Datalogisk Tænkning Datalogisk Tænkning indeholder en række redskaber til at få greb om forhold i den verden, der omgiver os Datalogisk Tænkning gør os i stand til at bringe en abstrakt problemstilling ned på et håndterbart, praktisk plan Datalogisk Tænkning er et effektivt redskab til at udvikle mulige løsninger - og at fravælge de umulige Datalogisk Tænkning fremmer innovation gennem analytisk, eksperimenterende og intuitivt legende adfærd Datalogisk Tænkning en intellektuel kompetence som leder til kritisk tænkning, kreativitet og problemløsning Datalogisk Tænkning kan udfordre fastlagte antagelser og praksis ved systematisk at sætte spørgsmålstegn ved ting og former, der allerede findes Datalogisk Tænkning er en problemløsningstrategi, der gør det muligt at modellere situationer og åbner for automation af trivielle opgaver Datalogisk Tænkning kan få os til at indse hvorledes et komplekst problem består af samvirkende enkeltdele Datalogisk Tænkning er en fri oversættelse af Computational Thinking og bygger da osse i alt væsentligt på de samme principper; men hvor Computational Thinking ofte er blevet snævert bundet til at få en problemstilling drejet og fremstillet på en måde, så en computer kan løse den, så kan Datalogisk Tænkning i vores fortolkning ligeså vel bruges til at understøtte problemløsning på tværs af et væld af discipliner uden bindinger til særlige fagområder Computational Thinking er ledsaget af mange definitioner, der undertiden ender i uenige beskrivelser af, hvad begrebet egentlig står for. Computational Thinking mangler dermed en klar definition, ligesom det heller ikke er så tydeligt, hvad det indebærer metodologisk og på hvilke områder, det med fordel kan anvendes - eller ej. Vores brug adskiller sig ved, at vi slet ikke forventer, at Datalogisk Tænkning kan give os det fuldstændige overblik, ej heller kan levere svar på alting. Vi bruger i stedet Datalogisk Tænkning som et frame-work, der indeholder en række velafprøvede instrumenter, som vi stiller til rådighed for hvert af de enkelte trin Datalogisk Tænkning lægger rammerne for et udvalgt sæt værktøjer og teknikker, der udgør de bærende elementer i en indøvet proces Der er fire discipliner i datalogisk tænkning dekomponering - nedbryde en kompleksitet i mindre, håndterbare dele   generalisering - identificere ligheder og genkendelse af mønstre   fokusering - prioritere ift. relevans for at fremstille de vigtige oplysninger   programmering - udlede regler for og udvikle algoritmer til at løse problemer   Her er de 4 perspektiver nok lige vigtige, men de er samtidig indbyrdes afhængige, sådan at vi arbejder iterativt gennem sekvenser af alle 4 trin. Dog, afhængig at den aktuelle problemstilling, så kan det give mening at gå anderledes til værks for at bringe en eller flere af disse discipliner i spil - enkelte gange samtidig, hvor de virker med forskellige vinkler, mens andre gange kan være iterationer gennem flere, måske i en helt anden sekvens Anyway, vores mål med Datalogisk Tænkning er at kunne institutionalisere hele processen: til at bryde problemer ned i håndterbare størrelser, til at finde generaliseringer og mønstre, til at sætte det rette scope og endelig, til at designe algoritmer, der kan løse opgaven. Vi bruger Datalogisk Tænkning som et rammeværktøj, hvor der medfølger et sæt metoder og teknikker, som man enten kan arbejde isoleret med, eller lade virke sammen på vej mod en fuldstændig afklaring. Mange gange er det nemmest at beskrive et problem ved dets løsning - og denne form for 'jump-to-conclusion' afholder os ofte fra at forstå en problemstilling fuldt ud og nå ind til den reelle kerne Datalogisk Tænkning kan netop katalysere tankeprocesser mhp. at gøre et komplekst problem mere simpelt, så vi først nemmere kan forstå det essentielle og dernæst kan finde den bedste løsning blandt mange Datalogisk Tænkning indeholder en række kerneprincipper fra datalogi, såsom abstraktion og algoritmedesign, nedbrydning, mønstergenkendelse, generalisering og inferens, som vi kan anvende til at forstå vidt forskellige former for systemer og processer De kompetencer, der ligger bag begrebet vil også kunne bruges i et væld af andre problemløsningssituationer - for selv om datalogien kan synes som omdrejningspunktet og det mange gange sker, at der hentes hjælp fra teknikker til informationsbehandling, så er det helt klart innovationen, der er den vigtigste egenskab Datalogisk Tænkning kan sidestilles med strategisk tænkning, der kombinerer logik, aritmetik og systematik med videnskabelig og innovativ tænkning - endda ofte drevet frem af leg, kreativitet og intuition. Datalogisk Tænkning øger effektiviteten og sikrer system til tiden - fremfor det perfekte for sent The Methodology Team