Mit Computational Thinking bzw. computerisierten Denken bezeichnet man ganz allgemein das analytisch, abstrakte und präzise Denken als ein Konzept des Lehrens und Lernens, das bewusst auf digitales Problemlösen und Denkstrategien allgemeiner Relevanz abzielt, um den Zusammenhang zwischen sequenziellen und parallelen Prozessen zu verstehen. Der Begriff bezieht sich dabei im Wesentlichen auf die individuelle Fähigkeit, eine Problemstellung zu identifizieren, diese abstrakt zu modellieren, sie dabei in Teilprobleme oder -schritte zu zerlegen, Lösungsstrategien zu entwerfen und auszuarbeiten, und diese letztlich formalisiert so darzustellen, dass sie sowohl von einem Menschen als auch von einem Computer verstanden und ausgeführt werden können.
Computational Thinking ist also ein Gedankenprozess, der sowohl die Formulierung eines Problems als auch die Repräsentation der Problemlösung so darstellt, dass sie von Menschen oder durch Maschinen ausgeführt werden kann, was vor allem bedeutet, dass ein Problem methodisch so allgemein formuliert wird, dass es nach bestimmten Vorgaben etwa auch von einem Computer gelöst werden kann. In der Regel handelt es sich dabei um ein iteratives, strukturiertes Vorgehen. Computerisiertes Denken soll Menschen darauf vorbereiten, mit Maschinen und deren Möglichkeiten sinnvoll umzugehen, und nicht dazu, dass ein Mensch wie ein Computer denkt.
Computational Thinking aus Sicht der Erziehungswissenschaft besteht für Lernende dabei aus einem Konglomerat vielfältiger Kompetenzen mit direktem Bezug zu digitalen Medien, mit verschiedenen Subkompetenzen, Techniken und Strategien. Das Lernen ist dabei nicht primär die Digitalisierung von Prozessen, sondern eine individuelle problemlösende Handlungs- und Entscheidungskompetenz, und zwar unabhängig von technischen Geräten, was ein eigenes, sehr spezifisches Zugehen auf die Welt impliziert. Computational Thinking ist dabei im geprägt von der Dekomposition, also der logischen Gliederung komplexer Probleme in kleinere Teile, der Erkennung und Beschreibung von Mustern, dem algorithmischen Entwerfen von logisch-analytischen Anweisungen und das Gestalten von Lösungsstrukturen, das abstrakte Entwickeln von Konzepten, sowie das Erkennen und Verstehen verallgemeinernder Muster und Modelle, um diese später in unterschiedlichen Handlungskontexten nutzbar zu machen.
Literatur
Eickelmann, B. (2018). Digitalisierung in der schulischen Bildung. Entwicklung, Befunde und Perspektiven für die Schulentwicklung und die Bildungsforschung. In N. McElvany, F. Schwabe, W. Bos & H. G. Holtappels (Hrsg.), Digitalisierung in der schulischen Bildung. Chancen und Herausforderungen (S. 11–26). Münster: Waxmann.
https://journal.ph-noe.ac.at/index.php/resource/article/view/574/600 (19-08-06)