Poučevanje algoritmičnega razmišljanja

Pogojev za vključitev v delo ni.

Namen predmeta je izuriti prihodnje učitelje za poučevanje algoritmičnega razmišljanja. Didaktični pristop, ki ga bomo učili, temelji na načelih opisanih na http://csunplugged.org. Primeri konkretnih tem, ki jih bomo jemali za zgled, v grobem sledijo IEEE/ACMovem kurikulu za osnovne in srednje šole:
binarna predstavitev podatkov, predstavitev slik in zvoka,
stiskanje podatkov, teorija informacij, zaznavanje napak
kriptografija,
preiskovalni algoritmi, algoritmi za urejanje
usmerjanje in smrtni objem, končni avtomati in algoritmi na grafih
in druge.
Poleg konkretnih pristopov k poučevanju teh tem bodo študenti spoznavali predvsem splošna didaktična načela, ki jim je potrebno slediti pri poučevanju algoritmičnega razmišljanja.
Študenti bodo poleg praktičnega dela v razredih na šolah, s katerimi so sklenjeni sporazumi o sodelovanju pod ustreznim mentorstvom nabirali praktične didaktične izkušnje tudi tako, da bodo pomagali pri izvedbi poletnih šol za dijake in osnovnošolce, vodili računalniške krožke, pripravljali osnovnošolce na tekmovanje Računalniški bober in podobno.

O. Hazzan, T. Lapidot, N. Ragonis: Guide to Teaching Computer Science: An Acticity-Based Approach, Springer, 2011.
T. Bell, I. H. Witten, M. Fellows: Computer Science Unplugged, http://csunplugged.org/sites/default/files/activity_pdfs_full/CS_Unplugged-en-10.2006.pdf, 2006.
R. Sedgewick, K. Wayne: Algorithms, 4th edition. Addison-Wesley, 2011.

Slušatelji bodo na teoretičnem nivoju in prek praktičnih primerov osvojili primeren način za poučevanje algoritmičnega razmišljanja v osnovnih in srednjih šolah.

Študenti bodo razumeli osnove računalniške znanosti (od kodiranja ter algoritmov in podatkovnih struktur do bolj specifičnih tem) na intuitivnejšem nivoju.
Zmožni bodo uporabiti to globje razumevanje za poučevanje računalništva na razumljivejši in privlačnejši način.
Naučili se bodo pripravljati učne aktivnosti, opazovati reakcije ciljne publike, analizirati in ocenjevati aktivnosti ter jih izboljševati.
Študenti bodo spoznali osnove psihologije s poudarkom na razvojni psihologiji in to uporabljali pri svojem poučevanju.
Z nekaj treninga v govorjenju in predstavljanju bodo študenti postali sposobnejši javno podajati računalniško znanost različnim ciljnim občinstvom.
Kot potencialni bodoči učitelji bodo poznali in razumeli pasti rigidnih taksonomij, kot je Bloomova taksonomija -- ki je znana kot neprimerna za računalniško znanost -- in njihovih uporabi za birokratizacijo šolstva, ter se izogibali njeni uporabi za načrtovanje, analizo in ocenjevanje svojega dela.

Predavanja in domače naloge. Poseben poudarek je na intuitivnem razumevanju snovi in na pridobivanju praktičnih pedagoških izkušenj.

Sprotno preverjanje (domače naloge, praktično delo)
Končno preverjanje (pisni izpit)
(ocene: 5 (negativno), 6-10 (pozitivno), ob upoštevanju Statuta UL)

Pet najpomembnejših del:
1. DEMŠAR, Janez. Algorithms for subsetting attribute values with Relief. Mach. learn.. [Print ed.], Mar. 2010, vol. 78, no. 3, str. 421-428, graf. prikazi. [COBISS-SI-ID 7550548], [JCR, WoS, št. citatov do 9. 3. 2010: 0, brez avtocitatov: 0, normirano št. citatov: 0]
2. ŠTAJDOHAR, Miha, MRAMOR, Minca, ZUPAN, Blaž, DEMŠAR, Janez. FragViz : visualization of fragmented networks. BMC bioinformatics, 2010, vol. 11, str. 1-14, ilustr. [COBISS-SI-ID 7964756], [JCR, WoS, št. citatov do 6. 10. 2011: 1, brez avtocitatov: 1, normirano št. citatov: 1]
3. ZUPAN, Blaž, DEMŠAR, Janez. Open-source tools for data mining. Clin. lab. med., 2008, vol. 28, no. 1, str. 37-54, ilustr. [COBISS-SI-ID 6280532], [JCR, WoS, št. citatov do 6. 9. 2011: 2, brez avtocitatov: 2, normirano št. citatov: 1]
4. DEMŠAR, Janez, LEBAN, Gregor, ZUPAN, Blaž. FreeViz-An intelligent multivariate visualization approach to explorative analysis of biomedical data. Journal of biomedical informatics, 2007, vol. 40, no. 6, str. 661-671, ilustr. [COBISS-SI-ID 6188116], [JCR, WoS, št. citatov do 9. 3. 2010: 2, brez avtocitatov: 2, normirano št. citatov: 2]
5. DEMŠAR, Janez. Statistical comparisons of classifiers over multiple data sets. J. mach. learn. res.. [Print ed.], Jan. 2006, vol. 7, str. [1]-30, graf. prikazi. [COBISS-SI-ID 5134420], [JCR, WoS, št. citatov do 6. 11. 2011: 365, brez avtocitatov: 365, normirano št. citatov: 412]

Celotna bibliografija je dostopna na SICRISu:
http://sicris.izum.si/search/rsr.aspx?opt=1&lang=slv&id=9383.

Nosilec je objavil tudi več kot 60 strokovnih člankov v revijah Programer in Monitor. Ti članki obravnavajo teme s podobno vsebino in v podobni obliki, kot jo predvideva pričujoči predmet.