MARC

 008250224s2024        us  ||||||||||||||c||eng  d
■001000017164395
■00520250211152957
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798346393078
■035    ▼a(MiAaPQ)AAI31631214
■035    ▼a(MiAaPQ)PennState23406gjt5160
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a741
■1001  ▼aMcLaughlin,  Gozde.
■24510▼aSupporting  Preservice  Teachers'  Computational  Thinking  Practices  in  an  Engineering  Content  Course.
■260    ▼a[S.l.]▼bThe  Pennsylvania  State  University.  ▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a121  p.
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-05,  Section:  A.
■500    ▼aAdvisor:  Farris,  Amy  Voss.
■5021  ▼aThesis  (Ph.D.)--The  Pennsylvania  State  University,  2024.
■520    ▼aKnowledge-producing  practices  in  sciences  and  engineering  increasingly  use  computational  means  for  modeling  and  working  with  data.  Despite  consensus  regarding  the  importance  of  computational  thinking  in  science  and  engineering,  scholars  differ  in  conceptualization  of  the  primary  purposes  and  role  of  its  integration  in  K-12  science  (Kafai  &  Proctor,  2022;  NRC,  2010).  In  this  dissertation,  I  define  computational  thinking  (CT)  as  using,  constructing  or  assessing  computational  tools  to  understand  or  describe  a  phenomenon.  In  science  education,  CT  practices  range  from  coding  and  computational  problem  solving  to  utilizing  or  constructing  simulations  or  models  and  data  practices  (Sengupta  et  al.,  2013;  Weintrop  et  al.,  2016).  Additionally,  CT  practices  involve  unplugged  forms  such  as  formulating  rules  for  an  imagined  computational  agent  to  execute  (Yadav  et  al.,  2014).Given  that  one  of  the  primary  objectives  of  recent  science  education  reform  is  aligning  science  learning  more  closely  with  the  practices  of  scientists  (Penuel,  2016),  it  is  not  surprising  that  "using  mathematics  and  computational  thinking"  was  included  among  the  eight  science  and  engineering  practices  of  the  Framework  for  K12  Science  Education  (NRC,  2012)  and  recent  standards  documents,  including  the  Next  Generation  Science  Standards  (NGSS)  and  the  Pennsylvania  Science,  Technology  &  Engineering,  Environmental  Literacy  &  Sustainability  (STEELS)  Standards.  However,  standards  document  for  what  students  should  know  and  be  able  to  do  are  relatively  silent  on  pedagogy  (Larkin,  2019).  The  need  to  articulate  what  it  means  to  support  students'  ongoing  changes  in  thinking  through  scientific  practice  has  led  to  a  robust  literature  on  science  teaching  practices  (Windschitl  et  al.,  2020;  Windschitl  &  Calabrese  Barton,  2016;  Thompson,  et  al.,  2019)  and  preparing  science  teachers  (Stroupe  et  al.,  2020).  For  example,  science  education  scholars  have  well-articulated  teaching  practices  for  supporting  scientific  modeling  (e.g.,  Windschitl  et  al.,  2020)  and  supporting  students'  argumentation  (e.g.,  ZembalSaul  et  al.,  2013).However,  how  and  why  to  teach  computational  thinking  practice  in  science  remains  an  under-theorized  area.  Unlike  other  science  and  engineering  practices,  definitions  of  computational  thinking  have  been  unsettled.  Many  teachers  feel  uncertain  about  how  to  integrate  computational  thinking  practices  in  science  classrooms  (Kang  et  al.,  2018),  since  they  themselves  did  not  engage  in  these  practices  as  students.  Overall,  existing  studies  of  science  teachers  learning  about  CT  practices  demonstrate  that  teachers  generally  feel  unprepared  to  incorporate  computational  thinking  into  their  science  classrooms  (Haag  &  Megowan,  2015;  Kang  et  al.,  2018).The  literature  concerning  science  teacher  education  demonstrates  that  preservice  teachers  (PSTs)  face  similar  challenges  in  integrating  computational  thinking  in  science.  Even  after  substantial  course  emphasis  on  the  integration  of  CT  practices  in  science,  PSTs  continue  to  make  superficial  connections  between  components  of  CT  and  science  curriculum  (Walton  et  al.,  2020)  and  they  were  largely  unable  to  create  curriculum  materials  that  meaningfully  integrated  CT  with  disciplinary  content  (Mouza  et  al.,  2017;  Vasconcelos  &  Kim,  2020).  Therefore,  there  is  a  growing  need  to  support  teachers  and  incoming  teachers'  computational  thinking.  In  my  dissertation,  I  tackle  this  issue  through  three  studies  designed  to  support  preservice  teachers'  computational  thinking  as  an  epistemic  practice.Competing  conceptions  of  the  role  of  computational  thinking  practices  in  science  learningIn  order  for  teachers  and  preservice  teachers  to  meaningfully  integrate  CT  in  science,  a  wellarticulated  and  epistemically-oriented  rationale  for  the  roles  and  purposes  of  computational  thinking  practices  in  science  is  necessary.
■590    ▼aSchool  code:  0176.
■650  4▼aDesign.
■650  4▼aEducational  technology.
■650  4▼aEpistemology.
■650  4▼aCurricula.
■650  4▼aTeacher  education.
■690    ▼a0389
■690    ▼a0710
■690    ▼a0393
■690    ▼a0530
■71020▼aThe  Pennsylvania  State  University.
■7730  ▼tDissertations  Abstracts  International▼g86-05A.
■790    ▼a0176
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164395▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서