Professional Documents
Culture Documents
Συμπράττων φορέας:
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
Περιεχόμενα
1 Προοίμιο ........................................................................................................................ 4
2 Εισαγωγικά ..................................................................................................................... 9
3.5 Οι αντιλήψεις των σπουδαστών και μερικές ακόμη θεωρητικές έννοιες της Διδακτικής....... 13
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.
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
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.
ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 6 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”
Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΕΥΘΥΝΣΗ ΕΠΙΜΟΡΦΩΣΗΣ &
ΠΙΣΤΟΠΟΙΗΣΗΣ
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
* Πράξη: «Επιμόρφωση Εκπαιδευτικών στη χρήση και αξιοποίηση των Τεχνολογιών Πληροφορίας και Επικοινωνιών (ΤΠΕ) στην
Πράξεις: «Επιμόρφωση Εκπαιδευτικών για την αξιοποίηση και εφαρμογή των Τ.Π.Ε. στη Διδακτική πράξη», Επιχειρησιακό
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
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.
οι εντολές επιλογής (εντολές τύπου if then else κ.λπ.) σε διάφορα προγραμματιστικά στυλ
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
ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 11 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”
Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΕΥΘΥΝΣΗ ΕΠΙΜΟΡΦΩΣΗΣ &
ΠΙΣΤΟΠΟΙΗΣΗΣ
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
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:
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.
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.
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.)
ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 12 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”
Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΕΥΘΥΝΣΗ ΕΠΙΜΟΡΦΩΣΗΣ &
ΠΙΣΤΟΠΟΙΗΣΗΣ
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
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 οι απαντήσεις των μαθητών στα συγκεκριμένα ερωτήματα που θέτει θα τον βοηθήσουν στην
διερεύνηση των αντιλήψεων αυτών κ.λπ..
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.
Τυπικό παράδειγμα αποτελεί το μικρό πρόβλημα του «προσδιορισμού» της ηλικίας ενός ατόμου:
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
ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 14 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”
Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΕΥΘΥΝΣΗ ΕΠΙΜΟΡΦΩΣΗΣ &
ΠΙΣΤΟΠΟΙΗΣΗΣ
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
ακόλουθο πρόγραμμα:
...
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).
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
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
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.
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.
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:
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.
ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 18 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”
Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΕΥΘΥΝΣΗ ΕΠΙΜΟΡΦΩΣΗΣ &
ΠΙΣΤΟΠΟΙΗΣΗΣ
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
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.
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.
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
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
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
ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 21 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”
Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΕΥΘΥΝΣΗ ΕΠΙΜΟΡΦΩΣΗΣ &
ΠΙΣΤΟΠΟΙΗΣΗΣ
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
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.
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).
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.
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
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.
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.
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
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:
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).
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
if συνθήκη2 then exit
......
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
if συνθήκη2 then exit
......
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
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.
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).
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.
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
ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 43 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”
Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΕΥΘΥΝΣΗ ΕΠΙΜΟΡΦΩΣΗΣ &
ΠΙΣΤΟΠΟΙΗΣΗΣ
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
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";
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.
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
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.
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.
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.
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.
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",
ΕΠΙΜΟΡΦΩΣΗ Β2 ΕΠΙΠΕΔΟΥ ΤΠΕ Σελίδα 54 από 84 ΙΤΥΕ “ΔΙΟΦΑΝΤΟΣ”
Συστάδα: Β2.4 ΠΛΗΡΟΦΟΡΙΚΗ ΔΙΕΥΘΥΝΣΗ ΕΠΙΜΟΡΦΩΣΗΣ &
ΠΙΣΤΟΠΟΙΗΣΗΣ
Επιστημολογία και Διδακτική της Πληροφορικής Επιμορφωτικό Υλικό
7 Βιβλιογραφία
1. Allen E., Cartwright R., Stoler B., (2004) DrJava: a lightweight pedagogic environment for Java,
2. Alphonce, C. & Ventura, P. (2002), Object-Orientation in CS1-CS2 by design, Proceedings of the 7th Annual
3. Alphonce, C. & Ventura, P. (2002), Object-Orientation in CS1-CS2 by design, Proceedings of the 7th Annual
4. Anderson P., Seaquist C.R. (1998) Using StarLogo to Introduce Differential Equations 12th-Annual
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.,
7. Barnes J. D. (2002) Teaching Introductory Java through LEGO Mindstorms Models, Proceedings of the
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
10. Begel A., (1996) LogoBlocks: A Graphical Programming Language for Interacting with the World, Advanced
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-
15. Birch M., Boroni C., Goosey F., Patton S., Poole D., Pratt C., Ross R., (1995). DYNALAB: A Dynamic
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
17. Bonar, J., Liffick, B.W. (1990) A Visual Programming Language for Novices, Principles of Visual Systems. S.-
18. Bonar, J., Soloway, E. (1985). Preprogramming Knowledge: A Major Source of Misconceptions in Novice
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
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
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
25. Bruckman A. & Edwards E. (1999) Should We Leverage Natural-Language Knowledge? An Analysis of User
26. Brusilovsky P., Calabrese E., Hvorecky E., Kouchnirenko A., & Mille, P. (1997) Mini-languages: A Way to
27. Brusilovsky, P. (1993). Program Visualization as a Debugging Tool for Novices. Proceedings of CHI ’93,
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
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
33. Capponi B., Dagdilelis V. (1988) Elementary algebraic calculation and Multiplan, ICME 6 (Theme Group
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
36. Cherry, G., Ioannidou, A., Ryder C., Brand C., Repenning A. (1999). Simulations for Lifelong Learning.
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
38.Cockburn, A., Bryant, A. (1997) Leogo: An Equal Opportunity User Interface for
39. Crews T. & Ziegler U. (1998) The Flowchart Interpreter for Introductory Programming Courses, In
40. Curzon, Paul, Dorling, Mark, Ng, Thomas, Selby, Cynthia and Woollard, John (2014)
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
43. Dagdilelis V. (1989a) La validation en programmation : à propos de conceptions des étudiants, actes V
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,
45. Dagdilelis V.(1989b) Eléments d'une étude didactique des processus de validation des programmes,
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,
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
49. Dagdilelis, V. & Satratzemi, M. (2001) Post’s Machine: A Didactic Microworld as an Introduction to Formal
50. Decker, R. & Hirshfield, S. (1993) Top-Down Teaching: Object-Oriented Programming in CS1, ACM SIGCSE
51. Decker, R. & Hirshfield, S. (1994), The Top 10 Reasons Why Object-Oriented Programming Can’t Be Taught
52. Deek F., Kimmell H. (1999) Status of computer science education in secondary schools: one state's
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,
56. Dijkstra E. W. (1982b) How do we tell truths that might hurt ? In Selected Writings on Computing: A
57. Dijkstra E. W. (1989) On the Cruelty of really teaching Computing Science, Communications of the ACM,
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
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
63. Du Boulay, B., Matthew, I. (1984) Fatal error in pass zero: How not to confuse novices, Behaviour and
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.
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.
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
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
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
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
74. Freund S., Roberts E. (1996), Thetis: An ANSI C Programming Environment Designed for Introductory Use,
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
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
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
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
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
83. Harvey B. (1997a) Computer Science Logo Style volume 1: Symbolic Computing, 2/e
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
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
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
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
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
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 on- line Proceedings of the 3d National Conference
99. Kahn K. (1996) Drawings on Napkins, Video-Game Animation, and Other ways to Program Computers,
100. Kahn, Κ. (1995) ToonTalk - An Animated Programming Environment for Children, in Proceedings of
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,
103. Kato H. & Ide A. (1995) Using a Game for Social Setting in a Learning Environment: AlgoArena -- A
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
108. Kölling, M. (1999) Teaching Object Orientation with the Blue Environment, Journal of Object
110. Kölling, M. (1999b). Teaching Object Orientation with the Blue Environment. Journal of Object-
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.
114. Ledgard H.F. & Marcotty M. (1975) A genealogy of control structures, Communications of the
115. Leonard W.A. (1970), A student Computer that really works, The Mathematics Teacher,
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
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
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
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.),
125. Meyer M., Burhans D. (2007) Robotran: A Programming Environment for Novices Using LEGO
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,
131. Mukherjia S. & Stasko J. (1994) Toward Visual Debugging: Integrating Algorithm Animation
132. Pane J.F. & B.A. Myers B.A. (1996) Usability Issues in the Design of Novice Programming Systems,
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
135. Papert S., (1980), Mindstorms, Children, Computers and Powerful Ideas, New York, Basic Books
137. Pattis R. E., Roberts J. and Stehlik M. (1995), Karel - The Robot, A Gentle Introduction to the Art of
138. Pattis R., (1981) Karel – The Robot, A Gentle Introduction to the Art of Programming, London,
Wiley.
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
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
143. Resnick M., Bruckman A. & Martin F.(1996) Pianos Not Stereos: Creating Computational
144. Resnick Mitchel, Behavior Construction Kits, Communications of the ACM, Volume 36, Issue 7,
145. Resnick, M. (1994) Turtles, Termites, and Traffic Jams : Explorations in Massively Parallel
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
149. Rogalski J., Samurçay R., Hoc J.M (1988) L'apprentissage des méthodes de 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
153. Ruckert, M. & Halpern, R. (1993) Educational C, ACM SIGSCE Bulletin, Vol. 25, No. 1, pp. 6-9.
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-
156. Sangwan, R. S., Korsh, J. F. & LaFollette, P. S. (1998) A System for Program Visualization in the
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
159. Satratzemi, M., Χinogalos, S., Dagdilelis, V., (2003) "An Environment for Teaching Object-Oriented
161. Schneiderman B. (1980) Software Psychology, Human Factors in Computer and Informtion
162. Schneiderman, B. (1980). “Software Psychology: Human Factors in Computer and Information
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
165. Selby, Cynthia and Woollard, John (2013) Computational thinking: the
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,
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
169. Soloway, E., J. Bonar, and K. Ehrlich, (1983). “Cognitive Strategies and Looping Constructs: An
170. Soloway, E., K. Ehrlich, J. Bonar, and J. Greenspan, (1982). “What de novices know about
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?
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
176. Stasko, J. (1997) Building software Visualizations through Direct Manipulation and
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
179. Tempte M C. (1991) Let’s Begin Introducing the Object-Oriented Paradigm, ACM SIGCSE Bulletin,
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
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
proc96/vickers.html
186. Walker E.L. (2004) Lego Mindstorms Robotics in a (Very) Small Liberal Arts College, AAAI Spring
187. Wayne C. (1996) Strategic directions in Visual Languages Research. ACM Computing
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
190. Whitley K. N. & Blackwell A. F. (1997) Visual programming: the outlook from academia and
191. Whitley K. N. (1997) Visual programming languages and the empirical evidence for and against.
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
International Conference on Cybernetics and Information Technologies, Systems and Applications (CITSA
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
195. Xinogalos S., Sartatzemi M., Dagdilelis V., (2006b), «Evaluating objectKarel - an educational
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
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
International Conference on Cybernetics and Information Technologies, Systems and Applications (CITSA
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
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
202. Xinogalos S., Satratzemi M., Dagdilelis V., (2006c), «Teaching Fundamental Notions of Object
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,
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),
206. Xinogalos Stelios, Satratzemi Maya and Dagdilelis Vassilios, An introduction to objectoriented
programming with a didactic microworld: objectKarel, Computers & Education, Elsevier, In Press
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
208. Xinogalos, S. & Satratzemi, M. (2004), Studying Novice Programmers' Attitudes in Developing and
International Conference on Information Systems Analysis and Synthesis (ISAS 2004) jointly with the
International Conference on Cybernetics and Information Technologies, Systems and Applications (CITSA
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
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
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
programming with a didactic microworld: objectKarel, Accepted for publication in Computers &
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
215. Xinogalos, S., Satratzemi, M. (2002). "An Integrated Programming Environment for Teaching the
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.
Πράκτορες: "Η Εκπαιδευτική αξία της κατασκευήςΠροσοµοιώσεων από τους µαθητές στο περιβάλλον
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,
221. Δαγδιλέλης, Β. & Σατρατζέμη, Μ. (1998) Λογισμικό για την διδασκαλία και την έρευνα στη
θεωρία γραφημάτων: αλγοριθμικά και διδακτικά προβλήματα., 12ο Εθνικό Συνέδριο Επιχειρησιακής
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.
225. Εφόπουλος Β., Ευαγγελίδης Γ., ∆αγδιλέλης Β., Κλεφτοδήµος Αλ. (2005) Οι ∆υσκολίες των
226. Εφόπουλος, Β., Δαγδιλέλης, Β., Σατρατζέμη, Μ., Ευαγγελίδης, Γ. (2001b). "XWeb-Compiler - Ένα
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
228. Εφόπουλος, Β., Ευαγγελίδης, Γ., Δαγδιλέλης, (2004). "Ένα περιβάλλον για τη συστηματική
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.
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
«Διδακτική των Μαθηματικών και Πληροφορική στην Εκπαίδευση», Θεσσαλονίκη 12-14 Οκτωβρίου
2001.
234. Ξυνόγαλος Σ. (2002), Εκπαιδευτική Τεχνολογία: Ένας Διδακτικός Μικρόκοσμος για την Εισαγωγή
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
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
237. Ξυνόγαλος Σ., Σατρατζέμη Μ., Δαγδιλέλης Β., Ευαγγελίδης Γ., (2005), "Η Διδασκαλία της
βασισμένα στους Εκδότες Σύνταξης: Ανάλυση Εργαλείων και Επισκόπηση Αποτελεσμάτων Αξιολόγησης.
Πρακτικά του 3ου Πανελλήνιου Συνεδρίου με Διεθνή Συμμετοχή «Οι Τεχνολογίες της Πληροφορίας και της
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.,
240. Σατρατζέμη Μ., Ξυνόγαλος Σ., Δαγδιλέλης Β., (2006 ), «Εκπαιδευτικά Προγραμματιστικά
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
Συνεδρίου με διεθνή Συμμετοχή – οι Τεχνολογίες της Πληροφορίας και της Επικοινωνίας στην
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
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
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.
247. Τζιμογιάννης Αθ., Τσιωτάκης Παν., Τσάκωνας Παν., Βραχνός Ευρ. (2019 - ε) Διδασκαλία
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.