositions as predictors of classroom technology use. Journal of Research on Technology in Education, 36(3), 253–271. https://doi.org/10.1080/15391523.2004.10782415

    Veen, K. Van, Zwart, R., Meirink, J., & Verloop, N. (2010). Professionele ontwikkeling van leraren. Reviewstudie, ICLON(December), 2/150. https://www.nro.nl/sites/nro/files/migrate/PROO+Professionele+ontwikkeling+van+leraren

    Voogt, J., Fisser, P., Good, J., Mishra, P., & Yadav, A. (2015). Computational thinking in compulsory education: Towards an agenda for research and practice. Education and Information Technologies, 20(4), 715–728. https://doi.org/10.1007/s10639-015-9412-6

    Vygotsky, L. (1978). Mind in Society: Development of Higher Psychological Processes. Harvard University Press. http://books.google.nl/books/about/MIND_IN_SOCIETY.html?hl=nl&id=u2PP6b0ddtoC

    Wang, C., Shen, J., & Chao, J. (2022). Integrating Computational Thinking in STEM Education: A Literature Review. International Journal of Science and Mathematics Education, 20(8), 1949–1972. https://doi.org/10.1007/s10763-021-10227-5   

    Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215

    Yadav, A., Stephenson, C., & Hai, H. (2017). Computational thinking for teacher education. Communications of The ACM, 60(4), 55–62. https://doi.org/10.1145/2994591

    Yeni, S., Grgurina, N., Saeli, M., Hermans, F., Tolboom, J., & Barendsen, E. (2023).  Interdisciplinary integration of computational thinking in K-12 education: A systematic review. Informatics in Education. https://doi.org/10.15388/infedu.2024.08

    Volledige referentie: Barendsen, E., Coetsier, N., Gorissen, P., Van Rens, C.(2023). Computational thinking: veelzijdiger dan enkel programmeren. Onderwijskennis.nl (NRO). Geraadpleegd op [dag maand jaar], van https://www.onderwijskennis.nl/node/4914

    Korte verwijzing in de tekst: (Barendsen, Coetsier, Gorissen & Van Rens, 2023).

    Meer informatie: bekijk de disclaimer.

    Onderwijsprofessionals hebben bijgedragen aan dit artikel door vanuit de praktijk mee te denken bij de afbakening van het thema en door feedback te geven op de tekst. Lees meer over de kwaliteitscriteria.

    Bijdrage van

    Erik Barendsen

    Erik Barendsen

    Hoogleraar bètadidactiek en informatiedidactiek

    Radboud Universiteit

    Open Universiteit

    Pierre Gorissen

    Pierre Gorissen

    Associate lector Leren met ict

    iXperium Centre of Expertise leren met ict

    Carolien van Rens

    Carolien van Rens

    Onderzoeker Leren met ict

    iXperium Centre of Expertise leren met ict

    Nieske Coetsier

    Nieske Coetsier

    Onderzoeker Leren met ict

    iXperium Centre of Expertise leren met ict

    Mogen we je iets vragen?

    Ga je deze informatie gebruiken in het onderwijs?
    Wat vind je van de leesbaarheid van deze pagina?
    In welke onderwijssector werk je?

    Wil je nog iets anders kwijt? Laat het ons weten via het feedback-formulier.

    Privacyverklaring

    Wij gaan zorgvuldig om met persoonsgegevens. Lees hierover meer in onze privacyverklaring.

    Gerelateerd in de kennisbank