Πρέπει να είμαι καλός στα μαθηματικά για να κωδικοποιήσω

Όχι «μαθηματικό άτομο»? Μπορεί να είστε καλύτεροι να μάθετε να κωδικοποιείτε από ό, τι νομίζετε

Οι γλωσσικές δεξιότητες είναι ένας ισχυρότερος προγνωστικός παράγοντας της ικανότητας προγραμματισμού από τη γνώση των μαθηματικών, σύμφωνα με μια νέα μελέτη του Πανεπιστημίου της Ουάσινγκτον. Εδώ, ο συν-συγγραφέας της μελέτης Malayka Mottarella αποδεικνύει την κωδικοποίηση στην Python ενώ φοράει ένα εξειδικευμένο ακουστικό που μετρά την ηλεκτρική δραστηριότητα στον εγκέφαλο. Justin Abernethy/U. της Ουάσινγκτον

Θέλετε να μάθετε να κωδικοποιείτε? Βάλτε το βιβλίο μαθηματικών. Αντ ‘αυτού, ασκήστε αυτές τις επικοινωνιακές δεξιότητες.

Η νέα έρευνα από το Πανεπιστήμιο της Ουάσινγκτον διαπιστώνει ότι μια φυσική ικανότητα για τις γλώσσες εκμάθησης είναι ένας ισχυρότερος προγνωστικός παράγοντας μάθησης από τις βασικές γνώσεις μαθηματικών ή αριθμητικότητα. Αυτό οφείλεται στο γεγονός ότι ο κώδικας γραφής περιλαμβάνει επίσης την εκμάθηση μιας δεύτερης γλώσσας, την ικανότητα να μαθαίνουμε το λεξιλόγιο και τη γραμματική της γλώσσας και πώς δουλεύουν μαζί για να επικοινωνούν ιδέες και προθέσεις. Άλλες γνωστικές λειτουργίες που συνδέονται με τους δύο τομείς, όπως η επίλυση προβλημάτων και η χρήση της μνήμης εργασίας, παίζουν επίσης βασικούς ρόλους.

“Πολλά εμπόδια στον προγραμματισμό, από τα προαπαιτούμενα μαθήματα μέχρι τα στερεότυπα του τι μοιάζει με έναν καλό προγραμματιστή, επικεντρώνονται στην ιδέα ότι ο προγραμματισμός βασίζεται σε μεγάλο βαθμό στις μαθηματικές ικανότητες και αυτή η ιδέα δεν γεννιέται στα δεδομένα μας”. “Η εκμάθηση του προγράμματος είναι δύσκολη, αλλά είναι όλο και πιο σημαντική για την απόκτηση εξειδικευμένων θέσεων στο εργατικό δυναμικό. Πληροφορίες για το τι χρειάζεται για να είναι Καλός Κατά τον προγραμματισμό λείπει κριτικά σε ένα πεδίο που ήταν γνωστό αργό στο κλείσιμο του χάσματος των φύλων.«

Δημοσιεύθηκε στο διαδίκτυο στις 2 Μαρτίου σε επιστημονικές εκθέσεις, ένα περιοδικό ανοικτής πρόσβασης από την ομάδα Publishing Nature, η έρευνα εξέτασε τις νευρογνωστικές ικανότητες των περισσότερων από τρεις δωδεκάδες ενήλικες καθώς έμαθαν Python, μια κοινή γλώσσα προγραμματισμού. Μετά από μια σειρά δοκιμών για να αξιολογήσουν τις εκτελεστικές τους λειτουργίες, τη γλώσσα και τις μαθηματικές δεξιότητες, οι συμμετέχοντες ολοκλήρωσαν μια σειρά από ηλεκτρονικά μαθήματα και κουίζ στην Python. Εκείνοι που έμαθαν το Python γρηγορότερα και με μεγαλύτερη ακρίβεια, τείνουν να έχουν ένα μείγμα ισχυρής επίλυσης προβλημάτων και γλωσσικών ικανοτήτων.

Στον σημερινό κόσμο που επικεντρώνεται στο STEM, η εκμάθηση του κωδικού ανοίγει μια ποικιλία δυνατοτήτων για θέσεις εργασίας και εκτεταμένη εκπαίδευση. Η κωδικοποίηση συνδέεται με τα μαθηματικά και τη μηχανική. Τα μαθήματα προγραμματισμού σε επίπεδο κολλεγίων τείνουν να απαιτούν την εγγραφή προηγμένων μαθηματικών και τείνουν να διδάσκονται στα τμήματα της επιστήμης και της μηχανικής πληροφορικής. Άλλες έρευνες, δηλαδή από τον καθηγητή ψυχολογίας της UW Sapna Cheryan, έδειξαν ότι τέτοιες απαιτήσεις και αντιλήψεις για την κωδικοποίηση ενισχύουν τα στερεότυπα για τον προγραμματισμό ως αρσενικό πεδίο, ενδεχομένως αποθαρρύνοντας τις γυναίκες από την επιδίωξή του.

Αλλά η κωδικοποίηση έχει επίσης ένα θεμέλιο στην ανθρώπινη γλώσσα: Ο προγραμματισμός περιλαμβάνει τη δημιουργία σημασίας με τη χορδή των συμβόλων μαζί με τρόπους που βασίζονται σε κανόνες.

Αν και μερικές μελέτες έχουν αγγίξει τους γνωστικούς δεσμούς μεταξύ της εκμάθησης γλωσσών και του προγραμματισμού υπολογιστών, μερικά από τα δεδομένα είναι δεκαετίες, χρησιμοποιώντας γλώσσες όπως το Pascal που είναι τώρα ξεπερασμένα και κανένας από αυτούς δεν χρησιμοποίησε μέτρα για την ικανότητα της φυσικής γλώσσας για να προβλέψει μεμονωμένες διαφορές στη μάθηση για να προγραμματίσει.

Έτσι, ο Prat, ο οποίος ειδικεύεται στους νευρικούς και γνωστικούς προγνωστικούς παράγοντες της μάθησης των ανθρώπινων γλωσσών, ξεκίνησε να διερευνά τις ατομικές διαφορές στον τρόπο με τον οποίο οι άνθρωποι μαθαίνουν Python. Η Python ήταν μια φυσική επιλογή, εξήγησε ο Prat, επειδή μοιάζει με αγγλικές δομές όπως η εσοχή των παραγράφων και χρησιμοποιεί πολλές πραγματικές λέξεις και όχι σύμβολα για λειτουργίες.

Για να αξιολογήσει τα νευρικά και γνωστικά χαρακτηριστικά της «ικανότητας προγραμματισμού», ο Prat μελέτησε μια ομάδα εγγενών αγγλικών ομιλητών ηλικίας μεταξύ 18 και 35 ετών που δεν είχαν μάθει ποτέ να κωδικοποιούν.

Πριν μάθουν να κωδικοποιούν, οι συμμετέχοντες έλαβαν δύο εντελώς διαφορετικούς τύπους αξιολογήσεων. Πρώτον, οι συμμετέχοντες υποβλήθηκαν σε μια σάρωση ηλεκτροεγκεφαλογραφίας πέντε λεπτών, η οποία κατέγραψε την ηλεκτρική δραστηριότητα του εγκεφάλου τους καθώς χαλαρώνουν με τα μάτια κλειστά. Σε προηγούμενες έρευνες, το PRAT έδειξε ότι τα πρότυπα νευρικής δραστηριότητας, ενώ ο εγκέφαλος βρίσκεται σε κατάσταση ηρεμίας μπορεί να προβλέψει έως και το 60% της μεταβλητότητας της ταχύτητας με την οποία κάποιος μπορεί να μάθει μια δεύτερη γλώσσα (σε αυτή την περίπτωση, γαλλικά).

“Τελικά, αυτές οι μετρήσεις εγκεφάλου ηρεμίας θα μπορούσαν να χρησιμοποιηθούν ως μέτρα χωρίς καλλιέργεια για το πώς μαθαίνει κάποιος”, δήλωσε ο Prat.

Στη συνέχεια, οι συμμετέχοντες πήραν οκτώ διαφορετικές δοκιμές: μία που κάλυπτε ειδικά την αριθμητική. ένα που μέτρησε την ικανότητα της γλώσσας. και άλλοι που αξιολόγησαν την προσοχή, την επίλυση προβλημάτων και τη μνήμη.

Για να μάθουν την Python, οι συμμετέχοντες έλαβαν 10 45 λεπτά σε απευθείας σύνδεση εκπαιδευτικές συνεδρίες χρησιμοποιώντας το εκπαιδευτικό εργαλείο Codeacademy. Κάθε συνεδρία επικεντρώθηκε σε μια έννοια κωδικοποίησης, όπως οι λίστες ή εάν/στη συνέχεια συνθήκες, και ολοκληρώθηκε με ένα κουίζ που ένας χρήστης έπρεπε να περάσει για να προχωρήσει στην επόμενη συνεδρίαση. Για βοήθεια, οι χρήστες θα μπορούσαν να στραφούν σε ένα κουμπί “υπαινιγμός”, ένα ενημερωτικό blog από τους προηγούμενους χρήστες και ένα κουμπί “Λύση”, με αυτή τη σειρά.

Βασικά σημεία:

1. Οι γλωσσικές δεξιότητες είναι ένας ισχυρότερος προγνωστικός παράγοντας της ικανότητας προγραμματισμού από τη γνώση των μαθηματικών.
2. Η μάθηση για τον κώδικα περιλαμβάνει την εκμάθηση μιας δεύτερης γλώσσας.
3. Η επίλυση προβλημάτων και η μνήμη εργασίας παίζουν βασικοί ρόλοι στον προγραμματισμό.
4. Τα εμπόδια στον προγραμματισμό συχνά περιστρέφονται γύρω από την ιδέα ότι τα μαθηματικά είναι απαραίτητα.
5. Η έλλειψη πληροφοριών σχετικά με το τι χρειάζεται για να είναι καλό στον προγραμματισμό είναι να παρεμποδίζει την ισότητα των φύλων στον τομέα.
6. Η εκμάθηση της Python μπορεί να αποτελέσει σημείο εκκίνησης για τους μη κωδικοποιητές να εξερευνήσουν τον προγραμματισμό.
7. Οι ομοιότητες της Python με τα αγγλικά διευκολύνουν την κατανόηση των μαθητών γλωσσών.
8. Οι νευρογνωστικές ικανότητες των ενηλίκων εξετάστηκαν καθώς έμαθαν Python.
9. Η νευρική δραστηριότητα σε ηρεμία μπορεί να προβλέψει την εκμάθηση γλωσσών και τον προγραμματισμό της ικανότητας.
10. Οι δεξιότητες μαθηματικών δεν είναι ο σημαντικότερος παράγοντας για την εκμάθηση του κωδικού.

Ερωτήσεις:

1. Πώς σχετίζονται οι γλωσσικές δεξιότητες με την ικανότητα προγραμματισμού?

Οι γλωσσικές δεξιότητες είναι ένας ισχυρότερος προγνωστικός παράγοντας της ικανότητας προγραμματισμού από τη γνώση των μαθηματικών. Ο κώδικας γραφής είναι σαν να μαθαίνεις μια δεύτερη γλώσσα και η ικανότητα ενός ατόμου να μαθαίνει το λεξιλόγιο και τη γραμματική της γλώσσας που επηρεάζει τις ικανότητες προγραμματισμού τους.

2. Είναι σημαντικές στον προγραμματισμό επίλυσης προβλημάτων και εργασίας?

Ναι, ο βασικός ρόλος της επίλυσης προβλημάτων και της μνήμης εργασίας στον προγραμματισμό. Αυτές οι γνωστικές λειτουργίες συνδέονται τόσο με τις γλωσσικές δεξιότητες όσο και με τον προγραμματισμό και είναι απαραίτητες για την κατανόηση και την εφαρμογή κώδικα.

3. Ποια είναι τα εμπόδια στον προγραμματισμό?

Πολλά εμπόδια στον προγραμματισμό περιστρέφονται γύρω από την εσφαλμένη αντίληψη ότι οι ικανότητες των μαθηματικών είναι απαραίτητες. Υπάρχουν προαπαιτούμενα μαθήματα και στερεότυπα για το τι ένας καλός προγραμματιστής μοιάζει με αυτό που αποθαρρύνει τους ανθρώπους από την επιδίωξη προγραμματισμού.

4. Γιατί είναι σημαντικό να κλείσετε το χάσμα των φύλων στον προγραμματισμό?

Η απόκτηση εξειδικευμένων θέσεων στο εργατικό δυναμικό απαιτεί όλο και περισσότερο τις δεξιότητες προγραμματισμού. Ωστόσο, το πεδίο του προγραμματισμού ήταν αργό στο κλείσιμο του χάσματος των φύλων. Η έλλειψη πληροφοριών για το τι χρειάζεται για να είναι καλό στον προγραμματισμό συμβάλλει σε αυτήν την ανισότητα.

5. Ποια είναι η σχέση μεταξύ κωδικοποίησης και ανθρώπινης γλώσσας?

Η κωδικοποίηση έχει ένα θεμέλιο στην ανθρώπινη γλώσσα. Ο προγραμματισμός περιλαμβάνει τη δημιουργία σημασίας με τη χορδές συμβόλων μαζί με τρόπους που βασίζονται σε κανόνες, όπως και ο τρόπος με τον οποίο χρησιμοποιείται η γλώσσα για την επικοινωνία ιδεών και προθέσεων.

6. Ποια είναι η σημασία της εκμάθησης Python?

Η εκμάθηση της Python μπορεί να αποτελέσει σημείο εκκίνησης για τους μη κωδικοποιητές να εξερευνήσουν τον προγραμματισμό. Οι ομοιότητες της Python με τις αγγλικές δομές και η χρήση πραγματικών λέξεων διευκολύνουν την κατανόηση των μαθητών της γλώσσας.

7. Ποια γνωστικά χαρακτηριστικά μελετήθηκαν σε σχέση με τον προγραμματισμό ικανότητας?

Η μελέτη αξιολόγησε τα νευρικά και γνωστικά χαρακτηριστικά της ικανότητας προγραμματισμού. Οι συμμετέχοντες υποβλήθηκαν σε αξιολογήσεις για αριθμητική, γλωσσική ικανότητα, προσοχή, επίλυση προβλημάτων και μνήμη.

8. Πώς μπορούν να χρησιμοποιηθούν οι μετρήσεις εγκεφάλου ηρεμίας για την πρόβλεψη της μάθησης?

Οι μετρήσεις εγκεφάλου ηρεμίας, που καταγράφονται μέσω της ηλεκτροεγκεφαλογραφίας, μπορούν να προβλέψουν έως και το 60% της μεταβλητότητας στην εκμάθηση μιας δεύτερης γλώσσας. Αυτές οι μετρήσεις μπορούν να χρησιμοποιηθούν ως μέτρα χωρίς καλλιέργεια για το πώς μαθαίνει κάποιος.

9. Ποιες ήταν οι μέθοδοι που χρησιμοποιήθηκαν για τη διδασκαλία της Python στους συμμετέχοντες?

Οι συμμετέχοντες έλαβαν 10 online συνεδρίες διδασκαλίας χρησιμοποιώντας το εκπαιδευτικό εργαλείο CodeAcademy. Κάθε συνεδρία επικεντρώθηκε σε μια συγκεκριμένη έννοια κωδικοποίησης και ολοκληρώθηκε με ένα κουίζ.

10. Γιατί οι μαθηματικές δεξιότητες δεν είναι ο σημαντικότερος παράγοντας στην εκμάθηση του κωδικού?

Ενώ οι δεξιότητες μαθηματικών συνδέονται με την κωδικοποίηση και συχνά απαιτούνται σε μαθήματα προγραμματισμού, η μελέτη αυτή διαπίστωσε ότι οι γλωσσικές δεξιότητες είναι ένας ισχυρότερος προγνωστικός παράγοντας της ικανότητας προγραμματισμού. Η μάθηση για τον κώδικα περιλαμβάνει κάτι περισσότερο από γνώσεις μαθηματικών.

Πρέπει να είμαι καλός στα μαθηματικά για να κωδικοποιήσω

Δημοσιεύθηκε στο διαδίκτυο στις 2 Μαρτίου σε επιστημονικές εκθέσεις, ένα περιοδικό ανοικτής πρόσβασης από την ομάδα Publishing Nature, η έρευνα εξέτασε τις νευρογνωστικές ικανότητες των περισσότερων από τρεις δωδεκάδες ενήλικες καθώς έμαθαν Python, μια κοινή γλώσσα προγραμματισμού. Μετά από μια σειρά δοκιμών για να αξιολογήσουν τις εκτελεστικές τους λειτουργίες, τη γλώσσα και τις μαθηματικές δεξιότητες, οι συμμετέχοντες ολοκλήρωσαν μια σειρά από ηλεκτρονικά μαθήματα και κουίζ στην Python. Εκείνοι που έμαθαν το Python γρηγορότερα και με μεγαλύτερη ακρίβεια, τείνουν να έχουν ένα μείγμα ισχυρής επίλυσης προβλημάτων και γλωσσικών ικανοτήτων.

Δεν είναι ‘μαθηματικό άτομο’? Μπορεί να είστε καλύτεροι να μάθετε να κωδικοποιείτε από ό, τι νομίζετε

Οι γλωσσικές δεξιότητες είναι ένας ισχυρότερος προγνωστικός παράγοντας της ικανότητας προγραμματισμού από τη γνώση των μαθηματικών, σύμφωνα με μια νέα μελέτη του Πανεπιστημίου της Ουάσινγκτον. Εδώ, ο συν-συγγραφέας της μελέτης Malayka Mottarella αποδεικνύει την κωδικοποίηση στην Python ενώ φοράει ένα εξειδικευμένο ακουστικό που μετρά την ηλεκτρική δραστηριότητα στον εγκέφαλο. Justin Abernethy/U. της Ουάσινγκτον

Θέλετε να μάθετε να κωδικοποιείτε? Βάλτε το βιβλίο μαθηματικών. Αντ ‘αυτού, ασκήστε αυτές τις επικοινωνιακές δεξιότητες.

Η νέα έρευνα από το Πανεπιστήμιο της Ουάσινγκτον διαπιστώνει ότι μια φυσική ικανότητα για τις γλώσσες εκμάθησης είναι ένας ισχυρότερος προγνωστικός παράγοντας μάθησης από τις βασικές γνώσεις μαθηματικών ή αριθμητικότητα. Οτι’S επειδή ο κωδικός γραφής περιλαμβάνει επίσης την εκμάθηση μιας δεύτερης γλώσσας, την ικανότητα να μάθει αυτή τη γλώσσα’S Λεξιλόγιο και Γραμματική, και πώς συνεργάζονται για να επικοινωνούν ιδέες και προθέσεις. Άλλες γνωστικές λειτουργίες που συνδέονται με τους δύο τομείς, όπως η επίλυση προβλημάτων και η χρήση της μνήμης εργασίας, παίζουν επίσης βασικούς ρόλους.

“Πολλά εμπόδια στον προγραμματισμό, από προαπαιτούμενα μαθήματα έως στερεότυπα του τι μοιάζει με έναν καλό προγραμματιστή, επικεντρώνονται στην ιδέα ότι ο προγραμματισμός βασίζεται σε μεγάλο βαθμό στις μαθηματικές ικανότητες και αυτή η ιδέα δεν γεννιέται στα δεδομένα μας,” Ο εν λόγω επικεφαλής συγγραφέας Chantel Prat, Αναπληρωτής Καθηγητής Ψυχολογίας στο UW και στο Ινστιτούτο Εκμάθησης και Εγκεφαλικών Επιστημών. “Η εκμάθηση του προγράμματος είναι δύσκολη, αλλά είναι όλο και πιο σημαντική για την απόκτηση εξειδικευμένων θέσεων στο εργατικό δυναμικό. Πληροφορίες για το τι χρειάζεται για να είναι Καλός Κατά τον προγραμματισμό λείπει κριτικά σε ένα πεδίο που ήταν γνωστό αργό στο κλείσιμο του χάσματος των φύλων.”

Δημοσιεύθηκε στο διαδίκτυο στις 2 Μαρτίου σε επιστημονικές εκθέσεις, ένα περιοδικό ανοικτής πρόσβασης από την ομάδα Publishing Nature, η έρευνα εξέτασε τις νευρογνωστικές ικανότητες των περισσότερων από τρεις δωδεκάδες ενήλικες καθώς έμαθαν Python, μια κοινή γλώσσα προγραμματισμού. Μετά από μια σειρά δοκιμών για να αξιολογήσουν τις εκτελεστικές τους λειτουργίες, τη γλώσσα και τις μαθηματικές δεξιότητες, οι συμμετέχοντες ολοκλήρωσαν μια σειρά από ηλεκτρονικά μαθήματα και κουίζ στην Python. Εκείνοι που έμαθαν το Python γρηγορότερα και με μεγαλύτερη ακρίβεια, τείνουν να έχουν ένα μείγμα ισχυρής επίλυσης προβλημάτων και γλωσσικών ικανοτήτων.

Σήμερα’S STEM-εστιασμένο στον κόσμο, η μάθηση για τον κώδικα ανοίγει μια ποικιλία δυνατοτήτων για θέσεις εργασίας και εκτεταμένη εκπαίδευση. Η κωδικοποίηση συνδέεται με τα μαθηματικά και τη μηχανική. Τα μαθήματα προγραμματισμού σε επίπεδο κολλεγίων τείνουν να απαιτούν την εγγραφή προηγμένων μαθηματικών και τείνουν να διδάσκονται στα τμήματα της επιστήμης και της μηχανικής πληροφορικής. Άλλες έρευνες, δηλαδή από τον καθηγητή ψυχολογίας της UW Sapna Cheryan, έδειξαν ότι τέτοιες απαιτήσεις και αντιλήψεις για την κωδικοποίηση ενισχύουν τα στερεότυπα για τον προγραμματισμό ως αρσενικό πεδίο, ενδεχομένως αποθαρρύνοντας τις γυναίκες από την επιδίωξή του.

Αλλά η κωδικοποίηση έχει επίσης ένα θεμέλιο στην ανθρώπινη γλώσσα: Ο προγραμματισμός περιλαμβάνει τη δημιουργία σημασίας με τη χορδή των συμβόλων μαζί με τρόπους που βασίζονται σε κανόνες.

Αν και μερικές μελέτες έχουν αγγίξει τους γνωστικούς δεσμούς μεταξύ της εκμάθησης γλωσσών και του προγραμματισμού υπολογιστών, μερικά από τα δεδομένα είναι δεκαετίες, χρησιμοποιώντας γλώσσες όπως το Pascal που είναι τώρα ξεπερασμένα και κανένας από αυτούς δεν χρησιμοποίησε μέτρα για την ικανότητα της φυσικής γλώσσας για να προβλέψει μεμονωμένες διαφορές στη μάθηση για να προγραμματίσει.

Έτσι, ο Prat, ο οποίος ειδικεύεται στους νευρικούς και γνωστικούς προγνωστικούς παράγοντες της μάθησης των ανθρώπινων γλωσσών, ξεκίνησε να διερευνά τις ατομικές διαφορές στον τρόπο με τον οποίο οι άνθρωποι μαθαίνουν Python. Η Python ήταν μια φυσική επιλογή, εξήγησε ο Prat, επειδή μοιάζει με αγγλικές δομές όπως η εσοχή των παραγράφων και χρησιμοποιεί πολλές πραγματικές λέξεις και όχι σύμβολα για λειτουργίες.

Να αξιολογηθεί τα νευρικά και γνωστικά χαρακτηριστικά του “Προγραμματισμός ικανότητας,” Ο PRAT μελέτησε μια ομάδα εγγενών αγγλικών ομιλητών ηλικίας μεταξύ 18 και 35 ετών που δεν είχαν μάθει ποτέ να κωδικοποιούν.

Πριν μάθουν να κωδικοποιούν, οι συμμετέχοντες έλαβαν δύο εντελώς διαφορετικούς τύπους αξιολογήσεων. Πρώτον, οι συμμετέχοντες υποβλήθηκαν σε μια σάρωση ηλεκτροεγκεφαλογραφίας πέντε λεπτών, η οποία κατέγραψε την ηλεκτρική δραστηριότητα του εγκεφάλου τους καθώς χαλαρώνουν με τα μάτια κλειστά. Σε προηγούμενες έρευνες, το PRAT έδειξε ότι τα πρότυπα νευρικής δραστηριότητας, ενώ ο εγκέφαλος βρίσκεται σε κατάσταση ηρεμίας μπορεί να προβλέψει έως και το 60% της μεταβλητότητας της ταχύτητας με την οποία κάποιος μπορεί να μάθει μια δεύτερη γλώσσα (σε αυτή την περίπτωση, γαλλικά).

“Τελικά, αυτές οι μετρήσεις εγκεφάλου ηρεμίας μπορούν να χρησιμοποιηθούν ως μέτρα χωρίς καλλιέργεια για το πώς μαθαίνει κάποιος,” Είπε ο Πρατ.

Στη συνέχεια, οι συμμετέχοντες πήραν οκτώ διαφορετικές δοκιμές: μία που κάλυπτε ειδικά την αριθμητική. ένα που μέτρησε την ικανότητα της γλώσσας. και άλλοι που αξιολόγησαν την προσοχή, την επίλυση προβλημάτων και τη μνήμη.

Για να μάθουν την Python, οι συμμετέχοντες έλαβαν 10 45 λεπτά σε απευθείας σύνδεση εκπαιδευτικές συνεδρίες χρησιμοποιώντας το εκπαιδευτικό εργαλείο Codeacademy. Κάθε συνεδρία επικεντρώθηκε σε μια έννοια κωδικοποίησης, όπως οι λίστες ή εάν/στη συνέχεια συνθήκες, και ολοκληρώθηκε με ένα κουίζ που ένας χρήστης έπρεπε να περάσει για να προχωρήσει στην επόμενη συνεδρίαση. Για βοήθεια, οι χρήστες θα μπορούσαν να στραφούν σε ένα “ίχνος” κουμπί, ένα ενημερωτικό ιστολόγιο από τους προηγούμενους χρήστες και ένα “λύση” κουμπί, με αυτήν τη σειρά.

Από μια κοινή οθόνη Mirror, ένας ερευνητής ακολούθησε μαζί με κάθε συμμετέχοντα και ήταν σε θέση να υπολογίσει τους “ποσοστό εκμάθησης,” ή ταχύτητα με την οποία κατέκτησαν κάθε μάθημα, καθώς και την ακρίβεια του κουίζ και τον αριθμό των φορές που ζήτησαν βοήθεια.

Αυτό το γράφημα δείχνει πώς οι δεξιότητες των συμμετεχόντων στη μελέτη, όπως η αριθμητική και η γλωσσική ικανότητα, συμβάλλουν στην εκμάθηση της Python. Σύμφωνα με το γράφημα, η γνώση και η ικανότητα της γλώσσας είναι μεγαλύτεροι παράγοντες πρόβλεψης της μάθησης από την αριθμητική. Prat et al./Επιστημονικές εκθέσεις

Μετά την ολοκλήρωση των συνεδριών, οι συμμετέχοντες έλαβαν δοκιμασία πολλαπλών επιλογών σχετικά με το σκοπό των λειτουργιών (το λεξιλόγιο της Python) και τη δομή της κωδικοποίησης (η γραμματική της Python). Για το τελικό τους καθήκον, προγραμματίστηκαν ένα παιχνίδι – ροκ, χαρτί, ψαλίδι – θεωρούσε ένα εισαγωγικό έργο για ένα νέο Coder Python. Αυτό βοήθησε στην αξιολόγηση της ικανότητάς τους να γράφουν κώδικα χρησιμοποιώντας τις πληροφορίες που είχαν μάθει.

Τελικά, οι ερευνητές διαπίστωσαν ότι οι βαθμολογίες από τη δοκιμή επάρκειας γλώσσας ήταν οι ισχυρότεροι προγνωστικοί παράγοντες των συμμετεχόντων’ Ποσοστό μάθησης στο Python. Οι βαθμολογίες από τις δοκιμές σε αριθμητική και υγρή συλλογιστική συσχετίστηκαν επίσης με το ποσοστό μάθησης Python, αλλά κάθε ένας από αυτούς τους παράγοντες εξηγούσε λιγότερη διακύμανση από την ικανότητα της γλώσσας.

Παρουσίασε έναν άλλο τρόπο, σε μαθησιακά αποτελέσματα, συμμετέχοντες’ Η ικανότητα γλώσσας, η λογική και η μνήμη εργασίας και η μνήμη εργασίας και η εγκεφαλική δραστηριότητα ηρεμίας ήταν όλοι μεγαλύτεροι παράγοντες πρόβλεψης της μάθησης Python από ό, τι η αριθμητική, η οποία εξήγησε κατά μέσο όρο το 2% των διαφορών μεταξύ των ανθρώπων. Είναι σημαντικό ότι ο PRAT διαπίστωσε επίσης ότι τα ίδια χαρακτηριστικά των δεδομένων εγκεφάλου ηρεμίας που εξήγησαν προηγουμένως πόσο γρήγορα κάποιος θα μάθει να μιλάει γαλλικά, εξήγησε επίσης πόσο γρήγορα θα μάθουν να κωδικοποιούν στην Python.

”Αυτή είναι η πρώτη μελέτη που συνδέεται τόσο με τους νευρικούς όσο και τους γνωστικούς προγνωστικούς παράγοντες της φυσικής γλώσσας για τις ατομικές διαφορές στις γλώσσες προγραμματισμού μάθησης. Ήμασταν σε θέση να εξηγήσουμε πάνω από το 70% της μεταβλητότητας στο πόσο γρήγορα διαφορετικοί άνθρωποι μαθαίνουν να προγραμματίζουν στην Python και μόνο ένα μικρό κλάσμα αυτού του ποσού σχετίζεται με αριθμητικό,” Είπε ο Πρατ. Περαιτέρω έρευνα θα μπορούσε να εξετάσει τις συνδέσεις μεταξύ της γλώσσας και της διδασκαλίας προγραμματισμού σε μια ρύθμιση της τάξης ή με πιο πολύπλοκες γλώσσες όπως η Java ή με πιο περίπλοκα καθήκοντα για να επιδείξει κωδικοποιητική επάρκεια, δήλωσε ο Prat, δήλωσε ο Prat.

Η μελέτη χρηματοδοτήθηκε από το Γραφείο Ναυτικής Έρευνας. Πρόσθετοι συν-συγγραφείς ήταν η Tara Madhyastha, επιστήμονας υπολογιστών και πρώην ερευνητής καθηγητής στο Τμήμα Ακτινολογίας της UW. και Chu-Hsuan Kuo και Malayka Mottarella, μεταπτυχιακοί φοιτητές στο Τμήμα Ψυχολογίας και στο I-Labs UW.

Για περισσότερες πληροφορίες, επικοινωνήστε με το PRAT στο csprat@uw.Έντι.

Πρέπει να είμαι καλός στα μαθηματικά για να κωδικοποιήσω?

Από τον Lillian Xiao

• Μοιραστείτε το άρθρο στο Twitter
• Μοιραστείτε το άρθρο στο Facebook
• Μοιραστείτε το άρθρο στο LinkedIn

Εδώ στο Codecademy, μια ερώτηση που ακούμε πολλά είναι: “Πρέπει να είμαι καλός στα μαθηματικά για να κωδικοποιήσω?” Για να απαντήσουμε σε αυτήν την ερώτηση, μιλήσαμε με προγραμματιστές από την ομάδα Codecademy και την ευρύτερη κοινότητα μας κατά τη διάρκεια μιας πρόσφατης γυναικείας εκδήλωσης Tech Panel Live για να ακούσουμε τις σκέψεις τους για το θέμα.

Γενικά, ο προγραμματισμός είναι ένας απίστευτα διαφορετικός τομέας. Το να είσαι καλός στα μαθηματικά είναι σημαντικό για ορισμένους τύπους προγραμματισμού, όπως το σχεδιασμό παιχνιδιών και την επινοώντας σύνθετους αλγόριθμους. Αλλά για πολλούς άλλους τύπους προγραμματισμού, όπως η ανάπτυξη επιχειρήσεων ή εφαρμογών ιστού, μπορείτε να γίνετε επιτυχημένος προγραμματιστής χωρίς να χρειάζεται να μελετήσετε τα προηγμένα μαθηματικά.

“Εσύ’Δεν χρειάζεται να είσαι καλός στα μαθηματικά για να είσαι καλός προγραμματιστής λογισμικού. Έχουμε τόσους πολλούς ανθρώπους εδώ [στο Codecademy] που ίσως Don’δεν έχουν τόσο μεγάλη εμπειρία με τα μαθηματικά και την επιστήμη των υπολογιστών και είναι σπουδαίοι προγραμματιστές,” Μοιράζεται Sanam, μηχανικός λογισμικού στην ομάδα μας.

Λύνοντας προβλήματα

Ως προγραμματιστής, εσύ’είναι πιο πιθανό να εφαρμόσετε υπάρχοντες αλγόριθμους και τεχνολογίες για την επίλυση ενός συγκεκριμένου προβλήματος. Και παρόλο που τα μαθηματικά πηγαίνουν στην οικοδόμηση πολλών από αυτά τα εργαλεία, δεν don’Τ πρέπει αναγκαστικά να γνωρίζει πώς λειτουργεί τα μαθηματικά για να χρησιμοποιήσουν αποτελεσματικά αυτά τα εργαλεία. Με τον ίδιο τρόπο, μπορείτε να γίνετε ειδικευμένος οδηγός χωρίς να γνωρίζετε τις λεπτομέρειες πίσω από το πώς λειτουργεί ένας κινητήρας αυτοκινήτου.

“Το’είναι υπέροχο αν έχετε αυτό το μαθηματικό υπόβαθρο, αλλά απλά πρέπει να είστε σε θέση να λύσετε πρόβλημα. Πολλά από αυτά είναι απλά κολλημένα με ένα πρόβλημα,” Λέει ο Mariel, προγραμματιστής προγράμματος σπουδών κωδικοποίησης.

Ο Negar, μηχανικός μηχανικής μάθησης που οδηγεί το κεφάλαιο της κωδικοποιητικής Γεωργίας, μοιράζεται παρόμοιες συμβουλές: “Νομίζω ότι πρέπει να είσαι καλός στην επίλυση προβλημάτων και αυτό’Γιατί οι άνθρωποι μπερδεύονται ότι πρέπει να κάνουν λογισμό κατά την κωδικοποίηση. Όχι, απλά πρέπει να λύσετε προβλήματα και να χρησιμοποιήσετε τη βασική λογική, αυτό’Καθίστε.”

Ένα μεγάλο μέρος της επίλυσης προβλημάτων περιλαμβάνει τον καθορισμό του προβλήματος και τη διάσπαση του σε μικρότερες, πιο διαχειρίσιμες εργασίες. “Μαθαίνοντας πώς να καταργήσετε ένα πρόβλημα και να διατυπώσετε αυτό το πρόβλημα είναι ένα skillset που’είναι πραγματικά το κλειδί για να είσαι επιτυχημένος προγραμματιστής,” Λέει ο Taylor, προγραμματιστής πλήρους στοίβας και σύμβουλος για την καριέρα μας στο Back-end Engineer Career Path.

Sophie, προγραμματιστής προγράμματος σπουδών που επικεντρώνεται στην κωδικοποιητή’S Περιεχόμενο Science Data, μετοχές που είναι εξειδικευμένα στα μαθηματικά – αν και δεν είναι προϋπόθεση για την κωδικοποίηση – μπορεί να είναι ένα χρήσιμο εργαλείο για την επίλυση προβλημάτων. “Εσείς’θα έχετε ένα πρόβλημα που πρέπει να λύσετε και πρέπει να καταλάβετε ποια εργαλεία μπορείτε να χρησιμοποιήσετε για να το λύσετε. Τα μαθηματικά είναι πραγματικά σαν μια εργαλειοθήκη που μπορείτε να αξιοποιήσετε για να λύσετε αυτά τα προβλήματα. Στην καθημερινή μου δουλειά, αυτό που χρησιμοποιώ είναι η επίλυση προβλημάτων και οι ερευνητικές δεξιότητες για να καταλάβω ποια εργαλεία για χρήση,” Η Σόφι μας λέει.

Συνεργασία με άλλους

Εκτός από την επίλυση προβλημάτων, η κωδικοποίηση συνεπάγεται τη δυνατότητα συνεργασίας με άλλους για την αντιμετώπιση περίπλοκων προκλήσεων. “Στην ευέλικτη ανάπτυξη, και σε κάθε εταιρεία που εγώ’εργάστηκαν, ο πολιτισμός ήταν για να δουλέψει ως ομάδα, όπου εσύ’Επίλυση προβλημάτων, αλλά εσείς’Επίσης, μοιράζεστε και συνεργάζεστε με άλλους και δίνοντας σχόλια. Πρέπει να έχετε μεγάλες δεξιότητες επικοινωνίας και δεξιότητες συνεργασίας,” Λέει ο Sanam.

Δημιουργική σκέψη

Μια άλλη σημαντική δεξιότητα για τους προγραμματιστές είναι η δημιουργική σκέψη. Όταν πρόκειται για την επίλυση ενός προβλήματος κωδικοποίησης, εσείς’Θα συναντήσω συχνά πολλές πιθανές λύσεις. Η δουλειά σας ως προγραμματιστής είναι να ανακαλύψετε την καλύτερη δυνατή λύση, δεδομένου του μοναδικού σας συνόλου περιορισμών, που απαιτεί συνδυασμό δημιουργικότητας, περιέργειας και αποφασιστικότητας.

Η Shirley, μηχανικός λογισμικού εδώ στο Codecademy και προηγουμένως σχεδιαστής μόδας, μοιράζεται τις σκέψεις της για τη δημιουργικότητα: “Πολλοί άνθρωποι πιστεύουν ότι η κωδικοποίηση είναι εξαιρετικά αναλυτική και πρέπει να έχετε τρελές τεχνικές δεξιότητες. Αλλά προσωπικά πιστεύω ότι η κωδικοποίηση είναι εξαιρετικά δημιουργική. Εάν προέρχεστε από ένα υπόβαθρο όπου αγαπάτε την τέχνη και αγαπάτε την επίλυση προβλημάτων, νομίζω ότι είστε εξαιρετικά προετοιμασμένοι να είστε κωδικοποιητής.”

Η κατώτατη γραμμή είναι, δεν don’Δεν πρέπει να είμαι καλός στα μαθηματικά για να γίνει ένας μεγάλος προγραμματιστής. Αντ ‘αυτού, εστιάζοντας στην επίλυση προβλημάτων, τη συνεργασία και τη δημιουργική σκέψη μπορεί να σας επιτρέψει να πάρετε τις ικανότητες προγραμματισμού σας στο επόμενο επίπεδο, όπου κι αν είστε στο ταξίδι κωδικοποίησης σας.

Είστε έτοιμοι να ξεκινήσετε το δικό σας ταξίδι κωδικοποίησης? Ελέγξτε τον πλήρη κατάλογο των μαθημάτων μας για να μάθετε περισσότερα και να ξεκινήσετε.

Ο προγραμματισμός απαιτεί τη γνώση των μαθηματικών?

Ο προγραμματισμός απαιτεί τη γνώση των μαθηματικών? Οχι απαραίτητα.

Όταν το λέω αυτό, μιλάω κυρίως για ανάπτυξη ιστού, δεν δουλεύω με γραφικά ή συγκεκριμένες εφαρμογές που απαιτούν προηγμένα μαθηματικά.

Μπορείτε να είστε ένας μεγάλος προγραμματιστής ακόμα κι αν ήσασταν κακοί στο μαθηματικό στο σχολείο.

Θέλω να πω, έχω προγραμματίσει τα τελευταία 20 χρόνια και ποτέ δεν έπρεπε να ανοίξω ένα βιβλίο μαθηματικών για να υπενθυμίσω στον εαυτό μου κάτι που έπρεπε να ξέρω αλλά ξέχασα. Έκανα αρκετά μαθηματικά τόσο στο γυμνάσιο όσο και στο πανεπιστήμιο. Τα πράγματα τόσο προχωρημένα και αφηρημένα που δεν θυμάμαι καν ποιος ήταν ο στόχος της εκμάθησης αυτών (αν υπήρχε ακόμη και στόχος, εκτός από τη διέλευση των εξετάσεων).

Είναι κάποιο είδος συμβατική σοφία ότι πρέπει απολύτως να είστε σπουδαίοι στα μαθηματικά για να είστε ένας μεγάλος προγραμματιστής. Ίσως επειδή οι πρώτοι υπολογιστές προγραμματισμού των ανθρώπων ήταν μαθηματικοί, κυρίως επειδή δεν υπήρχε σχολή “προγραμματισμού υπολογιστών”. Επίσης, η μελέτη της επιστήμης των υπολογιστών ή της μηχανικής υπολογιστών περιλαμβάνει πολλά μαθηματικά, αλλά αυτό δεν είναι πραγματικά απαραίτητο στο πεδίο. Το 90% του πτυχίου CS περιλαμβάνει τη μελέτη πράγματα που είναι πραγματικά ενδιαφέροντα, σίγουρα, αλλά σχεδόν πρακτικά. Χρειάζεστε μαθηματικά για να κατανοήσετε την υποκείμενη θεωρία. Αλλά στον καθημερινό προγραμματισμό? Δύσκολα έτσι.

Ω, όταν λέω προγραμματισμό, εννοώ κυρίως την ανάπτυξη ιστού, αφού αυτό είναι το πεδίο μου.

Υπάρχει σίγουρα μια καλή ποσότητα εργασιών προγραμματισμού που απαιτούν μαθηματικά. Για παράδειγμα, αν εργάζεστε σε μια μηχανή 3D rendering, μια εφαρμογή GIS ή μια κρυπτογραφία / blockchain / τεχνητή νοημοσύνη / μηχανική μάθηση, που σίγουρα απαιτεί πολλά μαθηματικά, αλλά αυτό δεν είναι καν μαθηματικά που διδάσκονται στα σχολεία, είναι πολύ συγκεκριμένο μαθηματικό. Οποιοδήποτε είδος γραφικών χαμηλού επιπέδου ή προγραμματισμού παιχνιδιών θα απαιτήσει επίσης μαθηματικά και θα πρέπει να το μελετήσετε πριν επιχειρήσετε να κάνετε κάτι από αυτά. Τα μαθηματικά είναι επίσης απαραίτητα για την κατανόηση της πολυπλοκότητας των αλγορίθμων, αλλά δεν πρόκειται να εφεύρουν νέους αλγόριθμους, τουλάχιστον τα πρώτα χρόνια προγραμματισμού.

Αυτό που πρέπει να είστε καλοί, ωστόσο, είναι επίλυση προβλήματος. Νομίζω ότι τα μαθηματικά στο σχολείο σας διδάσκουν ένα καλό βαθμό για την επίλυση προβλημάτων, αλλά και το Sudoku ή άλλα χόμπι.

Φυσικά χρειάζεστε μερικές βασικές έννοιες μαθηματικών, όπως λογισμικό ή άλγεβρα, ή λογική, αλλά τα ίδια τα βασικά αν είναι. Δεν χρειάζεται να γνωρίζετε κανέναν σύνθετο αριθμό, πιθανότητα, εξισώσεις, γραφήματα, εκθετικό και λογάριθμο, όρια, παράγωγα, ολοκλήρωση, διαφορικές εξισώσεις και ούτω καθεξής. Όχι ούτε ένα πράγμα.

Μην ακούτε πύλες: Εάν σας λένε ότι δεν θα είστε προγραμματιστής επειδή δεν είστε καλοί στα μαθηματικά, μην τα ακούτε. Μπορείτε πάντα να μάθετε όλα όσα χρειάζεστε στην πορεία. Το να είσαι ανοιχτός στη μάθηση είναι πολύ πιο σημαντικό από το να γνωρίζεις ήδη πράγματα.

Αρχικά δημοσιεύθηκε στο Flaviocopes.com

Πόσα μαθηματικά πρέπει να ξέρω για να κωδικοποιήσω?

Οι δημιουργικοί, συναρπαστικοί και συνήθως παρεξηγημένοι – οι καριέρας στον κλάδο της τεχνολογίας συχνά θεωρούνται ανέφικτες από ανθρώπους που δεν κάνουν’να ενθουσιαστείτε για να κάνετε μαθηματικά όλη την ημέρα ή που φοβούνται ότι μπορεί να μην έχουν την εξειδικευμένη γνώση για να κάνουν εξισώσεις υψηλού επιπέδου για να ζήσουν.

Εδώ’S Η πραγματικότητα: Ενώ τα μαθηματικά και πράγματα όπως η ανάπτυξη του ιστότοπου φαίνεται να πηγαίνουν χέρι-χέρι, η πραγματική ποσότητα μαθηματικών υψηλού επιπέδου που απαιτείται για να εργαστεί στην τεχνολογία είναι άγρια ​​υπερβολική.

“Εγώ’προσωπικά φρικτό στα μαθηματικά,” Λέει η Monica Lent, μηχανικός Front End Lead στο Sumup. “[Εγώ] αγωνίστηκα με αυτό [όλα] μέσω [Σχολείο]. Τρομερό στη γεωμετρία, τρομερό στην άλγεβρα, Didn’Ο πλήρης λογισμός. Εγώ’m ακόμη και αργή στην αριθμητική.”

Σήμερα, η Lent διαχειρίζεται μια ομάδα πέντε προγραμματιστών ιστού, αποδεικνύοντας ότι τα μαθηματικά και η επιστήμη των υπολογιστών’οι μοναδικές άμεσες διαδρομές σε μια καριέρα τεχνολογίας. “Πολλοί άνθρωποι με τους οποίους δουλεύω έχουν λίγη επαγγελματική κατάρτιση στην επιστήμη των υπολογιστών,” Λέει η Σαρακοστή. “Το’δεν είναι απολύτως εμπόδιο για να γίνεις προγραμματιστής ιστού.”

Σύμφωνα με τον προγραμματιστή ιστού Charlotte o’Χάρι, αυτό’Δεν είναι μόνο εύκολο να μάθετε να κωδικοποιείτε χωρίς να έχετε φόντο στα μαθηματικά, αλλά έξω από κάποια ρουτίνα αριθμητικά, τα περισσότερα έργα ανάπτυξης ιστοσελίδων Don Don’βασίζεται σε μεγάλο βαθμό στα μαθηματικά.

Αυτό ισχύει ιδιαίτερα, o’Η Χάρι τονίζει, για όσους εργάζονται σε σχεδιασμό ιστοσελίδων ή ανάπτυξη front-end . Η εστίαση στην κριτική σκέψη και το μάτι για το σχεδιασμό είναι πιο σημαντική από τους προηγμένους υπολογισμούς, λέει, και ότι αυτή “σπάνια χρησιμοποιήστε τα μαθηματικά σε καθημερινή βάση.”

Άτομα που μπορούν απλά’t παίρνει αρκετές εξισώσεις συχνά καταλήγουν να μελετούν την τεχνολογία εν μέρει επειδή τα παραδοσιακά πανεπιστήμια don’T αναγκαστικά κάνει τη διάκριση μεταξύ μαθηματικών και τεχνολογικών δεξιοτήτων, λέει ο Justin Morse, πρόεδρος στο Arrow Software. Γι ‘αυτό, αν πάρετε την πανεπιστημιακή διαδρομή για να αποκτήσετε πτυχίο στην επιστήμη των υπολογιστών, εσείς’θα πρέπει να λάβετε πολλαπλά μαθήματα μαθηματικών υψηλού επιπέδου-όπως το Morse. Αλλά όσον αφορά το έργο του στον πραγματικό κόσμο? “Εγώ’D Εκτιμώ ότι… Χρησιμοποιώ τα πράγματα που έμαθα σε αυτά τα μαθηματικά μαθήματα μία ή δύο φορές το χρόνο,” Λέει ο Morse. μορς’Το κύριο επαγγελματικό επίκεντρο είναι το λογισμικό επιφάνειας εργασίας και η ανάπτυξη ιστού και λέει ότι οι περισσότεροι από τους συναδέλφους του προγραμματιστών χρησιμοποιούν μαθηματικά υψηλού επιπέδου όπως και σπάνια όπως και.

Λοιπόν, πού καταλήγουν αυτοί οι υπολογισμοί? “Υπάρχουν άνθρωποι που γράφουν κώδικα που απαιτούν μαθηματικές δεξιότητες πολύ πέρα ​​από τις ικανότητές μου,” λέει ο Morse, “Αλλά αυτοί οι άνθρωποι αποτελούν ένα μικρό κλάσμα προγραμματιστών. Σκεφτείτε τη NASA.”

Σε αυτό το σημείο, θα πρέπει να είναι σαφές ότι τα μαθηματικά είναι’μια αναγκαιότητα αν εσείς’Ψάχνετε να γίνετε κωδικοποιητής – αλλά σε ευρύτερη κλίμακα, που μπορεί να είναι δίπλα στο σημείο. Σίγουρα, ίσως να αισθάνεστε πιο κατάλληλοι για να αναλάβετε την κωδικοποίηση (όπως πρέπει), αλλά τι εάν νομίζετε ότι μετά από μερικά χρόνια στην τεχνολογία, η εργασία στο NASA ακούγεται φοβερό? Τι γίνεται αν επιθυμείτε να χρησιμοποιήσετε τις τεχνολογικές σας δεξιότητες με πιο μαθηματικό τρόπο, αλλά απλώς νομίζετε ότι δεν είστε’Δεν είναι πολύ καλό σε αυτό? Λοιπόν, το άγχος των μαθηματικών σας μπορεί να μην έχει καμία συσχέτιση με την πραγματική σας ικανότητα.

Το 2017 Περιοδικό επιστήμης Η μελέτη δείχνει ότι είναι η αντίληψή μας για τη δική μας ικανότητα, και όχι η ίδια η ικανότητα, που καθορίζει την επιτυχία – ειδικά όταν πρόκειται για αυτό που λένε οι συνομήλικοί μας. Αυτό ισχύει ιδιαίτερα για τις γυναίκες. Μέσα της Los Angeles Times Έκθεση της μελέτης, η Amina Kahn έγραψε αυτό “ Η έρευνα έχει δείξει ότι η ιδέα ότι οι άνδρες είναι καλύτεροι από τις γυναίκες στα μαθηματικά που πραγματικά εμποδίζουν τις γυναίκες’s απόδοση και υπονομεύει το ενδιαφέρον τους για πεδία που σχετίζονται με τα μαθηματικά.” Το’είναι το ιδέα , Δεν υπάρχει διαφορά στη γνωστική ικανότητα. Τα πεδία μαθηματικών βαρέων συχνά κυριαρχούνται από άνδρες, για κανέναν άλλο λόγο από το γεγονός ότι ένα φύλο παίρνει μεγαλύτερη ενθάρρυνση από άλλο. Έτσι, αυτή η μικρή φωνή σε αυτό το πίσω μέρος του κεφαλιού σας λέγοντας ότι μπορείτε’T Handle Math? Προχωρήστε και αγνοήστε αυτό.

Εδώ’είναι η κατώτατη γραμμή: Ο φόβος των μαθηματικών πρέπει’να σε κρατήσω από το να μαθαίνεις στον κώδικα – απλά δεν το κάνει’να έρθω όλα αυτά συχνά. Αλλά αν εσύ’Ψάχνετε να προχωρήσετε περαιτέρω με τις τεχνολογικές σας δεξιότητες και να εξερευνήσετε περισσότερο το STEM, εκεί’Δεν υπάρχει λόγος να εκφοβίσουμε. Έχετε όλη τη δυνατότητα που χρειάζεστε. το’είναι μόνο θέμα κλεισίματος των φωνών που σας λένε λανθασμένα ότι δεν είστε’Τ.

Και μόλις εσείς’Το έκανα αυτό, κατεβάστε τον δωρεάν τελικό οδηγό για την κωδικοποίηση για αρχάριους . Μάθετε ακριβώς ποιες δεξιότητες σας’θα χρειαστεί για μια καριέρα ως προγραμματιστής ιστού, πώς να χρησιμοποιήσετε αυτές τις δεξιότητες για να προσγειωθείτε σε μια δουλειά’θα αγαπώ και πώς θα πετύχετε στην πρώτη σας δουλειά και πέρα.

Είναι η τεχνολογία κατάλληλη για εσάς? Πάρτε το κουίζ των 3 λεπτών!

Εάν μια καριέρα στην τεχνολογία είναι κατάλληλη για εσάς