Informatik 2
Computational Thinking
Computational Thinking
-
- 1 / 16
-
Flashcards
Computational Thinking ist eine systematische Denkweise, mit der komplexe Probleme so aufbereitet werden, dass sie sich schrittweise lösen lassen. Sie hilft, geeignete Verfahren zu entwickeln, die auch von Computern ausgeführt werden können.
Zu Computational Thinking gehören Dekomposition, Mustererkennung, Abstraktion und das Entwickeln von Algorithmen. Man zerlegt ein Problem, sucht Gemeinsamkeiten, konzentriert sich auf das Wesentliche und beschreibt anschliessend einen Lösungsweg.
Bei der Dekomposition wird ein grosses Problem in kleinere Teilprobleme zerlegt. Diese lassen sich leichter verstehen, einzeln bearbeiten und später zu einer Gesamtlösung zusammensetzen.
Mustererkennung bedeutet, Gemeinsamkeiten und wiederkehrende Strukturen in Problemen oder Daten zu entdecken. Dadurch kann man bereits bekannte Lösungsansätze auf ähnliche Fälle übertragen.
Abstraktion bedeutet, unwichtige Einzelheiten wegzulassen und sich auf die wesentlichen Eigenschaften eines Problems zu konzentrieren. So entsteht ein vereinfachtes Modell, das sich leichter untersuchen lässt.
Ein Algorithmus ist eine eindeutige Folge von Schritten zur Lösung eines Problems. Die Schritte müssen so beschrieben sein, dass ihre Ausführung nachvollziehbar ist und zum vorgesehenen Ergebnis führt.
Ein Algorithmus beschreibt den Lösungsweg unabhängig von einer konkreten Programmiersprache. Ein Programm setzt diesen Lösungsweg in Anweisungen um, die ein Computer ausführen kann.
Bei einer rekursiven Lösung wird ein Problem mithilfe kleinerer Versionen desselben Problems bearbeitet. Wichtig ist ein Abbruchfall, damit die wiederholten Aufrufe irgendwann enden.
Algorithmen können verzerrte Ergebnisse liefern, wenn ihre Daten oder Annahmen einseitig sind. Deshalb sollte man nicht nur den Ablauf prüfen, sondern auch die zugrunde liegenden Daten und die Auswirkungen der Ergebnisse.
Bei der Zielreduktion wird überlegt, welche Zwischenschritte den Abstand zwischen Ausgangslage und Ziel verringern. Statt das ganze Problem auf einmal zu lösen, arbeitet man sich schrittweise zum Ergebnis vor.
Ein Algorithmus ist allgemein, wenn er nicht nur für einen einzelnen Spezialfall funktioniert. Korrekt ist er, wenn er für die vorgesehenen Eingaben die richtigen Ergebnisse liefert.
Zur systematischen Problemlösung gehört, ein Problem zu zerlegen, Muster zu erkennen und passende Vereinfachungen zu finden. Anschliessend wird ein Verfahren entwickelt und auf seine Eignung geprüft.
Eine Heuristik ist eine praktische Faustregel, die häufig zu einer brauchbaren Lösung führt, ohne eine optimale Lösung zu garantieren. Sie ist besonders hilfreich, wenn eine vollständige Suche zu aufwendig wäre.
Bei der Evaluation prüft man, ob ein Algorithmus die Aufgabe korrekt und effizient löst. Dazu untersucht man beispielsweise verschiedene Eingaben, Fehlerfälle und den benötigten Aufwand.
Verzerrungen können entstehen, wenn bestimmte Gruppen oder Fälle in Daten nicht angemessen vertreten sind. Solche Verzerrungen können sich in automatisierten Entscheidungen fortsetzen und sollten deshalb bewusst geprüft werden.
Ein Algorithmus verarbeitet Daten nach vorgegebenen Regeln. Wenn diese Regeln oder die verwendeten Daten einseitig sind, kann das Ergebnis bestimmte Personen oder Gruppen benachteiligen. Deshalb muss man auch die Folgen eines Algorithmus beurteilen.