METODOLÓGIA .1 Ciele výskumu

PRASK je algoritmická súťaž pre žiakov základných škôl, ktorej cieľom je rozvíjať informatické myslenie a programátorské schopnosti jej riešiteľov. Je ťažké povedať, nakoľko je v tejto snahe úspešná. Bez ohľadu na to však majú organizátori pomerne bohaté skúsenosti s prípravou úloh a zadaní. Treba poznamenať, že jedným z dlhoročných organizátorov je aj autor tohto príspevku.

Organizátori súťaže PRASK nemajú žiadne formálne didaktické vzdelanie, pri vytváraní súťažných úloh sa riadia najmä intuíciou. Bolo by preto zaujímavé sa pozrieť na to, ako vyzerajú takto vytvorené súťažné zadania a zistiť, či sa v nich napríklad nachádzajú často sa opakujúce vzorce. Tieto poznatky by totiž mohli byť prínosné pri tvorbe obdobných úloh.

Pre tento výskum sme si stanovili nasledovné ciele:

● Kategorizovať teoretické úlohy súťaže PRASK na základe dvoch zvolených kategorizácií.

● Nájsť opakujúce sa vzorce a popísať, ako vyzerá typické zadanie úlohy v súťaži PRASK.

DIDINFO 2020, Technická univerzita v Liberci, Fakulta přírodovědně-humanitní a pedagogická 2.2 Zvolené kategorizácie

Ako prvé sme si museli zvoliť kritériá, na základe ktorých budeme úlohy kategorizovať. Prirodzene sme sa snažili pozrieť na kategorizácie iných súťaží. Problémom ale bolo nájsť súťaž s podobnými úlohami, ktorá by vhodnú kategorizáciu mala vytvorenú. Najčastejšie boli úlohy zaraďované podľa ich témy a nie zručností potrebných na ich riešenie.

Ako najvhodnejšia alternatíva sa javila súťaž Bebras. Úlohy v nej sa zameriavajú na podobné témy ako v súťaži PRASK, aj keď väčšinou idú menej do hĺbky. Navyše pre ňu existuje viacero kategorizácií, ktoré sú publikované a naďalej sa upravujú. Posledný významnejší príspevok k tejto téme predstavila v roku 2017 Dagiene s kolektívom [4]. Uvedená kategorizácia definovala dva rozmery, v ktorých má byť úloha hodnotená, prvým boli informatické koncepty a druhým informatické zručnosti.

Informatické zručnosti, ktoré sa ukázali byť pre našu prácu dôležitejšie, vychádzali z článku autorov Selby a Woollard z roku 2013 [5], ktorí sa snažili zjednotiť definíciu pojmu informatické myslenie skúmaním viacerých článkov. V tomto článku zhrnuli, že informatické myslenie je proces zameraný na riešenie problému, ktorý zahŕňa abstrakciu, dekompozíciu, algoritmické myslenie, hodnotenie a zovšeobecnenie. Kategorizácia založená na týchto zručnostiach nám prišla byť vhodná pre náš výskum.

Napriek tomu dvojrozmerná kategorizácia spomenutá vyššie mala isté obmedzenia. Pre získanie väčšieho množstva dát a tým pádom informatívnejších výsledkov sme sa rozhodli využiť ešte druhú kategorizáciu postavenú na kognitívnom obore Bloomovej taxonómie [6], ktorá sa bežne využíva na hodnotenie vzdelávacích cieľov a s ktorou sme už mali predchádzajúcu skúsenosť.

V našom výskume sme použili pôvodné názvy aj poradie jednotlivých úrovní, ktoré sa neskôr zmenili v revidovanej Bloomovej taxonómii. Dôvodom bolo, že pôvodná taxonómia lepšie zodpovedala úlohám v súťaži PRASK, ktoré sú zamerané hlavne na vytváranie vlastných riešení.

2.3 Metódy výskum

Ako prvé sme zhromaždili všetky zadania teoretických úloh zo súťaže PRASK, ktoré boli zverejnené medzi januárom 2015 (začiatok súťaže) a marcom 2019, čo bolo 31 unikátnych úloh, z ktorých sme ale 2 úlohy vylúčili, kvôli príliš špecifickému formátu zadaniu.

Po prvom prečítaní zadaní sme zistili, že celé zadania sú príliš obsiahle na to, aby sme ich mohli zmysluplne kategorizovať. Našťastie sa však všetky zadania skladali z niekoľkých podúloh, ktoré vytvárali menšie celky, ktoré boli na analýzu vhodnejšie. Dokopy sme pracovali so 135 podúlohami (nie každá úloha mala rovnaký počet podúloh, medián ich počtu bol 5).

V našom výskume sme využili ukotvenú teóriu s objavujúcim sa dizajnom [7]. Tento prístup nám pomohol vytvárať teóriu na základe prístupných dát a prispôsobovať si ju aktuálnym požiadavkám.

Pri analýze podúloh sme využili kvantitatívne metódy, tie však boli doplnené kvalitatívnymi, keď sme objavené teórie dodatočne verifikovali opätovnou analýzou zadaní.

3 VÝSLEDKY

V tomto článku uvádzeme analýzu, na ktorú boli použité dve vyššie uvedené kategorizácie – jedna na základe článku Dagiene et al. [5] a druhá na základe Bloomovej taxonómie. Hoci oboje viedli k relevantným výsledkom, ich použitie nebolo bezproblémové. V tejto časti opíšeme vzniknuté problémy a takisto dáta získané oboma kategorizáciami.

3.1 Limitácia dvojrozmernej kategorizácie

Článok popisujúci dvojrozmernú kategorizáciu poskytoval užitočné usmernenia k tomu, ako na základe neho hodnotiť úlohy. Bolo však zjavné, že táto kategorizácia bola určená na menšie problémy, ktoré sú také časté v súťaži Bebras. Preto napríklad daná kategorizácia hovorila o tom, že jedna úloha by mala spadať do najviac troch kategórií.

DIDINFO 2020, Technická univerzita v Liberci, Fakulta přírodovědně-humanitní a pedagogická Aj menšie podúlohy v súťaži PRASK však boli častokrát príliš komplexné. Zoberme si napríklad nasledovné zadanie jednej podúlohy (zadanie bolo mierne upravené pre účely tohto článku).

V predchádzajúcej podúlohe ste dostali dva rady 16 vojakov zoradených od najsilnejšieho po najslabšieho a prišli ste na spôsob, ako ich zoradiť do jednej usporiadanej postupnosti použitím čo najmenšieho počtu porovnaní.

V tejto podúlohe však máte 32 vojakov, o ktorých sile neviete nič. Navrhnite postup, ktorý ich zoradí do jedného, podľa sily usporiadaného, radu použitím čo najmenšieho počtu porovnaní.

Dvojrozmerná kategorizácia charakterizuje päť informatických zručností: abstrakciu; algoritmické myslenie; dekompozíciu; hodnotenie; zovšeobecnenie. Riešenie tohto problému jendoznačne vyžaduje zovšeobecnenie, keďže je potrebné opakovať postup tvoriaci kratšie usporiadané postupnosti. To zároveň zahŕňa aj dekompozíciu, teda rozloženie problému na menšie časti.

Hodnotenie je potrebné k určeniu optimálneho počtu porovnaní a samotná tvorba procesu spadá do algoritmického myslenia. A v nejakej miere žiaci potrebujú aj abstrahovať, keďže si pravdepodobne nahradia vojakov číslami z intervalu 1–32, keď si uvedomia, že potrebujú iba relatívnu hodnotu sily.

Kategorizáciu navyše komplikuje aj fakt, že jednotlivé podúlohy nemôžeme hodnotiť nezávisle, keďže častokrát závisia od predchádzajúcich podúloh v zadaní. Hoci žiaci v príklade vyššie potrebujú využiť abstrakciu, takáto abstrakcia pravdepodobne nastane už v predchádzajúcich podúlohách a do tejto by nemala byť zaradená.

Síce sa táto kategorizácia viac hodí na úlohy zo súťaže Bebras, vieme na základe nej odvodiť zaujímavé závery aj pre súťaž PRASK. Jednotlivé podúlohy sme teda hodnotili na základe najpravdepodobnejších riešení, berúc do úvahy predchádzajúce podúlohy a neobmedzujúc sa počtom troch kategórií na podúlohu. Je nám navyše jasné, že takáto kategorizácia je aspoň do nejakej miery subjektívna, vo výslednej analýze sme sa však na to snažili brať ohľad.

3.2 Kategorizácia na základe informatických zručností

Dvojrozmerná kategorizácia definuje dve oblasti, do ktorých sa úloha zaraďuje – informatické koncepty a informatické zručnosti. Čo sa týka konceptov, zo 135 podúloh, ktoré sme analyzovali, sa 21 zaradilo medzi „Dátové šturktúry a reprezentácia“ a zvyšok medzi „Algoritmy“. Zvyšné tri koncepty (procesy a hardvér; komunikácia a siete; interakcie v spoločnosti) neboli vôbec využité a v skutočnosti sme veľmi podobný výsledok, vzhľadom na typ súťaže, aj očakávali. Tento predpoklad sa potvrdil a ďalej sme s využitými konceptami nepracovali.

Informatické zručnosti sú, ako už bolo spomenuté vyššie, abstrakcia, algoritmické myslenie, dekompozícia, hodnotenie a zovšeobecnenie. Spočítali sme výskyty týchto zručností naprieč všetkými podúlohami a takisto na základe toho, v ktorej podúlohe sa nachádzali. Úlohy majú rôzne počty podúloh, najčastejšie tri (7 úloh) alebo päť (10 úloh). Pri analýze sme sa teda pozerali najmä na celkový trend, teda či sa podúlohy na začiatku líšia od tých na konci.

V Tabuľke 1 sú uvedené výsledky tejto analýzy. Percentá sú zaokrúhlené na najbližšie celé číslo a vyjadrujú zastúpenie zručnosti medzi danými podúlohami. Pripomíname, že jedna podúloha mohla obsahovať viacero zručností. V Tabuľke 1 navyše neuvádzame údaje pre podúlohy f), g) a h), keďže mali iba 7, 3 a 2 výskytov, v časti spolu sú však zohľadnené.

DIDINFO 2020, Technická univerzita v Liberci, Fakulta přírodovědně-humanitní a pedagogická Tabuľka 1: Percentuálny výskyt informatických zručností naprieč jednotlivými