Bygge en matematikkplan for en verden formet av databehandling


Lesetid: 5 minutter

I nest siste seminar i vår serie om tverrfaglig databehandlingvi var glade for å være vert Conrad Wolfram (Europeisk medgründer/administrerende direktør i Wolfram Research).

Conrad Wolfram.
Conrad Wolfram

Conrad har vært en innflytelsesrik skikkelse innen AI, datavitenskap og beregning i over 30 år. Selskapet han var med å stifte, Wolfram Research, utvikler beregningsteknologier inkludert programmeringsspråket Wolfram, som brukes av Mathematica og WolframAlpha programmer. På seminaret snakket Conrad om sitt arbeid med å utvikle en matematikkpensum “for AI-alderen”.

I et dataklasserom ler en jente av det hun ser på skjermen.

Beregning er overalt

I sitt foredrag begynte Conrad med å snakke om beregningens allestedsnærværende. Han forklarte hvordan beregning (dvs. en operasjon som følger betingelser for å gi et definert resultat) har transformert hverdagen vår og ført til utviklingen av helt nye underdisipliner, som beregningsmedisin, beregningsbasert markedsføring og til og med beregningsbasert landbruk. Deretter brukte han WolframAlpha-verktøyet til å gi flere praktiske eksempler på bruk av høynivåberegning til problemløsning på forskjellige områder.

En linjegraf som sammenligner befolkningen i Storbritannia med antall sauer i New Zealand.
Ja, det er flere mennesker i Storbritannia enn sauer i New Zealand.

Beregningskraften for matematikk

Conrad vendte deretter oppmerksomheten mot hovedspørsmålet i foredraget: hvis beregning også har endret matematikk i den virkelige verden, hvordan skal skolebasert matematikkundervisning reagere? Han foreslo at ettersom beregning har påvirket alle aspekter av våre daglige liv, bør skolefagene reformeres for å forberede elevene bedre på fremtidens karrierer.

Et diagram som indikerer at håndberegning tar mye tid i gjeldende mattetimer.
Håndberegningsmetoder er tidkrevende.

Hans største kritikk var bruken av håndberegningsmetoder i matematikkundervisningen. Han foreslo at en matematikkpensum som “forutsetter at datamaskiner eksisterer” og bruker datamaskiner (i stedet for mennesker) til å beregne svar, ville bedre støtte elevene til å utvikle en dyp forståelse av matematiske konsepter og prinsipper. Med andre ord, hvis elevene brukte mindre tid på å gjøre håndberegningsmetoder, kunne de bruke mer tid på mer komplekse problemer.

Hvordan ser beregningsmessig problemløsning ut?

Et interessant aspekt ved Conrads foredrag var hvordan han modellerte prosessen med å løse problemer ved hjelp av beregning. I alle eksempelproblemene skisserte han at beregningsmessig problemløsning følger den samme fire-trinns prosessen:

  1. Definer spørsmålet: Studentene tenker på omfanget og detaljene i problemet og definerer svarbare spørsmål som skal løses.
  2. Abstrakt til beregnelig form: Ved hjelp av informasjonen som er gitt, oversetter elevene spørsmålet til en presis abstrakt form, for eksempel et diagram eller algoritme, slik at det kan løses av en datamaskinbasert agent.
  3. Datamaskinen svarer: Ved å bruke beregningskraften løser elevene det abstrakte spørsmålet og løser eventuelle problemer under beregningsprosessen.
  4. Tolk resultater: Studentene tolker og rekontekstualiserer det abstrakte svaret for å få nyttige resultater. Hvis det dukker opp problemer, finpusser eller fikser elevene arbeidet sitt.

Avhengig av problemet kan prosessen gjentas flere ganger til ønsket løsning er nådd. I stedet for å bli foreslått som en statisk liste over utfall, ble prosessen presentert av Conrad som en iterativ syklus enn som ligner en “stigende helix”:

En helix som representerer den iterative syklusen for beregningsmessig problemløsning.
Den problemløsende ‘helix’-modellen.

En læreplan for en verden med AI

I de senere stadiene av foredraget hans snakket Conrad om utviklingen av en ny beregningsbasert læreplan for å bedre definere hvordan en moderne matematikkpensum kan se ut. Plattformen som er vert for læreplanen, heter Databasert matematikk (eller CBM), skisserer behovet for å integrere beregningstenkning i matematikk i skolen. For eksempel en av modulene, Hvor fort kunne jeg sykle trinn 7 av An Post Rás?, ber studentene utvikle en beregningsmessig løsning på et problem i den virkelige verden. Etter den fire-trinns problemløsningsprosessen bruker studentene matematiske modeller, beregningsverktøy og virkelige data for å generere en gyldig løsning:

En modul fra Wolfram Researchs pensum for datamaskinbasert matematikk.
Eksempelmodul fra Computer-Based Math. Klikk for å forstørre.

Noen fremtidige utfordringer han bemerket inkluderer hvordan en datamaskinbasert matematikkplan kan integreres med eksisterende læreplaner eller kvalifikasjoner, i hvilke aldre beregningsmatematikk bør undervises, og hvilken vurdering, opplæring og maskinvare som ville være nødvendig for å støtte lærere til å levere en slik læreplan.

Conrad avsluttet foredraget med å argumentere for at dagens behov for datakompetanse ligner på behovet for massekompetanse og funderte på om Storbritannia kunne lede fremstøtet mot en ny beregningsbasert læreplan som passer for elever som vokser opp med AI-teknologier. Dette punktet ga mat til ettertanke under diskusjonsseksjonen vår, spesielt for lærere som var interessert i å bygge inn beregning i leksjonene sine, og for forskere som tenkte på virkningen av AI på forskjellige felt. Vi er takknemlige til Conrad for å ha snakket om hans arbeid og misjon – lenge kan det fortsette!

Du kan følge med på Conrads prat med lysbildene hans og foredragets opptak:

[embedded content]

Mer å utforske

Conrads bok, The Math(s) Fix: An Education Blueprint for the AI ​​Agegir flere detaljer om hvordan han tror datavitenskap, AI og beregning kan integreres i den moderne matematikkplanen.

Du kan også utforske Wolfram Research’s Databasert matematikk pensumsom tilbyr læremateriell for å hjelpe lærere med å bygge inn beregning i matematikktimene.

Til slutt, prøv ut Wolframs verktøy for å løse hverdagslige problemer ved hjelp av beregning. For eksempel kan du spørre WolframAlpha datarike spørsmål, som verktøyet konverterer fra tekstinndata til et beregnbart problem ved bruk av naturlig språkbehandling. (To av mine favoritteksempelspørsmål er: “Hvor gammel var Leonardo da Mona Lisa ble malt?” og “Hvordan var været da jeg ble født?”)

Bli med på vårt neste seminar

I det siste seminaret i serien vår om databehandling på tvers av fag, ønsker vi Dr Tracy Gardner og Rebecca Franks (Raspberry Pi Foundation) velkommen til å presentere sitt pågående arbeid med datautdanning i ikke-formelle omgivelser. Registrer deg nå for å bli med oss ​​på denne økten tirsdag 8. november:

Vi vil snart kunngjøre temaet for en helt ny serie med forskningsseminarer starter i januar 2023. Seminarene vil finne sted online den første tirsdagen i måneden kl. 17.00–18.30 britisk tid.

Nettsted: LINK