Denna vecka, pedagoger, studenter och allmänheten runt om i världen deltar i Computer Science Education Week genom att organisera och leda en timmes kodningshandledning.

I början av veckan, mer än 2, 700 kanadensiska kodningshändelser hade registrerats hos Code.org, en ideell organisation i USA som marknadsför veckan. Detta årliga evenemang innehåller andan i rörelsen "lär dig att koda"; det syftar till att locka intresse och engagera elever från lågstadiet till högstadiet i att utveckla kodningsfärdigheter.

regeringar, företag, föreningar inom datavetenskap och trendsättare hävdar alla att lära sig koda kommer att spela en nyckelroll i framtiden. I detta sammanhang, Att lära sig koda presenteras ofta som ett universalmedel mot 2000-talets arbetsmarknadsproblem.

Men för lärare, det finns flera faktorer att ta hänsyn till när man bestämmer vilka kodningsfärdigheter och vilka metoder som ska främjas. Hur ska de presentera vad kodning erbjuder?

Desillusionerad arbetskraft

Vi är särskilt intresserade av detta ämne. Tillsammans kombinerar vi år av utbildning i datavetenskap, utbildningsteknologi och utbildningspsykologi; vårt forskningsintresse är att utveckla en undervisnings- och inlärningsmodell för att introducera jordnära datorprogrammeringskoncept och logik.

Vi vill att forskning inom datavetenskaplig utbildning ska passa 2000-talets elevers behov och egenskaper. Annars, kostnaden kommer att bli en dåligt förberedd och desillusionerad arbetskraft.

Varför kod?

I en tid av en osäker arbetsmarknad, när överflödiga yrken förväntas elimineras medan nya uppstår, Att lära sig koda ger hopp till vår kollektiva fantasi.

Det skapar löften om alternativa inkomstkällor samt möjligheter till egenföretagande med tanke på efterfrågan på kodningsfärdigheter inom en mängd olika branscher.

Att lära sig koda är inte bara en trend av den yngre generationen. Till exempel, Scratch är ett populärt verktyg som används i och utanför klassrum för att skapa, dela och remixa spel. Det möjliggör intergenerationellt lärande där ungdomar, vuxna och seniorer kan skapa spelprototyper.

Kodning kan användas för att automatisera uppgifter, lösa komplexa problem, prognos, eller simulera händelser som inte har hänt ännu. Ett trendigt intresseområde för företag är dataanalys, ett fält som involverar förståelse av enorma mängder data.

När vi lever i en digital värld, många problem vi stöter på med att lösa tekniska datorproblem, styranordningar, eller hantera online varumärken kan lösas med kodning.

Under en lång tid, forskare har kopplat kodning till utvecklingen av problemlösningsförmåga. Jeannette Wing myntade termen beräkningstänkande för att beteckna attityder och färdigheter, inklusive problemlösning och analyssystem, som kan hämtas från grundläggande begrepp inom datavetenskap.

Denna uppfattning om beräkningstänkande gav utbildare en möjlighet att utforska hur kodning kan användas som ett sätt att utveckla andra relevanta färdigheter, som problemlösning, kreativt tänkande och kritiskt omdöme.

Tro på hypen?

I USA., jobben för dataprogrammerare beräknas minska på grund av att kontrakt läggs ut på entreprenad. Men hypen kring kodning ökar fortfarande.

På grund av detta gap, kritiker föreslår att rörelsen potentiellt kommer att skapa en billigare arbetskraft. När alla lär sig koda, marknaden kommer att bli överfull och arbetsgivarna behöver inte erbjuda en konkurrenskraftig lön.

Att delta i ett kodningsevenemang kan tyda på att det är lätt att lära sig koda, Sanningen är att episodiska erfarenheter inte översätts till kodningsfärdigheter. För att göra det attraktivt att lära sig koda, det finns en risk för att datorprogrammering förvrängs genom att alltför förenklade begrepp. Att utvecklas som kodare kräver ansträngning, uthållighet och tålamod.

Datavetenskapsforskaren Leon Winslow uppskattade 1996 att det tar ungefär 10 år att förvandla en novis till en expertkodare. Forskare har diskuterat det bästa sättet att lära ut inledande datorprogrammering. Det finns ännu ingen konsensus om svaret.

Ytterligare, hur kan vi säkerställa att det barn lär sig idag kommer att vara anpassat till framtidens jobb och behov? Vi kan bara spekulera.

Fjärde industriella revolutionen

Klaus Schwab, grundare och verkställande ordförande för World Economic Forum, betonar att med uppkomsten av den fjärde industriella revolutionen, information och förmågan att manipulera den kommer att vara avgörande för överlevnad i en framtida arbetsstyrka.

Vi vet att informationshantering och manipulation kommer att vara nyckeln till att skapa och underhålla fysiska, digitala och biologiska system som kommer att vara en del av våra hem och arbetsplatser. Vi vet att vi har komplexa problem att lösa.

Kodning kan hjälpa till genom att bearbeta råa observationer till konkreta simuleringar:det innebär att använda data från det förflutna och nuet för att skapa modellscenarier för att förutsäga framtiden.

Sådana simuleringar skulle kunna användas för att bekämpa klimatförändringar, för att minska trafiken och till och med bekämpa rasfördomar i sociala medier.

Kreativitet och kritiskt tänkande kommer också att vara grundläggande, eftersom dessa färdigheter förmodligen kommer att vara ett av de enda sätten att konkurrera med artificiell intelligens.

Arbetstagare kommer att kräva snabba beslutsfärdigheter i en accelererad arbetsmiljö som kräver flexibilitet och anpassningsförmåga.

Detta scenario utesluter inte förmågan att skapa och förstå kod. Men kraven är mer komplexa. En nyckel för att ta itu med framtida utmaningar genom kodning ligger i att bedöma möjligheter att komplettera rörelsen för att lära sig koda.

Ett kodande tankesätt

Vi vill föreslå att nybörjarkodare kan börja med en attraktiv och engagerande aktivitet, men bör också uttryckligen utveckla vad som skulle kunna kallas "the coding mindset".

Detta tankesätt representerar en gradvis utveckling av kunskaper och strategier för datorprogrammering, men inkluderar också analyssystem, lösa problem, framhärda inför fel, vara påhittig och samarbeta.

För att lära ut kodningstänket, pedagoger måste inkludera mer explicita grundläggande datavetenskapliga begrepp och kompetenser, som att skapa algoritmer för att lösa problem, felsöka befintliga program, och designa system för att utföra nya uppgifter eller samla in data.

Att lära sig koda bör inte vara skrämmande. Men det borde uppfylla löften, inte bara hype mytiska drömmar.

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.