ΠΑΚΕΤΟ 2 Επιστημολογία - Διδακτική Πληροφορικής Υλικό Αναφοράς

Προχωρημένη επιμόρφωση για την αξιοποίηση και εφαρμογή των Τ.Π.Ε.
στη διδακτική πράξη
Επιμόρφωση Β2 επιπέδου ΤΠΕ

Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ
ΕΠΙΜΟΡΦΩΤΙΚΟ ΥΛΙΚΟ
Επιστημολογία και Διδακτική της

Πληροφορικής
ΥΛΙΚΟ ΑΝΑΦΟΡΑΣ
Έκδοση 2η
Ιούλιος 2022
Πράξη: ΕΠΙΜΟΡΦΩΣΗ ΕΚΠΑΙΔΕΥΤΙΚΩΝ ΓΙΑ ΤΗΝ ΑΞΙΟΠΟΙΗΣΗ ΚΑΙ ΕΦΑΡΜΟΓΗ
ΤΩΝ ΨΗΦΙΑΚΩΝ ΤΕΧΝΟΛΟΓΙΩΝ ΣΤΗ ΔΙΔΑΚΤΙΚΗ ΠΡΑΞΗ
(ΕΠΙΜΟΡΦΩΣΗ Β’ ΕΠΙΠΕΔΟΥ ΤΠΕ) Β’ Κύκλος
Φορείς Υλοποίησης: Δικαιούχος φορέας:
Συμπράττων φορέας:
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
Περιεχόμενα
1 Προοίμιο ........................................................................................................................ 4
2 Εισαγωγικά ..................................................................................................................... 9
3 Στοιχεία από τη Διδακτική της Πληροφορικής .................................................................... 10
3.1 Συνοπτική περιγραφή του υλικού αναφοράς ................................................................ 10
3.2 Σκοποί και στόχοι .................................................................................................... 10
3.3 Προβλεπόμενη διάρκεια ............................................................................................ 10
3.4 Θεωρητικές έννοιες από τη Διδακτική της Πληροφορική ................................................ 11
3.4.1 H ανάγκη για ένα θεωρητικό πλαίσιο .....................................................................11
3.5 Οι αντιλήψεις των σπουδαστών και μερικές ακόμη θεωρητικές έννοιες της Διδακτικής....... 13
3.5.1 Απλοϊκές αντιλήψεις: το παράδειγμα του ανθρωπομορφισμού ...................................14
3.6 Η έννοια του εμποδίου ............................................................................................. 15
3.7 H διδασκόμενη γνώση κι ο μετασχηματισμός της.......................................................... 17
3.8 Το διδακτικό συμβόλαιο ............................................................................................ 20
3.9 Μια βασική υπόθεση της Διδακτικής ........................................................................... 21
3.10 Η έννοια της ΤΠΓΠ................................................................................................ 23
4 Συνήθεις δυσκολίες και λάθη αρχαρίων ............................................................................ 26
4.1 Δομές Επιλογής ....................................................................................................... 27
4.2 H διαχείριση των συμβολοσειρών (strings) .................................................................. 30
4.3 Δομές Επανάληψης ή βρόχοι (Loops) ......................................................................... 32
4.4 Υποπρογράμματα ..................................................................................................... 38
4.5 Ταξινομήσεις και Αναζήτηση ...................................................................................... 39
4.6 Μεταβλητές και απλές εκχωρήσεις ............................................................................. 40
4.6.1 Eισαγωγή δεδομένων ..........................................................................................43
4.7 Πηγές των δυσκολιών των μαθητών στην Πληροφορική ............................................... 45
5 Μερικές μέθοδοι για μια εισαγωγή στον προγραμματισμό .................................................... 47
6 Μια σύνοψη .................................................................................................................. 51
ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 2 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΕΥΘΥΝΣΗ ΕΠΙΜΟΡΦΩΣΗΣ &
ΠΙΣΤΟΠΟΙΗΣΗΣ
7 Βιβλιογραφία ................................................................................................................ 57

1 Προοίμιο
Το παρόν επιμορφωτικό υλικό δημιουργήθηκε για να καλύψει τις ανάγκες της «Προχωρημένης
Επιμόρφωσης για την Αξιοποίηση και Εφαρμογή των Τ.Π.Ε. στη διδακτική πράξη» (Επιμόρφωση Β2
επιπέδου ΤΠΕ) που υλοποιείται σε Κέντρα Στήριξης Επιμόρφωσης (Κ.Σ.Ε.) σε όλη την Ελλάδα, για
εκπαιδευτικούς όλων των κλάδων και ειδικοτήτων. Η αρχική ανάπτυξη και στη συνέχεια, η
επικαιροποίηση και ο εμπλουτισμός του επιμορφωτικού υλικού έγινε αντίστοιχα στο πλαίσιο των
πράξεων «Επιμόρφωση Εκπαιδευτικών για την Αξιοποίηση και Εφαρμογή των Ψηφιακών Τεχνολογιών
στην Διδακτική Πράξη (Επιμόρφωση Β’ επιπέδου Τ.Π.Ε.)» και «Επιμόρφωση Εκπαιδευτικών για την
Αξιοποίηση και Εφαρμογή των Ψηφιακών Τεχνολογιών στην Διδακτική Πράξη (Επιμόρφωση Β’
επιπέδου Τ.Π.Ε.)/ Β’ κύκλος», http://e-pimorfosi.cti.gr, του Επιχειρησιακού Προγράμματος
«Ανάπτυξη Ανθρώπινου Δυναμικού – Εκπαίδευση και Δια Βίου Μάθηση», με τη συγχρηματοδότηση
της Ευρωπαϊκής Ένωσης (Ευρωπαϊκό Κοινωνικό Ταμείο, ΕΣΠΑ 2014-2020) και του Ελληνικού
Δημοσίου.
Η επιμόρφωση Β2 επιπέδου Τ.Π.Ε. υλοποιείται σε ομάδες ενός κλάδου ή συναφών κλάδων

εκπαιδευτικών, δηλαδή σε 13 «συστάδες» ως εξής: Β2.1 «Φιλολογικά», Β2.2 «Φυσικές Επιστήμες»,
Β2.3 «Μαθηματικά», Β2.4 «Πληροφορική», Β2.5 «Πρωτοβάθμια Εκπαίδευση - Δάσκαλοι», Β2.6
Πρωτοβάθμια Εκπαίδευση - Νηπιαγωγοί», Β2.7 «Ξένες Γλώσσες», Β2.8 «Καλές Τέχνες», Β2.9
«Φυσική Αγωγή και Υγεία», Β2.10 «Εκπαιδευτικοί Μηχανικοί», Β2.11 «Οικονομία, Διοίκηση και
Κοινωνικές Επιστήμες», Β2.12 «Επαγγέλματα Γης» και Β2.13 «Ειδική Αγωγή».
Το επιμορφωτικό υλικό Β2 επιπέδου Τ.Π.Ε. είναι διαφορετικό για κάθε συστάδα και περιλαμβάνει
υλικό μελέτης-αναφοράς και εκπαιδευτικές δραστηριότητες, ενώ εν γένει συνοδεύεται από
υποστηρικτικό και άλλο πρόσθετο υλικό (οδηγίες προς τους επιμορφωτές και προς τους
επιμορφούμενους, αρχεία παρουσιάσεων κ.ά.). Διατίθεται και αξιοποιείται στο πλαίσιο της
επιμόρφωσης με τη μορφή «μαθήματος»/ e-course (ένα ανά συστάδα), μέσω της πλατφόρμας
ηλεκτρονικής μάθησης του έργου, η οποία βασίζεται στο ελεύθερο λογισμικό ανοικτού κώδικα
moodle.

Συντάχθηκε υπό την επίβλεψη και στο πλαίσιο των αρμοδιοτήτων του ειδικού Επιστημονικού
Συμβουλίου1 του Ι.Τ.Υ.Ε. – «Διόφαντος», το οποίο έχει συσταθεί με την υπ’ αριθ. Π568/28.07.2011
Απόφαση, και στην παρούσα Πράξη λειτουργεί ως εξειδικευμένο επιστημονικό συμβουλευτικό όργανο
του Ι.Τ.Υ.Ε. - «Διόφαντος», δικαιούχου φορέα υλοποίησης της Πράξης.
Συμπληρωματικά και για την κάλυψη των απαιτήσεων των «νέο»-εισερχόμενων στην επιμόρφωση
κλάδων / ειδικοτήτων εκπαιδευτικών (βλ. παραπάνω, συστάδες Β2.7 έως Β2.13), στο πλαίσιο της
παρούσας Πράξης λειτουργεί ευρύτερη Επιστημονική Επιτροπή, η οποία αποτελείται από τους
παρακάτω Καθηγητές, επιστημονικούς συνεργάτες του δικαιούχου (Ι.Τ.Υ.Ε. – «Διόφαντος»), καθώς
και του συμπράττοντα φορέα υλοποίησης της Πράξης (Ι.Ε.Π.):
 Χαράλαμπο Ζαγούρα, Πανεπιστήμιο Πατρών, ο οποίος έχει την ευθύνη συντονισμού των
εργασιών της Επιτροπής
 Παναγιώτη Αντωνίου, Δημοκρίτειο Πανεπιστήμιο Θράκης, ως Επιστημονικά Υπεύθυνο για τη
Συστάδα «Φυσική Αγωγή και Υγεία»
 Βασίλειο Δαγδιλέλη, Πανεπιστήμιο Μακεδονίας, ως Επιστημονικά Υπεύθυνο για τη συστάδα
«Πληροφορική»
 Χαράλαμπο Καραγιαννίδη, Πανεπιστήμιο Θεσσαλίας, ως Επιστημονικά Υπεύθυνο για τη
συστάδα «Ειδική Αγωγή»
 Βασίλειο Κόμη, Πανεπιστήμιο Πατρών, ως Επιστημονικά Υπεύθυνο για τις συστάδες
«Πρωτοβάθμια Εκπαίδευση – Δάσκαλοι» και «Πρωτοβάθμια Εκπαίδευση – Νηπιαγωγοί»
 Δημήτριο Κουτσογιάννη, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, ως Επιστημονικά
Υπεύθυνο για τη συστάδα «Φιλολογικά»
 Πολυχρόνη Κυνηγό, Εθνικό Καποδιστριακό Πανεπιστήμιο Αθηνών, ως Επιστημονικά Υπεύθυνο
για τη συστάδα «Μαθηματικά»
1
Το Επιστημονικό Συμβούλιο του Ι.Τ.Υ.Ε.-«Διόφαντος» για την επιμόρφωση, αποτελείται από τους Καθηγητές: i) Χαράλαμπο
Ζαγούρα, Πανεπιστήμιο Πατρών, ο οποίος έχει την ευθύνη συντονισμού των εργασιών του Συμβουλίου, ii) Βασίλειο
Δαγδιλέλη, Πανεπιστήμιο Μακεδονίας, iii) Βασίλειο Κόμη, Πανεπιστήμιο Πατρών, iv) Δημήτριο Κουτσογιάννη, Αριστοτέλειο
Πανεπιστήμιο Θεσσαλονίκης, v) Πολυχρόνη Κυνηγό, Εθνικό Καποδιστριακό Πανεπιστήμιο Αθηνών και vi) Δημήτριο Ψύλλο,
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης

 Βασιλική Μητσικοπούλου, Εθνικό Καποδιστριακό Πανεπιστήμιο Αθηνών, ως Επιστημονικά

Υπεύθυνη για τη συστάδα «Ξένες Γλώσσες»
 Σπύρο Παπαδόπουλο, Πανεπιστήμιο Θεσσαλίας, ως Επιστημονικά Υπεύθυνο για τη συστάδα
«Καλές Τέχνες»
 Κυπαρισσία Παπανικολάου, Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης ως
Επιστημονικά Υπεύθυνη για τη συστάδα «Εκπαιδευτικοί Μηχανικοί»
 Παναγιώτη Σιμιτζή, Γεωπονικό Πανεπιστήμιο Αθηνών ως Επιστημονικά Υπεύθυνο για τη
συστάδα «Επαγγέλματα Γης»
 Ιωάννη Τσίρμπα, Εθνικό Καποδιστριακό Πανεπιστήμιο Αθηνών, ως Επιστημονικά Υπεύθυνο για
τη συστάδα «Οικονομία, Διοίκηση και Κοινωνικές Επιστήμες»
 Δημήτριο Ψύλλο, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Επιστημονικά Υπεύθυνο για τη
συστάδα «Φυσικές Επιστήμες»
Ειδικότερα, το Επιμορφωτικό Υλικό Β2 επιπέδου ΤΠΕ της Συστάδας Β2.4: Πληροφορικής.
δημιουργήθηκε από συγγραφική ομάδα με επιστημονικώς υπεύθυνο τον κ. Βασίλειο Δαγδιλέλη αφ.
Καθηγητή του Πανεπιστημίου Μακεδονίας και συμμετέχοντες τους:
 Αλεξούδα Γεωργία, Πληροφορικό
 Λεύκο Ιωάννη, μέλος Ε.ΔΙ.Π. Πανεπιστημίου Μακεδονίας
 Μαλλιαράκη Χρήστο, Πληροφορικό
 Μαυροχαλυβίδη Γεώργιο, Πληροφορικό
 Ξινόγαλος Στυλιανός, μέλος ΔΕΠ Πανεπιστημίου Μακεδονίας
 Παπαδάκη Σταμάτη, Πληροφορικό
Στο παρόν υλικό έχει κατάλληλα ενσωματωθεί ένα μικρό μέρος κοινού υλικού για όλες τις συστάδες
(Γενικό Μέρος2), που αναπτύχθηκε για την Εκπαίδευση Επιμορφωτών Β’ επιπέδου Τ.Π.Ε. στο πλαίσιο
2
Στην αρχική του μορφή το Γενικό Μέρος του Επιμορφωτικού υλικού δημιουργήθηκε από
συγγραφική ομάδα, με επικεφαλής τον Βασίλη Δαγδιλέλη, Καθηγητή του Πανεπιστημίου Μακεδονίας
και συμμετέχοντες τους:
 Καψάλη Αχιλλέα, πρώην Καθηγητή στο Πανεπιστήμιο Μακεδονίας.
 Παπαδόπουλο Ιωάννη, Επίκουρο Καθηγητή στο Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης.

 Φαχαντίδη Νικόλαο, Αναπληρωτή Καθηγητή στο Πανεπιστήμιο Μακεδονίας.
 Tαμπούρη Ευθύμιο, Καθηγητή στο Πανεπιστήμιο Μακεδονίας
Στην παρούσα έκδοση του Επιμορφωτικού Υλικού Γενικού Μέρους έχουν συμβάλει τα μέλη του
Επιστημονικού Συμβουλίου Βασίλειος Δαγδιλέλης, Βασίλειος Κόμης, Δημήτριος Κουτσογιάννης,
Πολυχρόνης Κυνηγός, Δημήτριος Ψύλλος, καθώς και οι εξής:
 Σταυρούλα Αντωνοπούλου, υποψήφια διδάκτωρ Εφαρμοσμένης Γλωσσολογίας, ΑΠΘ
 Μαριάνθη Γριζιώτη, εκπαιδευτικός ΠΕ86 (ΠΕ19/20),
 Ελισάβετ Καλογερία, εκπαιδευτικός ΠΕ03,
 Ελένη Κουστριάβα, Καθηγήτρια στο Πανεπιστήμιο Μακεδονίας,
 Χρήστος Μάλλιαρης, εκπαιδευτικός ΠΕ03,
 Μάριος Ξένος, εκπαιδευτικός ΠΕ86 (ΠΕ19/20),
 Γεώργιος Πανσεληνάς, εκπαιδευτικός ΠΕ86 (ΠΕ19/20),
 Γεώργιος Σκουντζής, εκπαιδευτικός ΠΕ70,
 Μάριος Σπάθης, εκπαιδευτικός ΠΕ03,
 Αθανάσιος Ταραμόπουλος, εκπαιδευτικός ΠΕ04
Κατά τη δημιουργία του υλικού αυτού, χρησιμοποιήθηκαν πόροι από το αντίστοιχο εκπαιδευτικό και
επιμορφωτικό υλικό της εκπαίδευσης των επιμορφωτών Β’ επιπέδου Τ.Π.Ε. στα ΠΑ.Κ.Ε. και
εκπαιδευτικών στα Κέντρα Στήριξης της Επιμόρφωσης (Κ.Σ.Ε.) που αναπτύχθηκε στο πλαίσιο
προηγούμενων σχετικών έργων επιμόρφωσης Β’ επιπέδου ΤΠΕ*. Επομένως, στη δημιουργία του
υλικού αυτού συνέβαλαν έμμεσα και όσοι είχαν συνεργαστεί στη δημιουργία του υλικού για την
εκπαίδευση των επιμορφωτών στα ΠΑ.Κ.Ε. και την επιμόρφωση των εκπαιδευτικών στα Κ.Σ.Ε. στο
πλαίσιο των έργων αυτών και οι οποίοι αναφέρονται αναλυτικά στα αντίστοιχα κείμενα
επιμορφωτικού υλικού που δημοσιεύονται στους αντίστοιχους κόμβους ενημέρωσης*.
* Πράξη: «Επιμόρφωση Εκπαιδευτικών στη χρήση και αξιοποίηση των Τεχνολογιών Πληροφορίας και Επικοινωνιών (ΤΠΕ) στην
εκπαιδευτική διδακτική διαδικασία", ΕΠΕΑΕΚ ΙΙ, Γ' ΚΠΣ, http://b-epipedo.cti.gr
Πράξεις: «Επιμόρφωση Εκπαιδευτικών για την αξιοποίηση και εφαρμογή των Τ.Π.Ε. στη Διδακτική πράξη», Επιχειρησιακό
Πρόγραμμα «Εκπαίδευση και Δια Βίου Μάθηση», ΕΣΠΑ 2007-2013, http://b-epipedo2.cti.gr

της παραπάνω αναφερόμενης πράξης «Επιμόρφωση Εκπαιδευτικών για την Αξιοποίηση και Εφαρμογή
των Ψηφιακών Τεχνολογιών στην Διδακτική Πράξη (Επιμόρφωση Β’ επιπέδου Τ.Π.Ε.)».
Το επιμορφωτικό υλικό Β2 επιπέδου Τ.Π.Ε., αποτελεί ιδιοκτησία του ΥΠΑΙΘ και καλύπτεται από την
ισχύουσα νομοθεσία για την προστασία των πνευματικών δικαιωμάτων των δημιουργών.

2 Εισαγωγικά
Στο παρόν υλικό αναφοράς για τη Διδακτική της Πληροφορικής, περιλαμβάνονται τρία μέρη:
<1> το πρώτο μέρος (περίπου ως τη σελίδα 19 περίπου) αποτελεί μια εισαγωγή στη θεωρία της
Διδακτικής της Πληροφορικής. Παρουσιάζονται βασικές έννοιες όπως οι αντιλήψεις των μαθητών και
τα λεγόμενα εμπόδια, η φύση (άρα και η διαχείριση) των λαθών η διδακτική μετατόπιση, το διδακτικό
συμβόλαιο καθώς και οι βασικές υποθέσεις της Διδακτικής. Περιλαμβάνονται επίσης μια ενότητα για
το μοντέλο ΤΠΓΠ (TPACK) και μια ενότητα για την υπολογιστική σκέψη
<2> το δεύτερο μέρος (ως τη σελίδα 43 περίπου) παρουσιάζει συγκεκριμένες κατηγορίες δυσκολιών
των μαθητών που συνδέονται με:
 τη δομή επιλογής
 τη διαχείριση συμβολοσειρών
 τους βρόχους, τις δομές επανάληψης
 τα υποπρογράμματα
 τις ταξινομήσεις και αναζητήσεις
 τις εκχωρήσεις τιμών
 τη διαχείριση εισαγωγής δεδομένων
Στο ίδιο τμήμα παρατίθενται ορισμένες ενδεχόμενες πηγές των δυσκολιών που αντιμετωπίζουν οι
μαθητές και παρατίθενται ορισμένες καλές πρακτικές γιαμια εισαγωγή στη διδασκαλία του
προγραμματισμού.
<3> το τελευταίο μέρος αποτελείται από τη (σχετικά εκτεταμένη) βιβλιογραφία για περαιτέρω μελέτη.

3 Στοιχεία από τη Διδακτική της Πληροφορικής
3.1 Συνοπτική περιγραφή του υλικού αναφοράς

Η διδασκαλία της Πληροφορικής αποδείχτηκε σχετικά περίπλοκη στη διδακτική πράξη: πολλοί
μαθητές και μαθήτριες3 αντιμετωπίζουν προβλήματα κατανόησης εννοιών, παρανόησης των
χρησιμοποιούμενων τεχνικών, δυσκολίες στην επιλογή της κατάλληλης μεθόδου όταν καλούνται να
επιλύσουν ένα πρόβλημα, κυρίως όταν σχετίζεται με τον προγραμματισμό. Ως αποτέλεσμα και οι
εκπαιδευτικοί δυσκολεύονται στη διδασκαλία μερικών εννοιών, αλλά και οι σπουδαστές αντίστοιχα
απογοητεύονται και αποφεύγουν τα «δύσκολα» σημεία ή τον προγραμματισμό γενικότερα. Η
διαπίστωση αυτή κατέστησε αναγκαία τη συστηματική διερεύνηση των θεμάτων που σχετίζονται με τη
διδασκαλία/εκμάθηση τα Πληροφορικής, έτσι ώστε τελικά η διδασκαλία της να καταστεί πιο
αποτελεσματική, δηλαδή οι μαθητές ή σπουδαστές να μαθαίνουν «καλύτερα». Στην παρούσα ενότητα
θα παρουσιαστούν μερικές έννοιες από τη Διδακτική της Πληροφορικής, τον κλάδο δηλαδή που
ερευνά τα θέματα που σχετίζονται με τη διδασκαλία της Πληροφορικής.
Έμφαση θα δοθεί στη διδασκαλία του προγραμματισμού – ενός κλάδου της Πληροφορικής που έχει
προφανώς κεντρική σημασία.
3.2 Σκοποί και στόχοι

Οι επιμορφούμενοι στο τέλος της ενότητας θα πρέπει:
 Να έχουν βασικές γνώσεις των κυριότερων εννοιών της Διδακτικής της Πληροφορικής έτσι
ώστε να είναι σε θέση να αναγνωρίζουν τις έννοιες αυτές όταν τις συναντήσουν μέσα σε
συγκεκριμένα (διδακτικά) πλαίσια
3.3 Προβλεπόμενη διάρκεια

Η προβλεπόμενη διάρκεια είναι 3 ώρες.
3
Στα σημεία του κειμένου όπου αναφέρετα μόνο το αρσενικό γένος, για παράδειγμα «οι μαθητές», εννοείται και το θηλυκό
γένος: «οι μαθητές και οι μαθήτριες». Αναφέρεται μόνο το ένα γένος για λόγους οικονομίας του κειμένου.

Η συνολική διαπραγμάτευση του αντικειμένου της Διδακτικής της Πληροφορικής προβλέπεται να

υλοποιηθεί στο πλαίσιο σύγχρονης Συνεδρίας διάρκειας 2 ωρών και συμπληρωματικές δραστηριότητες
ασύγχρονες.
3.4 Θεωρητικές έννοιες από τη Διδακτική της Πληροφορική

H ανάγκη για ένα θεωρητικό πλαίσιο
Οι έρευνες σχετικά με τη διδασκαλία και την εκμάθηση της Πληροφορικής - και ιδιαίτερα για τον
προγραμματισμό των Η.Υ. και των ψηφιακών συσκευών γενικότερα - έχουν μια σημαντική πρόοδο τα
τελευταία 50 χρόνια. Οι έρευνες αυτές δεν έχουν βέβαια γνωρίσει μια σύμμετρη ανάπτυξη, δηλαδή
όλα τα σχετικά αντικείμενα δεν έχουν ερευνηθεί στον ίδιο βαθμό: για παράδειγμα o προγραμματισμός
των Η.Υ. έχει ίσως τη μερίδα του λέοντος στο σύνολο των ερευνητικών δραστηριοτήτων κι οι έρευνες
που σχετίζονται με τη διδασκαλία εισαγωγικών εννοιών στην Πληροφορική (τα λεγόμενα προβλήματα
του αλφαβητισμού στην Πληροφορική ή ακόμη και εισαγωγής στον προγραμματισμό) είναι πολύ
περισσότερες από τις υπόλοιπες. Υπενθυμίζουμε ότι έχουν ερευνηθεί αντικείμενα όπως (ενδεικτικά):
 τα προβλήματα της διδασκαλίας και της κατανόησης των μεταβλητών,
 οι δομές επανάληψης (βρόχοι),
 οι εντολές επιλογής (εντολές τύπου if then else κ.λπ.) σε διάφορα προγραμματιστικά στυλ
 θέματα αντικειμενοστρεφούς προγραμματισμού καθώς και παράλληλου προγραμματισμού (πολύ

λιγότερο)
 η αναδρομικότητα, κυρίως σε γλώσσες στις οποίες η αναδρομικότητα είναι κυρίαρχη (όπως η

LOGO).
Εκτός από τα παραπάνω, έχουν διερευνηθεί επίσης κάποια ιδιαίτερα θέματα όπως η «μεταφορά
γνώσεων» από ένα προγραμματιστικό περιβάλλον σε άλλο, η εισαγωγή στον λογικό προγραμματισμό
κ.ά. Σε μεγάλο βαθμό, όπως είναι εύλογο, η έρευνα στη Διδακτική ακολούθησε το «κύμα» των
προγραμματιστικών μοντέλων που είναι ή υπήρξαν κυρίαρχα. Για παράδειγμα, σήμερα, ένα πολύ
μεγάλο τμήμα των σχετικών ερευνών σχετίζεται με τη διδασκαλία του αντικειμενοστρεφούς
προγραμματισμού, τον προγραμματισμό στο Διαδίκτυο ή τον προγραμματισμό σε ρομποτικά
«περιβάλλοντα», διαφόρων αυτόματων μηχανισμών ή ρομπότ. Αντίθετα, άλλα θέματα έχουν
διερευνηθεί πολύ λιγότερο. Οι λόγοι των ανισόρροπης αυτής κατανομής δεν πρόκειται να εξεταστούν
εδώ, απλώς επισημαίνονται.
Ένα σημαντικό ερώτημα είναι βέβαια το εξής: άραγε οι δυσκολίες των μαθητών εμφανίζονται με
διαφορετικό τρόπο ή σε διαφορετικό βαθμό σε διάφορα προγραμματιστικά «πλαίσια», όπως αυτά που
αναφέρουμε παραπάνω, ή είναι ανεξάρτητα από τα πλαίσια αυτά; Οι σχετικές έρευνες δείχνουν ότι
στην πραγματικότητα, τα διάφορα προγραμματιστικά περιβάλλοντα δεν έχουν πολύ μεγάλη επίδραση
στην κατανόηση του προγραμματισμού τουλάχιστον όχι σε όλα τα σημεία του. Βέβαια τα σύγχρονα
περιβάλλοντα (κυρίως του λεγόμενου οπτικού προγραμματισμού), έχουν διάφορα πλεονεκτήματα,
όπως:
 Τις περισσότερες φορές είναι σχεδιασμένα για την εκπαίδευση
 Πρακτικά δεν επιτρέπουν τα συντακτικά λάθη, αφού πολλές φορές, στα γραφικά
περιβάλλοντα, οι εντολές είναι προετοιμασμένες και ο χρήστης απλώς τις τοποθετεί στο
κατάλληλο σημείο.
 Είναι ελκυστικά για τα παιδιά καθώς έχουν έναν παιγνιώδη χαρακτήρα
 Το οπτικοποιημενο περιβάλλον βοηθά στην κατανόηση της δομής ενός προγράμματος – αν και
όχι πολύ μεγάλου, καθώς οι εντολές είναι, ως μέγεθος, μεγαλύτερες από αντίστοιχες γραμμές
καθαρού κειμένου.
 Επιτρέπουν πολύ γρήγορα στους αρχάριους προγραμματιστές να κατασκευάσουν

προγράμματα ενδιαφέροντα για τα παιδιά με animation, διάφορους χαρακτήρες που
αλληλοεπιδρούν με το χρήστη κλπ.
Με τον όρο θεωρητικό πλαίσιο εννοούμε ένα πλαίσιο αναφοράς, ένα σύνολο υποθέσεων δηλαδή,
μέσα στο οποίο οι προτάσεις μιας ερευνητικής εργασίας (οι υποθέσεις εργασίας, οι αναλύσεις, τ'
αποτελέσματα και το πεδίο ισχύος των) αποκτούν νόημα σε σχέση μ' αυτό που αποτελεί το ιδιαίτερο
αντικείμενο της έρευνας: τα φαινόμενα δηλαδή της διδασκαλίας κι εκμάθησης των
προγραμματιστικών εννοιών και του προγραμματισμού γενικότερα, σ' ένα περιβάλλον ειδικά
οργανωμένο για το σκοπό αυτό (την εκπαίδευση).
Ένα εύλογο ερώτημα είναι το εξής: όσοι διδάσκουν Πληροφορική και προγραμματισμό,
για ποιο λόγο χρειάζονται ένα θεωρητικό πλαίσιο; Τι χρειάζεται ένα θεωρητικό πλαίσιο
Διδακτικής για να διδάξει κάποιος τις επαναληπτικές δομές ή την κληρονομικότητα;
Το θεωρητικό πλαίσιο επιτρέπει τη νοηματοδότηση των διδακτικών φαινομένων και άρα
τον καλύτερο έλεγχο της διδασκαλίας.
Ένα θεωρητικό πλαίσιο, κατά κάποιο τρόπο, αποπειράται να «συνδέσει» φαινόμενα που εκ πρώτης
όψεως φαίνονται ασύνδετα και άσχετα μεταξύ τους.
Οι δυσκολίες των μαθητών, η σχέση τους με την Πληροφορική και γενικότερα τα διδακτικά
φαινόμενα μπορούν να μελετηθούν(δηλαδή να αναλυθούν, να προβλεφθούν ως ένα βαθμό κ.λπ.)
μέσα στο θεωρητικό πλαίσιο, το οποίο μεταβάλλεται και επεκτείνεται όσο αυξάνουν τα εμπειρικά
δεδομένα.
Δυο προκαταρκτικές παρατηρήσεις επιβάλλονται:
α) θα πρέπει ίσως να καταστήσουμε σαφές το γεγονός ότι η Διδακτική της Πληροφορικής (αλλά και
των Μαθηματικών, της Φυσικής κ.λπ.) διακρίνεται ως ξεχωριστός κλάδος από μια σειρά άλλων
κλάδων όπως η παιδαγωγική, η γνωστική ψυχολογία, η επιστημολογία κ.λπ. κατά τούτο: η διδακτική
όχι μόνο επικεντρώνεται ιδιαίτερα στα προβλήματα της διδασκαλίας αλλά και κάνει αποκλειστικές
αναφορές στο προς διδασκαλία αντικείμενο, δηλαδή θεωρεί τα σχετικά φαινόμενα στο πλαίσιο της
ιδιαίτερου επιστημονικού κλάδου στον οποίο αναφέρεται (στην περίπτωση μας της Πληροφορικής με
έμφαση στον προγραμματισμό). Υπάρχουν βέβαια κοινές έννοιες και μέθοδοι, αλλά γενικώς οι
διδακτικές δεν ταυτίζονται – και δε θεωρείται ότι υπάρχει μια «Γενική» Διδακτική η οποία «καλύπτει»
φαινόμενα σε όλα τα επιστημονικά πεδία.
β) μια δεύτερη παρατήρηση αφορά στην έννοια της "θεωρίας": η θεωρία εξυπονοεί ένα συναφές και
μη αντιφατικό εννοιολογικό πλαίσιο το οποίο αποσκοπεί στην ερμηνεία και πρόβλεψη φαινομένων
σχετικών με ένα συγκεκριμένο πεδίο. H θεωρία πρέπει βέβαια να συνδέεται με ειδικά και σαφώς
καθορισμένα προβλήματα και κατ' αυτήν την έννοια ίσως ο καταλληλότερος όρος για την περιγραφή
του πλαισίου της Διδακτικής στο οποίο κάνουμε αναφορά είναι η "προβληματική" (ως ουσιαστικό,
όχι ως επίθετο). Μια προβληματική είναι ευρύτερη από την θεωρία, παραπέμπει σ' αυτήν αλλά δεν
συνοψίζεται σ' αυτήν.
Για να δώσουμε ένα παράδειγμα, αν ένας ερευνητής προτείνει σε μια ομάδα μαθητών μια σειρά από
ερωτήσεις ώστε να εξακριβώσει τις αντιλήψεις τους τις σχετικές με την έννοια της μεταβλητής,
οφείλει ν' αποσαφηνίσει και να διευκρινίσει τις υποθέσεις που κάνει:
- ότι δηλαδή πράγματι υπάρχουν κάποιες ιδιαίτερες αντιλήψεις των μαθητών
- ότι οι απαντήσεις των μαθητών στα συγκεκριμένα ερωτήματα που θέτει θα τον βοηθήσουν στην
διερεύνηση των αντιλήψεων αυτών κ.λπ..
3.5 Οι αντιλήψεις των σπουδαστών και μερικές ακόμη

θεωρητικές έννοιες της Διδακτικής
Στη μελέτη των διδακτικών φαινομένων που μας απασχολούν, κεντρικό ρόλο παίζουν οι λεγόμενες
αντιλήψεις των σπουδαστών: πρόκειται για ένα σύνολο υποθετικών γνώσεων οι οποίες
αποδίδονται στο μαθητή ή το σπουδαστή προκειμένου να περιγραφούν και να προβλεφθούν
ορισμένες από τις αντιδράσεις του. Οι αντιλήψεις αυτές μπορούν να έχουν διάφορες πηγές: μπορεί

εξίσου καλά να προέρχονται από τον κοινωνικό περίγυρο, την καθημερινή εμπειρία αλλά και τις ίδιες
τις διδακτικές πρακτικές κ.λπ.
Οι αντιλήψεις λοιπόν λειτουργούν ως ένα είδος γνώσεων - αποτελούν στην πραγματικότητα γνώσεις
που καθοδηγούν την πράξη. Οι αντιλήψεις αυτές δεν είναι βέβαια άμεσα παρατηρήσιμες: συνάγουμε
την ύπαρξη τους (δηλαδή την θεωρητική ύπαρξη τους) από την παραγωγή των μαθητών και
σπουδαστών (τους αλγόριθμους και προγράμματα τους, τις απαντήσεις και τα σχόλια τους κ.ά.). Η
ύπαρξη συστηματικών λαθών - λαθών δηλαδή που έχουν έναν επίμονο και διαρκή, γενικευμένο
χαρακτήρα - αποδίδεται στη ύπαρξη σχετικών αντιλήψεων.
Το λάθος δηλαδή δεν είναι μόνο το αποτέλεσμα της άγνοιας, της αβεβαιότητας, της τύχης - όπως
θεωρούν οι εμπειρικιστικές ή μπηχεβιοριστικές θεωρίες μάθησης – αλλά μπορεί να είναι το
αποτέλεσμα μιας προγενέστερης γνώσης, που κάποτε ήταν αποτελεσματική, είχε ενδιαφέρον, αλλά
τώρα αποδεικνύεται λανθασμένη ή απλά ακατάλληλη. Tα λάθη αυτού του τύπου δεν είναι
απρόβλεπτα, ούτε “πλάνες” - παράγονται από εμπόδια.
Παραθέτουμε ορισμένα παραδείγματα:
Απλοϊκές αντιλήψεις: το παράδειγμα του ανθρωπομορφισμού

Ένα παράδειγμα εδραιωμένης αντίληψης, «κλασσικό» στο είδος του, αντιστοιχεί στην ονομαζόμενη
ανθρωπομορφική αντίληψη. O σχετικός όρος οφείλεται στον Pea R. D. [1984] και χρησιμοποιείται για
να δηλώσει το γεγονός ότι οι αρχάριοι προγραμματιστές πολλές φορές ερμηνεύουν τα προγράμματα
και γενικότερα την επικοινωνία τους με ένα πληροφορικό σύστημα όχι με βάση τους συντακτικούς και
σημασιολογικούς κανόνες (syntax, semantics) της χρησιμοποιούμενης γλώσσας (προγραμματισμού,
γλώσσας εντολών κλπ.), αλλ' αποδίδοντας στο αντίστοιχο πρόγραμμα ένα νόημα ευρύτερο του
πραγματικού, σαν να επρόκειτο για έναν διάλογο μ' άνθρωπο. H ανθρωπομορφική αντίληψη έχει
διάφορες εκφράσεις, όπως αναφέρει και ο Pea.
Τυπικό παράδειγμα αποτελεί το μικρό πρόβλημα του «προσδιορισμού» της ηλικίας ενός ατόμου:
... IF age < 45 THEN WRITE “Είσαι νέος“
IF age < 65 THEN WRITE “Είσαι μεσόκοπος“
IF age < 100 THEN WRITE “Είσαι ηλικιωμένος“
Οι μαθητές εκπλήσσονται από τα αποτελέσματα της εκτέλεσης και μια «προσομοίωση» της εκτέλεσης
του βήμα-με-βήμα είναι πολλές φορές αναγκαία για να γίνει κατανοητή η ροή του προγράμματος.
Ανάλογη αντίληψη με αυτήν είναι εκείνη κατά την οποία οι νεαροί μαθητές μεταφέρουν στο
προγραμματιστικό περιβάλλον στρατηγικές επίλυσης προβλημάτων από άλλα περιβάλλοντα - χωρίς να
κάνουν τις απαραίτητες τροποποιήσεις. Aν, για παράδειγμα, προταθεί σε αρχάριους μαθητές το
ακόλουθο πρόγραμμα:
...
EMVADON:= VASIS * YPSOS
READLN (VASIS);
READLN (YPSOS);
WRITELN (EMVADON);
...
και τους ζητηθεί να προβλέψουν το αποτέλεσμα της εκτέλεσης του (αν, για παράδειγμα, δοθούν οι
τιμές 8 και 4 στις μεταβλητές VASIS και YPSOS αντίστοιχα), το σύνολο των μαθητών προβλέπει ως
απάντηση τον αριθμό 32 (Pea R. D. [1984], Dagdilelis V. [1996]). H απάντηση αυτή θα ήταν βέβαια
ορθή αν επρόκειτο για μια συνηθισμένη άσκηση σχολικής γεωμετρίας όχι όμως για ένα πρόγραμμα
H.Y.
Το πρόβλημα μοιάζει να προέρχεται από ένα αίτιο ανεξάρτητο της μεθόδου διδασκαλίας (καθώς έχει
επαληθευτεί και εμπειρικά σε πολλές περιστάσεις). Οι μαθητές λαμβάνουν υπ' όψη τους το γεγονός
ότι όλα τα δεδομένα του προβλήματος εμπεριέχονται στο πρόγραμμα (ο τύπος του εμβαδού και τα
μήκη βάσεως και ύψους) και θεωρούν αυτόματα (και βεβαίως λανθασμένα) ότι το πληροφορικό
σύστημα (δηλαδή ο H.Y. και το λογισμικό) θα παράσχει την σωστή απάντηση, χωρίς να λαμβάνουν
ταυτόχρονα υπ' όψη τους και το γεγονός ότι η λειτουργία του προγράμματος είναι γραμμική κι όχι
«παράλληλη» ή οπισθοδρομούσα (ο Pea προτείνει ακριβώς τον όρο «παραλληλισμός» για να
χαρακτηρίσει αυτή την κατηγορία λαθών).
3.6 Η έννοια του εμποδίου

Επιχειρώντας να διερευνήσουμε τα πιθανά αίτια, τις "πηγές" ορισμένων αντιλήψεων των μαθητών και
σπουδαστών μπορούμε να διαπιστώσουμε τα εξής:
α) H αντίληψη του παραλληλισμού την οποία αναφέραμε, μπορεί να οφείλεται στην ελλιπή
κατανόηση των αρχών λειτουργίας των πληροφορικών συστημάτων κι ιδιαίτερα στο γεγονός ότι τα
προγράμματα - και μάλιστα τα μικροσκοπικά προγράμματα που συνήθως κατασκευάζουν οι
σπουδαστές - εκτελούνται πολύ γρήγορα: it looks at the program all at once because it is so fast
σχολίασε ένας σπουδαστής όταν ρωτήθηκε σε μια σχετική έρευνα (Pea [1984], σελ. 4).
β) H απλοϊκή μορφή του ανθρωπομορφισμού (ο μαθητής που προσπαθεί να μάθει τ' όνομα του Η.Υ.)
μπορεί να βρίσκει την πηγή της στην περιρρέουσα ατμόσφαιρα της καθημερινής ζωής στην οποία οι

Η.Υ. (παλιότερα "ηλεκτρονικοί εγκέφαλοι") εμφανίζονται να πραγματοποιούν ολοένα και πιο

εντυπωσιακά επιτεύγματα και άρα θα μπορούσε κανείς να συμπεράνει ότι οι ΗΥ διαθέτουν ένα είδος
«ευφυΐας».
γ) Tο λάθος κατά το οποίο οι μαθητές αποδίδουν τιμές χωρίς να λαμβάνουν υπόψη τους τον τρόπο με
τον οποίο λειτουργεί το σύστημα οφείλεται ίσως στην εμπειρία από άλλα μαθήματα στα οποία βέβαια
η σειρά με την οποία περιγράφονται τα δεδομένα (μήκος, πλάτος, σχετικός μαθηματικός τύπος) δεν
παίζουν ουσιαστικό ρόλο στην επίλυση ενός προβλήματος υπολογισμού εμβαδού.
Οι πιθανές πηγές προέλευσης λοιπόν των αντιλήψεων αυτών μπορούν να είναι ποικίλες. Ορισμένες
από τις αντιλήψεις αυτές - μολονότι λανθασμένες στη γενική τους έκφραση - έχουν κάποιο πεδίο
εφαρμογών γεγονός που τις κάνει να είναι πιο "ανθεκτικές" σε μια ενδεχόμενη τροποποίηση τους. Η
δημιουργία κι η εδραίωση μιας αντίληψης οφείλεται στο ότι - τουλάχιστον σε ορισμένες περιπτώσεις -
η αντίληψη αυτή είναι λειτουργική. Aν για παράδειγμα σε κάποια είδη προβλημάτων η αντίληψη ενός
σπουδαστή αποτελεί εργαλείο για την εξεύρεση μιας λύσης, τότε βέβαια η σχετική αντίληψη
εδραιώνεται κι η τροποποίηση της θα είναι ακόμη πιο δύσκολη.
Στην περίπτωση αυτή η λανθασμένη αντίληψη μπορεί ν' αποτελέσει ένα πραγματικό εμπόδιο στην
πρόοδο του.
Μια καινούρια γνώση στο σχολικό περιβάλλον (με τη γενική έννοια του όρου) θεσμοθετείται από τη
στιγμή που από τον καθηγητή προσδιορίζεται ρητά. Ωστόσο είναι προφανές ότι η κατανόηση των
νέων εννοιών δεν ακολουθεί κατ’ ανάγκη τη σειρά και τους ρυθμούς της διδασκαλίας. Μια καινούρια
έννοια αποκτά νόημα ανάλογα με τις καταστάσεις στις οποίες λειτούργησε, ανάλογα με τα
προβλήματα που λύθηκαν χάρη σε αυτήν. Οι γνώσεις των μαθητών, έτσι όπως εξελίσσονται μέσα στο
χρόνο, σπάνια ακολουθούν ένα γραμμικό μοντέλο ανάπτυξης - δηλαδή συνεχούς προοδευτικής
πορείας μέχρι ένα επιθυμητό σημείο. Πολύ συχνά βρίσκονται σε αντίθεση με το διδακτικό περιβάλλον
(φυσικός χώρος για τη γεωμετρία, προσομοιούμενη πραγματικότητα αν πρόκειται για προσομοίωση σε
Η.Υ., θεωρητική αν πρόκειται για μια αξιωματικοποιημένη δομή) και καμιά φορά υφίστανται
ταυτοχρόνως αντιλήψεις ασύμβατες κι αντιφατικές. Το εμπόδιο προβάλλει λοιπόν όχι ως μια έλλειψη
γνώσης, αλλά ως μια γνώση που δεν είναι πια κατάλληλη. Το εμπόδιο έχει μερικά χαρακτηριστικά:
 πρόκειται για μια γνώση η οποία λειτουργεί αποτελεσματικά σε μια σειρά καταστάσεων και για
ορισμένες τιμές των διδακτικών μεταβλητών.
 το εμπόδιο είναι μια γνώση η οποία όταν πρόκειται να προσαρμοσθεί σε άλλες καταστάσεις - ή
σε άλλες τιμές των διδακτικών μεταβλητών - προκαλεί ιδιαίτερα λάθη, αναγνωρίσιμα κι
αναλύσιμα ως προς το εμπόδιο
 το εμπόδιο - δηλαδή αυτή η ιδιαίτερη γνώση - ανθίσταται στις μετατροπές.

 το εμπόδιο λοιπόν δε μπορεί να ξεπεραστεί παρά μόνο χάρη σε ιδιαίτερες καταστάσεις

απόρριψης.
Αν η αντίληψη αυτή (η αντίστοιχη γνώση) έχει μια συχνή χρήση μπορεί ακόμη να μετεξελιχθεί ένα
είδος διαίσθησης, ένα είδος δηλαδή άμεσης και ενορατικής γνώσης που τίθεται σε εφαρμογή κατά
τρόπο σχεδόν αυτόματο.
Οι λανθασμένες αντιλήψεις, όπως τουλάχιστον δείχνουν οι σχετικές έρευνες, μπορούν ακόμη να

συνυπάρχουν και μ' άλλες γνώσεις (αντιλήψεις) οι οποίες να είναι ασύμβατες μ' αυτές ή ακόμη και
αντιφατικές και να μην εμφανίζονται παρά μόνο κάτω από ειδικές συνθήκες. H ύπαρξη τους πάντως
μπορεί να διαπιστωθεί από την συστηματική εμφάνιση τους, όταν πληρούνται οι κατάλληλες
προϋποθέσεις. Οι αντιλήψεις των σπουδαστών οι σχετικές μ' ένα αντικείμενο πριν από τη διδασκαλία
και μετά απ' αυτήν αποτελούν βέβαια ένα σημαντικότατο θέμα για τη διδακτική της Πληροφορικής.
Εξάλλου ένα σημαντικό μεθοδολογικό πρόβλημα της διδακτικής είναι ακριβώς η σχεδίαση,
πραγματοποίηση κι ανάλυση τέτοιων καταστάσεων οι οποίες επιτρέπουν την εμφάνιση συγκεκριμένων
αντιλήψεων των σπουδαστών.
3.7 H διδασκόμενη γνώση κι ο μετασχηματισμός της

Μια βασική θέση της διδακτικής είναι ότι η διδασκόμενη γνώση δεν ταυτίζεται με την αντίστοιχη
επιστημονική γνώση. Για παράδειγμα η αναδρομικότητα, ή ακριβέστερα οι αναδρομικοί αλγόριθμοι,
ως επιστημονική έννοια έχουν διερευνηθεί σε βάθος από τους μαθηματικούς κι έχουν χρησιμοποιηθεί
ευρύτατα από τους πληροφορικούς. Ωστόσο οι αληθινές τους διαστάσεις στο επαγγελματικό πεδίο και
στην επιστημονική τους χρήση δύσκολα μπορούν να παρουσιαστούν μέσα στο σύνηθες εκπαιδευτικό
περιβάλλον.
Συνήθως μια έννοια δεν μπορεί να περιγραφεί πλήρως κι ακόμη περισσότερο να γίνει κατανοητή, από
έναν απλό τυπικό ορισμό. Κατά κανόνα μία έννοια αποκτά το πλήρες νόημα της μέσα σ' ένα πλαίσιο
αναφοράς το οποίο περιλαμβάνει τις συγγενείς προς αυτήν έννοιες, τα προβλήματα τα οποία μπορεί
να επιλύσει - όπως κι εκείνα που δεν μπορεί - κλπ. Tο πλαίσιο αυτό ονομάζεται εννοιολογικό πεδίο
(conceptual field).
Αυτό που συνήθως παρουσιάζεται σε μια εκπαιδευτική διαδικασία είναι ένα τμήμα του εννοιολογικού
πεδίου, εκείνο το τμήμα που ικανοποιεί τις τρέχουσες διδακτικές ανάγκες. Σε ορισμένες περιπτώσεις η
μερική αυτή παρουσίαση μπορεί ακόμη και να στρεβλώσει το επιστημονικό νόημα της αντίστοιχης
εννοίας.
H Πληροφορική αποσκοπεί, όπως όλες οι επιστήμες, στην επίλυση προβλημάτων. Τα προβλήματα

αυτά μπορούν να προέρχονται από την ίδια την εξέλιξη της επιστήμης, να είναι "εσωτερικά" ή να

βρίσκουν την προέλευση τους σε άλλες πηγές (τεχνική, επαγγελματικές ανάγκες, άλλες επιστήμες...).
Τα εννοιολογικά εργαλεία κάθε επιστήμης επιτρέπουν την επίλυση ακριβώς των προβλημάτων αυτών.
Το να δοκιμάσει λοιπόν κανείς να μεταδώσει μια γνώση χωρίς να καταστήσει γνωστά τα προβλήματα
τα οποία μπορούν να επιλυθούν χάρη σ' αυτήν, είναι σαν μια απάντηση σε μια ερώτηση που δεν
τέθηκε ποτέ.
Μια γνώση, έτσι όπως εκφράζεται σε μια δεδομένη στιγμή, αποτελεί επίσης το αποτέλεσμα απ' όλες
τις διαμάχες που προηγήθηκαν για την εξέλιξη της. Έτσι, για παράδειγμα οι απόψεις για τον δομημένο
προγραμματισμό, κάποτε ισχυρό παράδειγμα προγραμματισμού και της διδασκαλίας του και την
χρήση των διαφόρων "jumps" (exit, goto κλπ) αποτελέσαν το προϊόν όλων των συζητήσεων και
διαμαχών που προηγήθηκαν.
Είναι προφανές ότι όλη αυτή η προβληματική δεν μπορεί να μεταφερθεί αυτούσια στη σχολική ή την
πανεπιστημιακή αίθουσα.
Αντίθετα, οι νέες έννοιες που εισάγονται στην εκπαιδευτική διαδικασία υπακούουν σε διαφορετικούς
κανόνες:
 παρουσιάζονται κατά κανόνα σε συνδυασμό με προβλήματα ορισμένου τύπου και με ορισμένη

μορφή
 παρουσιάζονται με τρόπο τέτοιο ώστε ν' ανταποκρίνονται στις (υποτιθέμενες) τρέχουσες

γνώσεις των σπουδαστών
 κατακερματίζονται σύμφωνα με τις διδακτικές ανάγκες: στα βιβλία και τις σημειώσεις
χωρίζονται σε παραγράφους, σε ενότητες διδάξιμες σε περίοδο ακεραίου αριθμού εξαμήνων ή
ετών.
Για όλους τους παραπάνω λόγους το "νόημα" της σχολικής γνώσης θα είναι διαφορετικό από το
"πραγματικό" νόημα της, αφού οι συνθήκες δημιουργίας και λειτουργίας της είναι διαφορετικές στις
δυο περιπτώσεις. H γνώση, έτσι όπως εμφανίζεται μέσα στην εκπαιδευτική διαδικασία αποτελεί την
τελική εικόνα μιας σειράς μετασχηματισμών, οι οποίοι έχουν την ονομασία διδακτική μετατόπιση
(didactic transposition).
Οι επιστημονικές γνώσεις λοιπόν, σπάνια διδάσκονται αυτούσιες στις διάφορες σχολικές βαθμίδες. Το
γεγονός αυτό είναι μάλιστα πιο σαφές στις χαμηλότερες εκπαιδευτικές βαθμίδες. Επί της ουσίας, η
μόνη εκπαιδευτική βαθμίδα όπου η επιστημονική γνώση αποτελεί αντικείμενο διδασκαλίας είναι ο
χώρος μέσα στον οποίο παράγεται, δηλαδή το πανεπιστήμιο. Αντίθετα, στις άλλες βαθμίδες της
εκπαίδευσης διδάσκεται ένα σώμα γνώσης, το οποίο χαρακτηρίζεται από τον όρο «σχολικές γνώσεις»,
οι οποίες προκύπτουν κατά κανόνα από τις επιστημονικές γνώσεις μιας περιοχής ως προϊόν μιας
διαδικασίας μετασχηματισμού.
Με την έννοια του διδακτικού μετασχηματισμού οροθετούνται οι γενικοί μηχανισμοί που επιτρέπουν
το πέρασμα από ένα «αντικείμενο επιστημονικής γνώσης» σε ένα «αντικείμενο διδασκαλίας».
Ξεκινώντας από τη διάκριση ανάμεσα στην «επιστημονική γνώση» (όπως αυτή παράγεται από την
επιστημονική κοινότητα στο πλαίσιο της επιστημονικής έρευνας) και στη «διδασκόμενη γνώση» (όπως
αυτή μπορεί να παρατηρηθεί στην καθημερινή σχολική πρακτική) η Διδακτική μελετά πως γίνεται ο
μετασχηματισμός των επιστημονικών εννοιών ώστε να καταστούν αντικείμενο διδασκαλίας.
Στο πλαίσιο αυτό, ένα περιεχόμενο γνώσης έχοντας ορισθεί ως διδακτέα γνώση, υπόκειται σε ένα
σύνολο από προσαρμοστικούς μετασχηματισμούς που θα το καταστήσουν ικανό να πάρει θέση
ανάμεσα στα αντικείμενα διδασκαλίας. Συνεπώς, η διανοητική «εργασία» η οποία μετατρέπει ένα
αντικείμενο γνώσης για διδασκαλία σε αντικείμενο διδασκαλίας, αποκαλείται διδακτική μετατόπιση ή
διδακτικός μετασχηματισμός.
Ο διδακτικός μετασχηματισμός δεν περιγράφει ωστόσο μόνο τη μετατροπή μιας επιστημονικής γνώσης
σε διδακτική γνώση με τη μορφή κεφαλαίων σχολικών βιβλίων για παράδειγμα. Διαπνέει, αντιθέτως,
όλο το φάσμα της διδακτικής πράξης και είναι σε στενή σχέση με τον τόπο, το κοινό και τους
παιδαγωγικούς και διδακτικούς στόχους που τίθενται. Επηρεάζει συνεπώς ουσιαστικά το πρόγραμμα
σπουδών, τα αναλυτικά προγράμματα και τη διδακτική πρακτική.
Το «αντικείμενο γνώσης» προσδιορίζεται συνεπώς από το χώρο της «επιστημονικής γνώσης», αυτό
δηλαδή που αναγνωρίζεται από την επιστημονική κοινότητα ως τέτοιο. Εάν πάρουμε για παράδειγμα
τα «Λειτουργικά Συστήματα» στην Πληροφορική ή τον «αντικειμενοστρεφή προγραμματισμό», θα
δούμε ότι το αντικείμενο αυτό δεν είναι διδάξιμο, αυτό καθαυτό, τουλάχιστον εκτός του χώρου
παραγωγής του, δηλαδή τα Πανεπιστήμια και τα Ινστιτούτα. Πως να εξηγήσει κανείς σε μαθητές
Λυκείου το λόγο ύπαρξης του αντικειμενοστρεφούς προγραμματισμού;
Συγκεκριμένοι μηχανισμοί πρέπει να τεθούν σε λειτουργία ώστε η εν λόγω γνώση (όπως είναι
καταγεγραμμένη στις επιστημονικές δημοσιεύσεις και στα ακαδημαϊκά εγχειρίδια) να βγει από τον
επιστημονικό της χώρο και να εισαχθεί λειτουργικά και αποτελεσματικά στη διδακτική πράξη. Από τη
στιγμή που πραγματοποιηθούν τέτοιου τύπου λειτουργίες, η διδακτέα γνώση είναι αναμφισβήτητα
διαφορετική από την επιστημονική γνώση που χρησιμεύει ως αναφορά της. Πρέπει επίσης να τονισθεί
ότι το επιστημολογικό της περιβάλλον είναι επίσης διαφορετικό όπως και η σημασία της και η εμβέλεια
των εννοιών που την δομούν.
Η πρόοδος της Επιστήμης εξάλλου επιβάλλει τη συχνη ανανέωση της «διδακτέας ύλης» προκαλώντας
συνεχείς διδακτικές μετατοπίσεις.

3.8 Το διδακτικό συμβόλαιο

Ορισμένες φορές οι μαθητές, αλλά κι οι σπουδαστές, δίνουν απαντήσεις που φαίνονται παράλογες. Το
πιο "κλασσικό" παράδειγμα τέτοιου παραλογισμού αποτελεί το γνωστό πρόβλημα της ηλικίας του
καπετάνιου: σ' ένα πλοίο υπάρχουν 26 πρόβατα και 10 κατσίκες. Πόσων χρόνων είναι ο καπετάνιος;
H συντριπτική πλειοψηφία των μαθητών 8-9 ετών απαντά ότι ο καπετάνιος είναι 36 ετών. Δύσκολα
θα μπορούσαμε ν' αποδώσουμε τον παραλογισμό αυτό σ' έλλειψη γνώσεων ή πνευματικών
ικανοτήτων - προφανώς οι μαθητές της 3ης δημοτικού σχολείου έχουν τ' απαραίτητα εφόδια ώστε ν'
απαντήσουν σωστά. Ορισμένοι ερευνητές έδειξαν ότι στην πραγματικότητα μια τέτοια συμπεριφορά
μπορεί να εξηγηθεί μέσα σ' ένα ευρύτερο πλαίσιο, γιατί η απάντηση των μαθητών μπορεί να είναι
παράλογη με την κοινή λογική αλλά είναι απολύτως συμβατή με τη συνήθη σχολική λογική .
Τα σχολικά προβλήματα υπακούουν στους εξής κανόνες:
α) ένα συνηθισμένο πρόβλημα έχει μια και μοναδική απάντηση
β) για την απάντηση αυτή:
όλα τα δεδομένα του προβλήματος πρέπει να χρησιμοποιηθούν
καμιά άλλη ένδειξη ή δεδομένο δεν είναι απαραίτητη
H σωστή χρήση των δεδομένων γίνεται χάρη σ' ένα τυποποιημένο σχήμα εφαρμογής οικείων
διαδικασιών, οι οποίες πρέπει απλά να συνδυαστούν με τον κατάλληλο τρόπο.
Τέλος το αποτέλεσμα πρέπει να υπακούει σε ορισμένους κανόνες κοινής λογικής: σ' ένα πρόβλημα με
αυγά η απάντηση δεν πρέπει να είναι "2,3 αυγά", μια ηλικία ανθρώπου δεν μπορεί να είναι 200 ετών
κλπ.
Τα συνηθισμένα προβλήματα στη Δευτεροβάθμια εκπαίδευση επιπέδου δεν χαρακτηρίζονται βέβαια

από ένα τόσο τυποποιημένο σύστημα - όμως ορισμένα από τα χαρακτηριστικά αυτά μπορούν να
εντοπιστούν και στο επίπεδο της.
Εξ άλλου, πολλοί ερευνητές (Rouchier et als 1984, Samurçay 1985, Rogalski et als 1988, Samurçay
1989, Rogalski et Samurçay 1990, Rogalski et Samurçay 1993, Hoc 1989, Hoc & Nguyen-Xuan
1991), έχουν επισημάνει το γεγονός ότι οι αρχάριοι μπορεί να αντιλαμβάνονται ως πλέον σημαντική
τη μορφοποίηση (π.χ. τη στοίχιση) των αποτελεσμάτων, από τα ίδια τα αποτελέσματα – γεγονός που
αποδίδεται τόσο στην έλλειψη επαρκών γνώσεων, όσο και στην αλλαγή του διδακτικού συμβολαίου
M' έναν γενικό τρόπο δεχόμαστε την ύπαρξη ενός συνόλου άγραφων, έμμεσων αλλά υπαρκτών και
ισχυρών κανόνων οι οποίοι προσδιορίζουν ορισμένα χαρακτηριστικά των προβλημάτων που
προτείνονται μέσα στα εκπαιδευτικά πλαίσια αλλά και γενικότερα των αμοιβαίων "νόμιμων"
συμπεριφορών τόσο του καθηγητή όσο και των μαθητών και σπουδαστών. Το σύνολο των κανόνων

αυτών ονομάζεται διδακτικό συμβόλαιο.
Το διδακτικό συμβόλαιο χαρακτηρίζει κατά μεγάλο μέρος τις αλληλεπιδράσεις μεταξύ σπουδαστών και
καθηγητή. Χαρακτηρίζει επίσης το είδος των προβλημάτων τα οποία είναι "νόμιμα". Για παράδειγμα,
την περίοδο της πρώτης επαφής με τον προγραμματισμό ένα βασικό πρόβλημα που τίθεται στους
αρχαρίους είναι ακριβώς ο προσδιορισμός της φύσης των ζητουμένων: ενώ συνήθως η λύση των
προβλημάτων έγκειται στον προσδιορισμό κάποιων αριθμών, αλγεβρικών παραστάσεων ή
γεωμετρικών σχημάτων, στον προγραμματισμό αυτό που συνήθως ζητείται είναι μια μέθοδος
επίλυσης (ένα πρόγραμμα δεν επιλύει ένα πρόβλημα, αλλά μια κλάση προβλημάτων, περιγράφει
δηλαδή μια μέθοδο επίλυσης). Έτσι πολλές φορές οι σπουδαστές χωρίς μεγάλη εμπειρία στον
προγραμματισμό, δυσκολεύονται να κατανοήσουν τη διαφορά ανάμεσα στο παράδειγμα και τη
μέθοδο. Aν προταθεί ως πρόβλημα ο προσδιορισμός ενός τρόπου για την αντιμετάθεση των
περιεχομένων δύο μεταβλητών:
για παράδειγμα αν A=3 και B=5 τότε επιθυμούμε μετά την εφαρμογή της διαδικασίας να έχουμε B=5
και A=3, πολλοί μαθητές αλλά και σπουδαστές προτείνουν σα λύση την εκχώρηση
B:=5
A:=3
3.9 Μια βασική υπόθεση της Διδακτικής

H βασική υπόθεση της Διδακτικής είναι διπλή:
α) το υποκείμενο (ο σπουδαστής) μαθαίνει - δηλαδή αυξάνει και τροποποιεί τις γνώσεις του - χάρη
στην αλληλεπίδραση του με το περιβάλλον του. H αλληλεπίδραση αυτή στο εκπαιδευτικό σύστημα
έγκειται βασικά σε μια δραστηριότητα επίλυσης προβλημάτων σε συνθήκες που προσδιορίζει, μερικώς
τουλάχιστον, ο εκπαιδευτικός. H διδασκαλία δεν είναι τίποτε άλλο παρά η δημιουργία ενός
περιβάλλοντος το οποίο αποσκοπεί στο να μετασχηματίσει τις αντιλήψεις των σπουδαστών. H
διδακτική έχει σα στόχο της την ανάλυση των διαδικασιών αυτών και γενικότερα την εξήγηση κι
ερμηνεία των διδακτικών φαινομένων.
β) Βασική επιστημολογική υπόθεση της Διδακτικής είναι ότι τα προβλήματα είναι πηγή και κριτήριο
της γνώσης (Vergnaud 1982, σ. 220). Από τη μια η γνώση πηγάζει από προβλήματα, η γνώση κατά
κανόνα δημιουργείται προκειμένου να δοθούν λύσεις σε προβλήματα κι απ' την άλλη μια διανοητική
παραγωγή αποτελεί γνώση στο βαθμό που είναι σημαντική, που επιτρέπει τη λύση μιας κλάσης
προβλημάτων με αποτελεσματικό τρόπο.
Κεντρική έννοια των υποθέσεων αυτών λοιπόν είναι το πρόβλημα. Για να είναι δυνατή η μάθηση
πρέπει οι σπουδαστές να διαθέτουν κάποιους τρόπους επίλυσης του προτεινόμενου προβλήματος. H

μάθηση συντελείται όταν μέσα από την επίλυση του προβλήματος ο σπουδαστής τροποποιεί τους
τρόπους αυτούς, τους βελτιώνει, δημιουργεί νέους, υποβιβάζει την αξία παλαιοτέρων. Σε ορισμένες
περιπτώσεις ο έλεγχος αυτός μπορεί να πραγματοποιηθεί μέσα από τροποποιήσεις του ίδιου του
προβλήματος. Όταν οι τροποποιήσεις αυτές παίζουν ένα ρόλο στην μάθηση ονομάζονται διδακτικές
μεταβλητές.
Αναφερόμενοι στον προγραμματισμό, μπορούμε να διαπιστώσουμε την ύπαρξη διδακτικών

μεταβλητών. Προκειμένου να επιδειχθούν τα προτερήματα του δομημένου προγραμματισμού,
προφανώς καταλληλότερο είναι ένα σχετικά πολύπλοκο και μεγάλο πρόβλημα, αφού οι μέθοδοι της
δοκιμής-λάθους ή της απευθείας επίλυσης είναι τελείως αναποτελεσματικές στις περιπτώσεις αυτές -
ενώ είναι λιγότερο δαπανηρές σε απλά προβλήματα. Το μέγεθος κι η πολυπλοκότητα του
προτεινομένου προβλήματος είναι ουσιαστικοί παράγοντες στην περίπτωση αυτή. H ανάγκη σχεδίασης
κι ελέγχου αλγορίθμων μπορεί αντίθετα να επιτευχθεί με ρύθμιση μεταβλητών που είναι εξωγενείς ως
προς το πρόβλημα: μπορεί για παράδειγμα οι σπουδαστές να έχουν ορισμένο μόνο χρόνο μηχανής για
την κατασκευή των προγραμμάτων τους, γεγονός που θα τους αναγκάσει να τελειοποιήσουν τους
αλγορίθμους τους και να τους ελέγξουν προσεκτικά πριν περάσουν στην πληκτρολόγηση του τελικού
κώδικα - ενώ αντίθετα η πιο συνηθισμένη τακτική είναι η προσφυγή στην άμεση πληκτρολόγηση
κώδικα ο οποίος διορθώνεται ανάλογα με τα λάθη που διαπιστώνονται.
Το πρόβλημα στην εκπαιδευτική διαδικασία, όπως δείχνουν και τα παραπάνω, δεν πρέπει να νοηθεί
σαν μια "εκτός πλαισίου", context-free πρόταση. Τα προβλήματα πρέπει μάλλον να θεωρούνται σαν
μια πρόταση η οποία πρέπει να επιλυθεί μέσα σε ορισμένα πλαίσια - και τα πλαίσια αυτά ρυθμίζουν
κατά τρόπο ουσιαστικό τις διαδικασίες που είναι θεμιτές, "νόμιμες" για την επίλυση του προβλήματος,
καθώς κι εκείνες που είναι αποτελεσματικές. Τα προβλήματα προς επίλυση μέσα στα πλαίσια αυτά
ονομάζονται διδακτικές καταστάσεις.
Σε μια διδακτική κατάσταση όλοι εκείνοι οι παράγοντες οι οποίοι ανταποκρίνονται σε μια ορισμένη
ενέργεια του υποκειμένου και γίνονται αντιληπτοί απ' αυτό ονομάζονται περιβάλλον.
Για παράδειγμα ο καθηγητής (ο οποίος αντιδρά μ' έναν ορισμένο τρόπο σε μια απάντηση ενός
σπουδαστή), ο συνάδελφος ο οποίος αποδέχεται ή απορρίπτει ένα επιχείρημα ή μια απόδειξη, το
πληροφορικό σύστημα που παράγει ένα αποτέλεσμα ή ένα μήνυμα κατά την εκτέλεση ενός
προγράμματος, η ηλεκτρονική μηχανή τσέπης αποτελούν μέρη του περιβάλλοντος. Είναι αυτονόητο
πως η εκάστοτε "αντίδραση" του περιβάλλοντος συντελεί στη διαδικασία της μάθησης κι η δημιουργία
του πλέον κατάλληλου περιβάλλοντος αποτελεί βασικό μέλημα της Διδακτικής.
Πολλοί ερευνητές διακρίνουν διαφόρους τύπους διδακτικών καταστάσεων όπως:

καταστάσεις ενέργειας στις οποίες ευνοείται κυρίως η κατασκευαστική ικανότητα των μαθητών γι'
απλά αντικείμενα όπως ένα γεωμετρικό σχήμα
καταστάσεις έκφρασης ή διατύπωσης οι οποίες ευνοούν την κατασκευή κι εκμάθηση μοντέλων και
επιστημονικών "γλωσσών". Ιδιαίτερο ρόλο ανάμεσα τους παίζουν οι καταστάσεις επικοινωνίας, στις
οποίες η επικοινωνία (δηλαδή μια διατύπωση για τη μετάδοση ενός μηνύματος) παίζει καθοριστικό
ρόλο (Laborde [1982]): αν η ποιότητα μιας διατύπωσης δεν επιτρέπει την ακριβή μετάδοση ενός
μηνύματος, τότε επανεξετάζεται όχι μόνο η ίδια η διατύπωση κι η χρησιμοποιούμενη "γλώσσα" αλλά
και η υποκείμενη γνώση
καταστάσεις επικύρωσης οι οποίες έχουν ως επίκεντρο την παραγωγή επιχειρημάτων για την
επικύρωση μιας σχέσης, μιας πρότασης μιας κατασκευής (για παράδειγμα ενός αλγόριθμου ή ενός
προγράμματος). Σε ορισμένες περιπτώσεις οι καταστάσεις απόφασης (Balacheff [1991]) απαιτούν ένα
ορισμένο όριο βεβαιότητας, χωρίς ωστόσο να είναι απαραίτητες οι αποδείξεις (δηλαδή η ρητή
διατύπωση εκείνων των επιχειρημάτων που δικαιολογούν την βεβαιότητα αυτή).
καταστάσεις επισημοποίησης οι οποίες υφίστανται υπό την ευθύνη του καθηγητή κι αποσκοπούν στο
να δώσουν το χαρακτήρα της θεσμικά αναγνωρισμένης γνώσης, σε ορισμένες από τις προσωπικές
γνώσεις του σπουδαστή.
3.10 Η έννοια της ΤΠΓΠ

Η έννοια της Τεχνολογικής Παιδαγωγικής Γνώση Περιεχομένου (Technological Pedagogical And
Content Knowledge – TPACK) διατυπώθηκε από τους Mishra και Koehler (2006) με στόχο να
περιγράψουν ολοκληρωμένα το πλαίσιο των παραγόντων που καθορίζουν την ένταξη των ΤΠΕ στη
σχολική τάξη. Από την εισαγωγή της ως θεωρητική έννοια, η ΤΠΓΠ έχει μετασχηματιστεί σε ένα
χρήσιμο πλαίσιο-εργαλείο για την υποστήριξη της ένταξης των ΤΠΕ στη σχολική πρακτική
προσφέροντας πολλές δυνατότητες στην εκπαιδευτική έρευνα, στην εκπαίδευση και επαγγελματική
ανάπτυξη των εκπαιδευτικών και στην ενσωμάτωση των ΤΠΕ στην τάξη.
Το μοντέλο αυτό δεν αντιμετωπίζει ανεξάρτητα τις τρεις συστατικές συνιστώσες (Τεχνολογία,
Παιδαγωγική, Περιεχόμενο) αλλά εστιάζει στις μεταξύ τους αλληλεπιδράσεις, στο πλαίσιο που
διαμορφώνουν τα διάφορα εκπαιδευτικά μαθησιακά περιβάλλοντα των ΤΠΕ.

Η Τεχνολογική Παιδαγωγική Γνώση Περιεχομένου

Έτσι ορίζονται τρεις νέες μορφές γνώσης:
Παιδαγωγική Γνώση Περιεχομένου: Η ΠΓΠ περιλαμβάνει το σώμα της γνώσης που αφορά στην
αναπαράσταση, περιγραφή και μετασχηματισμό των επιστημονικών εννοιών και διαδικασιών, τις
παρανοήσεις, προϋπάρχουσες γνώσεις ή γνωστικές δυσκολίες των μαθητών, σε παιδαγωγικές
στρατηγικές και τεχνικές που είναι αποτελεσματικές στην πράξη, κ.λπ.
Τεχνολογική Γνώση Περιεχομένου: Η ΤΓΠ στη γλώσσα, τα μαθηματικά και τις φυσικές επιστήμες
περιλαμβάνει ζητήματα που αφορούν στο πώς οι επιστημονικές έννοιες και διαδικασίες
μετασχηματίζονται σε συγκεκριμένα τεχνολογικά περιβάλλοντα. Για παράδειγμα, οι αλλαγές στη φύση
της επιστήμης που φέρνουν οι ΤΠΕ, νέες μέθοδοι και εργαλεία που χρησιμοποιούνται για να λύσουν
τα προβλήματα των Φυσικών Επιστημών, οι μέθοδοι μοντελοποίησης της επιστημονικής γνώσης, η
χρήση λογισμικών προσομοίωσης (π.χ. στη φυσική ή στη χημεία) κ.λπ. Τα λογισμικά δυναμικής
γεωμετρίας και τα λογισμικά σχεδίασης διαφοροποιούν τους τρόπους με τους οποίους οικοδομείται η
μαθηματική γνώση, οι επεξεργαστές κειμένου και οι κειμενικές βάσεις δεδομένων αλλάζουν τον τρόπο
με τον οποίο προσεγγίζουμε τη διδασκαλία της γλώσσας.
Τεχνολογική Παιδαγωγική Γνώση: Η ΤΠΓ στα βασικά γνωστικά αντικείμενα περιλαμβάνει τη
γνώση για το πώς οι ΤΠΕ μπορούν να υποστηρίξουν συγκεκριμένες παιδαγωγικές στρατηγικές στην
τάξη, π.χ. να ενθαρρύνουν τη διερευνητική ή τη συνεργατική μάθηση.
Οι Koehler και Mishra (2006) υποστηρίζουν ότι η ουσιαστική ένταξη των ΤΠΕ στην πράξη απαιτεί την
κατανόηση από τους εκπαιδευτικούς των σχέσεων μεταξύ των τριών συνιστωσών της ΤΠΓΠ. Παρότι

το πλαίσιο αυτό εμφανίζεται ως ένα απλό στη σύλληψή του και λογικό θεωρητικό κατασκεύασμα,
είναι δύσκολο να κατανοηθεί από τους εκπαιδευτικούς και ακόμη δυσκολότερο να εφαρμοστεί
αποτελεσματικά στην εκπαιδευτική πρακτική).
Συνιστώσες της ΤΠΓΠ Άξονες γνώσεων & ικανοτήτων

Παιδαγωγική Γνώση Επιστημονική γνώση
Περιεχομένου (ΠΓΠ) Πρόγραμμα Σπουδών των επιμέρους γνωστικών αντικειμένων
Μετασχηματισμός της επιστημονικής γνώσης
Μαθησιακές δυσκολίες και παρανοήσεις των μαθητών (σε
συγκεκριμένες ενότητες ή έννοιες)
Μαθησιακές στρατηγικές
Παιδαγωγικές και διδακτικές στρατηγικές
Εκπαιδευτικό πλαίσιο
Τεχνολογική Γνώση Τεχνολογικά μέσα και εργαλεία διαθέσιμα για συγκεκριμένα
Περιεχομένου (ΤΓΠ) γνωστικά αντικείμενα
Δεξιότητες χειρισμού και τεχνικές δεξιότητες σχετικά με
συγκεκριμένες έννοιες και γνώσεις των φυσικών επιστημών, της
γλώσσας και των μαθηματικών
Μετασχηματισμός της επιστημονικής γνώσης με ΤΠΕ
Επιστημονική μέθοδος και ΤΠΕ
Τεχνολογική Μαθησιακές και διδακτικές στρατηγικές βασισμένες σε ΤΠΕ
Παιδαγωγική Γνώση Προώθηση επιστημονικής διερεύνησης με ΤΠΕ
(ΤΠΓ) Υποστήριξη καλλιέργειας τεχνολογικών δεξιοτήτων
Μαθησιακή υποστήριξη με ΤΠΕ (scaffolding)
Χειρισμός τεχνικών δυσκολιών σε εκπαιδευτικά ψηφιακά
περιβάλλοντα
Έτσι, η άμεση διδασκαλία και η εκμάθηση εκπαιδευτικών ψηφιακών περιβαλλόντων κατά τη διάρκεια
των μαθημάτων στο ΚΣΕ προτείνεται να είναι σχετικά περιορισμένη. Η εξοικείωση με τα τεχνολογικά
εργαλεία και η πρόσκτηση των σχετικών δεξιοτήτων θα επιτευχθεί με την εμπλοκή των
επιμορφούμενων στην επίλυση νοηματοδοτούμενων διδακτικών προβλημάτων μέσω του σχεδιασμού
αυθεντικών σεναρίων και μαθησιακών δραστηριοτήτων βασισμένων σε ΤΠΕ, οι οποίες να εδράζονται
σε ένα σαφές παιδαγωγικό υπόβαθρο.

Αυτό διότι σύμφωνα με τη θεωρία αυτή είναι ο συνδυασμός των τριών ειδών γνώσεων που μπορεί να
είναι διδακτικά αποδοτικός – όχι η καθεμία συνιστώσα χωριστά.
4 Συνήθεις δυσκολίες και λάθη αρχαρίων

Οι δυσκολίες που συναντούν οι μαθητές και σπουδαστές κατά την εκμάθηση του προγραμματισμού,
σχετίζονται, επίσης, με την παρανόηση των βασικών δομών, των κανόνων της γλώσσας
προγραμματισμού, των ιδιοτήτων της «μηχανής» που ελέγχει ο μαθητής και την ικανότητα
καθορισμού, ανάπτυξης, ελέγχου και αποσφαλμάτωσης ενός προγράμματος με τα διαθέσιμα εργαλεία
(Ξυνόγαλος & Σατρατζέμη 2001, Ξυνόγαλος 2002).
Πιο συγκεκριμένα, όσον αφορά τις ιδιότητες της «μηχανής», ο αρχάριος προγραμματιστής
(Ξυνόγαλος 2002, Δαγδιλέλης 1996):
 δε μπορεί να εντοπίσει εύκολα τη σχέση που υπάρχει ανάμεσα στο πρόγραμμα (γραμμένο σε
μια γλώσσα προγραμματισμού) και τον μηχανισμό εκτέλεσής του,
 κάνει, κατά κανόνα, δικές του υποθέσεις για τον τρόπο με τον οποίο λειτουργεί εσωτερικά το
υπολογιστικό σύστημα. Αλλά, ακόμη και αν ο σπουδαστής διαθέτει μια επαρκή περιγραφή της
εσωτερικής λειτουργίας του συστήματος, δεν είναι βέβαιο ότι την κατανοεί και θα τη
χρησιμοποιήσει με ορθό τρόπο.
 δε μπορεί να αντιληφθεί το βαθμό λεπτομέρειας που απαιτεί ο προγραμματισμός και την
αυστηρότητα, με την οποία πρέπει να τηρούνται οι κανόνες του προγραμματιστικού
συστήματος. Για παράδειγμα, η σειριακή εκτέλεση των εντολών, πολλές φορές, δε γίνεται
κατανοητή από τους αρχάριους προγραμματιστές. Έτσι, σε ορισμένες περιπτώσεις, οι αρχάριοι
προγραμματιστές μεταφέρουν στο προγραμματιστικό περιβάλλον στρατηγικές επίλυσης
προβλημάτων από άλλα περιβάλλοντα - χωρίς να κάνουν τις απαραίτητες τροποποιήσεις και
προσαρμογές.
Όσον αφορά στη γλώσσα προγραμματισμού, ο αρχάριος προγραμματιστής (Ξυνόγαλος 2000 και
2002, Ξυνόγαλος & Σατρατζέμη 2004, Ξυνόγαλος et als 2005, Σατρατζέμη et als 2006) δυσκολεύεται
μερικές φορές από τις αγγλικές λέξεις που περιλαμβάνουν οι γλώσσες προγραμματισμού, είτε γιατί τις
ερμηνεύει με λανθασμένο τρόπο, είτε γιατί έχουν διαφορετική σημασία στη γλώσσα προγραμματισμού
από ό,τι στην τρέχουσα Αγγλική γλώσσα.
Εξάλλου, η τυπική γλώσσα που χρησιμοποιείται είναι δύσκολα ερμηνεύσιμη από τους μαθητές και
τους σπουδαστές, οι οποίοι αγνοούν τους μηχανισμούς με τους οποίους λειτουργεί το Πληροφορικό

σύστημα (όπως για παράδειγμα τους μηχανισμούς μεταγλώττισης ή διερμηνείας, compilation –

interpretation). Σε πολλές περιπτώσεις λοιπόν, οι αρχάριοι προγραμματιστές δε μπορούν να
ερμηνεύσουν τα μηνύματα λάθους του συστήματος. Έτσι, όταν o μεταγλωττιστής επισημαίνει
λανθασμένη σύνταξη εξ αιτίας της παράλειψης ενός σημείου στίξεως («;») ή στη Logo, to σύστημα
ανιχνεύει ένα λάθος σε μια διαδικασία (procedure), κατά κανόνα, το πρόβλημα βρίσκεται στο σημείο
όπου λογικά εντοπίστηκε και όχι εκεί όπου εμφανίζεται το μήνυμα. Αυτό όμως το αγνοούν οι αρχάριοι
προγραμματιστές, οι οποίοι αναζητούν το πρόβλημα στο σημείο όπου εμφανίζεται το μήνυμα, με
αποτέλεσμα να μη μπορούν να προσδιορίσουν το αναφερόμενο λάθος. Ο αρχάριος, επίσης, συναντά
περισσότερες δυσκολίες, όταν η γλώσσα προγραμματισμού βασίζεται σε μεταγλωττιστή, γιατί:
 μόνο ολοκληρωμένα προγράμματα μπορούν να εκτελεστούν, με αποτέλεσμα να μην είναι

δυνατόν να πειραματιστεί με μεμονωμένες εντολές,
 η χρήση του συντάκτη (editor) είναι δυσκολότερη,
 στο στάδιο της αποσφαλμάτωσης, η αναφορά φιλικών προς το χρήστη μηνυμάτων λάθους,
είναι δύσκολη.
Όσον αφορά στο χειρισμό των δομών της γλώσσας προγραμματισμού, ο αρχάριος προγραμματιστής
συναντά μεγάλες δυσκολίες, κάποιες από τις οποίες οφείλονται στις λανθασμένες αντιλήψεις του. Οι
αντιλήψεις αυτές, με τη σειρά τους, οφείλονται, συχνά, στο γεγονός ότι οι αρχάριοι εκφράζουν τη
λύση ενός προβλήματος σε κάποια γλώσσα προγραμματισμού, βασιζόμενοι στη φυσική γλώσσα που
χρησιμοποιούν στις καθημερινές συνομιλίες τους.
4.1 Δομές Επιλογής

Οι συνηθέστερες δυσκολίες ενός αρχάριου προγραμματιστή σε σχέση με τις δομές επιλογής
εντοπίζονται στα εξής: ο αρχάριος
 δυσκολεύεται να κατανοήσει τη δομή επιλογής, όταν αυτή περιλαμβάνει στη συνθήκη
σύνθετες λογικές εκφράσεις (AND, NOT, OR).
 δυσκολεύεται να παρακολουθήσει τη λειτουργία των εμφωλευμένων εντολών.
 αντιμετωπίζει και μαθαίνει ευκολότερα νέες δομές, όταν διαθέτει καλύτερο μαθηματικό
υπόβαθρο.
Οι συνηθέστερες εντολές επιλογών είναι της μορφής if..then..else ή case of και αποτελέσαν, με τη
σειρά τους, αντικείμενα ερευνών.

H συνηθέστερη κατηγορία λανθασμένων αντιλήψεων στους αρχάριους προγραμματιστές, έχει την

πηγή της στην καθημερινή ζωή. Οι προγραμματιστές ερμηνεύουν τις εντολές σε μια γλώσσα
προγραμματισμού, με σημείο αναφοράς τις καθημερινές συνομιλίες μεταξύ ανθρώπων - οι οποίες
βέβαια είναι συχνά ελλειπτικές, μεταφορικές κλπ.
Έτσι, για παράδειγμα, για ένα πρόγραμμα στο οποίο ο χρήστης εισάγει την ηλικία του και ο H.Y.
αποφαίνεται αν ο χρήστης είναι NEOΣ, MEΣOKOΠOΣ ή ΓEPOΣ, πολλές φορές ο κώδικας των
αρχαρίων προγραμματιστών έχει την εξής μορφή:
10 INPUT X
20 IF X<30 THEN PRINT "NEOΣ"
30 IF X<50 THEN PRINT "MEΣOKOΠOΣ "
40 PRINT "ΓEPOΣ"
Τα λάθη τόσο στη γραμμή 30 όσο και στην 40 έχουν, κατά πάσα πιθανότητα, την πηγή τους στον
τρόπο, με τον οποίο οι άνθρωποι συνομιλούν μεταξύ τους. Για παράδειγμα, μια αποδεκτή διατύπωση
για το παραπάνω πρόβλημα θα μπορούσε να είναι η εξής:
Kάτω από 30 είναι NEOΣ, μέχρι τα 50 είναι MEΣOKOΠOΣ αλλιώς είναι ΓEPOΣ.
1.
H διατύπωση αυτή είναι ορθή και εκφράζει τις απαιτήσεις του προβλήματος - είναι όμως ακατάλληλη
για να "μεταφερθεί" αυτούσια σ' ένα προγραμματιστικό περιβάλλον και έτσι το πρόγραμμα που
προκύπτει από μια τέτοια «μεταφορά», είναι λανθασμένο.
O δομημένος προγραμματισμός, βασίζεται κατά ένα μέρος, σε εμφωλευμένες εντολές. Κλασσική

περίπτωση αποτελούν τα εμφωλευμένα:
if..then
if .... then...
else...
else
if .... then...
κλπ.
Για πολλούς ερευνητές, οι εμφωλευμένες εντολές ελέγχου προκαλούν σύγχυση και συνιστούν την
κατάργηση τους (για παράδειγμα Green 1980, 1989 και 1990). Άλλοι ερευνητές, θεωρούν ότι,
αντίθετα με την διαδεδομένη αντίληψη, η παράθεση ελέγχων, είναι σε ελάχιστο βαθμό και σε
ορισμένες μόνο περιπτώσεις, πιο κατανοητή από τους εμφωλευμένους ελέγχους. Έτσι, οι

εμφωλευμένες εντολές ελέγχου, δεν πρέπει να καταργηθούν. Aυτό όμως που φαίνεται που μπορεί να
βελτιώσει ουσιαστικά την κατανόηση των εμφωλευμένων δομών επιλογής, είναι να υπάρχει μια ορατή
αντιστοιχία ανάμεσα στη δομή του κώδικα και τη "φυσική" θέση των εντολών μέσα στο πρόγραμμα -
όπως στο παράδειγμα που παραθέτουμε παραπάνω. Έχει προταθεί ακόμη και η χρήση ειδικών
συμβόλων:
if..then
if .... then...
else...
else
if .... then...
η οποία χρησιμοποιείται από πολλούς συγγραφείς - προκειμένου περί αλγοριθμικών γλωσσών, όμως
και όχι για προγράμματα εκτελέσιμα από H.Y. (δες για παράδειγμα Beaudoin 1981).
Τέλος, η ύπαρξη σύνθετων εκφράσεων (π.χ. Boolean συναρτήσεων ή συνδυασμού προτάσεων με
λογικά AND, NOT, OR) δυσχεραίνει σαφώς την κατανόηση της λειτουργίας μιας εντολής ελέγχου.
Επίσης οι (Αθ. Τζιμογιάννης et als 2019-α, -β, -γ, -δ, -δ, στ) επισημαίνουν τα παρακάτω προβλήματα
στη χρήση της δομής επιλογής από τους μαθητές:
 Οι μαθητές μερικές φορές δυσκολεύονται να κατανοήσουν ότι οι εντολές που βρίσκονται
αμέσως μετά τη δομή επιλογής εκτελούνται πάντα, ανεξάρτητα από την αποτίμηση της
συνθήκης.
 Οι μαθητές θεωρούν κάποιες φορές ότι εκτελούνται τόσο το μπλοκ εντολών Αν…τότε όσο και
 εκείνο του Αλλιώς ή άλλες φορές εκτελούν το μπλοκ εντολών του Αν…τότε είτε η συνθήκη
που περιλαμβάνει είναι αληθής, είτε είναι ψευδής.
 Οι μαθητές θεωρούν κάποιες φορές ότι αν μια συνθήκη σε μια δομή επιλογής είναι ψευδής,
τότε σταματά η ροή του προγράμματος
 Κάποιοι μαθητές πιστεύουν ότι για να λειτουργήσει σωστά η δομή επιλογής απαιτείται πάντοτε
η λογική έκφραση να είναι αληθής, όπως χρησιμοποιείται στην φυσική γλώσσα, ενώ αντίθετα
αν μια λογική έκφραση αποτιμηθεί ως ψευδής, τότε η συνθήκη είναι λανθασμένη
 Η απαρίθμηση των περιπτώσεων για να εξεταστεί εξαντλητικά ένα σύνολο περιπτώσεων είναι
θεμελιώδης διαδικασία στις τεχνικές για επίλυση προβλημάτων, αλλά οι μαθητές συχνά
αρκούνται να δοκιμάσουν μόνο μία ή δύο περιπτώσεις. Η έρευνα δείχνει ότι κάποιες φορές
κατά τη χρήση της δομής επιλογής οι μαθητές δεν εξετάζουν όλες τις πιθανές περιπτώσεις στα
σχέδια λύσης τους.

 Πολλοί μαθητές αντιμετωπίζουν δυσκολίες στην ροή εκτέλεσης των εντολών του
προγράμματος όταν εμπλέκονται εμφωλευμένες (nested) δομές επιλογής, όπως και στην
σύνταξη της σωστής συνθήκης
4.2 H διαχείριση των συμβολοσειρών (strings)

Οι συμβολοσειρές, βέβαια, εκχωρούνται συνήθως σε κατάλληλα προσδιορισμένες μεταβλητές ή είναι
άμεσα διαχειρίσιμες (ανάλογα με τη γλώσσα προγραμματισμού), μπορούν να συγκριθούν μεταξύ τους
και γενικά, ακολουθούν τη λογική επεξεργασίας όλων των μεταβλητών. Παρά ταύτα, μια ιδιαίτερη
μελέτη τους είναι επιβεβλημένη, γιατί αποτελούν ταυτόχρονα τιμές που μπορούν να εκχωρηθούν σε
μεταβλητές αλλά και ιδιαίτερες δομές (Lagrange 1990).
Ως τιμές έχουν ιδιαίτερους κανόνες διάταξης, οι οποίοι χρησιμοποιούνται βέβαια στην καθημερινή ζωή
(π.χ. αναζήτηση σε τηλεφωνικό κατάλογο), αλλά τούτο δε σημαίνει ότι μπορούν να εκφραστούν
αναλυτικά σ' ένα προγραμματιστικό περιβάλλον. Eξ άλλου, μερικοί από τους κανόνες παραμένουν
έμμεσοι και η έκφραση τους μπορεί ν' αποβεί δυσχερής (για παράδειγμα, ποιος είναι ο ρόλος του
κενού διαστήματος; Πως ταξινομούνται μεικτές ελληνικές και λατινικές λέξεις;).
Ως δομές, οι συμβολοσειρές δίνουν τη δυνατότητα προσπέλασης των στοιχείων τους (δηλαδή των
μεμονωμένων χαρακτήρων) και είναι γενικά διαχειρίσιμες κυρίως μέσω συναρτήσεων (π.χ. LEFT$
στη BASIC, COPY στην PASCAL κ.λπ.), των οποίων η χρήση, επίσης, μπορεί να μην είναι προφανής
στους αρχαρίους. Ιδιαίτερο ρόλο παίζει βέβαια η ασυνήθης χρήση ορισμένων μεγεθών: για
παράδειγμα οι αλφαριθμητικές σταθερές και το διπλό status των αριθμών (οι οποίοι ανάλογα με την
περίπτωση, πρέπει να θεωρούνται ως αριθμοί ή συμβολοσειρές), μπορούν να αποτελέσουν σημεία
δυσχερειών για τους νέους προγραμματιστές.
Οι κυριότερες αντιλήψεις και δυσκολίες των νέων προγραμματιστών, που είναι σχετικές με τις
συμβολοσειρές, μπορούν να συνοψιστούν ως εξής:
 οι νέοι προγραμματιστές διαχειρίζονται ανορθόδοξα και «αντιοικονομικά» τις δυνατότητες που
τους παρέχει η γλώσσα προγραμματισμού. Για παράδειγμα, μια μαθήτρια για να υπολογίσει το
μήκος μιας συμβολοσειράς γράφει:
10 LET A$= MID$(X$, 2, LEN+MID$(1,1))
20 LET A = LEN(A$)
αντί για το απλούστερο:
10 LET A=LEN(X$)
 Υπάρχει, γενικότερα, μια μεγάλη ομάδα ατόμων, που έχουν την τάση να μη χρησιμοποιούν
ενδιάμεσες μεταβλητές, προκειμένου να πραγματοποιήσουν ένα μακροσκελή και πολύπλοκο

υπολογισμό (παρόλο που η χρήση ενδιάμεσων μεταβλητών αποτελεί μια συνηθισμένη τεχνική
π.χ. στα Mαθηματικά). H ύπαρξη πολύπλοκων παραστάσεων (ουσιαστικά με σύνθεση
συναρτήσεων), στο μεγαλύτερο ποσοστό της, αποτελεί ένα σχεδόν βέβαιο δείκτη λάθους.
 οι αρχάριοι προγραμματιστές - κυρίως μαθητές - συγχέουν πολλές φορές τους απόλυτους και
τακτικούς αριθμούς, οι οποίοι είναι σχετικοί με τις συμβολοσειρές. Για παράδειγμα, όταν
θέλουν να αφαιρέσουν τον τελευταίο χαρακτήρα μιας λέξης μήκους N, κάνουν αναφορά στον
χαρακτήρα N-1. Τούτο, οφείλεται, πιθανότατα, στο γεγονός ότι N είναι "ολόκληρη η λέξη"
(δηλαδή ο απόλυτος αριθμός που δίνει το πλήθος των συμβόλων) και άρα ο τελευταίος
χαρακτήρας έπεται του N-1, από όπου και το λάθος.
 ένα πολύ συχνό λάθος των αρχαρίων προγραμματιστών (το οποίο συνδέεται άμεσα και μ' αυτό
που ονομάσαμε σε προηγούμενη παράγραφο αλλαγή του διδακτικού συμβολαίου), έγκειται
στη σύγχυση ανάμεσα στον υπολογισμό μιας συμβολοσειράς και στην εμφάνιση χαρακτήρων
στην οθόνη του H.Y. Για παράδειγμα, αν δοθεί μια συμβολοσειρά και ζητηθεί να υπολογιστεί η
συμβολοσειρά που προκύπτει αν αφαιρεθεί από τη δοσμένη ο προτελευταίος χαρακτήρας (αν
υποτεθεί ότι υπάρχει), μια συνήθης λύση είναι η εξής:
10 PRINT LEFT$(X$, L-2);

20 PRINT RIGHT$(X$ 1)
Οι προγραμματιστές δηλαδή, εκμεταλλεύονται το γεγονός ότι οι εκτυπώσεις των δυο τμημάτων θα

γίνουν χωρίς κενά διαστήματα, και έτσι η εκτύπωση θα είναι ίδια με εκείνη της κανονικής λύσης του
προβλήματος, χωρίς ωστόσο το επιθυμητό αποτέλεσμα να έχει «υπολογιστεί» (με την έννοια της
εκχώρησης του σε μια μεταβλητή).
 οι μη-πεπειραμένοι προγραμματιστές, δυσκολεύονται να θεωρήσουν αριθμούς ως
συμβολοσειρές και να τους επεξεργαστούν με συναρτήσεις συμβολοσειρών. Eίναι γνωστό, πως
η θεώρηση ενός αριθμού, όπως ο 1254 ως απόλυτου αριθμού και ταυτόχρονα ως αθροίσματος
1000+200+50+4 ή ως αθροίσματος μιας χιλιάδας κλπ δεν είναι πάντα προφανής. H διαχείριση
λοιπόν συμβολοσειρών, σημαίνει ένα είδος «αλλαγής οπτικής γωνίας», γιατί ο αριθμός δεν
είναι πια αριθμός, αλλά μια διαδοχή συμβόλων:
αν A=1 και B=2 A+B=3
ενώ αν A="1" και B="2" τότε A+B="12"
Οι αντίστοιχες δυσκολίες εμφανίζονται, βέβαια, σε προβλήματα, στα οποία η διαχείριση αυτή είναι
επιβεβλημένη. Αν, για παράδειγμα, προταθεί στους μαθητές να εμφανίζουν όλα τα ψηφία ενός
ακεραίου που εισάγεται από το πληκτρολόγιο - και δεν έχουν στη διάθεση τους μαθηματικές

συναρτήσεις DIV, MOD, INT κλπ. – τότε, πολλοί μαθητές συναντούν δυσκολίες στη μετατροπή
αριθμών σε συμβολοσειρές και στην εφαρμογή των συναρτήσεων συμβολοσειρών (όπως LEFT$,
MID$, για παράδειγμα στο Lagrange 1991).
4.3 Δομές Επανάληψης ή βρόχοι (Loops)

Οι συνηθέστερες δυσκολίες ενός αρχάριου προγραμματιστή εντοπίζονται στα εξής:
 Προτιμά να χρησιμοποιεί ακολουθίες επαναλαμβανόμενων εντολών στα προγράμματά του,

αντί για βρόχους.
 Διαθέτει ανεπαρκή νοητά μοντέλα για τις επαναληπτικές δομές.
 Δυσκολεύεται να επιλέξει την κατάλληλη, για κάθε πρόβλημα, επαναληπτική δομή.
 Αδυνατεί να ορίσει με επιτυχία τη συνθήκη εξόδου από ένα βρόχο.
 Δε μπορεί να καθορίσει την εμβέλεια του βρόχου και να προσδιορίσει την αρχή και το τέλος
τους, καθώς και τις εντολές που επαναλαμβάνονται.
Η χρήση των βρόχων, και γενικότερα των επαναληπτικών διαδικασιών, παραμένει, πολύ συχνά, ένα
θέμα το οποίο οι σπουδαστές δεν κατανοούν απόλυτα. Οι σχετικές πολυάριθμες αναφορές (Soloway
et als 1982, Soloway et als 1983, Bonar & Soloway 1985, Soloway 1986, Rogalski 1985, Dagdilelis
1986, Mejias 1986, Linn & Dalbey 1989, Bonar & Soloway 1989, Soloway et als 1989) είναι
ενδεικτικές της σπουδαιότητας του θέματος.
Ορισμένες αντιλήψεις των μαθητών, συνδεόμενες με τη λειτουργία και τη χρήση των βρόχων,
αποτελούν ουσιαστικό ανασταλτικό παράγοντα στην πορεία τους (Dagdilelis 1989) και η υπέρβαση
ων αντιλήψεων αυτών, είναι απαραίτητη για την πρόοδο του μαθητή. Πιο συγκεκριμένα, οι
επαναληπτικές δομές υπήρξαν από τα πλέον διερευνημένα θέματα από πολλούς ερευνητές και
ερευνητικές ομάδες (όπως: Soloway et als 1983, Rouchier et als 1984, Soloway & Ehrlich 1984,
Soloway 1986, Mejias 1985, Laborde et als 1985, Rogalski 1986, Dagdilelis 1986b, Capponi &
Dagdilelis 1989, Dagdilelis et als 1990, Soloway 1983) έχουν διερευνήσει το σχετικό θέμα.
Oι επαναληπτικές δομές είναι πολλών τύπων (για παράδειγμα Ledgard 1975). Θεωρητικά είναι
γνωστό από το 1966 (Boehm 1966) ότι η δομή while συνθήκη do είναι αρκετή από μόνη της για να
καλύψει όλες τις περιπτώσεις που μπορούν να παρουσιαστούν.
Ανεξάρτητα όμως από το θεωρητικό αυτό συμπέρασμα, διακρίνονται αρκετές κατηγορίες
επαναληπτικών δομών, οι οποίες: α) παρουσιάζουν σε ορισμένες περιπτώσεις διαφορετικές
δυνατότητες - από καθαρά θεωρητική άποψη, β) παρουσιάζουν διαφορές ως προς την καταλληλότητά

τους για ορισμένο τύπο προβλημάτων και γ) ακόμη και όταν είναι ισοδύναμες, θεωρητικά, μπορούν
να είναι λιγότερο ή περισσότερο περίπλοκες για το χρήστη.
Σε γενικές γραμμές οι επαναληπτικές δομές ανήκουν στους εξής τύπους:
α) repeat N times action
H διαδικασία ή το σύνολο εντολών action επαναλαμβάνεται N φορές - το N πρέπει βέβαια να είναι
γνωστό εκ των προτέρων. Πρόκειται για τη συνήθη επαναληπτική δομή της LOGO.
β) for I:=N1 to N2 do action
H διαδικασία ή το σύνολο εντολών action επαναλαμβάνεται N2-N1+1 φορές
γ) while συνθήκη do action
H διαδικασία ή το σύνολο εντολών action επαναλαμβάνεται όσο η συνθήκη είναι αληθής. Tο
αντίστοιχο τεστ πραγματοποιείται πριν από το σώμα της επαναληπτικής διαδικασίας.
δ) repeat action until συνθήκη
H διαδικασία ή το σύνολο εντολών action επαναλαμβάνεται όσο η συνθήκη είναι ψευδής. Το
αντίστοιχο τεστ πραγματοποιείται μετά από το σώμα της επαναληπτικής διαδικασίας
Oι παραπάνω δομές, μπορεί να θεωρηθούν σε δυο εναλλακτικούς τύπους, ανάλογα με το αν
προσφέρουν ή όχι τη δυνατότητα εξόδου από ένα ενδιάμεσο σημείο και όχι μόνο από το σημείο του
τεστ. Mε την έννοια αυτή, η πιο γενική μορφή επαναληπτικής διαδικασίας είναι η εξής:
ε) do
action1
if συνθήκη1 then exit
action2
......
action N
if συνθήκη N then exit
loop
H επαναληπτική αυτή διαδικασία μπορεί βέβαια να προσομοιώσει, κατά προφανή τρόπο, τη λειτουργία
όλων των προηγουμένων. Aν για παράδειγμα παραληφθούν οι εντολές:
action2
......
action N
if συνθήκηN then exit
τότε η δομή αυτή γίνεται ισοδύναμη με μια while συνθήκη do action.

Εκτός από τη σημασία (semantics) κάθε τύπου επαναληπτικής δομής, σημαντικό ρόλο παίζουν και τα
συστατικά στοιχεία των δομών αυτών. Έτσι, σε κάθε επαναληπτική δομή διακρίνονται:
ένα σώμα της επαναληπτικής δομής: το σύνολο των εντολών οι οποίες υφίστανται επεξεργασία σε
κάθε επανάληψη,
ένας δείκτης της επαναληπτικής δομής: πρόκειται για το ιδιαίτερο εκείνο σύμβολο το οποίο
επισημαίνει την απαρχή μιας επαναληπτικής δομής, όπως η λέξη while ή το repeat,
τα σύμβολα ορίων της επαναληπτικής δομής: πρόκειται για τα ιδιαίτερα εκείνα σύμβολα τα οποία
επισημαίνουν την αρχή και το τέλος του σώματος της επαναληπτικής δομής, όπως το ζεύγος do
begin....end,
η συνθήκη συνέχειας - ή τερματισμού - της επαναληπτικής δομής
τέλος οι αποδόσεις αρχικών τιμών - όχι μόνο στη μεταβλητή που ελέγχει τη συνθήκη
συνέχειας/τερματισμού, αλλά πιθανότατα και άλλων μεταβλητών στο σώμα της επαναληπτικής δομής.
Σε ένα πιο επίπεδο ανάλυσης πιο προηγμένο, θα μπορούσαμε, ίσως, να διακρίνουμε και τις
αναλλοίωτες σχέσεις που διέπουν την επαναληπτική δομή.
Αν, για ένα πεπειραμένο προγραμματιστή, τα δομικά στοιχεία μιας επαναληπτικής δομής περνούν
σχεδόν απαρατήρητα, ωστόσο, για τους αρχάριους, η διαχείριση τους μπορεί να αποβεί περίπλοκη.
Θεωρώντας και μόνον το παράδειγμα της επαναληπτικής δομής for I:=N1 to N2 do action, θα
λέγαμε ότι τα στοιχεία τα οποία θα πρέπει να ληφθούν υπ’ όψη είναι αρκετά (μερικά από τα οποία
είναι εγγενή στην επαναληπτική δομή, ενώ άλλα αποτελούν ιδιαιτερότητες του εκάστοτε μεταφραστή
- compiler ή διερμηνευτή - interpreter):
Το N2>N1 γενικώς, αλλά είναι δυνατόν να ισχύει και το αντίστροφο: N2<N1; Σε κάθε περίπτωση
ποιο είναι το by default βήμα μεταβολής;
Tι συμβαίνει αν N1=N2; Tι συμβαίνει αν ακολουθηθεί η σύνταξη θετικού βήματος αλλά ισχύει
N2<N1;
Τα N1, N2 και το βήμα μπορούν να είναι δεκαδικοί αριθμοί; Στην περίπτωση αυτή ο υπολογισμός του
ακριβούς αριθμού των επαναλήψεων μπορεί να είναι δυσχερής για ένα αρχάριο προγραμματιστή.
Σε κάθε περίπτωση (βήμα θετικό ή αρνητικό) ποια είναι η τιμή του I μετά την έξοδο από το σώμα της
μεταβλητής;
Ο έλεγχος για τη συνέχιση ή τον τερματισμό της επαναληπτικής δομής πραγματοποιείται πριν ή μετά
το σώμα;

Είναι δυνατόν τα N1, N2 να μην αποτελούν αριθμητικές σταθερές εκφρασμένες με ψηφία αλλά
σταθερές γενικώς ή πολύπλοκες αριθμητικές εκφράσεις ή ακόμη και μεταβλητές ή συναρτήσεις, των
οποίων οι τιμές επαναπροσδιορίζονται σε κάθε κλήση της επαναληπτικής διαδικασίας.
H χρήση λοιπόν ακόμη και μιας "τετριμμένης" δομής μπορεί να αποδειχθεί περίπλοκη.
Οι (Samurçay 1985 και Mejias B. 1985) έδειξαν, για παράδειγμα, ότι η έκφραση της συνθήκης
τερματισμού, μπορεί να είναι πολύ δυσχερέστερη σε ορισμένες περιπτώσεις, ανάλογα με το είδος της
επαναληπτικής δομής που χρησιμοποιείται από τον προγραμματιστή.
M' ένα γενικότερο τρόπο τα βασικά συμπεράσματα από τις επαναληπτικές δομές θα μπορούσαν να
συνοψιστούν ως εξής:
H χρήση των επαναληπτικών δομών δεν είναι τετριμμένη για τους αρχάριους προγραμματιστές. Κατά
κανόνα, η χρήση των επαναληπτικών δομών στηρίζεται στη "μεταφορά" μιας στρατηγικής επίλυσης
από ένα άλλο, πιο οικείο περιβάλλον, στο προγραμματιστικό. Για να χρησιμοποιήσουμε ένα κλασσικό
παράδειγμα, για τον υπολογισμό του αθροίσματος 1+2+...+300, οι αρχάριοι προγραμματιστές
προσπαθούν να μιμηθούν τη διαδικασία επίλυσης με χαρτί-μολύβι. H τεχνική αυτή είναι παραγωγική,
αφού δίνει μια βασική στρατηγική για την επίλυση του προβλήματος, είναι όμως ταυτόχρονα και
περιοριστική, γιατί η προγραμματιστική λύση δεν είναι συμβατή με τη λύση με χαρτί-μολύβι.
Συγκεκριμένα, ο αθροιστής παραμένει μια μεταβλητή η οποία είναι αναγκαία για την επίλυση, η οποία
όμως δεν αντιστοιχεί σε κανένα από τα δεδομένα ή τα ζητούμενα της εκφώνησης. H λύση με χαρτί-
μολύβι δεν έχει ανάγκη αποθήκευσης ενδιάμεσων αποτελεσμάτων, αφού, κατά κάποιο τρόπο, η
αναγραφή των αποτελεσμάτων αυτών στο χαρτί συνιστά ένα είδος αποθήκευσης. Όπως είπε και ένας
μαθητής μπορούμε να το πούμε αλλά όχι να το φτιάξουμε... (Dagdilelis 1987b).
H επίλυση τέτοιου είδους προβλημάτων - στα οποία η προγραμματιστική λύση φαίνεται
"απομακρυσμένη" από μια "φυσική" λύση με χαρτί-μολύβι - είναι μάλλον δυσχερής για αρχάριους
προγραμματιστές. Ακόμη και η επίλυση ενός προβλήματος σ' ένα προγραμματιστικό περιβάλλον δεν
επαρκεί πάντοτε για την πλήρη κατανόηση της λύσης: η γνώση των αρχαρίων προγραμματιστών
παραμένει "τοπική" και εύθραυστη. Το ίδιο πρόβλημα προτεινόμενο εκ νέου, αυτούσιο σε ένα άλλο
προγραμματιστικό περιβάλλον, φαίνεται να εγείρει τις ίδιες προγραμματιστικές δυσχέρειες (Capponi &
Dagdilelis 1988).
Εκτεταμένες έρευνες φαίνεται να δείχνουν ότι, αντίθετα από τους έμμεσους ή άμεσους ισχυρισμούς
της σχολής του δομημένου προγραμματισμού, όλες οι επαναληπτικές δομές δεν είναι εξίσου
περίπλοκες για τον προγραμματιστή. Aν θεωρήσουμε ότι μια επαναληπτική δομή είναι πιο εύκολη από
μιαν άλλη, εφόσον ο χρήστης τη χρησιμοποιεί αυθόρμητα πιο συχνά από την δεύτερη και κάνει με
αυτήν λιγότερα λάθη, τότε:

- η δομή repeat N times action είναι η πιο εύκολη απ' όλες. H δομή αυτή πιθανά αντιστοιχεί
σ' ένα "συνηθισμένο" τρόπο λειτουργίας στην καθημερινή ζωή.
- η δομή while συνθήκη do action φαίνεται να είναι πολύ πιο δύσκολη από την repeat
action until συνθήκη, γεγονός που ερμηνεύεται από το γεγονός ότι η δεύτερη φαίνεται να αντιστοιχεί
σε μια "φυσική" στρατηγική επαναληπτικής επεξεργασίας: επεξεργασία των δεδομένων και ύστερα
έλεγχος τερματισμού, ενώ αντίθετα στην πρώτη μορφή, ο έλεγχος συνέχειας πραγματοποιείται πριν
από οποιαδήποτε επεξεργασία (πλην της απόδοσης αρχικών τιμών, η οποία όμως δεν ανήκει στο
σώμα της επαναληπτικής δομής).
- η δομή for I:=N1 to N2 do action φαίνεται επίσης να αποτελεί πηγή δυσχερειών για τους νέους
προγραμματιστές, πιθανόν γιατί τόσο η μεταβολή της μεταβλητής μετρητή όσο και η πραγματοποίηση
του τεστ ελέγχου είναι έμμεσες. η διαπίστωση είναι σε αντίθεση με μια πολύ διαδεδομένη αντίληψη
που θεωρεί τη δομή αυτή πιο απλή απ' όλες και έτσι αποτελεί την κατ' εξοχή επαναληπτική δομή της
γλωσσών όπως η BASIC και η Visual Basic.
Επίσης, οι έρευνες φαίνεται να δείχνουν ότι η χρήση της εντολής goto (τουλάχιστον σε ορισμένες
περιπτώσεις), καταλήγει σε καλύτερης ποιότητας προγράμματα: πιο οικονομικά σε κώδικα, με μια πιο
ξεκάθαρη δομή και κυρίως με λιγότερα λάθη.
Το πρόβλημα της επιλογής της καταλληλότερης επαναληπτικής δομής για την επίλυση συγκεκριμένων
προβλημάτων φαίνεται να είναι αρκετά σημαντικό δεδομένου ότι ακόμη και σπουδαστές τριτοβάθμιας
εκπαίδευσης δευτεροετείς ή και τριτοετείς βρίσκουν δυσκολίες στην έκφραση σύνθετων
επαναληπτικών δομών (τα αποτελέσματα αυτά φαίνονται να επιβεβαιώνονται και από νεότερες
έρευνες).
Tο γενικότερο πρόβλημα λοιπόν της αποτελεσματικής διδασκαλίας των επαναληπτικών δομών
φαίνεται να είναι ένα από τα πλέον δύσκολα.
Επίσης υπενθυμίζουμε, συνοπτικά, βασικά ευρήματα ερευνών γύρω από τις λανθασμένες αντιλήψεις
των μαθητών και τις παρανοήσεις τους όπως αναφέρονται στο (Αθ. Τζιμογιάννης et als 2019-δ). Οι
αντιλήψεις αυτές, το υπογραμμίζουμε πάλι, δεν συναντώνται σε όλους τους μαθητές και τις μαθήτριες
και μάλιστα με την ίδια συχνότητα. Δεν αποτελούν λάθη που οφείλονται σε ελλιπή μελέτη ή
απροσεξία, αλλά κατά κανόνα βρίσκουν την εξήγηση τους είτε στην εγγενή πολυπλοκότητα των
δομών, είτε στις μεγάλες διαφορές που παρουσιάζει η επίλυση προβλημάτων που απαιτούν
επαναληπτικές διαδικασίες «με το χέρι» ή με Η.Υ. Για παράδειγμα, σε ένα απλό πρόβλημα που απαιτεί
την άθροιση ενός πλήθους αριθμών, η λύση με τη βοήθεια Η.Υ. στηρίζεται στη χρήση ενός μετρητή
και ενός αθροιστή, δυο μεταβλητών που δεν είναι αναγκαίες στη συνήθη λύση με το χέρι.
Συνηθισμένα λάθη ή δυσκολίες των αρχαρίων συνδέονται με τα παρακάτω (Αθ. Τζιμογιάννης et als
2019-δ):

Ανεξάρτητα από το είδος της δομής επανάληψης, οι αρχάριοι έχουν δυσκολίες στην παρακολούθηση
της μεταβολής των μεταβλητών στις διαδοχικές επαναλήψεις. Εξ άλλου, η ύπαρξη μιας δομής
επανάληψης προκαλεί μια αλλαγή στη «σειριακή» ροή του προγράμματος και αυτό μπορεί να είναι
πηγή παρανοήσεων και δυσκολιών.
Στη δομή Για, όταν η διαφορά αρχικής και τελικής τιμής του μετρητή δεν είναι ακέραιο πολλαπλάσιο
του βήματος, υπάρχει μία δυσκολία πρόβλεψης της ροής του προγράμματος – πότε σταματάει; Ποιες
είναι οι τιμές των διαφόρων μεταβλητών και του μετρητή στην έξοδο; Γενικά ο έλεγχο της δομής
αυτής είναι λίγο αβέβαιος
Οι μαθητές θεωρούν ότι μπορούν να εκχωρούν τιμές στο μετρητή της εντολής Για, στο εσωτερικό του
βρόχου. Επίσης, κάπως συμμετρικά, δυσκολεύονται να χρησιμοποιήσουν τις διαδοχικές τιμές του
μετρητή για άλλο σκοπό, εκτός από την καταμέτρηση.
Οι μαθητές θεωρούν ότι το πλήθος των επαναλήψεων επηρεάζεται προσθετικά (και όχι
πολλαπλασιαστικά) από την εμφώλευση των Δομών Επανάληψης ή πιστεύουν πως σε κάθε
ολοκλήρωση της εμφωλευμένης Δομής Επανάληψης ολοκληρώνεται και η εξωτερική.
Οι μαθητές θεωρούν ακόμη ότι το πλήθος των επαναλήψεων επηρεάζεται προσθετικά (και όχι
πολλαπλασιαστικά) από την εμφώλευση των Δομών Επανάληψης ή πιστεύουν πως σε κάθε
ολοκλήρωση της εμφωλευμένης Δομής Επανάληψης ολοκληρώνεται και η εξωτερική.
Ο οριοθέτης τερματισμού κάποιων παραλλαγών της Δομής Επανάληψης (στην ΓΛΩΣΣΑ:
ΤΕΛΟΣ_ΕΠΑΝΑΛΗΨΗΣ) ερμηνεύεται κυριολεκτικά και δημιουργεί την ψευδή εντύπωση ότι φτάνοντας
στο σημείο αυτό η επανάληψη τερματίζεται, αντί της ορθής ότι η συνθήκη επανελέγχεται.
Στις περιπτώσεις όπου τα δεδομένα οδηγούν σε μοναδική εκτέλεση του σώματος του βρόχου, υπάρχει
παρανόηση εκ μέρους των μαθητών, αφού στο μυαλό τους η επανάληψη ως κυριολεκτικός όρος έχει
νόημα μόνο από τη δεύτερη φορά και μετά. Αντίστοιχα ξένη τους είναι και η εκδοχή των άπειρων
επαναλήψεων.
Η αποτυχία ορθής διατύπωσης της συνθήκης ελέγχου είναι ένα ακόμη σύνηθες σημείο δυσκολίας, που
καταλήγει στην εκτέλεση περισσότερων (λιγότερων) επαναλήψεων, και, ανάλογα με το σκοπό του
αναπτυσσόμενου αλγόριθμου, μπορεί να δίνει λανθασμένα (ημιτελή) αποτελέσματα, να οδηγεί σε
επεξεργασία κόμβων μια Δ.Δ. περισσότερων (λιγότερων) των συνολικά διαθέσιμων προς επεξεργασία,
κ.λπ.
Η αδυναμία μετάφρασης της λεκτικής περιγραφής της εκφώνησης σε ορθά διατυπωμένη ρεαλιστική
συνθήκη οδηγεί σε ατέρμονα βρόχο.
Η σειρά των εντολών στο σώμα του βρόχου καθορίζει (και καθορίζεται από) την εκχώρηση αρχικών
τιμών πριν την είσοδο σε αυτόν ή/και από τη θέση της εντολής μεταβολής της μεταβλητής-μετρητή
των επαναλήψεων (όπου αυτή προβλέπεται). Λάθη στο σημείο αυτό οδηγούν σε εκτέλεση

περισσότερων ή λιγότερων επαναλήψεων από τις αναμενόμενες, υπολογισμό λανθασμένων τελικών

αποτελεσμάτων, προσπέλαση λανθασμένων κόμβων μιας Δ.Δ. κ.λπ.
Η αρχικοποίηση μεταβλητών υπολογισμού σωρευτικών αποτελεσμάτων (αθροίσματος, γινομένου,
πλήθους) τοποθετείται εντός της Δομής Επανάληψης, με αποτέλεσμα να αποτυγχάνει ο υπολογισμός.
Η είσοδος ενός δεδομένου από το πληκτρολόγιο τίθεται (λανθασμένα) εντός της Δομής Επανάληψης,
ή η είσοδος πολλών δεδομένων υλοποιείται εκτός αυτής.
Η χρήση λογικών εκφράσεων αποτελούμενων από περισσότερες της μίας συνθήκες ή λογικών
τελεστών με ενσωματωμένη διάζευξη (<>, >=, <=) οδηγεί σε παρανόηση ως προς το πλήθος των
επαναλήψεων. Π.χ. για μια μεταβλητή x που αρχικοποιείται σε 0 και η τιμή της αυξάνεται στο σώμα
του βρόχου υπάρχει παρανόηση ως προς το πλήθος των επαναλήψεων στις παραλλαγές
ΜΕΧΡΙΣ_ΟΤΟΥ x>=5, ΜΕΧΡΙΣ_ΟΤΟΥ x<=5, ΜΕΧΡΙΣ_ΟΤΟΥ x<>5 ή , ΟΣΟ x<>5 ΕΠΑΝΑΛΑΒΕ.
Η χρήση λογικών εκφράσεων αποτελούμενων από περισσότερες της μίας συνθήκες οδηγεί σε
λανθασμένη διατύπωση των επί μέρους συνθηκών (αντί της ορθής που ταιριάζει π.χ. σε Δομή
Επανάληψης της μορφής ΟΣΟ, διατυπώνεται εκείνη που αντιστοιχεί σε ΜΕΧΡΙΣ_ΟΤΟΥ και
αντιστρόφως) ή σε λανθασμένη χρήση των λογικών τελεστών (π.χ. ΚΑΙ αντί του Ή και αντιστρόφως,
χρήση του ΟΧΙ χωρίς παρενθέσεις με αποτέλεσμα την λανθασμένη εμβέλεια
κ.λπ.).
Η χρονικά ύστερη διδασκαλία των Δομών Επανάληψης με χρήση Δομών Δεδομένων (όπου όλα τα
δεδομένα είναι διαθέσιμα ανά πάσα στιγμή) επηρεάζει αρνητικά την ικανότητα των μαθητών να
αντιμετωπίζουν προβλήματα χωρίς χρήση Δομών Δεδομένων.
4.4 Υποπρογράμματα
Τα υποπρογράμματα, είναι από τα πλέον δύσκολα, στην κατανόησή τους, θέματα που διδάσκονται
στο σχολείο.
Κατ’ αρχάς η ίδια η αναγκαιότητα χρήσης υποπρογραμμάτων προβάλλει όταν ο προγραμματιστής (η
μαθήτρια και ο μαθητής) εμπλακεί με προβλήματα αρκετά πολύπλοκα, ώστε η χρήση
υποπρογραμμάτων να είναι πραγματικά απαραίτητη – αλλιώς η χρησιμότητά τους παραμένει
αμφίβολη.
Αλλά ακόμη και τότε, η διάκριση ανάμεσα σε διαδικασίες και συναρτήσεις, τα διάφορα είδη
«περάσματος των παραμέτρων», η διάκριση ανάμεσα σε τοπικές και καθολικές μεταβλητές και η
έννοια της εμβέλειας μιας μεταβλητής, απαιτούν αρκετή διανοητική προσπάθεια για την κατανόησή
τους.

Οι μαθητές δυσκολεύονται να κατανοήσουν έτσι την κλήση υποπρογραμμάτων από το κυρίως

πρόγραμμα (από ποιο σημείο; Τι συμβαίνει όταν καλείται το υποπρόγραμμα με διαφορετικές τιμές;
κ.ά.).
Οι (Τζιμογιάννης Αθ. et als 2019 – στ) πέραν των δυσκολιών αυτών, αναφέρουν και δυσκολίες στην
ορθή σύνταξη των σχετικών τμημάτων κώδικα. Φαίνεται εξάλλου ότι οι μαθητές έχουν γενικότερα μια
ελλιπή κατανόηση του τρόπου με τον οποίο το σύστημα διαχειρίζεται την εσωτερική μνήμη που
απαιτείται για τις μεταβλητές και τις παραμέτρους και επομένως δυσκολεύονται να πραγματευτούν τα
θέματα των υποπρογραμμάτων.
Προφανώς η ορθολογική επιλογή εκείνων των τμημάτων ενός προγράμματος που οφείλουν να γίνουν
Υποπρογράμματα είναι μια διαδικασία που απαιτεί εμπειρία από τον προγραμματιστή και διανοητική
προσπάθεια (ibid).
Η οπτική αναπαράσταση και η προσομοίωση της βηματικής εκτέλεσης ενός προγράμματος με
υποπρογράμματα αποτελούν πολύ ισχυρά εργαλεία για την υποστήριξη της διδασκαλίας. Τα σχετικά
Μαθησιακά Αντικείμενα του Φωτόδενδρου εστιάζουν χρησιμοποιούν ακριβώς τα μέσα αυτά για την
ενίσχυση της διδασκαλίας.
4.5 Ταξινομήσεις και Αναζήτηση

Με ένα γενικό τρόπο, όπως αναφέρουν οι (Τζιμογιάννης Αθ. et als 2019 – ε) οι μαθητές, έχουν μια
δυσκολία διάκρισης ανάμεσα στους δείκτες (Pointers) και το περιεχόμενο της θέσης προς την οποία
δείχνουν. Όσο πιο σύνθετες είναι οι εκφράσεις που χρησιμοποιούνται, τόσο πιο δυσνόητα είναι για
τους αρχάριους προγραμματιστές: για παράδειγμα Κ[2*i+5] ή K[L[i]]. To ίδιο ισχύει και για τους
“explicit” pointers που χρησιμοποιούν ορισμένες γλώσσες προγραμματισμού. Δυσκολίες επίσης
φαίνεται να παρουσιάζει η κατανόηση πινάκων με διάσταση μεγαλύτερη του 1 (2,3,,4 κ.λπ.
διαστάσεις).
Όπως είναι γνωστό, οι αναζητήσεις στοιχείων και οι ταξινομήσεις στοιχείων σε πίνακα (ή και σε άλλες
δομές δεδομένων) είναι από τα πιο σημαντικά αλγοριθμικά θέματα. Στο μνημειώδες έργο του «Τhe
Art of Computer Programming. Vol III Sorting and Searching» ο D. E. Knuth αναφέρει δεκάδες
αλγορίθμους που κλιμακώνονται από πιο στοιχειώδεις ως τους πιο πολύπλοκους. Μεταξύ αυτών οι
«απλοί αλγόριθμοι» επιλογής, παρεμβολής, φυσαλίδων (σε διάφορες παραλλαγές), το λεγόμενο quick
sort καθώς και ένας ταχύτατος αλγόριθμος που ταξινομεί, υπό ορισμένες προϋποθέσεις εύρους των
αριθμών προς ταξινόμηση, έναν πίνακα χωρίς καμιά σύγκριση (!).
Επίσης, στο ίδιο έργο αναφέρονται πολλοί αλγόριθμοι αναζήτησης, από την απλή σειριακή αναζήτηση
ως τη δυαδική αναζήτηση σε διάφορα είδη δομών δεδομένων. Μάλιστα ο D.E. Knuth προτείνει μια

μικρή αλλαγή στον κλασικό αλγόριθμο της σειριακής αναζήτησης για να διευκολύνει τη διαδικασία
κωδικοποίησης: αν σε μια δομή έχουμε Ν στοιχεία και αναζητούμε ένα στοιχεία Σ, τότε μπορούμε να
προσθέσουμε στη δομή, στο τέλος, ώς στοιχείο στη Ν+1 θέση, το ίδιο το Σ. Τότε η αναζήτηση μπορεί
να συνεχίζεται έως ότου βρεθεί το Σ – δεδομένου ότι θα βρεθεί σίγουρα. Αν εντοπιστεί σε κάποια
από τις θέσεις 1 έως Ν, τότε το Σ υπάρχει, αλλιώς, αν εντοπιστεί στη θέση Ν+1, τότε δεν ανήκει στα
στοιχεία της δομής.
Πρακτικά δεν υπάρχουν σχετικά πλήρη συγγράμματα και βιβλία για αλγορίθμους χωρίς αναφορά στις
αναζητήσεις και ταξινομήσεις.
Όσον αφορά τους αρχάριους – ή μη-πεπειραμένους- προγραμματιστές, οι (Τζιμογιάννης Αθ. et als
2019 – ε) αναφέρουν ότι είναι προτιμότερο να ξεκινούν από αλγορίθμους διαισθητικά πιο «εύκολους»
ή αλγορίθμους που στηρίζονται σε πρότερες γνώσεις τους. Έτσι για παράδειγμα, ο αλγόριθμος
επιλογής (εντοπισμός του ελάχιστου στοιχείου και τοποθέτησή του στην κατάλληλη θέση) είναι πιο
εύκολα κατανοητός. Επίσης, πάντα σύμφωνα με σχετικές έρευνες, φαίνεται ότι ο αλγόριθμος
παρεμβολής (insertion sort) ή εισαγωγής (που βασίζεται στην παρεμβολή ενός νέου στοιχείου σε ένα
ήδη ταξινομημένο πίνακα – οριακά με 1 στοιχείο) είναι σχετικά κατανοητός διαισθητικά. Αντίθετα οι
αλγόριθμοι ευθείας ανταλλαγής στοιχείων είτε διπλανών (αλγόριθμος «φυσαλίδας»), είτε σε μεγάλη
«απόσταση» είναι πολύ λιγότερο συμβατοί με τις αυθόρμητες αντιλήψεις και τη διαίσθηση των
μαθητών – παρόλο αυτός είναι που διδάσκεται στο σχολείο.
Επομένως, οι μαθητές είναι προτιμότερο να ασχοληθούν αρχικά με βασικές τεχνικές όπως η
αναζήτηση στοιχείου σε πίνακα, η εύρεση του ελαχίστου ή του μεγίστου από τα στοιχεία ενός πίνακα
και ο εντοπισμός της θέσης του καθώς και η εισαγωγή στοιχείου σε ταξινομημένο πίνακα (παρεμβολή
στοιχείου).
4.6 Μεταβλητές και απλές εκχωρήσεις

Ο αρχάριος προγραμματιστής δυσκολεύεται να κατανοήσει:
 τον τρόπο με τον οποίο λειτουργούν οι μεταβλητές,
 την ανάγκη αρχικοποίησης των μεταβλητών,
 την ενημέρωση και τον έλεγχο των τιμών των μεταβλητών σε βρόχους.
Πιο συγκεκριμένα, η έννοια και ο ρόλος της μεταβλητής (της αλγοριθμικής και προγραμματιστικής
μεταβλητής) υπήρξε ένα από τα αντικείμενα εκτεταμένων ερευνών (για παράδειγμα Schneiderman
1980, Mayer 1981, Bayman & Mayer1983, Rouchier et als1984, Samurçay 1989, Dagdilelis 1986,
Rogalski 1989).

H μεταβλητή έχει πολλές φορές μια εκφορά (σύνταξη) η οποία είναι συγγενής με των μαθηματικών,
αλλά με τελείως διαφορετικό νόημα: η έκφραση X=X+1 από μαθηματική άποψη είναι χωρίς νόημα
(δεν είναι βέβαια δυνατόν ένας αριθμός X να είναι ίσος με τον εαυτό του συν μία μονάδα), ενώ
προγραμματιστικά παριστάνει μια εκχώρηση. Στην περίπτωση αυτή, η έννοια της μεταβλητής είναι
ήδη γνωστή στον αρχάριο προγραμματιστή από τα μαθηματικά, αλλά ακριβώς το γεγονός αυτό
σημαίνει ότι της αποδίδονται οι ιδιότητες που έχει στα μαθηματικά.
Το σύμβολο X στην έκφραση X=X+1 αποτελεί ταυτόχρονα

- μια πηγή πληροφορίας: στο δεξιό μέλος το σύμβολο X αντιπροσωπεύει μια αριθμητική τιμή
καταχωρημένη σε μια διεύθυνση μνήμης
- ένα στόχο πληροφορίας: στο αριστερό μέλος το σύμβολο X αντιπροσωπεύει μια διεύθυνση μνήμης
στην οποία θα καταχωρηθεί το αποτέλεσμα των πράξεων του δεξιού μέλους (Tennent 1984, Ledgard
et als 1987).
H εκχώρηση είναι λοιπόν ασύμμετρη και η ασυμμετρία αυτή αποτελεί μια πρόσθετη πηγή δυσκολιών
για τον αρχάριο (στην πραγματικότητα υπάρχει μεγαλύτερη πολυπλοκότητα: στην έκφραση A[I]:=I,
το I είναι πηγή πληροφορίας και στα δυο "μέλη"). Oρισμένοι ερευνητές διατυπώνουν, επιπλέον, την
άποψη ότι στις εκχωρήσεις του τύπου
20 LET A=B+1
υπάρχει μια σύγχυση ανάμεσα στο σύμβολο "=" ως σύμβολο ισότητας και στο σύμβολο "=" ως
σύμβολο εκχώρησης. Αλλά και όταν ο αρχάριος προγραμματιστής κατανοεί ότι η παραπάνω έκφραση
αντιστοιχεί σε μια εκχώρηση και όχι σε μια εξίσωση, σε πολλές περιπτώσεις, δυσκολεύεται να
αντιληφθεί το αποτέλεσμα της εκχώρησης, θεωρώντας, για παράδειγμα, ότι αυτό που αποθηκεύεται
στη μνήμη είναι ολόκληρη η έκφραση «Β+1» και όχι η τιμή B+1, στην μνήμη A. Θα πρέπει ίσως να
επισημάνουμε ότι οι αντιλήψεις αυτές, ίσως να είναι πιο σπάνιες σε προγραμματιστικά περιβάλλοντα
στα οποία η εκχώρηση και η εξίσωση εκφράζονται με διαφορετικά σύμβολα - όπως στην Pascal.
Από διδακτική άποψη, δεν είναι βέβαια τόσο οι κανόνες σύνταξης, ούτε η σημασία τους (semantics)
που παρουσιάζουν ενδιαφέρον, αλλά η χρήση των μεταβλητών, ο ρόλος τους (pragmatics). Έτσι, για
παράδειγμα, υπάρχουν μεταβλητές με τυποποιημένους ρόλους, όπως του αθροιστή, του μετρητή και
της μεταβλητής προσωρινής ενδιάμεσης χρήσης (οι γνωστές temp), αλλά και χρήσεις της μεταβλητής
πιο περίπλοκες όπως για παράδειγμα της εισόδου δεδομένων:
read-data,
δεδομένα που εισάγονται από το πληκτρολόγιο,
από αρχεία,
από αναλογικές συσκευές κλπ.

Οι μεταβλητές με τυποποιημένη χρήση έχουν δυο τουλάχιστον επιπτώσεις: για έναν πεπειραμένο
χρήστη, εντολές του τύπου
X:=0;
....
repeat
X:=X+1;
....
until x>10;
είναι εύκολα αναγνωρίσιμες (σχεδόν αυτόματα) και διευκολύνουν την κατανόηση ενός προγράμματος
που διαβάζει. Με την ίδια ακριβώς ευκολία, ο πεπειραμένος χρήστης, χρησιμοποιεί σε σημεία ενός
προγράμματος που κατασκευάζει ο ίδιος, τυποποιημένες μεταβλητές για εκτέλεση διεργασιών, με
επίσης τυποποιημένο χαρακτήρα. O Soloway (1983) έδειξε εξ άλλου, ότι η παραβίαση άγραφων
κανόνων τυποποίησης μπορεί να είναι πηγή δυσκολιών ακόμη και για τους πεπειραμένους
προγραμματιστές: για παράδειγμα, σε ένα πρόγραμμα στο οποίο χρειαζόταν ένας ενδιάμεσος
υπολογισμός του ελαχίστου ενός συνόλου ακεραίων, ο ελάχιστος αποθηκευόταν σε μια μνήμη με
όνομα max. H "ασυνήθιστη" αυτή χρήση του ονόματος μιας μεταβλητής, υπήρξε πηγή δυσκολιών για
πεπειραμένους προγραμματιστές, στους οποίους προτάθηκε το πρόγραμμα, ζητώντας τους να
προσδιορίσουν την εργασία που αυτό εκτελεί.
Μεταβλητές με "πεπλεγμένο" υπολογισμό τιμών
X:=X+5;
......
Α:=A+3;
.....
M:=A+X:
.....
N:=N+M;
H "συναρτησιακή εξάρτηση" της N στο παραπάνω παράδειγμα, αποτελεί έναν παράγοντα δυσκολίας,
γιατί ούτε οι διαδοχικές τιμές της N είναι εύκολο να προσδιοριστούν, ούτε και ο ρόλος της N μπορεί
εύκολα να συναχθεί από τα "συμφραζόμενα" (Dagdilelis 1986).
Τέλος, η έννοια της μεταβλητής παρουσιάζει σημαντικές δυσκολίες κατανόησης όταν πρόκειται για
περιπτώσεις που δεν αφορούν σε άμεση και απλή εκχώρηση: μεταβλητές δείκτες (pointers), buffers,
παράμετροι διαδικασιών και συναρτήσεων, τύποι, μεταβλητές σε αναδρομικές διαδικασίες, έννοιες του

αντικειμενοστρεφούς προγραμματισμού κλπ. Η ορθή χρήση των μεταβλητών στις περιπτώσεις αυτές,
συχνά απαιτεί έναν υψηλό βαθμό αφαίρεσης από τους αρχάριους προγραμματιστές και αποτελεί πηγή
σύγχυσης ανάμεσα στη δήλωση ενός τύπου και στη δήλωση μιας μεταβλητής αυτού του τύπου,
ανάμεσα στις τυπικές και τις τρέχουσες παραμέτρους διαδικασιών κλπ. Μία από τις πλέον γνωστές
δυσκολίες των αρχαρίων έγκειται στο ότι οι αρχάριοι συχνά δυσκολεύονται να διακρίνουν τη δήλωση
ενός τύπου από τη δήλωση μιας μεταβλητής ενός τύπου
Οι σπουδαστές, τέλος, δυσκολεύονται πολλές φορές να αντιληφθούν το γεγονός ότι - κατά κανόνα -
οι πράξεις επιτρέπονται μεταξύ μεταβλητών του ιδίου ή συγγενούς τύπου και επίσης ότι υπάρχουν
πράξεις που είναι επιτρεπτές για μια κατηγορία μεταβλητών και απαγορευμένες για τις υπόλοιπες
κατηγορίες.
Σχετική πρόδρομη έννοια - η οποία μάλιστα μπορεί να παίξει έναν παραγωγικό ρόλο με την έννοια
που προσδιορίσαμε παραπάνω - αποτελούν τα σχετικά μαθηματικά αντικείμενα: οι πραγματικοί
αριθμοί, οι μιγαδικοί, τα διανύσματα.
Oι Rouchier et als (1984) και Samurçay (1985) διατύπωσαν τη γενικότερη άποψη, ότι οι μεταβλητές
οι οποίες χρησιμοποιούνται κατά τρόπο συστηματικό στα μαθήματα (π.χ. μετρητές, αθροιστές κλπ.)
είναι πιο εύκολα διαχειρίσιμες από τους αρχάριους προγραμματιστές, από εκείνες τις οποίες επινοούν
οι ίδιοι, κατά την κατασκευή ενός αλγορίθμου.
Eισαγωγή δεδομένων
H διαχείριση μεταβλητών που χρησιμοποιούνται για είσοδο δεδομένων (π.χ. το read-readln της
PASCAL, και το αντίστοιχο της ΓΛΩΣΣΑΣ, το read-data, και το input της BASIC, εντολές του είδους
name = input(“Πώς σε λένε;”) της Python), παρουσιάζει επίσης δυσκολίες για τους αρχάριους
προγραμματιστές.
Στις εντολές τύπου INPUT A, όταν δηλαδή τα δεδομένα εισάγονται από το πληκτρολόγιο, ο αρχάριος
χρήστης
α) ερμηνεύει την "ακινησία" της οθόνης σαν ένα είδος βλάβης ή σαν ένα είδος προβλήματος και
β) δυσκολεύεται να εξηγήσει την κίνηση της πληροφορίας (εισαγωγή από πληκτρολόγιο και
αποθήκευση της σε μια θέση μνήμης A)
Εξ άλλου η εντολή INPUT A, πολλές φορές ερμηνεύεται ως αποθήκευση στη μνήμη του ίδιου του
συμβόλου «A» (Bayman 1983).
Στις εντολές του τύπου READ-DATA, οι αρχάριοι δε μπορούν να ερμηνεύσουν σωστά την
"προέλευση" των πληροφοριών (την ουρά δεδομένων) και την αποθήκευση τους στην αντίστοιχη
μεταβλητή. Συγκεκριμένα, οι αρχάριοι προγραμματιστές θεωρούν ορθή μια εντολή του τύπου READ,
κατά την οποία ο Η.Υ. «απομνημονεύει» ένα δεδομένο, ενώ η ρητή αναφορά της μεταβλητής στην
οποία αποθηκεύεται το δεδομένο φαίνεται περιττή. Μία παρόμοια αντίληψη εκφράζεται από τους
αρχάριους και στην πραγματοποίηση υπολογισμών - η ρητή αναφορά της μεταβλητής στην οποία
αποθηκεύεται το αποτέλεσμα, τους φαίνεται περιττή. Οι δυο πλέον διαδομένες σχετικές αντιλήψεις
των αρχαρίων είναι οι ακόλουθες:
α) οι εντολές
10 DATA 20, 30, 40
20 READ A
έχουν σαν αποτέλεσμα την αποθήκευση των 20, 30, 40 στη μνήμη ή την εμφάνιση τους στην οθόνη
β) η εντολή 20 READ A έχει σαν αποτέλεσμα την εμφάνιση της τιμής της μεταβλητής A στην οθόνη
(Bayman 1983).
Ωστόσο, η Samurçay (1985) διεπίστωσε ότι παρ’ όλη τη δυσκολία της διαχείρισης των εντολών
εισόδου δεδομένων, οι εντολές αυτές θεωρούνται απαραίτητες από τους αρχάριους προγραμματιστές,
στις περιπτώσεις απόδοσης αρχικών τιμών σε μεταβλητές. Tο φαινόμενο αυτό μπορεί να παρατηρηθεί
ακόμη και με σπουδαστές της τριτοβάθμιας εκπαίδευσης οι οποίοι, για παράδειγμα, γράφουν το εξής
τμήμα ενός κώδικα:
...
X:=30;
readln(X);
....
ενώ δηλαδή αποδίδουν μια τιμή στη μεταβλητή, προσθέτουν και μια εντολή εισαγωγής δεδομένων,
την οποία, όταν ερωτώνται, δεν μπορούν να ερμηνεύσουν, αλλά απλώς διερωτώνται "δηλαδή δε
χρειάζεται";
"Διπλή χρήση" και απευθείας εκχωρήσεις

Πολύ συχνά οι σπουδαστές αναθέτουν σε κάθε μεταβλητή έναν και μόνο ρόλο.
Για τον υπολογισμό του αθροίσματος 1+2+...+300, για να δώσουμε ένα παράδειγμα, εμφανίζονται
κυρίως λύσεις του είδους:
s:=0; x:=0;
for i:=1 to 300 do begin
x:=χ+1;
s:=s+x
end
αντί για
s:=0;

for i:=1 to 300 do s:=s+i;
Είναι δηλαδή σαν οι άπειροι προγραμματιστές να θεωρούν ότι κάθε μεταβλητή παίζει ένα ρόλο και δε
μπορεί να χρησιμοποιηθεί για δυο διαφορετικούς σκοπούς. Το φαινόμενο αυτό μπορεί να παρατηρηθεί
ακόμη και με σπουδαστές της τριτοβάθμιας εκπαίδευσης. Σε άσκηση που προτάθηκε σε πρωτοετείς
σπουδαστές, ζητείτο η κατανομή μαθητών σε τέσσερις κατευθύνσεις, ανάλογα μ' έναν κωδικό που
ήταν 1,2,3 ή 4. Επί συνόλου 40 περίπου σπουδαστών, μόνον ένας επέλεξε την προφανή λύση:
readln (KODIKOS);
DESMH[KODIKOS]:=DESMH[KODIKOS}+1;
...
ενώ οι υπόλοιποι επέλεξαν λύσεις του τύπου:
readln (KODIKOS);
I:=KODIKOS;
if I=1 then DESMH[1]:=DESMH[1]+1;
κλπ
Οι σπουδαστές δεν έλαβαν υπ’ όψη τους ότι οι μεταβλητές KODIKOS και I περιέχουν την ίδια ακριβώς
πληροφορία και άρα μια από τις δυο είναι περιττή και δε χρησιμοποιούν την πληροφορία της
KODIKOS άμεσα, παρά μόνο μέσω της I.
4.7 Πηγές των δυσκολιών των μαθητών στην Πληροφορική

Για τα θέματα που εξετάζουμε, σημαντικός είναι και ο ακριβής προσδιορισμός των πηγών, των αιτίων
δηλαδή των δυσκολιών αυτών. Οι πηγές μπορούν να είναι ποικίλες. Ο προγραμματισμός, για
παράδειγμα, απαιτεί την κατανόηση πολλών σύνθετων εννοιών και η κατανόηση του παρουσιάζει
εγγενείς δυσκολίες. Βέβαια, άλλοι ερευνητές, έχουν επισημάνει και άλλες δυσκολίες, εκτός όσων
αναφέραμε στα προηγούμενες ενότητες – όπως, για παράδειγμα, την τάση των σπουδαστών για
γρήγορη γενίκευση.
Ο Du Boulay (1989) περιγράφει πέντε βασικές περιοχές όπου, κατά τη γνώμη του, εντοπίζεται η
δυσκολία της εκμάθησης του προγραμματισμού (Ξυνόγαλος 2000, Ξυνόγαλος 2002, Ξυνόγαλος &
Σατρατζέμη 2002). Η πρώτη περιοχή καλείται Προσανατολισμός (Orientation): περιγράφοντάς την
συνοπτικά, περιλαμβάνει τις απαντήσεις στα ερωτήματα «τι είναι ο προγραμματισμός και σε τι µας
είναι χρήσιμος». Οι μαθητές, αρκετές φορές, συναντούν δυσκολίες µε τις διάφορες μορφές
προγραμματισμού. Σήμερα, περισσότερο από ποτέ, ο προγραμματισµός καλύπτει µια ευρεία περιοχή
εφαρμογών λογισμικού και δεν συναντάται αποκλειστικά στα περιβάλλοντα των κλασσικών γλωσσών.

Πολλά περιβάλλοντα εργασίας ενσωματώνουν δυνατότητες προγραμματισµού (συνήθως µέσω

µμακροεντολών), όπως τα λογιστικά φύλλα, οι επεξεργαστές κειμένου, διάφορα προγράμματα
δημιουργίας γραφικών κ.ά. Αυτό το γεγονός, έχει καταστήσει πλέον ασαφή τα όρια µμεταξύ του
χρήστη εφαρμογών και του προγραμματιστή.
Η δεύτερη περιοχή καλείται Νοητή µμηχανή (Notional Machine): «πώς λειτουργεί ο υπολογιστής». Ο
µμαθητής καλείται να «ελέγξει» μια εικονική µμηχανή. Τι µμορφή παίρνει η εικονική µμηχανή και
ποιο είδος εντολών αναμένεται να καταλαβαίνει; Πώς γίνεται η επικοινωνία, η έκδοση και η ανάγνωση
των εντολών; Τα διανοητικά µμοντέλα που κατασκευάζουν οι µμαθητές είναι κρίσιμα για την
κατανόηση κάθε νέας έννοιας στην οποία εισάγονται. Επιπλέον, η κατοχή ενός «φτωχού» διανοητικού
µμοντέλου µμπορεί να οδηγήσει τους µμαθητές στην ανάπτυξη φτωχών στρατηγικών εκμάθησης, µε
αποτέλεσμα την απουσία κινήτρου, την έλλειψη ενδιαφέροντος, την αποθάρρυνση και απογοήτευση
(Kessler & Anderson 1986). Ο Mordechai Ben-Ari (1998) αναφέρει ένα χαρακτηριστικό παράδειγμα:
ένα εικονίδιο (όπως ενός άντρα που τρέχει) μπορεί απλούστατα να είναι μια εντολή για να αρχίσει να
«τρέχει» η διαδικασία της compilation και της εκτέλεσης ενός προγράμματος. Άρα, για να έχει νόημα
αυτό το εικονίδιο για ένα χρήστη, θα πρέπει αυτός να έχει μια νοητή εικόνα, ένα μοντέλο της
λειτουργίας του όλου συστήματος. Το ίδιο ισχύει και γενικότερα για το μοντέλο WYSIWYG: ο χρήστης
πρέπει να έχει μια καλή γνώση των μηχανισμών που υπονοούνται στα εικονίδια και γενικότερα του
τρόπου λειτουργίας των Η.Υ. και των ψηφιακών συστημάτων. Αυτό σημαίνει, πάντα κατά τον ίδιο
ερευνητή, ότι τα μοντέλα λειτουργίας των ψηφιακών συστημάτων πρέπει να διδάσκονται συστηματικά
στους μαθητές και σπουδαστές.
Η τρίτη περιοχή δυσκολίας που περιγράφει ο Du Boulay (1989), αναφέρεται στα προβλήματα που
προκύπτουν από την ίδια τη γλώσσα προγραμματισμού, συµπεριλαµβανοµένων των συντακτικών
κανόνων και των κανόνων σημασίας. Αυτοί οι κανόνες, περιλαμβάνουν δυσνόητες διαδικασίες και
οδηγούν εύκολα σε λάθη.
Η τέταρτη περιοχή δυσκολίας περιγράφει ένα απαραίτητο στοιχείο της µμετάβασης από τον αρχάριο
στον έμπειρο προγραμματιστή: την εκμάθηση και πραγματική κατάκτηση των δομών (Structures), µε
τέτοιο τρόπο, ώστε µμελλοντικά να µμπορούν να ανακληθούν εύκολα και να ενσωματωθούν σε µια
λύση ενός προβλήματος. Παραδείγματα τέτοιων δομών είναι ο υπολογισμός ενός αθροίσματος µε
χρήση βρόχου, ένας αλγόριθμος αναζήτησης, ένας αλγόριθμος ταξινόμησης, κώδικας για την
αντιμετάθεση τιμών κ.α. Οι Spohrer et als (1989) τα αναφέρουν με τον όρο σχήματα plan-goal. Οι
έμπειροι προγραμματιστές έχουν στο μυαλό τους τέτοια σχήματα, έτοιμα προς χρήση ανά πάσα
στιγμή, αφού έχουν αντιμετωπίσει ανάλογες καταστάσεις στο παρελθόν. Οι αρχάριοι, λόγω απειρίας,
δεν έχουν αυτήν τη δυνατότητα.

Η τελευταία περιοχή δυσκολίας παραµελείται συχνά στα μαθήματα προγραμματισμού, παρά τη

σπουδαιότητά της. Έχει να κάνει µε τις βοηθητικές δεξιότητες που είναι απαραίτητες για τον
προγραμματισμό και αφορούν την ικανότητα προσαρμογής και ελέγχου ενός περιβάλλοντος στον
υπολογιστή, που θα χρησιμοποιηθεί για τη συγγραφή κώδικα, τη μεταγλώττιση και αποσφαλμάτωση
των λαθών ενός προγράμματος (Pragmatics). Οι µμαθητές, ορισμένες φορές, έχουν δυσκολία να
εγκλιματισθούν στο περιβάλλον ανάπτυξης προγραμμάτων και να µμάθουν να χρησιμοποιούν τα
διαθέσιμα εργαλεία, πριν ακόμα αρχίσουν να εξετάζουν την ίδια τη γλώσσα προγραμματισμού.
O Du Boulay (1989) επίσης, θεωρεί ότι τα λάθη των μαθητών μπορούν να ταξινομηθούν στις
ακόλουθες τρεις κατηγορίες:
1. Κακή εφαρμογή της αναλογίας (Misapplication of analogy): η μεταβλητή παρομοιάζεται με ένα
κουτί αποθήκευσης, οπότε αρκετοί μαθητές θεωρούν ότι θα μπορούσε να αποθηκεύσει περισσότερες
από µία τιµές.
2. Υπεργενίκευση (Overgeneralization): ό,τι λειτουργεί σωστά για έναν τύπο αντικειμένου θα πρέπει
να λειτουργεί σωστά και για κάποιον άλλο. Λ.χ. η χρήση του χαρακτήρα “;” για το διαχωρισμό
ορισμάτων σε ένα βρόχο FOR, μπορεί να οδηγήσει τους μαθητές να χρησιμοποιήσουν τον ίδιο
χαρακτήρα ( “;” ) ως διαχωριστικό των παραμέτρων στην κλήση μιας συνάρτησης.
3. Λάθος χειρισμός της πολυπλοκότητας και της αλληλεπίδρασης: κακή διαχείριση και τοποθέτηση σε
λανθασμένο σημείο των υποτµηµάτων ενός μεγάλου προγράμματος.
5 Μερικές μέθοδοι για μια εισαγωγή στον προγραμματισμό

Ορισμένες συνήθεις τεχνικές για την αντιμετώπιση των δυσκολιών που συναντούν οι αρχάριοι
προγραμματιστές περιλαμβάνουν, μεταξύ άλλων, και τα εξής:
 Κατάλληλη οργάνωση της διδασκαλίας. Όπως είναι φυσικό, αφού έχει πλέον διαπιστωθεί και
επαληθευτεί από πλήθος ερευνών, το γεγονός ότι οι αρχάριοι προγραμματιστές
αντιμετωπίζουν ένα πλήθος δυσκολιών, η διδασκαλία να προσαρμόζεται κατάλληλα, ώστε να
καθίσταται πιο αποτελεσματική. Για παράδειγμα, η επιλογή κατάλληλων παραδειγμάτων για
μελέτη, η ενασχόληση των σπουδαστών με ειδικές κατηγορίες προβλημάτων ή η χρήση ειδικά
σχεδιασμένων ασκήσεων και σχεδίων εργασίας (projects) μπορεί να βοηθήσει τους
σπουδαστές να κατανοήσουν καλύτερα ορισμένες έννοιες ή να αναπτύξουν δεξιότητες στη
χρήση συγκεκριμένων τεχνικών και μεθόδων. Σε κάθε περίπτωση, τα σημαντικά και
επαληθευμένα ευρήματα των σχετικών ερευνών, μπορούν να αποτελέσουν ένα χρήσιμο οδηγό
για τον εκπαιδευτικό που διδάσκει προγραμματισμό. Για παράδειγμα, ένας σχετικός και

εκτεταμένος προβληματισμός έχει αναπτυχθεί στην επιστημονική κοινότητα σχετικά με τα

εισαγωγικά μαθήματα στον αντικειμενοστρεφή προγραμματισμό.
 Χρήση κατάλληλα προσαρμοσμένων αναπαραστατικών μεθόδων. Σε πολλές περιπτώσεις,
δηλαδή στη διδασκαλία ορισμένων εννοιών και μεθόδων μπορούν να αναπτυχθούν και να
χρησιμοποιηθούν σε μια διδασκαλία αναπαραστατικές μέθοδοι, οι οποίες μπορούν με τη σειρά
τους, να βοηθήσουν στην κατανόηση βασικών εννοιών και μεθόδων. Αν και γενικά οι
αναπαραστατικές μέθοδοι δεν μπορούν να καλύψουν παρά μόνο ένα πολύ περιορισμένο μέρος
των εννοιών του προγραμματισμού, ωστόσο η ευχρηστία τους και η αποτελεσματικότητά τους
μπορεί να είναι διδακτικά πολύ χρήσιμες. Ως χαρακτηριστικό παράδειγμα αναπαράστασης
μπορούμε να αναφέρουμε τη δυνατότητα για χρήση μεθόδων για την καλύτερη κατανόηση της
λειτουργίας του Η.Υ. είτε με ειδικό υλικό (όπως μηχανικές διατάξεις και χάρτινοι Η.Υ.), είτε με
τα κατάλληλα παιχνίδια ρόλων (όπως η προσομοίωση της εκτέλεσης ενός προγράμματος από
τους μαθητές μιας τάξης κ.ά.).
 Χρήση κατάλληλων εκπαιδευτικών προγραμματιστικών περιβαλλόντων (Berg et als 1998).
Πρόκειται για τη δημιουργία και τη χρήση κατάλληλων προγραμματιστικών περιβαλλόντων,
που αποσκοπούν στη διευκόλυνση των αρχαρίων προγραμματιστών. Κατά κανόνα, τα συνήθη
(επαγγελματικά) προγραμματιστικά περιβάλλοντα και οι ευρέως χρησιμοποιούμενες
προγραμματιστικές γλώσσες είναι έτσι σχεδιασμένα, ώστε να βοηθούν είτε τους επαγγελματίες
προγραμματιστές, είτε τους ερευνητές. Τα περιβάλλοντα αυτά δεν είναι λοιπόν σχεδιασμένα
για την εκπαίδευση και, κατά συνέπεια, μπορεί να αποδειχθούν ιδιαιτέρως αναποτελεσματικά
στη διδασκαλία, αυξάνοντας τις δυσκολίες των σπουδαστών, όπως αναλύθηκε και στην
προηγουμένη παράγραφο. Μια προτεινόμενη λύση, είναι η χρήση ειδικών περιβαλλόντων και η
χρήση γλωσσών προγραμματισμού, ειδικά σχεδιασμένων για τη διδασκαλία.
 Προσαρμοσμένη γραφική διεπαφή (GUI). Τα περιβάλλοντα μπορούν να περιλαμβάνουν
συγκεκριμένες λειτουργίες με μορφή εύχρηστης διεπαφής (menus, buttons, pop-up menus
κ.ά.) η οποία να υποστηρίζουν τους μη-πεπειραμένους χρήστες του περιβάλλοντος. Στοιχεία
επίσης της προσαρμοσμένης διεπαφής μπορεί να περιλαμβάνουν τη δυνατότητα επιλογής
μεγέθους, χρωματισμού και στυλ γραμματοσειράς, τη δυνατότητα αλλαγής γλώσσας της
διεπαφής, την ενδεχόμενη δυνατότητα σηματοδότησης «καίριων» σημείων του κώδικα (code
highlight) ή τη δυνατότητα επιλογής χαρακτηριστικών της διεπαφής από το χρήστη
(preferences).
 «Έξυπνος εκδότης» κειμένου - για προγραμματισμό που χρησιμοποιεί κειμενικό στυλ. Ο
εκδότης μπορεί να ενσωματώνει αυτόματες λειτουργίες, όπως ο κατάλληλος χρωματισμός των
εμφωλευμένων δομών, η αυτόματη εσοχή ή η διαχείριση των μηνυμάτων του συστήματος. Σε

ορισμένα εκπαιδευτικά περιβάλλοντα, για παράδειγμα, οι βρόχοι μπορούν να παρεμβληθούν

στο κείμενο ενός προγράμματος με τη χρήση ενός κατάλληλου πλήκτρου (button). Γενικά, η
έλλειψη ενός λειτουργικού εκδότη, προσαρμοσμένου στο εκάστοτε περιβάλλον, καθιστά
δυσχερή τη χρήση του περιβάλλοντος και δεν ενισχύει την τάση για τμηματική ανάπτυξη του
κώδικα. Αντίθετα, ένας λειτουργικός εκδότης κειμένου και δομής, μπορεί να αποτελέσει
σημαντικό παράγοντα στη διευκόλυνση των μη-πεπειραμένων χρηστών, αν περιλαμβάνει, για
παράδειγμα, λειτουργίες όπως την αντιστοίχιση παρενθέσεων και αγκυλών (brackets
matching), την αυτόματη αρίθμηση γραμμών, τη αυτόματη αναδίπλωση κειμένου, προσφέρει
πρότυπα ανάπτυξης κώδικα (templates) και την αυτόματη συμπλήρωση κώδικα (Ξυνόγαλος
2005).
 Λειτουργικά μηνύματα του συστήματος προς το χρήστη. Για παράδειγμα, στα περισσότερα
συστήματα για τη γλώσσα Logo, τα μηνύματα λάθους μπορεί να είναι δυσνόητα καθώς
αναφέρονται στην πηγή του λάθους – η οποία, ενδεχομένως, βρίσκεται σε μια άλλη διαδικασία
(procedure), στην οποία εντοπίστηκε ένα run time λάθος. Επίσης, ο μικρόκοσμος Karel++ for
Windows αναφέρει σε αρκετές περιπτώσεις (π.χ. παράλειψη ; ή }) μηνύματα λάθους που
αναφέρουν μόνο τη γραμμή του πηγαίου κώδικα, ενώ αρκετά από αυτά είναι δυσνόητα. Και
στο προγραμματιστικό περιβάλλον JKarelRobot όμως, τα μηνύματα λάθους δεν είναι φιλικά,
καθώς στην πλειοψηφία τους είναι πολύ συνοπτικά και δυσνόητα. Αντίθετα, το περιβάλλον
objectKarel όπως και το περιβάλλον WIPE, αναφέρουν φιλικά προς τον χρήστη μηνύματα
λάθους, που χρησιμοποιούν απλή γλώσσα, περιγράφουν την αιτία του λάθους και αναφέρουν
την πραγματική γραμμή που βρίσκεται αυτό. Επιπλέον, ο μικρόκοσμος objectKarel παρέχει τη
δυνατότητα αλληλεπίδρασης με τα μηνύματα λάθους (Ξυνόγαλος 2005).
 Βηματική εκτέλεση κώδικα διπλής κατευθύνσεως, επεξηγηματική οπτικοποίηση και
ενσωμάτωση αποσφαλματωτή. Πολλά εκπαιδευτικά προγραμματιστικά περιβάλλοντα
ενσωματώνουν ένα σύστημα δυναμικής προσομοίωσης εκτέλεσης των προγραμμάτων και
συγκεκριμένα τη δυνατότητα της βήμα προς βήμα εκτέλεσης ενός προγράμματος, προς τα
εμπρός. Επιπλέον, ορισμένοι μικρόκοσμοι παρέχουν τη δυνατότητα εκτέλεσης της τρέχουσας
εντολής-μεθόδου, χωρίς να εκτελεστούν βήμα προς βήμα οι επιμέρους εντολές αυτής (step
over). Για παράδειγμα, αν η τρέχουσα εντολή είναι η turnRight και ο χρήστης επιλέξει αυτό
τον τρόπο εκτέλεσης, το ρομπότ θα στρίψει αμέσως δεξιά και δεν θα εκτελεστούν βήμα προς
βήμα οι 3 εντολές turnLeft από τις οποίες αποτελείται. Επιπλέον, ορισμένοι μικρόκοσμοι
παρέχουν τη δυνατότητα της βηματικής εκτέλεσης ενός προγράμματος προς τα πίσω. Η
δυνατότητα αυτή, μπορεί να χρησιμοποιηθεί όταν ο σπουδαστής κατά τη βηματική εκτέλεση
ενός προγράμματος δεν αντιλαμβάνεται τη «ροή» του προγράμματος, δηλαδή δεν

καταλαβαίνει γιατί εκτελείται μια εντολή ή πως προέκυψε ένα αποτέλεσμα. Για την
αντιμετώπιση αυτού ακριβώς του προβλήματος ο Brusilovsky (1993) πρότεινε τη χρήση της
επεξηγηματικής οπτικοποίησης, η οποία μπορεί να βοηθήσει στην πληρέστερη κατανόηση της
λειτουργίας της κάθε εντολής, αλλά και του προγράμματος, στο σύνολό του. H δυνατότητα
της εκτέλεσης προς τα πίσω είναι επίσης σημαντική και στηρίζει ουσιαστικά τους σπουδαστές
στην αποσφαλμάτωση των προγραμμάτων τους. Σημαντικά επίσης είναι και τα χαρακτηριστικά
του ίδιου του αποσφαλματωτή. Ο αποσφαλματωτής θα πρέπει να ενεργοποιείται αυτόματα ή
να καλείται με απλό τρόπο και να ενσωματώνει τη δυνατότητα επιλεκτικής παρακολούθησης
μεταβλητών, καθολικών, τοπικών ή στιγμιαίων, την αυτόματη παρακολούθηση των μεταβολών
των μεταβλητών και να επιτρέπει την παρεμβολή σημείων ελέγχου (breakpoints, Ξυνόγαλος
2005).
 Δυνατότητα ενδιάμεσης παρέμβασης. Σε ορισμένα περιβάλλοντα, ο χρήστης έχει τον έλεγχο
και τη διαχείριση ορισμένων χαρακτηριστικών του συστήματος ακόμη και κατά την ώρα της
εκτέλεσης ενός προγράμματος. Έτσι, στο περιβάλλον WIPE, ο χρήστης μπορεί να μεταβάλλει
το συμβολικό κώδικα (assembly, Εφόπουλος 2005) ενώ το περιβάλλον objectKarel, είναι το
μοναδικό από τα περιβάλλοντα για τη διδασκαλία του αντικειμενοστραφούς προγραμματισμού
που παρέχει τη δυνατότητα επέμβασης στην κατάσταση του κόσμου, κατά την εκτέλεση ενός
προγράμματος. Χρήσιμη επίσης, μπορεί να είναι η δυνατότητα ενδιάμεσης δημιουργίας
πρόσθετων δομών, όπως αντικειμένων, κατά την ώρα εκτέλεσης του κώδικα ή της εκτέλεσης
μεμονωμένων μεθόδων, στον αντικειμενοστραφή προγραμματισμό. Η δυνατότητα αυτή
ενθαρρύνει την διερευνητική μάθηση και διευκολύνει το διδάσκοντα στην παρουσίαση της
συμπεριφοράς ενός προγράμματος, για διαφορετικές αρχικές καταστάσεις (Ξυνόγαλος 2004,
Ξυνόγαλος 2005).
 Η δυνατότητα δημιουργίας διαγραμμάτων ροής δεν είναι καθολικά αποδεκτή, καθώς υπάρχουν
πολλές αντιρρήσεις για το διδακτικό ρόλο τους και μια γενικότερη διαμάχη για το στυλ του
«αδόμητου» προγραμματισμού που έμμεσα ευνοεί. Όπως επισημαίνουν και οι δημιουργοί του
JKarelRobot (Buck & Stucki 2001), τα διαγράμματα ροής έχουν απορριφθεί από πολλούς και
σημαντικούς επιστήμονες ως εργαλεία σχεδίασης προγραμμάτων – και κατά κάποιον τρόπο,
ήταν στον αντίποδα του δομημένου προγραμματισμού. Για το λόγο αυτό, η συγκεκριμένη
δυνατότητα, κατά κανόνα, χρησιμοποιείται όχι για τη σχεδίαση αλλά για τη μετάφραση ενός
υπάρχοντος προγράμματος σε λογικό διάγραμμα. Μια τέτοια άσκηση, σύμφωνα με τους
δημιουργούς του JKarelRobot, μπορεί να βοηθήσει τους σπουδαστές να κατανοήσουν τις
δομές ελέγχου και την εμφώλευσή τους.

 Η επιλογή μιας κατάλληλης γλώσσας προγραμματισμού. Τα παραδείγματα (paradigms)

προγραμματισμού και τα μοντέλα προγραμματιστικών περιβαλλόντων (για παράδειγμα, Logo-
like περιβάλλοντα ή η οικογένεια Karel), μπορoύν να λειτουργήσουν με διάφορες γλώσσες
προγραμματισμού. Ορισμένα προγραμματιστικά περιβάλλοντα προσφέρουν τη δυνατότητα
επιλογής μιας γλώσσας – για παράδειγμα τα Lego Mindstorm επιτρέπουν την επιλογή μιας
γλώσσας προγραμματισμού, από μια ευρεία γκάμα επιλογών (Schumacher 2001, Καγκάνη
2004, Kagani 2005, van Lent 2004).
 Eπιπλέον στήριξη και βοήθεια. Τα περιβάλλοντα μπορούν να περιλαμβάνουν και συστήματα
βοήθειας (online βοήθεια, εγχειρίδια αναφοράς, δυνατότητα άμεσης σύνδεσης με σχετικούς
ιστοχώρους ή forae, «έξυπνη» ad hoc βοήθεια εκεί όπου εντοπίζεται ένα πρόβλημα) ή ακόμη
και επιπλέον στήριξη με τη μορφή δομημένων μαθημάτων, προτάσεις ασκήσεων και σχεδίων
εργασίας (projects), τεστ και κριτήρια αξιολόγησης, πρόσθετες πηγές, tutorials ή online
μαθήματα για τους αρχαρίους (Καγκάνη 2005, Ξυνόγαλος 2005, Εφόπουλος 2005, Φωληάς
2004). Οι πρόσθετες αυτές δυνατότητες στηρίζουν τους σπουδαστές και με άμεσο, αλλά και με
έμμεσο τρόπο, καθώς υποστηρίζουν και το διδάσκοντα στην οργάνωση των διδασκαλιών.
 Καταγραφή και διαχείριση των ενεργειών των σπουδαστών. Η δυνατότητα αυτή, η οποία
ωφελεί έμμεσα τους σπουδαστές, επιτρέπει την καταγραφή των ενεργειών των σπουδαστών
και την αναπαραγωγή τους σε κατοπινό χρόνο. Σε ορισμένες περιπτώσεις (όπως τα
περιβάλλοντα WIPE και objectKarel), καταγράφονται μόνο τα σημαντικά στιγμιότυπα από τις
ενέργειες των σπουδαστών, ενώ σε άλλες γίνεται πλήρης καταγραφή (ακόμη και ήχου – για
την καταγραφή των ενδεχομένων διαλόγων σε περίπτωση εργασίας κατά ομάδες). Η
δυνατότητα αυτή αποδείχτηκε ιδιαίτερα χρήσιμη για τη διερεύνηση των δυσκολιών των
σπουδαστών κατά την εισαγωγή τους στον προγραμματισμό, καθώς και των τεχνικών
επίλυσης προβλημάτων που υιοθετούν οι σπουδαστές.
 Λοιπά στοιχεία. Ανάλογα με το ιδιαίτερο προγραμματιστικό παράδειγμα ή μοντέλο που
ακολουθείται, χρήσιμες για τον αρχάριο προγραμματιστή μπορεί να είναι και πρόσθετες
λειτουργίες, όπως η πλήρης οπτικοποίηση της κληρονομικότητας (διαγράμματα UML), των
αντικειμένων, των δομών των κλάσεων και των διαγραμμάτων ροής (CSD).
6 Μια σύνοψη
1. Με τον όρο θεωρητικό πλαίσιο εννοούμε ένα πλαίσιο αναφοράς, ένα σύνολο υποθέσεων,
συμπερασμάτων, αποτελεσμάτων από εμπειρικές έρευνες πεδίου, μελετών κ.λπ., μέσα στο
οποίο οι προτάσεις μιας ερευνητικής εργασίας (οι υποθέσεις εργασίας, οι αναλύσεις, τ'

αποτελέσματα και το πεδίο ισχύος τους) αποκτούν νόημα σε σχέση μ' αυτό που αποτελεί το
ιδιαίτερο αντικείμενο της έρευνας. Για παράδειγμα, ερωτήσεις που αφορούν τις διαστάσεις και
το φωτισμό της αίθουσας διδασκαλίας της Πληροφορικής, δεν περιλαμβάνονται σε
ερωτηματολόγια που διερευνούν τις δυσκολίες κατανόησης του προγραμματισμού από τους
μαθητές – θεωρούνται στοιχεία που δε σχετίζοναι με το θέμα που διερευνάται.
2. Το θεωρητικό πλαίσιο είναι εξαιρετικά χρήσιμο, ως «εργαλείο» και στο διδάσκοντα, καθώς
επιτρέπει τη νοηματοδότηση των διδακτικών φαινομένων και άρα τον καλύτερο έλεγχο της
διδασκαλίας Η επιστημολογία, είναι ένας κλάδος που πραγματεύεται τη φύση της
επιστημονικής γνώσης καθώς και το πώς αυτή παράγεται. Εξετάζει δηλαδή την επιστημονική
γνώση, την ιστορία των εννοιών, των μεθόδων, των τεχνικών μιας Επιστήμης μέσα στην
ιστορική τους εξέλιξη. Για τη διδασκαλία μιας επιστήμης στο σχολικό περιβάλλον η
επιστημολογία είναι πολύ σημαντική γιατί νοηματοδοτεί την ύπαρξη και χρήση των διαφόρων
στοιχείων (έννοιες, μέθοδοι κ.λπ.) της επιστήμης και άρα του αντίστοιχου σχολικού
μαθήματος.
3. Οι σχετικές έρευνες δείχνουν ότι στην πραγματικότητα, τα διάφορα προγραμματιστικά
περιβάλλοντα δεν έχουν πολύ μεγάλη επίδραση στην κατανόηση του προγραμματισμού
τουλάχιστον όχι σε όλα τα σημεία του.
4. Τα σύγχρονα περιβάλλοντα (κυρίως του λεγόμενου οπτικού προγραμματισμού), έχουν
διάφορα πλεονεκτήματα, όπως:
 Τις περισσότερες φορές είναι σχεδιασμένα για την εκπαίδευση
 Πρακτικά δεν επιτρέπουν τα συντακτικά λάθη, αφού πολλές φορές, στα γραφικά
περιβάλλοντα, οι εντολές είναι προετοιμασμένες και ο χρήστης απλώς τις τοποθετεί στο
κατάλληλο σημείο.
 Είναι ελκυστικά για τα παιδιά καθώς έχουν έναν παιγνιώδη χαρακτήρα
 Το οπτικοποιημενο περιβάλλον βοηθά στην κατανόηση της δομής ενός προγράμματος – αν και
όχι πολύ μεγάλου, καθώς οι εντολές είναι, ως μέγεθος, μεγαλύτερες από αντίστοιχες γραμμές
καθαρού κειμένου.
 Επιτρέπουν πολύ γρήγορα στους αρχάριους προγραμματιστές να κατασκευάσουν

προγράμματα ενδιαφέροντα για τα παιδιά με animation, διάφορους χαρακτήρες που
αλληλοεπιδρούν με το χρήστη κ.λπ.
5. Δυο προκαταρκτικές παρατηρήσεις επιβάλλονται:
α) η Διδακτική της Πληροφορικής (αλλά και των Μαθηματικών, της Φυσικής κ.λπ.) διακρίνεται
ως ξεχωριστός κλάδος από μια σειρά άλλων κλάδων όπως η παιδαγωγική, η γνωστική

ψυχολογία, καθώς η διδακτική όχι μόνο επικεντρώνεται ιδιαίτερα στα προβλήματα της
διδασκαλίας αλλά και κάνει αποκλειστικές αναφορές στο προς διδασκαλία αντικείμενο, δηλαδή
θεωρεί τα σχετικά φαινόμενα στο πλαίσιο της ιδιαίτερου επιστημονικού κλάδου στον οποίο
αναφέρεται (στην περίπτωση μας της Πληροφορικής με έμφαση στον προγραμματισμό).
β) μια δεύτερη παρατήρηση αφορά στην έννοια της "θεωρίας": η θεωρία εξυπονοεί ένα
συναφές και μη αντιφατικό εννοιολογικό πλαίσιο το οποίο αποσκοπεί στην ερμηνεία και
πρόβλεψη φαινομένων σχετικών με ένα συγκεκριμένο πεδίο. H θεωρία πρέπει βέβαια να
συνδέεται με ειδικά και σαφώς καθορισμένα προβλήματα και κατ' αυτήν την έννοια ίσως ο
καταλληλότερος όρος για την περιγραφή του πλαισίου της Διδακτικής στο οποίο κάνουμε
αναφορά είναι η "προβληματική" (ως ουσιαστικό, όχι ως επίθετο). Mια προβληματική είναι
ευρύτερη από την θεωρία, παραπέμπει σ' αυτήν αλλά δεν συνοψίζεται σ' αυτήν.
6. Στη μελέτη των διδακτικών φαινομένων που μας απασχολούν, κεντρικό ρόλο παίζουν οι
λεγόμενες αντιλήψεις των σπουδαστών: πρόκειται για ένα σύνολο υποθετικών γνώσεων οι
οποίες αποδίδονται στο μαθητή ή το σπουδαστή προκειμένου να περιγραφούν και να
προβλεφθούν ορισμένες από τις αντιδράσεις του. Οι αντιλήψεις αυτές μπορούν να έχουν
διάφορες πηγές: μπορεί εξίσου καλά να προέρχονται από τον κοινωνικό περίγυρο, την
καθημερινή εμπειρία αλλά και τις ίδιες τις διδακτικές πρακτικές κ.λπ. Οι αντιλήψεις λοιπόν
αποτελούν στην πραγματικότητα μια γνώση η οποία καθοδηγεί την πράξη. Η ύπαρξη
συστηματικών λαθών - λαθών δηλαδή που έχουν έναν επίμονο και διαρκή, γενικευμένο
χαρακτήρα - αποδίδεται στη ύπαρξη σχετικών αντιλήψεων. Το λάθος δηλαδή δεν είναι μόνο
το αποτέλεσμα της άγνοιας, της αβεβαιότητας, της τύχης, της αμέλειας αλλά μπορεί να είναι
το αποτέλεσμα μιας προγενέστερης γνώσης, που κάποτε ήταν αποτελεσματική, είχε
ενδιαφέρον, αλλά τώρα αποδεικνύεται λανθασμένη ή απλά ανεπαρκής ή ακατάλληλη.
7. Παραδείγματα τέτοιων (απλοϊκών) αντιλήψεων αποτελούν ο «ανθρωπομορφισμός», η μεταφορά

στρατηγικών επίλυσης προβλημάτων από άλλα περιβάλλοντα, ο «παραλληλισμός».
8. Ορισμένες από τις αντιλήψεις των μαθητών είναι «ανθεκτικές» στο μετασχηματισμό τους
καθώς έχουν κάποιο πεδίο εφαρμογών. Στις περιπτώσεις αυτές η λανθασμένη αντίληψη μπορεί
ν' αποτελέσει ένα πραγματικό εμπόδιο στην πρόοδο των γνωώσεων του μαθητή. Εξάλλου, αν
η αντίληψη αυτή (η αντίστοιχη υποθετική αυτή γνώση) έχει μια συχνή χρήση μπορεί ακόμη να
μετεξελιχθεί ένα είδος διαίσθησης, ένα είδος δηλαδή άμεσης και ενορατικής γνώσης που
τίθεται σε εφαρμογή κατά τρόπο σχεδόν αυτόματο. Οι αντιλήψεις των σπουδαστών, εφ' όσον
αποτελούν ένα είδος γνώσης, μπορούν να έχουν διαφορετικούς τρόπους έκφρασης. Έτσι μια
αντίληψη μπορεί να εκφραστεί σαν αλγόριθμος ή σαν ένα είδος έμπρακτου θεωρήματος το
οποίο δεν εκφράζεται ρητά αλλά εφαρμόζεται στην πράξη.

9. Μια βασική θέση της διδακτικής είναι ότι η διδασκόμενη γνώση δεν ταυτίζεται με την
αντίστοιχη επιστημονική γνώση. Κατά κανόνα μία έννοια αποκτά το πλήρες νόημα της μέσα σ'
ένα πλαίσιο αναφοράς το οποίο περιλαμβάνει τις συγγενείς προς αυτήν έννοιες, τα
προβλήματα τα οποία μπορεί να επιλύσει - όπως κι εκείνα που δεν μπορεί - κλπ. Tο πλαίσιο
αυτό ονομάζεται εννοιολογικό πεδίο (conceptual field). H («σχολική») γνώση, έτσι όπως
εμφανίζεται μέσα στην εκπαιδευτική διαδικασία αποτελεί την τελική εικόνα μιας σειράς
μετασχηματισμών, οι οποίοι έχουν την ονομασία διδακτική μετατόπιση (didactic transposition).
10. M' έναν γενικό τρόπο δεχόμαστε την ύπαρξη ενός συνόλου άγραφων, έμμεσων αλλά
υπαρκτών και ισχυρών κανόνων οι οποίοι προσδιορίζουν ορισμένα χαρακτηριστικά των
προβλημάτων που προτείνονται μέσα στα εκπαιδευτικά πλαίσια αλλά και γενικότερα των
αμοιβαίων "νόμιμων" συμπεριφορών τόσο του καθηγητή όσο και των μαθητών και
σπουδαστών. Το σύνολο των κανόνων αυτών ονομάζεται διδακτικό συμβόλαιο. Το
διδακτικό συμβόλαιο χαρακτηρίζει κατά μεγάλο μέρος τις αλληλεπιδράσεις μεταξύ σπουδαστών
και καθηγητή. Χαρακτηρίζει επίσης το είδος των προβλημάτων τα οποία είναι "νόμιμα", δηλαδή
αποδεκτά μέσα στο συγκεκριμένο πλαίσιο. Έν πρόβλημα Μαθηματικών που είναι αδύνατον να
επιλυθεί μπορεί να είναι εντελώς αποδεκτό μέσα στο γενικό πλαίσιο των Μαθηματικών, αλλά
δε γίνεται αποδεκτό στις Πανελλαδικές εξετάσεις για την τριτοβάθμια εκπαίδευση – για να
δώσουμε ένα λίγο «ακραίο» παράδειγμα.
11. Στη διδασκαλία των Μαθηματικών, το πρόβλημα παίζει έναν κεντρικό ρόλο.
α) ο μαθητής μαθαίνει - δηλαδή αυξάνει και τροποποιεί τις γνώσεις του - χάρη στην
αλληλεπίδραση του με το περιβάλλον του. H αλληλεπίδραση αυτή στο εκπαιδευτικό σύστημα
έγκειται βασικά σε μια δραστηριότητα επίλυσης προβλημάτων σε συνθήκες που προσδιορίζει,
μερικώς τουλάχιστον, ο εκπαιδευτικός. H διδασκαλία δεν είναι τίποτε άλλο παρά η δημιουργία
ενός περιβάλλοντος το οποίο αποσκοπεί στο να μετασχηματίσει τις αντιλήψεις των
σπουδαστών. H διδακτική έχει σα στόχο της την ανάλυση των διαδικασιών αυτών και
γενικότερα την εξήγηση κι ερμηνεία των διδακτικών φαινομένων.
β) Βασική επιστημολογική υπόθεση της Διδακτικής είναι ότι τα προβλήματα είναι πηγή και
κριτήριο της γνώσης. Από τη μια η γνώση πηγάζει από προβλήματα και απ' την άλλη μια
διανοητική παραγωγή αποτελεί γνώση στο βαθμό που είναι σημαντική, που επιτρέπει τη λύση
μιας κλάσης προβλημάτων με αποτελεσματικό τρόπο.
Σε ορισμένες περιπτώσεις ο έλεγχος της διαδικασίας επίλυσης ενός προβλήματος μπορεί να
πραγματοποιηθεί μέσα από τροποποιήσεις του ίδιου του προβλήματος. Όταν οι τροποποιήσεις
αυτές παίζουν ένα ρόλο στην μάθηση ονομάζονται διδακτικές μεταβλητές.
12. Το πρόβλημα στην εκπαιδευτική διαδικασία, δεν πρέπει να νοηθεί σαν μια "εκτός πλαισίου",
context-free πρόταση. Τα προβλήματα πρέπει μάλλον να θεωρούνται σαν μια πρόταση η

οποία πρέπει να επιλυθεί μέσα σε ορισμένα πλαίσια - και τα πλαίσια αυτά ρυθμίζουν κατά
τρόπο ουσιαστικό τις διαδικασίες που είναι θεμιτές, "νόμιμες" για την επίλυση του
προβλήματος, καθώς κι εκείνες που είναι αποτελεσματικές. Τα προβλήματα προς επίλυση μέσα
στα πλαίσια αυτά ονομάζονται διδακτικές καταστάσεις. Σε μια διδακτική κατάσταση όλοι
εκείνοι οι παράγοντες οι οποίοι ανταποκρίνονται σε μια ορισμένη ενέργεια του υποκειμένου και
γίνονται αντιληπτοί απ' αυτό ονομάζονται περιβάλλον.
Πολλοί ερευνητές διακρίνουν διαφόρους τύπους διδακτικών καταστάσεων όπως: καταστάσεις

ενέργειας στις οποίες ευνοείται κυρίως η κατασκευαστική ικανότητα των μαθητών γι' απλά
αντικείμενα όπως ένα γεωμετρικό σχήμα, καταστάσεις έκφρασης ή διατύπωσης οι οποίες ευνοούν την
κατασκευή κι εκμάθηση μοντέλων και επιστημονικών "γλωσσών". Ιδιαίτερο ρόλο ανάμεσα τους
παίζουν οι καταστάσεις επικοινωνίας, στις οποίες η επικοινωνία αν η ποιότητα μιας διατύπωσης δεν
επιτρέπει την ακριβή μετάδοση ενός μηνύματος, τότε επανεξετάζεται όχι μόνο η ίδια η διατύπωση κι η
χρησιμοποιούμενη "γλώσσα" αλλά και η υποκείμενη γνώση και καταστάσεις επικύρωσης οι οποίες
έχουν ως επίκεντρο την παραγωγή επιχειρημάτων για την επικύρωση μιας σχέσης, μιας πρότασης
μιας κατασκευής (για παράδειγμα ενός αλγόριθμου ή ενός προγράμματος). Τέλος, οι καταστάσεις
επισημοποίησης υφίστανται υπό την ευθύνη του καθηγητή κι αποσκοπούν στο να δώσουν το
χαρακτήρα της θεσμικά αναγνωρισμένης γνώσης, σε ορισμένες από τις προσωπικές γνώσεις του
σπουδαστή.
13. Η έννοια της Τεχνολογικής Παιδαγωγικής Γνώση Περιεχομένου (Technological

Pedagogical And Content Knowledge – TPACK) έχει ως στόχο να περιγράψει ολοκληρωμένα
το πλαίσιο των παραγόντων που καθορίζουν την ένταξη των ΤΠΕ στη σχολική τάξη. Το
μοντέλο αυτό δεν αντιμετωπίζει ανεξάρτητα τις τρεις συστατικές συνιστώσες (Τεχνολογία,
Παιδαγωγική, Περιεχόμενο) αλλά εστιάζει στις μεταξύ τους αλληλεπιδράσεις, στο πλαίσιο που
διαμορφώνουν τα διάφορα εκπαιδευτικά μαθησιακά περιβάλλοντα των ΤΠΕ.
14. Συνήθεις δυσκολίες και λάθη των αρχαρίων προγραμματιστών. Ο αρχάριος
προγραμματιστής: δε μπορεί να εντοπίσει εύκολα τη σχέση που υπάρχει ανάμεσα στο
πρόγραμμα (γραμμένο σε μια γλώσσα προγραμματισμού) και τον μηχανισμό εκτέλεσής του,
κάνει, κατά κανόνα, δικές του υποθέσεις για τον τρόπο με τον οποίο λειτουργεί εσωτερικά το
υπολογιστικό σύστημα. Αλλά, ακόμη και αν ο σπουδαστής διαθέτει μια επαρκή περιγραφή της
εσωτερικής λειτουργίας του συστήματος, δεν είναι βέβαιο ότι την κατανοεί και θα τη
χρησιμοποιήσει με ορθό τρόπο. Δε μπορεί να αντιληφθεί το βαθμό λεπτομέρειας που απαιτεί ο
προγραμματισμός και την αυστηρότητα, με την οποία πρέπει να τηρούνται οι κανόνες του
προγραμματιστικού συστήματος. Για παράδειγμα, η σειριακή εκτέλεση των εντολών, πολλές
φορές, δε γίνεται κατανοητή από τους αρχάριους προγραμματιστές. Έτσι, σε ορισμένες

περιπτώσεις, οι αρχάριοι προγραμματιστές μεταφέρουν στο προγραμματιστικό περιβάλλον
στρατηγικές επίλυσης προβλημάτων από άλλα περιβάλλοντα - χωρίς να κάνουν τις
απαραίτητες τροποποιήσεις και προσαρμογές. Τέλος, δυσκολεύονται να ερμηνεύσουν τα
μηνύματα του συστήματος, σε περίπτωση λάθους κ.λπ.
15. Οι σχετικές έρευνες στη Διδακτική της Πληροφορικής έχουν μελετήσει διεξοδικά θέματα όπως
οι Δομές Επιλογής, η διαχείριση των συμβολοσειρών (strings), Δομές Επανάληψης ή βρόχοι
(Loops) και η αναδρομή, τα Υποπρογράμματα και οι συναρτήσεις, Ταξινομήσεις και η
Αναζήτηση, Μεταβλητές και απλές εκχωρήσεις, Eισαγωγή δεδομένων και ερμηνεία των
αποτελεσμάτων.
Πολλές σύγχρονες έρευνες έχουν επίσης μελετήσει σε βάθος τη διδασκαλία (και τις δυσκολίες των
σπουδαστών) στον αντικειμενοστρεφή προγραμματισμό, το STEM και τη Ρομποτική – στο
επιμορφωτικό υλικό τα θέματα αυτά εξετάζονται σε άλλα πακέτα.

7 Βιβλιογραφία
1. Allen E., Cartwright R., Stoler B., (2004) DrJava: a lightweight pedagogic environment for Java,
Proceedings of the SIGCSE 2004, 137-141.
2. Alphonce, C. & Ventura, P. (2002), Object-Orientation in CS1-CS2 by design, Proceedings of the 7th Annual
Conference on Innovation and Technology in Computer Science Education, 70-74.
3. Alphonce, C. & Ventura, P. (2002), Object-Orientation in CS1-CS2 by design, Proceedings of the 7th Annual
Conference on Innovation and Technology in Computer Science Education, 70-74.
4. Anderson P., Seaquist C.R. (1998) Using StarLogo to Introduce Differential Equations 12th-Annual
International Conference on Technology in Collegiate Mathematics 1998.
5. Arsac J. (1983) Les bases de la programmation, Dunod.
6. Baecker, R. (1997) Sorting Out Sorting: A Case Study of Software Visualization for Teaching Computer
Science, In Software Visualization: Programming as a multimedia Experience, Stasko, J., Domingue, J.,
Brown, M. and Price, B. (Eds.), MIT Press, Cambridge, pp. 369-381.
7. Barnes J. D. (2002) Teaching Introductory Java through LEGO Mindstorms Models, Proceedings of the
33rd SIGCSE Technical Symposium on Computer Science Education.
8. Bayman P., Mayer R. E.,(1983) A Diagnosis of Beginning Programmers' Misconceptions of BASIC
Programming Statements, Communications of the ACM, vol. 26, n° 9, pp. 677-679.
9. Beaudoin C., Meyer G. (1981) Méthodes de programmation, Eyrolles Becker W. B. (2001) Teaching CS1
with Karel the Robot in Java, Proceedings of the Thirty Second SIGCSE Technical Symposium on Computer
Science Education, pp. 50 – 54.
10. Begel A., (1996) LogoBlocks: A Graphical Programming Language for Interacting with the World, Advanced
Undergraduate Project. Massachuesetts Institute of Technology. May 24.
11. Berg R., Borovoy R., Colella V., Kramer K., Silverman B. (1998) Digital Manipulatives: New Toys To Think

With, Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, pp. 281-287.
12. Bergin, J. (2000). Fourteen Pedagogical Patterns for Teaching Computer Science. Paper presented at the
Proceedings of the Fifth European Conference on Pattern Languages of Programs (EuroPLop 2000), Irsee,
Germany.
13. Bergin, J., Brodlie, K., Goldweber, M., Jimenez-Peris, R., Khuri, S., Patino-Martinez, M., McNally, M., Naps,
T., Rodger, S. & Wilson, J. (1996) An overview of visualization: its use and design - Report of the Working
Group on Visualization. ACM, Integrating Tech. Into C.S.E 6/96 Barselona, Spain, σελ. 192-200..
14. Bergin, J., Stehlik, M., Roberts, J. and Pattis, R. (1997), Karel++ - A Gentle Introduction to the Art of Object-
Oriented Programming, John Wiley & Sons, New York
15. Birch M., Boroni C., Goosey F., Patton S., Poole D., Pratt C., Ross R., (1995). DYNALAB: A Dynamic
Computer Science Laboratory Infrastructure Featuring Program Animation, In Twenty-sixth SICGSE
Technical Symposium on Computer Science Education (SICGSE Bulletin) vol. 27, pp. 29-33.
16. Boehm C., Jacopini G. (1966). Flow diagrams, Turing machines and languages with only two formation
rules, Communications of the ACM, Vol. 9, n° 5, p. 366-371.
17. Bonar, J., Liffick, B.W. (1990) A Visual Programming Language for Novices, Principles of Visual Systems. S.-
K. Chang. Englewood, CA, Prentice-Hall.
18. Bonar, J., Soloway, E. (1985). Preprogramming Knowledge: A Major Source of Misconceptions in Novice
Programmers. In Human-Computer Interaction 1(2):133-161.
19. Bonar, J., Soloway, Ε. (1989). Preprogramming Knowledge: A Major Source of Misconceptions in Novice
Programmers. Studying the Novice Programmer. E. Soloway and J. C. Spohrer. Hillsdale, NJ, Lawrence
Erlbaum Associates: 325-353.
20. Boroni, C, Eneboe, T., Goosey, F., Ross, J. A. & Ross, R.J. (1996) DANCING WITH DYNALAB: Endearing the
Science of Computing to Students,.ACM, SIGSCE Bulletin, Vol. 28, Issue 1, pp. 135-139.

21. Boshernitsa M. & Downes M. (2004) Visual Programming Languages: A Survey, Report No. UCB/CSD-04-
1368, December 2004, Computer Science Division (EECS), University of California at Berkeley
22. Brousseau G. (1983) Les objets de la didactique des Mathématiques: Ingénierie didactique, Actes de la II
école d'été, Orléans.
23. Brown M. & Hershberger J. (1997), Program Auralization, In Software Visualization: Programming as a
multimedia Experience, Stasko, J., Domingue, J., Brown, M. and Price, B., Eds. MIT Press, Cambridge, 139-
144.
24. Bruce, K. Danyluk, A. & Murtagh, T. (2001), A Library to Support a Graphics-Based Objects-First Approach
to CS1, ACM SIGCSE Bulletin, Vol. 33, No.1, 6-10.
25. Bruckman A. & Edwards E. (1999) Should We Leverage Natural-Language Knowledge? An Analysis of User
Errors in a Natural-Language-Style Programming Language, In Proceedings Computer Human Interaction
1999 (CHI'99), Pittsburgh, USA, May.
26. Brusilovsky P., Calabrese E., Hvorecky E., Kouchnirenko A., & Mille, P. (1997) Mini-languages: A Way to
Learn Programming Principles, In Education and Information Technologies, 2(1): 65-83.
27. Brusilovsky, P. (1993). Program Visualization as a Debugging Tool for Novices. Proceedings of CHI ’93,
conference companion, pp. 29- 30.
28. Brusilovsky, P. L. (1991) "Turingal - the language for teaching the principles of programming". Proceedings
of Third European Logo Conference . Edited by E. Calabrese. Parma, 27-30 August 1991, pp. 423-432.
29. Brusilovsky, P., Kouchnirenko, A., Miller, P. & Tomek, I. (1994) Teaching programming to novices: a review
of approaches and tools, Proceedings of ED-MEDIA ‘94, pp. 103-110.
30. Buck D. & Stucki D. (2001) JKarelRobot: A Case Study in Supporting Levels of Cognitive Development in
the Computer Science Curriculum. Proceedings of SIGCSE 2001, ACM, pp. 16-20.
31. Calloni B. & Bagert D. J. (1997) Iconic Programming Proves Effective for Teaching the First Year

Programmming Sequence, ACM SIGSCE Bulletin, Vol. 29, Issue 1, pp. 262-266.
32. Calloni B., Bagert B. (1994) Iconic Programming in BACCII vs. Textual Programming: which is a better
learning environment?, ACM, SIGSCE ’94, Phoenix AZ, pp. 188-192.
33. Capponi B., Dagdilelis V. (1988) Elementary algebraic calculation and Multiplan, ICME 6 (Theme Group
2,WG 2.5), Budapest.
34. Carlisle M., Wilson T., Humphries J. & Hadfield S. (2005) RAPTOR: A Visual Programming Environment for
Teaching Algorithmic Problem Solving, ACM SIGCSE Bulletin, Vol. 27, Issue 1, 176-180.
35. Cheng A. (1998) Pet Park Blocks: A Graphical, Programmable Environment for Animating Agents, Master
of Engineering Thesis, MIT.
36. Cherry, G., Ioannidou, A., Ryder C., Brand C., Repenning A. (1999). Simulations for Lifelong Learning.
National Educational Computing Conference, Atlantic City, NJ
37. Christensen, H. & Caspersen, M. (2002), Frameworks in CS1 - a Different Way of Introducing Event-driven
Programming, Proceedings of the 7th Annual Conference on Innovation and Technology in computer
Science Education, 75-79.
38.Cockburn, A., Bryant, A. (1997) Leogo: An Equal Opportunity User Interface for
Programming, Journal Vis. Lang. Comput. 8(5-6): 601-619
39. Crews T. & Ziegler U. (1998) The Flowchart Interpreter for Introductory Programming Courses, In
Proceedings of FIE ’98 Conference, pp. 307-312.
40. Curzon, Paul, Dorling, Mark, Ng, Thomas, Selby, Cynthia and Woollard, John (2014)
Developing computational thinking in the classroom: a framework Swindon, GB.
Computing At School 15pp
41. Dagdilelis V. (1986). Conceptions des eleves a propos des notions fontamentales de la programmation
informatique en classe de Troisieme, Memoire D.E.A., Universite Joseph FOURIER, Grenoble, France.

42. Dagdilelis V. (1987) Les variables didactiques, Equipe de Didactique des Mathématiques et de
l'Informatique, UniversiteJoseph FOURIER, Grenoble, France.
43. Dagdilelis V. (1989a) La validation en programmation : à propos de conceptions des étudiants, actes V
Ecole d'été de Didactique des Mathématiques et de l'Informatique, Plestin-les-Grèves, France.
44. Dagdilelis V. (1993) The "Private" Relation of the Student with the Systematic Programming and
Verification, in Cognitive Models and Intelligent Environments for Learning Programming, Enrica Lemut,
Benedict du Boulay, Giuliana Dettori Editors, Springer-Verlag.
45. Dagdilelis V.(1989b) Eléments d'une étude didactique des processus de validation des programmes,
Séminaire de Didactique des Mathématiques et de l'Informatique, Université Joseph FOURIER, Grenoble,
France.
46. Dagdilelis V., Balacheff N., Capponi B. (1990) L' apprentissage de l'itération dans deux environnements
informatiques, ASTER.
47. Dagdilelis V., Evangelidis G., Satratzemi M., Efopoulos V., Zagouras C. (2003). "DELYS: a novel microworld-
based educational software for teaching computer science subjects", Computers & Education, Volume 40,
Issue 4 , pp. 307-325
48. Dagdilelis, V. & Satratzemi, M. (1998) DIDAGRAPH: A software for teaching Graph Theory algorithms.
ACM, Proceedings of the 6th Annual Conference on the Teaching of Computing / 3rd Annual Conference
on Integrating Technology into Computer Science Education on Changing the Delivery of Computer
Science Education, pp. 64-68.
49. Dagdilelis, V. & Satratzemi, M. (2001) Post’s Machine: A Didactic Microworld as an Introduction to Formal
Programming, Education and Information Technologies 6:2, pp. 123-141.
50. Decker, R. & Hirshfield, S. (1993) Top-Down Teaching: Object-Oriented Programming in CS1, ACM SIGCSE
Bulletin, Vol. 25, No. 1, pp. 270-273.

51. Decker, R. & Hirshfield, S. (1994), The Top 10 Reasons Why Object-Oriented Programming Can’t Be Taught
In CS1, ACM SIGCSE Bulletin, Vol. 26, No. 1, 51-55.
52. Deek F., Kimmell H. (1999) Status of computer science education in secondary schools: one state's
perspective, Computer Science Education 9, 2.
53. Dijkstra E. W. (1969) Notes on structured programming, EWD 249, Technical U. Eindhoven, The
Netherlands.
54. Dijkstra E. W. (1972) The Humble programmer, Communications of the ACM, vol. 15, n° 15, October 1972,
pp. 859-866.
55. Dijkstra E. W. (1982a) Craftsman or Scientist ? In Selected Writings on Computing: A Pesonal Perspective,
Springer-Verlag 1982, pp. 104-110.
56. Dijkstra E. W. (1982b) How do we tell truths that might hurt ? In Selected Writings on Computing: A
Pesonal Perspective, Springer-Verlag 1982, pp. 129-132.
57. Dijkstra E. W. (1989) On the Cruelty of really teaching Computing Science, Communications of the ACM,
vol. 32, n° 12, December 1989, pp. 1397-1414.
58. diSessa A.[1983] BOXER, University of Berkeley Technical Report, no 1561.
59. diSessa A.[1993] Collaborating via Boxer, Proceedings of Fourth European Logo Conference, Athens, pp.
351-359.
60. diSessa, A.A. and Abelson H. (1989). Boxer: A Reconstructible Computational Medium, Studying the
Novice Programmer, in E. Soloway and J. C. Spohrer. Hillsdale, NJ, Lawrence Erlbaum Associates: 467-481.
61. Du Boulay B. (1989) Some Difficulties Of Learning To Program, In E. Soloway, J. Sprohrer (Eds.) Studying
The Novice Programmer, 283-300, Lawrence Erlbaum Associates.
62. Du Boulay B., O’Shea T. & Monk J. (1989) The Black Box Inside the Glass Box: Presenting Computing
Concepts to Novices. In Studying The Novice Programmer, Soloway, E., Sprohrer, J. (Eds.), Lawrence

Erlbaum Associates, pp. 431-446.
63. Du Boulay, B., Matthew, I. (1984) Fatal error in pass zero: How not to confuse novices, Behaviour and
Information Technology, 3(2):109-118 1984.
64. Efopoulos, V., Dagdilelis, V., Evangelidis, G., Satratzemi, M. (2005). “WIPE: A programming environment
for novices. Design Principles and Evaluation”, In Proceedings ACM ITiCSE 2005 (to appear).
65. Efopoulos, V., Evangelidis, G., Dagdilelis, V., (2003a). “WIPE (Web Integrated Programming Environment):
Design Principles and Architecture”, Proceedings of the 9th Panhellenic Conference in Informatics, pp.
461-469, Thessaloniki, 21-23 November.
66. Efopoulos, V., Evangelidis, G., Dagdilelis, V., Kaskalis, T., (2003b). “WIPE - A model for a web-based
database-driven environment for teaching programming”, In Proceedings of the 3rd IEEE International
Conference on Advanced Learning Technologies (ICALT), IEEE Computer Society, ISBN 0-7695-1967-9, pp.
472, Athens, Greece, July 9-11.
67. Evangelidis, G., Dagdilelis, V., Efopoulos, V., Satratzemi, M., (2000a) “FIESTA of CS: A Fully Interactive
Educational Software for the Teaching of Computing Systems in Secondary Education”, Poster
presentation, World Conference on Educational Multimedia, Hypermedia & Telecommunications (ED-
Media), AACE-Association for the Advancement of Computing in Education, Montreal, Canada, June 26-
July 1.
68. Evangelidis, G., Dagdilelis, V., Satratzemi, M., Efopoulos, V., (2001). "X-Compiler: Yet Another Integrated
Novice Programming Environment", Proceedings of the IEEE International Conference on Advanced
Learning Technologies (ICALT), pp. 166-169, Madison, WI, USA, August 6-8.
69. Evangelidis, G., Dagdilelis, V., Satratzemi, M., Efopoulos, V., (2000b). “Educational Software using direct
object manipulation techniques to teach Computing Systems”, 7th International Conference on
Integrating Learning Technology (ALT-C), Manchester, UK, September 11-13.

70. Fagin B. (2000a) An Ada Interface to Lego Mindstorms, ACM Volume XX, Issue 3, σελ. 20-40, September
2000.
71. Fagin B. (2000b) Using Ada-Based Robotics to Teach Computer Science, Proceedings of the 5th Annual
SIGCSE/SIGCUE ItiCSE Conference on Innovation and Technology in Computer Science Education, pp. 148-
151, 2000.
72. Fagin S. B., Merkle D. L., Eggers W. T. (2001) Teaching Computer Science With Robotics Using
Ada/Mindstorms 2.0, Proceedings of the 2001 Annual ACM SIGAda International Conference on Ada, σελ.
73-78.
73. Folias T, Dagdilelis V., Satrtatzemi M., Evangelidis G. (2005) Introducing CS-major Students to
parallel programming using StarLogo, WSEAS 2005
74. Freund S., Roberts E. (1996), Thetis: An ANSI C Programming Environment Designed for Introductory Use,
Proc. SIGCSE 96, ACM Press.
75. Gindling, J., Ioannidou A., Loh J., Lokkebo O., et als, (1995 LEGOsheets: A Rule-Based Programming,
Simulation and Manipulation Environment for the LEGO Programmable Brick, Proceeding of Visual
Languages, Darmstadt, Germany, IEEE Computer Society Press, pp. 172-179.
76. Goldenson D., Brown M., Bruemmer J., Hull N., Jones R., Kmoch J., McClellan P.,Miller P., Stehlik M. &
Werth L. (1990) Roundtable on Structure Editing: Teachers’ Experience Using Carnegie Mellon’s GENIE
Programming Environments (panel session. ACM, Proceedings of the 21st SIGCSE technical symposium on
Computer Science Education, pp. 267.
77. Goldenson, D. R. (1989), The Impact of Structure Editing on Introductory Computer Science Education:
The Results So Far, ACM SIGCSE Bulletin, Vol. 21, No. 3, September 1989, pp. 26-29.
78. Green T. R. G. (1989). Cognitive Dimensions of Notations, in People and Computers V: Proceedings of
Human Computer Interaction 1989, (HCI'89), Cambridge University Press.

79. Green T. R. G. (1990) Programming Languages as Information Structures, In Psychology of Programming,
Hoc, J., Green, T., Samurçay, R., Gilmore, D. (Eds.), Academic Press, pp. 117-138.
80. Green, T.R.G. (1980). Programming as a cognitive activity, In Smith, H., Green, T.R.G. (Eds.), Human
Interaction with Computers, Academic Press, New York, pp. 271-320.
81. Guttersen G. [1966] A Computer for every Classroom, The Mathematics Teacher, April 1966, pp. 356-357.
82. Hadjerrouit S. (1999) A Constructivist Approach to Object Oriented Design and Programming, Proceedings
of the 4th Annual SIGCSE/SIGCUE ITiCSE Conference on Innovation and Technology in Computer Science
Education, pp. 171 – 174.
83. Harvey B. (1997a) Computer Science Logo Style volume 1: Symbolic Computing, 2/e
Copyright (C) 1997 MIT.
84. Harvey B. (1997b) Computer Science Logo Style volume 2: Advanced Techniques, 2/e
85. Harvey B. (1997c) Computer Science Logo Style volume 3: Beyond Programming, 2/e
86. Hausner M. (1966) On an easy Construction of a Computing Machine, The Mathematics Teacher, April
1966, pp. 351-355.
87. Henle J. M. (1972) You too can be a Computer, or part of one, The Mathematics Teacher, October 1972,
pp. 553-559.
88. Hirst A., Johnson J., Petre M., Price B., Richards M. (2004) What is the best programming
environment/language for teaching robotics using Lego Mindstorms? 7th International Symposium on
Artificial Life and Robotics, Oita, Japan.
89. Hoare C.A.R. & als (1987) Laws of programming, Communications of the ACM, vol. 30, n° 8, August 1987,
pp. 672-686.

90. Hoc (1989), Do We Really Have Conditionals In Our Brains?, In E. Soloway, J. Sprohrer (Eds.) Studying The
Novice Programmer, 179-190, Lawrence Erlbaum Associates.
91. Hoc J.-M., Nguyen-Xuan A. (1990) Language Semantics, Mental Models and Analogy, Psychology of
Programming, J.-M. Hoc, T. R. G. Green, R. Samurçay and D. J. Gilmore. London, Academic Press: 139-156.
92. Holland S., Griffiths R. & Woodman M. (1997), Avoiding Object Misconceptions, ACM SIGCSE Bulletin,
29(1), 131-134
93. Hristova, M., Misra, A., Rutter, M. & Mercuri, R. (2003) Identifying and Correcting Java Programming
Errors for Introductory Computer Science Students. Proceedings of the 34th SIGCSE technical symposium
on Computer science education, 153-156.
94. Inga D., Kaehler T., Maloney J., Wallace S. & Kay A. (1997) Back to the Future: the Story of Squeak, a
Practical Smalltalk Written in Itself, In Proceedings of OOPSLA'97, pages 318--326, GA, USA, ACM.
95. Ioannidou, A., & Repenning, A. (1999). End-User Programmable Simulations. Dr. Dobb's(302 August), pp.
40-48.
96. Ioannidou, A., Repenning, A., Zola J. (1998). Posterboards or Java Applets? International Conference of
the Learning Sciences 1998, Atlanta, GA, pp. 152-159.
97. Kagani K. (2003) Programming with Robots, Master Thesis, University of Macedonia.
98. Kagkani K., Dagdilelis V., Satratzemi M., Evangelidis G., (2005) A case study of teaching programming in
secondary education with Lego Mindstorms. In online Proceedings of the 3d National Conference
“Teaching Computer Science”, University of Peloponnese, Korinthos, 7-9 October 2005
99. Kahn K. (1996) Drawings on Napkins, Video-Game Animation, and Other ways to Program Computers,
Communications of the ACM, Vol.39, No 8, pp. 49-59.
100. Kahn, Κ. (1995) ToonTalk - An Animated Programming Environment for Children, in Proceedings of
the National Educational Computing Conference (NECC'95)

101. Kaskalis H. Th., Dagdilelis V., Evangelidis G., Margaritis G. K. (2001), Implementing Applications on
Small Robots for Educational Purposes: Programming the LEGO Mindstorms, Proceedings of the 5 th
Hellenic – European Conference on Computer Mathematics and its Applications (HERCMA 2001), pp. 337
– 341.
102. Kaskalis, T.H., Dagdilelis, V., Evangelidis, G., Margaritis, K. (2001) Implementing Applications on
Small Robots for Educational Purposes: Programming the LEGO Mindstorms”, In Proceedings of the 5th
Hellenic-European Conference on Computer Mathematics and its Applications (HERCMA 01), pp.306-311,
Athens, September pp. 20-22.
103. Kato H. & Ide A. (1995) Using a Game for Social Setting in a Learning Environment: AlgoArena -- A
Tool for Learning Software Design. NEC Corporation, http://www-cs95.indiana.edu/cscl95/kato.html
104. Kessler C.M. & Anderson J. R. (1986). A Model of Novice Debugging in LISP, Empirical Studies of
Programmers. E. Soloway and S. Iyengar. Washington, DC, Ablex Publishing Corporation: 198-212.
105. Ko A. J. & Myers B. A. (2004). A Framework and Methodology for Studying the Causes of Software
Errors in Programming Systems. Journal of Visual Languages and Computing 16 1-2, 41-84.
106. Ko A. J., Myers B. A. & Aung H. (2004). Six Learning Barriers in End-User Programming Systems.
IEEE Symposium on Visual Languages and Human-Centric Computing, Rome, Italy, September 26-29 199-
206.
107. Kolling, M. & Rosenberg, J. (2001), Guidelines for Teaching Object Orientation with Java, ACM
SIGCSE Bulletin, Vol. 33 Issue 3, 33-36. .
108. Kölling, M. (1999) Teaching Object Orientation with the Blue Environment, Journal of Object
Oriented Programming 12(2), pp. 14-23.
109. Kölling, M. (1999a). The Problem of Teaching Object-Oriented Programming, Part 2:
Environments. Journal of Object-Oriented Programming, 11(9), 6-12.

110. Kölling, M. (1999b). Teaching Object Orientation with the Blue Environment. Journal of Object-
Oriented Programming, 12(2), 14-23.
111. Kölling, M. (2001). BlueJ - Teaching Java [Website]. Retrieved September 2001 at:
http://www.bluej.org
112. Kurland, D., Pea, R. (1989) Children’s Mental Models of Recursive Logo Programs, In Studying The
Novice Programmer, Soloway, E., Sprohrer, J. (Eds.), Lawrence Erlbaum Associates, pp. 315-324. .
113. Lagrange J. B. (1991) Des situations connues aux traitements sur des données codifiées.
représentations mentales et processus d'acquisition dans les premiers apprentissages en informatique,
Thèse de Doctorat, Paris VII.
114. Ledgard H.F. & Marcotty M. (1975) A genealogy of control structures, Communications of the
ACM Vol. 18, no 11, pp. 629-638.
115. Leonard W.A. (1970), A student Computer that really works, The Mathematics Teacher,
December 1970, pp. 681-684.
116. Lockwood J., Mooney A. (2018) Computational Thinking in Secondary Education: Where Does It
Fit? A Systematic Literary Review, International Journal of Computer Science Education in Schools v2 n1
Jan 2018
117. Lucas M., Scholl J. P. (1975) Propositions pour une initiation à l'algrithmique, Université de
Grenoble I.
118. Lucas M., Scholl P. C., Peyrin J. P. (1984) Algorithmique et représentation des données, Vol I, II, III,
Masson.
119. Martha N. K. (1998) Robolab Getting Started, Teacher’s Guide for Robolab Software, The LEGO
Group, Tufts University, National Instruments Corporation.
120. Mataric M. J.( 2004) Robotics Education for All, AAAI Spring Symposium TR SS-04-01 14-16, AAAI

Press.
121. Mayer R. (1981) The Psychology of How Novices Learn Computer Programming, Computing
Surveys, Vol. 13, n° 1, pp. 121-141.
122. Mayer, R. E. (1989) The Psychology of How Novices Learn Computer Programming. In Studying
The Novice Programmer, Soloway, E. and Sprohrer, J. (Eds.), Lawrence Erlbaum Associates, pp. 129-160.
123. McIver L., Conway D. (1999) GRAIL: A Zeroth programming language, Proceedings, International
Conference on Computing in Education (ICCE99), pp. 43-50.
124. Mendelsohn, P., Green, T.R.G. & Brna, P. (1990) Programming Languages in Education: The Search
for an Easy Start, In Psychology of Programming, Hoc, J., Green, T., Samurçay, R. and Gilmore, D. (Eds.),
Academic Press, pp. 175-200.
125. Meyer M., Burhans D. (2007) Robotran: A Programming Environment for Novices Using LEGO
Mindstorms Robots, Annual Conference of American Association for Artificial Intelligence.
126. Miller P., Pane J. Meter G., Vorthmann S. (1994), Evolution of Novice Programming Environments:
The structure editors of Carnegie Mellon University, Interactive Learning Environment, 4, 2 140-158.
127. Mordechai Ben-Ari (1998) Constructivism in computer science education. SIGCSE '98 Proceedings
of the twenty-ninth SIGCSE technical symposium on Computer science education. Pages 257-261
128. Motil, J., Epstein, D. (2000). JJ: a Language Designed for Beginners (Less Is More),
http://www.ecs.csun.edu/~jmotil/TeachingWithJJ.pdf.
129. Mr.Ward’s Attic: Karel the Robot - visual introduction to Pascal programming. http://www.c-
com.net/~jwward/toys.html
130. Mukherjia S. & Stasko J. (1993) Applying Algorithm Animation Techniques for Program Tracing,
Debugging, and Understanding, 1993 IEEE 0279-5257/93, pp.456-465.
131. Mukherjia S. & Stasko J. (1994) Toward Visual Debugging: Integrating Algorithm Animation

Capabilities within a Source-Level Debugger, ACM Transacions on Computer-Human Interaction, Vol. 1,
No. 3, September 1994, pp.215-244.
132. Pane J.F. & B.A. Myers B.A. (1996) Usability Issues in the Design of Novice Programming Systems,
Technical Report CMU-CS-96-132, School of Computer Science, Carnegie Mellon University.
133. Pane J.F. & B.A. Myers B.A. (2000) The Influence of the Psychology of Programming on a
Language Design: Project Status Report, 12th Annual Workshop of the Psychology of Programming
Interest Group, PPIG 2000, Corigliano Calabro, Italy. 10-13 Apr. 2000.
134. Pane J.F.(2004) A Programming System for Children that is Designed for Usability, Computer
Science Department and Human-Computer Interaction Institute, Carnegie Mellon University.
135. Papert S., (1980), Mindstorms, Children, Computers and Powerful Ideas, New York, Basic Books
(κυκλοφορεί και στα ελληνικά με τον τίτλο «Νοητικές θύελλες»).
136. Papert, S. (1991) Situating Construction. Norwood, NJ: Ablex Publishing.
137. Pattis R. E., Roberts J. and Stehlik M. (1995), Karel - The Robot, A Gentle Introduction to the Art of
Programming (2nd ed.), John Wiley & Sons, New York
138. Pattis R., (1981) Karel – The Robot, A Gentle Introduction to the Art of Programming, London,
Wiley.
139. Pea, R. D. (1984) Language-Independent Conceptual "Bugs" in Novice Programming, Journal of
Educational Computing Research, special issue on "Novice Programming", E. Soloway Ed.
140. Perkins D. N., Hancock C., Hobbs R., Martin, F. & Simmons R. (1989). Conditions of Learning in
Novice Programmers, In E. Soloway and J.C. Spohrer, (Eds), Studying the Novice Programmer, Lawrence
Erlbaum Associates, Hillsdale.
141. Proulx V., Raab R. & Rasala R. (2002) Objects from the Βeginning – With GUIs, Proceedings of the
7th annual conference on Innovation and Technology in Computer Science Education, 65-69.

142. Resnick M. (1996) StarLogo: An Environment for Decentralized Modelling and Decentralized
Thinking. CHI Conference Companion 1996, pp. 11-12
143. Resnick M., Bruckman A. & Martin F.(1996) Pianos Not Stereos: Creating Computational
Construction Kits, Interactions, Vol. 3, No. 6.
144. Resnick Mitchel, Behavior Construction Kits, Communications of the ACM, Volume 36, Issue 7,
σελ. 64-71, July 1993.
145. Resnick, M. (1994) Turtles, Termites, and Traffic Jams : Explorations in Massively Parallel
Microworlds, MIT Press.
146. Rogalski J. (1985) Alphabétisation Informatique, Bulletin de l'APMEP n˚ 352, pp. 61-74.
147. Rogalski J., Samurçay R. (1990), Acquisition of Programming Knowledge and Skills. In J. Hoc, T
Green, R. Samurçay & D. Gilmore (Eds.), Psychology of Programming, 157-174, Academic Press.
148. Rogalski J., Samurçay R. (1993) Task analysis and cognitive model as a framework to analyze
environments for learning programming, in E. Lemut, B. du Boulay, G. Dettori (Eds.), Cognitive Models and
Intelligent environments for Learning programming. pp. 6-19, Berlin: Springer-Verlag.
149. Rogalski J., Samurçay R., Hoc J.M (1988) L'apprentissage des méthodes de programmation
comme méthodes de résoluion de problème, in Psychologie Ergonomique de la programmation
Informatique, numéro spécial Le Travail Humain, vol 51, 1988, pp. 311-319.
150. Rogalski, J., (1989). “Problem-Solving in Mathematics and in Informatics: Differencies and
Invariants”, In J. Hoc, T Green, R. Samurçay & D. Gilmore (Eds.), Psychology of Programming, pp. 236-247.
151. Ross, R. J. (1991) Experience with the DYNAMOD Program Animator, ACM, SIGSCE ‘91, pp. 35-42.
152. Rouchier A. et als (1984) Concepts Informatiques et programmation: Une premiere analyse en
classe de seconde des Lycees, Rapport de recherche CNRS.
153. Ruckert, M. & Halpern, R. (1993) Educational C, ACM SIGSCE Bulletin, Vol. 25, No. 1, pp. 6-9.

154. Samurçay R. (1985), Signification et fonctionnement du concept de variable informatique chew
les éléves débutants, Le Travail humain,
155. Samurçay R. (1989), The Concept of Variable in Programming: its Meaning and Use in Problem-
Solving by Novice Programmers, In E. Soloway, J. Sprohrer (Eds.) Studying The Novice Programmer, 161-
178, Lawrence Erlbaum Associates.
156. Sangwan, R. S., Korsh, J. F. & LaFollette, P. S. (1998) A System for Program Visualization in the
Classroom, ACM, SIGSCE ’98 Atlanta GA USA, σελ. 272-276.
157. Satratzemi, M., Dagdilelis, V. & Evagelidis, G. (2001a) A System for Program Visualization and
Problem-Solving Path Assessment of Novice Programmers. ACM SIGCSE Bulletin, Vol. 33, No. 3, pp. 137-
140.
158. Satratzemi, M., Dagdilelis, V., Evangelidis, G., Efopoulos, V., (2001b). “An Educational
Programming Environment for Novices”, In Proceedings of the 8th Panhellenic Conference on Informatics
with international participation, pp. 352-361, Nicosia, Cyprus, 8-10 November.
159. Satratzemi, M., Χinogalos, S., Dagdilelis, V., (2003) "An Environment for Teaching Object-Oriented
Programming: ObjectKarel". ICALT 2003: 342-343.
160. Scanlan, D. (1989) Structured flowharts outperform pseudocode:an experimental comparison,
IEEE Software, Vol 6, No 5, Sept. 1989, pp. 28-36.
161. Schneiderman B. (1980) Software Psychology, Human Factors in Computer and Informtion
Systems, Winthrop Publishers Inc', Cambridge.
162. Schneiderman, B. (1980). “Software Psychology: Human Factors in Computer and Information
Systems”, Winthrop Publishers Inc., Cambridge.
163. Schorsch T. (1995) CAP: An automated self-assessment tool to check Pascal programs for syntax,
logic and style errors, ACM SIGSCE Bulletin, Vol. 27, Issue 1, pp. 168-172.

164. Schumacher J., Goldweber M., Fagin B., & Klassner F. (2001) Teaching Introductory Programming,
Problem Solving and Information Technology with Robots at West Point, Proceedings of ASEE/IEEE
Frontiers in Education Conference 2001, F1B2-F1B7, IEEE Computer Society.
165. Selby, Cynthia and Woollard, John (2013) Computational thinking: the
developing definition University of Southampton (E-prints) 6pp.
166. Smith D. C., Cypher A., and Spohrer J. (1994). “KidSim: Programming agents without a
programming language, Communications of the Association for Computing Machinery 37 (7), 54 - 67.
167. Soloway, E. (1986) Learning to Program = Learning to Construct Mechanisms and Explanations,
Communications of the ACM, Vol. 29, No. 9, pp. 850-858.
168. Soloway, E., Bonar, J. & Ehrlich, K. (1989) Cognitive Strategies and Looping Constructs: An
Empirical Study. In Studying The Novice Programmer, Soloway, E., Sprohrer, J. (Eds.) Lawrence Erlbaum
Associates, pp. 191-208.
169. Soloway, E., J. Bonar, and K. Ehrlich, (1983). “Cognitive Strategies and Looping Constructs: An
Empirical Study”, Communications of the ACM, 26(11), pp 853-860.
170. Soloway, E., K. Ehrlich, J. Bonar, and J. Greenspan, (1982). “What de novices know about
programming”, in A.N.Badre and B. Shneiderman (Eds.), Directions in Human-Computer Interaction, New
York: Ablex.
171. Soloway, E., Sprohrer, J. & Littman, D. (1988) E Unum Pluribus: Generating Alternative Designs In
Teaching and Learning Computer Programming, Mayer, R. (Ed.), Lawrence Erlbaum Associates, pp. 137-
152.
172. Spohrer J. C. & Soloway E. (1986a) Novice Mistakes: Are the Folk Wisdoms Correct?
Communications of the ACM, Vol. 29, No. 7, pp. 624-632.
173. Spohrer J. C., & Soloway E. (1986b). Alternatives to Construct-Based Programming

Misconceptions. Paper presented at the CHI'86 Proceedings.
174. Spohrer, J., Soloway, E. & Pope, E. (1989) A Goal/Plan Analysis of Buggy Pascal Programs. In
Studying The Novice Programmer, Soloway, E., Sprohrer, J. (Eds.) Lawrence Erlbaum Associates, pp. 355-
400.
175. Stasko J., J. Domingue, M. Brown and B. Price (eds), (1997), Software Visualization: Programming
as a Multimedia Experience, The MIT Press, Cambridge
176. Stasko, J. (1997) Building software Visualizations through Direct Manipulation and
Demonstration, In Software Visualization: Programming as a multimedia Experience, Stasko, J.,
Domingue, J., Brown, M. and Price, B., Eds. MIT Press, Cambridge, σελ. 187-203.
177. Studer S., Taylor J. & Macie K. (1995) YOUNGSTER: A simplified introduction to computing
removing the details so that a child may program. ACM SIGSCE Bulletin, Vol. 27, Issue 1, pp. 102-105.
178. Suzuki H. & Kato H. (1995) Interaction - Level Support for Collaborative Learning: AlgoBlock – An
Open Programming Language, NEC Corporation.
179. Tempte M C. (1991) Let’s Begin Introducing the Object-Oriented Paradigm, ACM SIGCSE Bulletin,
Vol. 23, No. I, 338-342.
180. Tennent R. D. (1984) Principles of Programming Languages, Prentice-Hall.
181. Toleman M. A., Welsh J. & Chapman A. L. (1992) An empirical investigation of menu design in
language-based editors, ACM SIGSOFT Software Engineering Notes, Vol. 17, Issue 5, pp. 41-46.
182. Tomek I., (1982), Josef the Robot, Computers and Education, 6(3), 287-293.
183. Tomek, I. (1995) Microworlds for teaching concepts of object oriented programming, Journal of
Universal Computer Science, pp. 423-434.
184. van Lent C.E. (2004) Using Robot Platforms to Enhance Concept Learning in Introductory
Computer Science Courses, AAAI Spring Symposium TR SS-04-01 115-117, AAAI Press.

185. Vickers P. & Alty J. (1996) CAITLIN: A Musical Program Auralisation Tool to Assist Novice
Programmers with Debugging, Proceedings of ICAD 96, http:// www.santafe.edu/~kramer/icad/ICAD96/
proc96/vickers.html
186. Walker E.L. (2004) Lego Mindstorms Robotics in a (Very) Small Liberal Arts College, AAAI Spring
Symposium TR SS-04-01 115-117, AAAI Press.
187. Wayne C. (1996) Strategic directions in Visual Languages Research. ACM Computing
Surveys, 28(4es):132–132, December 1996.
188. Weinberg, G.M., (1971) The Psychology of Computer Programming. New York,Van Nostrand
Reinhold.
189. Wenglinsky, H. (1998). Does it Compute? The Relationship Between Educational Technology and
Student Achievement in Mathematics. Princeton, NJ: Educational Testing Service.
190. Whitley K. N. & Blackwell A. F. (1997) Visual programming: the outlook from academia and
industry, In Seventh Workshop on Empirical Studies of Programmers, pages 180–208. ACM,
ACM Press, October 1997.
191. Whitley K. N. (1997) Visual programming languages and the empirical evidence for and against.
Journal of Visual Languages and Computing, 5(1), pp. 109–142.
192. Wick M. (1995) On Using C++ and Object-Orientation in CS1: the Message is still more important
than the Medium, ACM SIGCSE Bulletin, Vol. 27, Issue 1, 322-326.
193. Xinogalos S. & Satratzemi M. (2004), Studying Novice Programmers' Attitudes in Developing and
Implementing Algorithms Using an Educational Programming Environment, Proceedings of the
International Conference on Cybernetics and Information Technologies, Systems and Applications (CITSA
2004), Orlando, Florida, USA, July 21-25, Vol. 1, 198-203.
194. Xinogalos S., Sartatzemi M., Dagdilelis V., (2006a) «Studying Students’ Difficulties in an OOP

Course based on BlueJ», IASTED International Conference on Computers and Advanced technology in
Education (CATE2006), October 4-6, 2006, Lima, Peru, 82-87.
195. Xinogalos S., Sartatzemi M., Dagdilelis V., (2006b), «Evaluating objectKarel - an educational
programming environment for object oriented programming», IV International Conference on Multimedia
and ICTs in Education (m-ICTE2006), Seville, Spain, 22-25 November 2006, 821-825.
196. Xinogalos S., Satratzemi M., (2003), «Students’ Practices in Developing and Implementing
Algorithms: An Empirical Study”, proceedings of the 6th Hellenic European Conference on Computer
Mathematics and its Applications (HERCMA 2003), 754-763.
197. Xinogalos S., Satratzemi M., (2004a), "Introducing Novices to Programming: a review of Teaching
Approaches and Educational Tools", International Conference on Education and Information Systems,
Technologies and Applications (EISTA 2004), Orlando, USA, on July 21-25, 2004, 60-65.
198. Xinogalos S., Satratzemi M., (2004b), "Studying Novice Programmers' Attitudes in Developing and
Implementing Algorithms Using an Educational Programming Environment", proceedings of the
2004), Orlando, USA, on July 21-25, 2004, 198-203.
199. Xinogalos S., Satratzemi M., Dagdilelis V., (2003), «An environment for Teaching Object-Oriented
Programming: ObjectKarel», 3rd IEEE International Conference on Advanced Learning Technologies (EEEE
ICALT 2003), July 9-11, 2003, Athens, Greece, 342-343.
200. Xinogalos S., Satratzemi M., Dagdilelis V., (2006a), «An Introduction to Object-oriented
programming with a didactic Microworld: objectKarel”, Computers & Education, 47, 2006, 148-171,
Elsevier Publishers.
201. Xinogalos S., Satratzemi M., Dagdilelis V., (2006b), «An Objects-First Approach to Teaching Object
Orientation based on objectKarel», 5th WSEAS International Conference on Education and educational

Technology (EDU’06), Tenerife, Spain, 16-18 December 2006, 93-98.
202. Xinogalos S., Satratzemi M., Dagdilelis V., (2006c), «Teaching Fundamental Notions of Object
Oriented Programming with objectKarel», WSEAS TRANSACTIONS on ADVANCES in ENGINEERING
EDUCATION, 11, 3, 1022-1029.
203. Xinogalos S., Satratzemi M., Dagdilelis V., (2007a), "Teaching Java with BlueJ: a Two-Year
Experience", poster presentation in ITiCSE 2007, Dundee, Scotland, 25-27 June 2007.
204. Xinogalos S., Satratzemi M., Dagdilelis V., (2007b), "Re-designing an OOP course based on BlueJ",
The 7th IEEE International Conference on Advanced Learning Technologies (EEEE ICALΤ 2007), July 18-20,
2007, Niigata, Japan.
205. Xinogalos S., Satratzemi M., Dagdilelis V., Evangelidis G., (2006d), “Teaching OOP with BlueJ: A
Case Study”, 6th IEEE International Conference on Advanced Learning Technologies (EEEE ICALT 2006),
July 5-7, 2006, Kerkrade, The Netherlands, 944-946.
206. Xinogalos Stelios, Satratzemi Maya and Dagdilelis Vassilios, An introduction to objectoriented
programming with a didactic microworld: objectKarel, Computers & Education, Elsevier, In Press
(Available online 8 December 2004)
207. Xinogalos, S. & Satratzemi, M. (2002) An Integrated Programming Environment for Teaching the
Object-Oriented Programming Paradigm. Accepted for presentation in the 1st EurAsian Conference on
Advances in Information and Communication Technology and will be published in “Lecture Notes in
Computer Science” by Springer Verlag, Shiraz, Iran, October 2002.
208. Xinogalos, S. & Satratzemi, M. (2004), Studying Novice Programmers' Attitudes in Developing and
Implementing Algorithms Using an Educational Programming Environment, Proceedings of the 10th
International Conference on Information Systems Analysis and Synthesis (ISAS 2004) jointly with the

2004), Orlando, Florida, USA, July 21-25, Vol. 1, 198-203.
209. Xinogalos, S. & Satratzemi, M. (2005a), Using Hands-on Activities for Motivating Students with
OOP Concepts Before They Are Asked to Implement Them, Proceedings of the 10th annual Conference on
Innovation and Technology in Computer Science Education.
210. Xinogalos, S. & Satratzemi, M. (2005b), The Hands-on Activities of the Programming Microworld
objectKarel, Proceedings of the 10th annual Conference on Innovation and Technology in Computer
Science Education.
211. Xinogalos, S., and Satratzemi, M. (2005a), The Hands-on Activities of the Programming
Microworld objectKarel, In Proceedings of the 10th annual ACM Conference on Innovation and Technology
in Computer Science Education (ITiCSE 2005), 384
212. Xinogalos, S., and Satratzemi, M. (2005b), Using Hands-on Activities for Motivating Students with
OOP Concepts Before They Are Asked to Implement Them, In Proceedings of the 10th annual Conference
on Innovation and Technology in Computer Science Education (ITiCSE 2005), 380
213. Xinogalos, S., Satratzemi, M. & Dagdilelis, V. (2005c), An Introduction to object-oriented
programming with a didactic microworld: objectKarel, Accepted for publication in Computers &
Education, Elsevier Publishers.
214. Xinogalos, S., Satratzemi, M. (2002), Αn Integrated Programming Environment for Teaching the
Object-Oriented Programming Paradigm, Lecture Notes in Computer Science (LNCS), 2510, EURASIA-ICT
2002, Shafazand Η Α Min Tjoa (Eds.), Springer Verlag, 544-551.
215. Xinogalos, S., Satratzemi, M. (2002). "An Integrated Programming Environment for Teaching the
Object-Oriented Programming Paradigm". EurAsia-ICT 2002: 544-551
216. Xinogalos, S., Satratzemi, M. and Dagdilelis, V. An introduction to object-oriented programming
with a didactic microworld: objectKarel, Computers & Education, Volume 47, Issue 2, September 2006,

148-171
217. Ziegler U. & Crews T. (1999) An Integrated Program Development Tool for Teaching and Learning
How to Program, ACM SIGSCE Bulletin, Vol. 31, No. 1, pp. 276-280.
218. Βίγκλας Λ & Σπυρόπουλος Χ. (2003) ∆ηµιουργία Προσοµοιώσεων µε Εκπαιδευόµενους
Πράκτορες: "Η Εκπαιδευτική αξία της κατασκευήςΠροσοµοιώσεων από τους µαθητές στο περιβάλλον
εκπαιδευοµένων πρακτόρων AgentSheets"
219. Δαγδιλέλης Β., (1996) Διδακτική της πληροφορικής. Η διδασκαλία του προγραμματισμού:
αντιλήψεις των σπουδαστών για την κατασκευή και επικύρωση προγραμμάτων και διδακτικές
καταστάσεις για τη διαμόρφωσή τους, Διδακτορική διατριβή, Τμήμα Εφ. Πληροφορικής Πανεπιστήμιο
Μακεδονίας.
220. Δαγδιλέλης, Β. & Σατρατζέμη, Μ. (1997) Η μηχανή του Post: ένας διδακτικός μικρόκοσμος για την
εισαγωγή στον τυπικό προγραμματισμό. Πρακτικά 6ου Πανελλήνιου Συνεδρίου Πληροφορικής, Αθήνα,
Δεκέμβριος 1997, σελ. 193-203.
221. Δαγδιλέλης, Β. & Σατρατζέμη, Μ. (1998) Λογισμικό για την διδασκαλία και την έρευνα στη
θεωρία γραφημάτων: αλγοριθμικά και διδακτικά προβλήματα., 12ο Εθνικό Συνέδριο Επιχειρησιακής
Έρευνας (E.E.E.E), Σάμος, Σεπτέμβριος 1998 1231-1244.
222. Δαγδιλέλης, Β. (1996), Διδακτική της πληροφορικής. Η διδασκαλία του προγραμματισμού:
αντιλήψεις των σπουδαστών για την κατασκευή και επικύρωση προγραμμάτων και διδακτικές
καταστάσεις για τη διαμόρφωσή τους, Διδακτορική διατριβή, Τμήμα Εφ. Πληροφορικής Πανεπιστήμιο
Μακεδονίας.
223. Δαγδιλέλης, Β., Ευαγγελίδης, Γ., Σατρατζέμη, Μ., Εφόπουλος, Β., Κολοβός, Φ., (2000). "Το
Περιβάλλον Χ: Ένας Μικρόκοσμος για μια Εισαγωγή στον Προγραμματισμό", Πρακτικά σε ηλεκτρονική
μορφή (CD-ROM) του Συνεδρίου Πληροφορική και Εκπαίδευση (Σ.Ε.Π.Δ.Ε.Θ.), Θεσσαλονίκη 11-12

Νοεμβρίου.
224. Εφόπουλος Β. (2005) Διαδικτυακό Εκπαιδευτικό Λογισμικό με υποστήριξη Βάσεων Δεδομένων
για τη διδασκαλία της πληροφορικής σε αρχαρίους, Διδακτορική Διατριβή στο Πανεπιστήμιο
Μακεδονίας, Τμήμα Εφαρμοσμένης ληροφορικής. Θεσσαλονίκη.
225. Εφόπουλος Β., Ευαγγελίδης Γ., ∆αγδιλέλης Β., Κλεφτοδήµος Αλ. (2005) Οι ∆υσκολίες των
Αρχάριων Προγραµµατιστών, 3ο Συνέδριο Διδακτικής της Πληροφορικής, Κόρινθος.
226. Εφόπουλος, Β., Δαγδιλέλης, Β., Σατρατζέμη, Μ., Ευαγγελίδης, Γ. (2001b). "XWeb-Compiler - Ένα
Διαδικτυακό Προγραμματιστικό Περιβάλλον με υποστήριξη Βάσεων Δεδομένων για τη διδασκαλία των
αρχών του προγραμματισμού", Πρακτικά του συνεδρίου «Η Πληροφορική στην Εκπαίδευση:
Τεχνολογίες, Εφαρμογές, Κατάρτιση Εκπαιδευτικών», σελ. 307-314, Ρόδος 14-15 Δεκεμβρίου.
227. Εφόπουλος, Β., Δαγδιλέλης, Β., Σατρατζέμη, Μ., Κασκάλης, Θ., Ευαγγελίδης, Γ., (2001a).
"DBSchoolLab: Ένα σύστημα για τη διαχείριση ασκήσεων και διαγωνισμάτων στο σχολικό περιβάλλον",
Πρακτικά του Πανελλήνιου Συνεδρίου με Διεθνή Συμμετοχή «Νέες Τεχνολογίες στην εκπαίδευση και
στην εκπαίδευση από απόσταση», σελ. 496-508, Ρέθυμνο, 8-10 Ιουνίου.
228. Εφόπουλος, Β., Ευαγγελίδης, Γ., Δαγδιλέλης, (2004). "Ένα περιβάλλον για τη συστηματική
διδασκαλία του προγραμματισμού σε αρχαρίους", 4o Πανελλήνιο Συνέδριο με Διεθνή Συμμετοχή "Οι
τεχνολογίες της πληροφορίας και της επικοινωνίας στην εκπαίδευση" Αθήνα 29 Σεπτεμβρίου - 3
Οκτωβρίου.
229. Εφόπουλος, Β., Ευαγγελίδης, Γ., Δαγδιλέλης, Β., Κασκάλης, Θ., (2003). "Ένα μοντέλο
διαδικτυακού περιβάλλοντος με υποστήριξη Βάσεων Δεδομένων για τη διδασκαλία των Αρχών του
Προγραμματισμού", Πρακτικά 2ου Πανελληνίου Συνεδρίου των Εκπαιδευτικών για τις ΤΠΕ “Αξιοποίηση
των Τεχνολογιών της Πληροφορίας και της Επικοινωνίας στη Διδακτική Πράξη”, σελ. 733-741, Σύρος 9-11
Μαΐου.

230. Καγκάνη Αικατερίνη, «Προγραμματίζοντας με τα Lego Mindstorms», Διπλωματική Εργασία,
Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών στα Πληροφοριακά Συστήματα, Πανεπιστήμιο
Μακεδονίας, 2003.
231. Κόμης Β. (2005) Εισαγωγή στη Διδακτική της Πληροφορικής, Εκδόσεις Κλειδάριθμος.
232. Κυνηγός Χρόνης, Φράγκου Στασινή (2002), Πτυχές της παιδαγωγικής αξιοποίησης της
Τεχνολογίας Ελέγχου στην Σχολική Τάξη, Πρακτικά 2ου Πανελληνίου Συνεδρίου Οι Τεχνολογίες της
Πληροφορίας και της Επικοινωνίας στην Εκπαίδευση, Πανεπιστήμιο Πατρών, Παιδαγωγικό Τμήμα
Νηπιαγωγών, σελ. 450 – 460.
233. Ξυνόγαλος Σ. & Σατρατζέμη Μ. (2001) Αρχές Σχεδίασης Ολοκληρωμένων Περιβαλλόντων
Προγραμματισμού για Αρχάριους, Πρακτικά 5ου Πανελλήνιου Συνεδρίου με Διεθνή Συμμετοχή
«Διδακτική των Μαθηματικών και Πληροφορική στην Εκπαίδευση», Θεσσαλονίκη 12-14 Οκτωβρίου
2001.
234. Ξυνόγαλος Σ. (2002), Εκπαιδευτική Τεχνολογία: Ένας Διδακτικός Μικρόκοσμος για την Εισαγωγή
στον Αντικειμενοστραφή Προγραμματισμό, Διδακτορική Διατριβή, Τμήμα Εφαρμοσμένης Πληροφορικής,
Πανεπιστήμιο Μακεδονίας.
235. Ξυνόγαλος Σ., Σατρατζέμη Μ. & Δαγδιλέλης Β. (2000) Η εισαγωγή στον προγραμματισμό:
Διδακτικές Προσεγγίσεις και Εκπαιδευτικά Εργαλεία, Πρακτικά 2ου Πανελλήνιου Συνεδρίου με Διεθνή
Συμμετοχή «Οι Τεχνολογίες της Πληροφορίας και της Επικοινωνίας στην Εκπαίδευση», Πάτρα, Οκτώβριος
2000, σελ. 115-124.
236. Ξυνόγαλος Σ., Σατρατζέμη Μ., (2004) Η Εισαγωγή στον Αντικειμενοστραφή Προγραμματισμό:
Διδακτικά Προβλήματα και Μεθοδολογίες για την Αντιμετώπισή τους, 4ο Πανελλήνιο Συνέδριο με διεθνή
συμμετοχή «Οι Τεχνολογίες της Πληροφορίας και της Επικοινωνίας στην Εκπαίδευση», Αθήνα, 29
Σεπτεμβρίου – 3 Οκτωβρίου 2004, σελ. 133-142 (τόμος Β).

237. Ξυνόγαλος Σ., Σατρατζέμη Μ., Δαγδιλέλης Β., Ευαγγελίδης Γ., (2005), "Η Διδασκαλία της
Κληρονομικότητας στον Προγραμματιστικό Μικρόκοσμο objectKarel", Πρακτικά 3ου Πανελλήνιου
Συνέδριου Η Διδακτική της Πληροφορικής, Κόρινθος, 7-9 Οκτωβρίου 2005.
238. Ξυνόγαλος, Σ. & Σατρατζέμη, Μ. (2002) Εκπαιδευτικά Προγραμματιστικά Περιβάλλοντα
βασισμένα στους Εκδότες Σύνταξης: Ανάλυση Εργαλείων και Επισκόπηση Αποτελεσμάτων Αξιολόγησης.
Πρακτικά του 3ου Πανελλήνιου Συνεδρίου με Διεθνή Συμμετοχή «Οι Τεχνολογίες της Πληροφορίας και της
Επικοινωνίας στην Εκπαίδευση», Ρόδος, Σεπτέμβριος 2002.
239. Ξυνόγαλος, Σ. (2000) Προγραμματιστικοί Μικρόκοσμοι: Μια άλλη προσέγγιση της Διδασκαλίας
του Προγραμματισμού, Πρακτικά του Συνεδρίου «Πληροφορική και Εκπαίδευση» του Σ.Ε.Π.Δ.Ε.θ.,
Θεσσαλονίκη, Νοέμβριος 2000.
240. Σατρατζέμη Μ., Ξυνόγαλος Σ., Δαγδιλέλης Β., (2006 ), «Εκπαιδευτικά Προγραμματιστικά
Περιβάλλοντα για τη Διδασκαλία του Αντικειμενοστραφούς Προγραμματισμού: μια επισκόπηση», 5ο
ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕΔΡΙΟ ΜΕ ΔΙΕΘΝΗ ΣΥΜΜΕΤΟΧΗ -ΟΙ ΤΕΧΝΟΛΟΓΙΕΣ ΤΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΤΗΣ
ΕΠΙΚΟΙΝΩΝΙΑΣ ΣΤΗΝ ΕΚΠΑΙΔΕΥΣΗ (ETΠE 2006), ΘΕΣΣΑΛΟΝΙΚΗ, 5 - 8 ΟΚΤΩΒΡΙΟΥ 2006, σελ. 899-906.
241. Σατρατζέμη, Μ., Χατζηαθανασίου, Κ., Δαγδιλέλης, Β., (2000) AnimPascal: Ένα Εκπαιδευτικό
Περιβάλλον για τη Στήριξη Εισαγωγικών Μαθημάτων Προγραμματισμού, Πρακτικά 2ου Πανελλήνιου
Συνεδρίου με διεθνή Συμμετοχή – οι Τεχνολογίες της Πληροφορίας και της Επικοινωνίας στην
Εκπαίδευση, Πάτρα, Οκτώβριος, σελ. 125-135.
242. Σπυρόπουλος Χ. & Δαγδιλέλης Β. (2005) Πρόταση ∆ιδασκαλίας της Αντικειµενοστραφούς
Προσέγγισης σε Αρχάριους Προγραµµατιστές µε το Περιβάλλον AgentSheets, Πρακτικά Εργασιών 3ου
Πανελλήνιου Συνεδρίου «∆ιδακτική της Πληροφορικής» Α. Τζιµογιάννης (επιµ.), Πανεπιστήµιο
Πελοποννήσου Κόρινθος, 7-9 Οκτωβρίου.
243. Τζιμογιάννης Αθ., Τσιωτάκης Παν., Τσάκωνας Παν., Βραχνός Ευρ. (2019 - α) Φωτόδενδρο.

Πρόκειται για πρόσθετο υλικό που παρήχθη στο πλαίσιο του έργου επιμόρφωσης και είναι διαθέσιμο εξ
ολοκλήρου στο moodle του ΠΑΚΕ. Οι παραπομπές γίνονται στο σχετικό υλικό αναφοράς (σύγχρονο και
ασύγχρονο).
244. Τζιμογιάννης Αθ., Τσιωτάκης Παν., Τσάκωνας Παν., Βραχνός Ευρ. (2019 - β) Βασικές Παρανοήσεις
στη Διδασκαλία του Προγραμματισμού. Πρόκειται για πρόσθετο υλικό που παρήχθη στο πλαίσιο του
έργου επιμόρφωσης και είναι διαθέσιμο εξ ολοκλήρου στο moodle του ΠΑΚΕ. Οι παραπομπές γίνονται
στο σχετικό υλικό αναφοράς (σύγχρονο και ασύγχρονο).
245. Τζιμογιάννης Αθ., Τσιωτάκης Παν., Τσάκωνας Παν., Βραχνός Ευρ. (2019 - γ) Διδασκαλία της
δομής επιλογής. Πρόκειται για πρόσθετο υλικό που παρήχθη στο πλαίσιο του έργου επιμόρφωσης και
είναι διαθέσιμο εξ ολοκλήρου στο moodle του ΠΑΚΕ. Οι παραπομπές γίνονται στο σχετικό υλικό
αναφοράς (σύγχρονο και ασύγχρονο).
246. Τζιμογιάννης Αθ., Τσιωτάκης Παν., Τσάκωνας Παν., Βραχνός Ευρ. (2019 - δ) Διδασκαλία της
δομής επανάληψης με μαθησιακούς πόρους του Φωτόδενδρου . Πρόκειται για πρόσθετο υλικό που
παρήχθη στο πλαίσιο του έργου επιμόρφωσης και είναι διαθέσιμο εξ ολοκλήρου στο moodle του ΠΑΚΕ.
Οι παραπομπές γίνονται στο σχετικό υλικό αναφοράς (σύγχρονο και ασύγχρονο).
247. Τζιμογιάννης Αθ., Τσιωτάκης Παν., Τσάκωνας Παν., Βραχνός Ευρ. (2019 - ε) Διδασκαλία
Αλγορίθμων Επεξεργασίας Πινάκων με Μαθησιακούς Πόρους του Φωτόδεντρου. Πρόκειται για
πρόσθετο υλικό που παρήχθη στο πλαίσιο του έργου επιμόρφωσης και είναι διαθέσιμο εξ ολοκλήρου
στο moodle του ΠΑΚΕ. Οι παραπομπές γίνονται στο σχετικό υλικό αναφοράς (σύγχρονο και ασύγχρονο).
248. Τζιμογιάννης Αθ., Τσιωτάκης Παν., Τσάκωνας Παν., Βραχνός Ευρ. (2019 - στ) Εισαγωγή στα
Υποπρογράμματα με Μαθησιακούς Πόρους του Φωτόδεντρου. Πρόκειται για πρόσθετο υλικό που
παρήχθη στο πλαίσιο του έργου επιμόρφωσης και είναι διαθέσιμο εξ ολοκλήρου στο moodle του ΠΑΚΕ.
Οι παραπομπές γίνονται στο σχετικό υλικό αναφοράς (σύγχρονο και ασύγχρονο).



ΠΑΚΕΤΟ 2 Επιστημολογία - Διδακτική Πληροφορικής Υλικό Αναφοράς

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ΠΑΚΕΤΟ 2 Επιστημολογία - Διδακτική Πληροφορικής Υλικό Αναφοράς

Uploaded by

Copyright:

Available Formats

Προχωρημένη επιμόρφωση για την αξιοποίηση και εφαρμογή των Τ.Π.Ε.

στη διδακτική πράξη

Επιμόρφωση Β2 επιπέδου ΤΠΕ

Επιστημολογία και Διδακτική της

3 Στοιχεία από τη Διδακτική της Πληροφορικής .................................................................... 10

3.1 Συνοπτική περιγραφή του υλικού αναφοράς ................................................................ 10

3.2 Σκοποί και στόχοι .................................................................................................... 10

3.3 Προβλεπόμενη διάρκεια ............................................................................................ 10

3.4 Θεωρητικές έννοιες από τη Διδακτική της Πληροφορική ................................................ 11

3.4.1 H ανάγκη για ένα θεωρητικό πλαίσιο .....................................................................11

3.5.1 Απλοϊκές αντιλήψεις: το παράδειγμα του ανθρωπομορφισμού ...................................14

3.6 Η έννοια του εμποδίου ............................................................................................. 15

3.7 H διδασκόμενη γνώση κι ο μετασχηματισμός της.......................................................... 17

3.8 Το διδακτικό συμβόλαιο ............................................................................................ 20

3.9 Μια βασική υπόθεση της Διδακτικής ........................................................................... 21

3.10 Η έννοια της ΤΠΓΠ................................................................................................ 23

4 Συνήθεις δυσκολίες και λάθη αρχαρίων ............................................................................ 26

4.1 Δομές Επιλογής ....................................................................................................... 27

4.2 H διαχείριση των συμβολοσειρών (strings) .................................................................. 30

4.3 Δομές Επανάληψης ή βρόχοι (Loops) ......................................................................... 32

4.4 Υποπρογράμματα ..................................................................................................... 38

4.5 Ταξινομήσεις και Αναζήτηση ...................................................................................... 39

4.6 Μεταβλητές και απλές εκχωρήσεις ............................................................................. 40

4.6.1 Eισαγωγή δεδομένων ..........................................................................................43

4.7 Πηγές των δυσκολιών των μαθητών στην Πληροφορική ............................................... 45

5 Μερικές μέθοδοι για μια εισαγωγή στον προγραμματισμό .................................................... 47

6 Μια σύνοψη .................................................................................................................. 51

ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 2 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 3 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

Η επιμόρφωση Β2 επιπέδου Τ.Π.Ε. υλοποιείται σε ομάδες ενός κλάδου ή συναφών κλάδων

ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 4 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 5 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

 Βασιλική Μητσικοπούλου, Εθνικό Καποδιστριακό Πανεπιστήμιο Αθηνών, ως Επιστημονικά

 Παπαδόπουλο Ιωάννη, Επίκουρο Καθηγητή στο Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης.

εκπαιδευτική διδακτική διαδικασία", ΕΠΕΑΕΚ ΙΙ, Γ' ΚΠΣ, http://b-epipedo.cti.gr

Πρόγραμμα «Εκπαίδευση και Δια Βίου Μάθηση», ΕΣΠΑ 2007-2013, http://b-epipedo2.cti.gr

ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 7 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 8 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 9 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

3 Στοιχεία από τη Διδακτική της Πληροφορικής

3.1 Συνοπτική περιγραφή του υλικού αναφοράς

3.2 Σκοποί και στόχοι

3.3 Προβλεπόμενη διάρκεια

ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 10 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

Η συνολική διαπραγμάτευση του αντικειμένου της Διδακτικής της Πληροφορικής προβλέπεται να

3.4 Θεωρητικές έννοιες από τη Διδακτική της Πληροφορική

 τα προβλήματα της διδασκαλίας και της κατανόησης των μεταβλητών,

 οι δομές επανάληψης (βρόχοι),

 θέματα αντικειμενοστρεφούς προγραμματισμού καθώς και παράλληλου προγραμματισμού (πολύ

 η αναδρομικότητα, κυρίως σε γλώσσες στις οποίες η αναδρομικότητα είναι κυρίαρχη (όπως η

 Τις περισσότερες φορές είναι σχεδιασμένα για την εκπαίδευση

 Είναι ελκυστικά για τα παιδιά καθώς έχουν έναν παιγνιώδη χαρακτήρα

 Επιτρέπουν πολύ γρήγορα στους αρχάριους προγραμματιστές να κατασκευάσουν

- ότι δηλαδή πράγματι υπάρχουν κάποιες ιδιαίτερες αντιλήψεις των μαθητών

3.5 Οι αντιλήψεις των σπουδαστών και μερικές ακόμη

ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 13 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”

Παραθέτουμε ορισμένα παραδείγματα:

Απλοϊκές αντιλήψεις: το παράδειγμα του ανθρωπομορφισμού

... IF age < 45 THEN WRITE “Είσαι νέος“

IF age < 65 THEN WRITE “Είσαι μεσόκοπος“

IF age < 100 THEN WRITE “Είσαι ηλικιωμένος“

EMVADON:= VASIS * YPSOS

3.6 Η έννοια του εμποδίου