Att tänka datalogiskt, computational thinking som det kallas på engelska, är en av de saker som ofta lyfts fram som en av de viktigaste ingredienserna i den digitala kompetens som skolan ska lära ut.

Tidigare i år beslutade regeringen att programmering ska in i den svenska skolan redan från första klass. Men i diskussionen kring varför vi ska ha programmering i skolan lyfts det ofta fram att det också handlar om att lära eleverna att tänka datalogiskt – att strukturera sitt tänkande på ett nytt sätt.

Begreppet kom redan på 1980-talet men det fick ett större genomslag när Jeannette Wing, professor i datavetenskap på Colombia University i New York, skrev en artikel där hon lyfte behovet av att lära ut det tänkande som programmering bygger på till skolelever som ett verktyg för problemlösning.

Läs också: Svensk edtech formerar sig för att växa – "vi ligger i täten"

I veckan var hon en av flera forskare som diskuterade vad datalogiskt tänkande är och hur vi ska få in det i skolan på ett bra sätt vid en konferens anordnad av Swedsoft och det Vinnovafinansierade projektet Trippel Helix som arbetar för en nationell samling för skolans digitalisering.

– När jag skrev artikeln tänkte hon sig inte att det skulle kunna bli verklighet förrän framåt 2050. Men det är otroligt vad mycket som hänt bara på de här elva åren, säger Jeannette Wing.

Hon konstaterar att datalogiskt tänkande inte enkelt låter sig fångas i en mening men ger ändå en definition: det är den tankeprocess som är involverad när ett problem formuleras och att uttrycka dess lösning(ar) på ett sådant sätt som en dator – människa eller maskin – effektivt kan utföra.

– Det handlar inte att människor ska tänka som datorer utan vi ska tänka som människor men kunna närma oss problem på ett datalogiskt sätt. Det handlar också om att formulera problem – för ett visst sätt att formulera kan leda till bättre och effektivare lösningar.

panel
Foto: Gabriel Modéus/SwedsoftPanelen utgjordes av (fr.v.) Arnold Pears, Susanne Kjällander, Lisbeth Brevik och Matti Tedre.

Frågan är hur det här lärs ut på bäst sätt – där har vi inte tillräckligt med kunskap och erfarenhet ännu konstaterar hon.

– När det gäller matematik vet vi hur gången är – vi börjar med att lära ut siffror och tal, sedan går vi över till algebra och senare börjar vi göra beräkningar. Men hur ser det ut för datalogiskt tänkande?

Ofta kopplar vi in det som en av de viktiga delarna när programmering kommer in i skolan, just processen att tänka kring problemlösning. Däremot vet vi egentligen inte om datalogiskt tänkande gör att vi enklare lär oss programmering eller tvärtom konstaterar Matti Tedre, professor i datavetenskap vid Östra Finlands universitet.

– Det är två helt olika saker. Vi har inte mycket empiriska bevis kring att man lär sig programmering med hjälp av att datalogiskt tänkande men vet att många har lärt sig datalogiskt tänkande genom programmering eftersom vi är många som gjort det.

Samtidigt framhåller han att det är viktigt att inte fastna i en bild av att det bara handlar om programmering.

– Det finns en mycket större rikedom i datalogi, vi kan inte bara tänka kod och programmering – om vi gör det återgår vi till 50-talet. Det har varit en kamp att komma ifrån det, säger han.

Läs också: Här är kommunen där alla femteklassare får varsin pyttedator

Datorer och annan teknik är i sig ingen nödvändighet för att lära ut datalogiskt tänkande anser Jeannette Wing.

– Man ska undvika att kasta in teknik i klassrummet bara för att. Vi vet inte om det är effektivt för att lära ut datalogiskt tänkande.

I stället pekar hon på att det finns andra tillfällen där det går att lyfta in – exempelvis när man går igenom uppställningen för division.

– När jag lärde mig lång division var det inte någon som förklarade för mig att det är en algoritm. Om jag hade fått lära mig och vad det är så hade jag också förstått att det går att skapa egna algoritmer – att jag kan hitta på nya sätt att lösa problemen, säger hon.

– Genom att ge det namnet algoritm kan du förstå hur det fungerar och börja se algoritmer överallt ­– det får dig att tänka djupare

En annan aspekt lyfts av Arnold Pears, professor i teknikvetenskapens lärande på KTH i Stockholm, nämligen vikten av att misslyckas.

– Kreativitet är nyckel till motivation – om vi inte kan entusiasmera lyckas vi inte. Och eleverna behöver utrymme att utforska och göra misstag, det är så vi lär oss. Den öppna miljön måste vi få till i våra klassrum.

Hans forskarkolleger håller med och kanske är det också på gång.

Susanne Kjällander, universitetslektor vid Barn- och ungdomsvetenskapliga institutionen vid Stockholm Universitet berättar om ett besök i en skola i England som sedan flera år har fört in digital kompetens i läroplanen.

– Där frågade läraren efter lektionen vilka som hade misslyckats och elevernas händer for upp i luften. Sedan fick de berätta om hur de gjort för att lyckas.