Il Giuoco delle Perle di Vetronid.dimi.uniud.it/teachers/tfa/presentations/cs_nature.pdf · 2017....

PrologoUn’anima divisa in tre

SuggestioniEpilogo

Il Giuoco delle Perle di Vetro

Claudio Mirolo

Dipartimento di Matematica e Informatica,Università di Udine, via delle Scienze 206 – Udine

[email protected]

Fondamenti dell’Informaticawww.dimi.uniud.it/claudio

C. Mirolo Il Giuoco delle Perle di Vetro

SuggestioniEpilogo

Sommario

1 Prologoil giuoco delle perle di vetroinformatichecontenuti vs. processi

2 Un’anima divisa in treanima matematicaanima ingegneristicaanima scientificasfumature

3 Suggestioniaffresco in forma di tritticoun pretesto. . .assecondando le vocazioni

SuggestioniEpilogo

il giuoco delle perle di vetroinformatichecontenuti vs. processi

Sommario

SuggestioniEpilogo

Il Giuoco delle Perle di Vetro

Nulla si sottrae tanto alla rappresentazione mediantela parola [. . . ] quanto certe cose [. . . ], le quali peròappunto perché uomini pii e coscienziosi le trattanoquasi fossero cose esistenti, si avvicinano un pocoall’essere e alla possibilità di nascere.

[. . . ] Sotto l’alterna egemonia di questa o di quell’altrascienza o arte, il Giuoco dei giuochi era diventato unaspecie di linguaggio universale col quale i giuocatorierano in grado di esprimere valori mediante simbolie di metterli in vicendevole rapporto.

Hermann Hesse, 1943, “Das Glasperlenspiel”

SuggestioniEpilogo

Spunti di riflessione

Linguaggio universale per rappresentare la conoscenzascientifica e artistica

Informatica come nuovo “giuoco delle perle di vetro” perinterpretare e creare realtà?

Oggetto della ricerca è anche la struttura dellaspiegazione, del modello, astratta dalla realtà

Interpretazione della realtà vs. contemplazione (estetica)delle strutture del gioco

Da “Magister ludi” a “Ludi magister”: giocare, creare,interpretare la realtà e apprendere confluiscono . . .

SuggestioniEpilogo

“Neve” per gli Inuit di Labrador e Groenlandia

1. aput neve in generale (in terra)2. apirlaat neve fresca3. massak, akkilokipok neve soffice4. mauja neve soffice e profonda5. mangokpok, mangiggal, neve pesante

mangikaajaaq6. pukak neve incrostata7. massalerauvok, qinuq neve fradicia8. tipvigut, apusiniq banco, mucchio di neve9. aputitaq chiazza di neve

10. putsinniq, puvvinniq neve bagnata sopra il ghiaccio11. qaniit neve in aria che cade12. nittaalaq neve densa in aria13. imalik neve bagnata che cade

SuggestioniEpilogo

Un mondo pervaso di. . .

La neve pervade il mondo degli Inuit.Cos’è la nostra neve per loro?

L’informatica pervade il nostro mondo.Cos’è l’informatica per noi?

SuggestioniEpilogo

Un mondo pervaso di. . .

La neve pervade il mondo degli Inuit.Cos’è la nostra neve per loro?

L’informatica pervade il nostro mondo.Cos’è l’informatica per noi?

SuggestioniEpilogo

L’informatica è. . .

. . . informazione + automatica

. . . scoprire il ragionamento che un computer esegue

. . . trovare notizie e svolgere lavori

SuggestioniEpilogo

. . . rispondere a tutti i dati

. . . riuscire a capire un linguaggio nuovo

. . . tutti i programmi per i computers

SuggestioniEpilogo

. . . insegna a organizzare il computer

. . . la scienza che permette di utilizzare bene il computer

. . . tutto il mondo che ruota attorno al computer

SuggestioniEpilogo

Quali accezioni?

1. StrumentaleFocalizzazione sui prodotti, mentre “le competenze [ . . . ]sono formulate in termini generici, [ . . . ] senza coerenzadidattica e suddivisione rigorosa dei compiti” (Baudé, 2007).

2. Tecnico-operativaDimensioni tecnologica e sociale (Paoletti, 1993): schemigenerali di interazione nell’uso di “artefatti software”,invarianti cognitivi, . . . (Duchâteau, 2002; Vandeput, 2009).

3. DisciplinareIdentità; concetti e metodologie proprie pertinenti ladimensione scientifica (Paoletti, 1993) in senso lato:principi generali per capire e sfruttare i processi di calcolo.

SuggestioniEpilogo

Quali accezioni?

SuggestioniEpilogo

Quali accezioni?

SuggestioniEpilogo

Quali accezioni?

SuggestioniEpilogo

Informatica come strumento

Per fare altro!

Problemi e obiettivi didattici non riguardano l’informatica(es.: Cabri, GeoGebra, Interactive Physics,strumenti per l’apprendimento di una lingua. . . )

Attenzione focalizzata sul prodotto, anzichésulla sua logica in quanto tecnologia informatica

Problema pedagogico: carico cognitivo

SuggestioniEpilogo

Per fare altro!

SuggestioniEpilogo

Per fare altro!

SuggestioniEpilogo

Per fare altro!

SuggestioniEpilogo

Informatica come uso di tecnologie

Le tecnologie dell’informazione si distinguono dalle altreperché manifestano tre caratteri principali (Paoletti, 1993):

universale: tendenza a pervadere tutti i campidelle relazioni sociali e dell’attività umana

intellettivo: l’utilizzo presuppone processi cognitivi(modellazione, astrazione, inferenza, pianificazione. . . )

operativo: potenzialmente l’utilizzo produce effettisulla realtà (sociale, economica, produttiva. . . )

SuggestioniEpilogo

Per acquisire capacità operative

Destrezza con le ICT (es.: ECDL)

Nozioni di base sul funzionamento dei dispositivihardware e software

Implicazioni normative: legislazione, diritti/doveri,codici di comportamento. . .

Imparare ad apprendere (lifelong learning)

SuggestioniEpilogo

Tipiche strutture (pattern) interazionali ricorrenti:invarianti cognitivi

Applicazione di metafore: potenzialità e limiti(illusione di manipolazione diretta)

Interazione sulla base di ipotesi e verifica sul campo. . .

. . . Ma è difficile estrapolare principi generali, stabili(apprendimento per imitazione, per approssimazione)

Quale linguaggio per esprimere ciò che si fa?A livello di azioni, metafore o trattamento informatico?

SuggestioniEpilogo

Informatica come uso di tecnologie, Ma. . .

Uno dei risultati ottenuti [ . . . ] è rappresentatodalla quantità di informazioni conosciute dagli allievisenza un quadro per organizzarle.

Più specificamente, la nozione di elaborazioneil più delle volte era assente, mentresolo la parte visibile dei computer era considerata. [ . . . ]

Riassumendo, molti utilizzatori si impratichisconoper approssimazione, e non apprendono effettivamente.

(Eric Bruillard, 2004)

SuggestioniEpilogo

Informatica come uso di tecnologie, Ma. . .

Uno dei risultati ottenuti [ . . . ] è rappresentatodalla quantità di informazioni conosciute dagli allievisenza un quadro per organizzarle.

Più specificamente, la nozione di elaborazioneil più delle volte era assente, mentresolo la parte visibile dei computer era considerata. [ . . . ]

Riassumendo, molti utilizzatori si impratichisconoper approssimazione, e non apprendono effettivamente.

(Eric Bruillard, 2004)

SuggestioniEpilogo

Informatica come uso di tecnologie: Metafore?

Le metafore dell’informatica forniscono un quadro concettualein cui collocare le ontologie che emergono costantementedagli ambienti di calcolo [ . . . ] grazie al ruolo [che] svolgononell’apprendimento dei concetti da parte degli utentie dei creatori di software [ . . . ].

L’informatica progredisce nascondendo la compessità tramitelivelli sempre più elevati di astrazione, e molte di questeastrazioni incominciano la loro vita come metafore.

(T.R. Colburn & G.M. Shute, 2004)

SuggestioniEpilogo

Informatica come uso di tecnologie: Metafore?

Le metafore dell’informatica forniscono un quadro concettualein cui collocare le ontologie che emergono costantementedagli ambienti di calcolo [ . . . ] grazie al ruolo [che] svolgononell’apprendimento dei concetti da parte degli utentie dei creatori di software [ . . . ].

L’informatica progredisce nascondendo la compessità tramitelivelli sempre più elevati di astrazione, e molte di questeastrazioni incominciano la loro vita come metafore.

(T.R. Colburn & G.M. Shute, 2004)

SuggestioniEpilogo

Informatica come disciplina

Oggetto: Trattamento formale dell’informazione

Peculiare chiave di lettura scientifica della realtà:paradigma informazionale

Riflessione critica su potenzialità,limiti, impatto degli artefatti informatici

SuggestioniEpilogo

Concetti di base (esempi: algoritmo, calcolabilità, . . . )

Contributi alla crescita delle conoscenze (esempi:problemi algoritmicamente non risolubili, intrattabili, . . . )

Competenze metodologiche (esempi: modellazionedelle informazioni, gestione della complessità, . . . )

SuggestioniEpilogo

Annotazioni evocative

Il primo miracolo è che combinare un gran numero di volte unpiccolo insieme di operazioni elementari consente una potenzad’azione considerevole. [ . . . ] Il secondo miracolo è che unagrande varietà di insiemi di operazioni elementari (ragionevoli)conduce alla stessa potenza [di calcolo]. Il terzo miracolo èche i limiti di questa potenza sono esprimibili formalmente.(Mazoyer, 2005)

L’informatica è una ricerca incessante per “stanare” il significatodietro la forma e per costringere il significato nella “camicia diforza” della forma: nessuno dovrebbe uscire dalla scuola senzaaverlo percepito. (Duchâteau, 1992)

SuggestioniEpilogo

Schematizzando un po’

accezione strumentale acc. tecnico-operativa accezione disciplinare

competenze contingenti . . . competenze stabili

saper fare saper generalizzare saper creare

abilità manipolatorie intuizione analogica valutazione critica

focus: prodotti focus: interazioni focus: processi(invarianti cognitivi)

addestramento . . . formazione

SuggestioniEpilogo

Quale insegnante?

accezione strumentale sostanzialmente non riguarda l’insegnantedi informatica

acc. tecnico-operativa competenze trasversali relative all’uso delleIT/ICT (in quanto trasversali, dovrebberiguardare anche l’insegnante di informa-tica) – scarsamente studiate

accezione disciplinare riguarda in prevalenza (esclusivamente?)l’insegnante di informatica

SuggestioniEpilogo

Contenuti vs. Processi

Didattica della disciplina . . .

Impostazione tradizionale a partire dall’individuazione deicontenuti e delle competenze operative (conoscenze)

Diverso approccio a partire dall’individuazione deiprocessi messi in atto (analisi, scoperta, progetto)che ne caratterizzano identità e “prospettiva culturale”

l’informatica è solo un ventaglio di competenze tecnichee professionali o è anche un modo di guardare il mondo?

SuggestioniEpilogo

Natura dell’informatica?

Per affrontare la didattica dell’informatica può essere utile

riflettere sulla natura della disciplina e quindi sui processi

(analisi, scoperta, progetto, . . . ) che, più delle nozioni,

stanno alla base dell’educazione.

SuggestioniEpilogo

Informatica nella scuola del riordino

DM 22/08/2007 n. 139Asse scientifico-tecnologico

Competenze di base a conclusione dell’obbligo di istruzione:

Osservare, descrivere ed analizzare fenomeniappartenenti alla realtà naturale e artificialee riconoscere [ . . . ] i concetti di sistema e di complessità

Essere consapevole delle potenzialità e dei limitidelle tecnologie nel contesto culturale e socialein cui vengono applicate

SuggestioniEpilogo

DM 7/10/2010 n. 211Liceo Scientifico – Opzione delle scienze applicate

Competenze a conclusione del ciclo:

[ . . . ] Il collegamento con le discipline scientifiche,ma anche con la filosofia e l’italiano,deve permettere di riflettere sui fondamenti teoricidell’informatica e delle sue connessioni con la logica,sul modo in cui l’informatica influisce sui metodidelle scienze e delle tecnologie,e su come permette la nascita di nuove scienze.

SuggestioniEpilogo

DM 7/10/2010 n. 211Liceo Scientifico – Opzione delle scienze applicate

Competenze a conclusione del ciclo:

[ . . . ] Il collegamento con le discipline scientifiche,ma anche con la filosofia e l’italiano,deve permettere di riflettere sui fondamenti teoricidell’informatica e delle sue connessioni con la logica,sul modo in cui l’informatica influisce sui metodidelle scienze e delle tecnologie,e su come permette la nascita di nuove scienze.

SuggestioniEpilogo

Manifesto "Informatica nella riforma"

L’informatica [ . . . ] è un complesso di conoscenze scientifichee tecnologiche che permettono di realizzare quello che sipotrebbe chiamare il metodo informatico:

così come il metodo scientifico può essere riassunto nelformulare ipotesi che spieghino un fenomeno e nel verificaretali ipotesi mediante [ . . . ] esperimenti, il metodo informaticoconsiste nel formulare algoritmi che risolvano un problema, neltrasformare questi algoritmi in [programmi] per le macchine enel verificare la correttezza e l’efficacia di tali programmianalizzandoli ed eseguendoli.

SuggestioniEpilogo

L’informatica contribuisce alle scienze con concetti propri,quali la nozione di effettività, di complessità computazionale,di gerarchia di astrazione.

L’informatica condivide con altre scienze lo studio delletecniche risolutive di problemi [ . . . ] e come importantecontributo originale mette a disposizione strumenti linguisticiprogettati affinché ciò sia possibile e semplice. Inoltre, studiale somiglianze tra i problemi e le loro soluzioni [ . . . ].

SuggestioniEpilogo

[ . . . ] I principi dell’informatica [ . . . ] hanno un valore formativoenorme, che va molto al di là dell’apprendimento dell’uso delcomputer. L’informatica come disciplina scientifica non èriducibile all’uso dei suoi strumenti ed ha poco a vedere con ciòche oggigiorno è nota come “alfabetizzazione informatica”[ . . . ]. L’uso degli strumenti senza un’esposizione ai principiscientifici è causa da una parte dell’obsolescenza dellecompetenze [ . . . ], dall’altra non permette di vederne lepotenzialità per l’innovazione.

CINI, GII, GRIN; Maggio 2010

SuggestioniEpilogo

anima matematicaanima ingegneristicaanima scientificasfumature

Sommario

SuggestioniEpilogo

Che realtà hanno gli oggetti dell’informatica?

Nulla si sottrae tanto alla rappresentazione mediantela parola [. . . ] quanto certe cose [. . . ], le quali peròappunto perché uomini pii e coscienziosile trattano quasi fossero cose esistenti,si avvicinano un poco all’esseree alla possibilità di nascere.

Hermann Hesse, citato

SuggestioniEpilogo

Qual è la natura di un programma?

Un linguaggio di programmazionenon è semplicemente un modo per fareeseguire delle operazioni a un computer, . . .

programma come processo: entità fenomenica

. . . ma è piuttosto un nuovo strumento formaleper esprimere idee sulla metodologia.

programma come testo: prodotto culturale

Sussman, vedi oltre

SuggestioniEpilogo

Sussman, vedi oltre

SuggestioniEpilogo

Sussman, vedi oltre

SuggestioniEpilogo

Si può negare una forma di realtà oggettiva?

prodotto culturaleincide sulla realtà, ma in modo indiretto,attraverso la mediazione consapevoledi attori umani

entità fenomenica:agisce sulla realtà in modo diretto,indipendentemente da un interventoumano consapevole

SuggestioniEpilogo

Si può negare una forma di realtà oggettiva?

prodotto culturaleincide sulla realtà, ma in modo indiretto,attraverso la mediazione consapevoledi attori umani

entità fenomenica:agisce sulla realtà in modo diretto,indipendentemente da un interventoumano consapevole

SuggestioniEpilogo

A.M. Eden, 2007

Monografia di Minds and Machines dedicata alla“filosofia dell’informatica”

Aspetti analizzati:

Metodi applicati per acquisire nuove conoscenze

Natura degli oggetti studiati (ontologia)

Natura della conoscenza su di essi (epistemologia)

SuggestioniEpilogo

A.M. Eden, 2007

Aspetti analizzati:

SuggestioniEpilogo

A.M. Eden, 2007

Aspetti analizzati:

SuggestioniEpilogo

A.M. Eden, 2007

Aspetti analizzati:

SuggestioniEpilogo

A.M. Eden, 2007

Aspetti analizzati:

SuggestioniEpilogo

Domande

Facendo riferimento all’inquadramento tradizionaledelle discipline (almeno in prima istanza) . . .

L’informatica è un ramo della matematica,una disciplina ingegneristicao una scienza della natura?

La conoscenza sul comportamento dei programmisi sviluppa deduttivamente o empiricamente?

I programmi sono assimilabili a oggetti matematici,a meri dati, oppure a processi mentali?

SuggestioniEpilogo

Domande

SuggestioniEpilogo

Domande

SuggestioniEpilogo

Domande

SuggestioniEpilogo

Tre “anime” dell’informatica

All’interno della disciplina convivono tre concezioni principali:

Anima matematica (paradigma razionalista),tipica dell’informatica teorica

Anima ingegneristica (paradigma tecnologico),tipica dell’ambito dell’ingegneria del software

Anima scientifica (paradigma scientifico),tipica dell’ambito dell’intelligenza artificiale

SuggestioniEpilogo

Concetto centrale di “programma”

Distinzione fra:

Program scripttesto del programma espresso in un linguaggio formale

Program processprocesso computazionale prodotto dall’esecuzione di unprogram script in un dispositivo di calcolo

Programprogramma come sintesi di entrambi i concetti

SuggestioniEpilogo

Distinzione fra:

SuggestioniEpilogo

Distinzione fra:

SuggestioniEpilogo

Distinzione fra:

SuggestioniEpilogo

L’anima matematica

Rimanda al razionalismo in filosofia

La ragione pura (conoscenza a priori) è più affidabiledell’esperienza sensoriale (conoscenza a posteriori)

Programmare è assimilabile a un’attività matematica

Esempi:teoria della calcolabilità, complessità computazionale,verifica formale della correttezza dei programmi,semantica dei linguaggi di programmazione, . . .

SuggestioniEpilogo

Metodologia:

Il ragionamento deduttivo è l’unico metodo accettatoper investigare le proprietà dei programmi

Ontologia:

Il testo di un programma è un’espressione matematicae in quanto tale rappresenta un oggetto matematico

Epistemologia:

Conoscenza certa, a priori, sui programmi derivada puro ragionamento, attraverso deduzioni formali

SuggestioniEpilogo

Metodologia:

Ontologia:

Epistemologia:

SuggestioniEpilogo

Metodologia:

Ontologia:

Epistemologia:

SuggestioniEpilogo

Metodologia:

Ontologia:

Epistemologia:

SuggestioniEpilogo

L’anima ingegneristica

Rimanda all’empirismo in filosofia

L’esperienza è alla radice di ogni conoscenza

Da un punto di vista ingegneristico l’informaticamira a produrre sistemi affidabili e i metodidell’informatica teorica sono considerati speculativi

È impraticabile, se non impossibile, acquisire (dedurre)conoscenza a priori sui programmi reali

Esempi:ingegneria del software (requisiti, progetto, design patterns,architettura, manutenzione ed evoluzione, testing, . . . )

SuggestioniEpilogo

Metodologia:

La qualità dei programmi è determinata su base statisticadalle caratteristiche del processo di sviluppo e testing

Ontologia:

Il testo di un programma è un mero aggregato di dati e nonè necessario ipotizzare l’esistenza di un’entità immaterialead esso correlata (principio di parsimonia ontologica)

Epistemologia:

conoscenza a posteriori sull’affidabilità dei programmideriva da misure probabilistiche tramite batterie di test

SuggestioniEpilogo

Metodologia:

Ontologia:

Epistemologia:

SuggestioniEpilogo

Metodologia:

Ontologia:

Epistemologia:

SuggestioniEpilogo

Metodologia:

Ontologia:

Epistemologia:

SuggestioniEpilogo

L’anima scientifica

In accordo con il punto di vista scientifico

La conoscenza a priori (deduttiva) deve esserecorroborata/refutata da evidenza empirica (sperimentale)

L’informatica è una disciplina scientifica e le proprietàdei programmi sono oggetto di indagine scientifica

Esempi:debugging (!), intelligenza artificiale, reti neurali artificiali,modelli e simulazione, programmazione evolutiva, . . .

SuggestioniEpilogo

Metodologia:Il comportamento potenzialmente caotico dei programmiviene indagato applicando il metodo ipotetico-deduttivo

Ontologia:Il testo di un programma è assimilabile a entità biologiche(DNA, reti di neuroni) e i processi a cui dà luogo, contingential supporto fisico in cui si manifestano, a processi mentali

Epistemologia:La conoscenza è il risultato di deduzioni a priorie osservazioni a posteriori, ma deve comunquepassare al vaglio di esperimenti scientifici

SuggestioniEpilogo

In sintesi...

anima metodomatematica analisi teorica e deduzione

(razionalismo)ingegneristica controllo del livello di qualità/affidabilità

(empirismo)scientifica verifica sperimentale di ipotesi

(scienze della natura)

SuggestioniEpilogo

In sintesi...

anima ontologiamatematica testo programma = espressione matematica

programma = oggetto matematicoingegneristica testo programma = aggregato di dati

programma (immateriale): non esistescientifica testo programma assimilabile a DNA, . . .

programma assimilabile a processo mentale

SuggestioniEpilogo

In sintesi...

anima epistemologiamatematica caratterizzazione formale ben definita

conoscenza a priori (certezza)ingegneristica caratterizzazione formale impraticabile

conoscenza a posteriori (affidabilità)scientifica caratterizzazione formale incompleta

conoscenza a priori e a posteriori

SuggestioniEpilogo

D.E. Knuth, 1974

In Computer Science and Its Relation to Mathematics

La definizione di informatica che prediligo è che si tratta dellostudio degli algoritmi [...]. Un programma è una particolarerappresentazione di un algoritmo, esattamente nello stessosenso in cui il termine “dato” si riferisce a una particolarerappresentazione di “informazione”.Forse la scoperta più significativa determinata dall’avventodel computer sarà che gli algoritmi, come oggetti di studio,sono straordinariamente ricchi di proprietà interessanti;inoltre, un punto di vista algoritmico costutuisce un modo utiledi organizzare la conoscenza in generale.

SuggestioniEpilogo

D.E. Knuth, 1974

In Computer Science and Its Relation to Mathematics

La definizione di informatica che prediligo è che si tratta dellostudio degli algoritmi [...]. Un programma è una particolarerappresentazione di un algoritmo, esattamente nello stessosenso in cui il termine “dato” si riferisce a una particolarerappresentazione di “informazione”.Forse la scoperta più significativa determinata dall’avventodel computer sarà che gli algoritmi, come oggetti di studio,sono straordinariamente ricchi di proprietà interessanti;inoltre, un punto di vista algoritmico costutuisce un modo utiledi organizzare la conoscenza in generale.

SuggestioniEpilogo

Computer Science and Its Relation to Mathematics

Quando dico che l’informatica è lo studio degli algoritmi,sto isolando uno solo dei “fenomeni correlati ai computer”,ma l’informatica ne include molti altri.Ho enfatizzato gli algoritmi perchè sono veramente il cuoredella disciplina, il comune denominatore che attraversa eunifica i suoi differenti rami.La differenza [fra matematica e informatica] sta sia nel soggettoche nell’approccio — la matematica si occupa più o menodi teoremi, processi infiniti, relazioni statiche; l’informaticadi algoritmi, costruzioni finite, relazioni dinamiche.

— anima matematica!

SuggestioniEpilogo

Computer Science and Its Relation to Mathematics

Quando dico che l’informatica è lo studio degli algoritmi,sto isolando uno solo dei “fenomeni correlati ai computer”,ma l’informatica ne include molti altri.Ho enfatizzato gli algoritmi perchè sono veramente il cuoredella disciplina, il comune denominatore che attraversa eunifica i suoi differenti rami.La differenza [fra matematica e informatica] sta sia nel soggettoche nell’approccio — la matematica si occupa più o menodi teoremi, processi infiniti, relazioni statiche; l’informaticadi algoritmi, costruzioni finite, relazioni dinamiche.

— anima matematica!

SuggestioniEpilogo

F.P. Brooks, Jr. 1996

In The computer scientist as toolsmith II

Uno scienziato costruisce per studiare;un ingegnere studia per costruire.Sulla base di ogni ragionevole criterio, l’informatica non èuna scienza ma una disciplina sintetica, ingegneristica [...].Se percepiamo correttamente il nostro ruolo,possiamo vedere più chiaramente i criteri del successo:un creatore di strumenti ha successo se, e solo se,l’utilizzatore ha successo con il suo aiuto.

SuggestioniEpilogo

F.P. Brooks, Jr. 1996

In The computer scientist as toolsmith II

Uno scienziato costruisce per studiare;un ingegnere studia per costruire.Sulla base di ogni ragionevole criterio, l’informatica non èuna scienza ma una disciplina sintetica, ingegneristica [...].Se percepiamo correttamente il nostro ruolo,possiamo vedere più chiaramente i criteri del successo:un creatore di strumenti ha successo se, e solo se,l’utilizzatore ha successo con il suo aiuto.

SuggestioniEpilogo

The computer scientist as toolsmith II

Per risolvere i nostri problemi è particolarmente importanteprogettare sistemi caratterizzati da una complessità arbitraria.[...] L’arbitrarietà è inerente [...].Simili problemi scandalizzano e scoraggiano chi ha unaformazione in ambito matematico o delle scienze naturali [...].I matematici si scandalizzano per la complessità — prediligonoproblemi che si possano formulare in modo semplice e astratto[...]. Fisici e biologi [...] si scandalizzano per l’arbitrarietà[poiché hanno fiducia] che il mondo naturale non sia arbitrario.

— anima ingegneristica!

SuggestioniEpilogo

The computer scientist as toolsmith II

Per risolvere i nostri problemi è particolarmente importanteprogettare sistemi caratterizzati da una complessità arbitraria.[...] L’arbitrarietà è inerente [...].Simili problemi scandalizzano e scoraggiano chi ha unaformazione in ambito matematico o delle scienze naturali [...].I matematici si scandalizzano per la complessità — prediligonoproblemi che si possano formulare in modo semplice e astratto[...]. Fisici e biologi [...] si scandalizzano per l’arbitrarietà[poiché hanno fiducia] che il mondo naturale non sia arbitrario.

— anima ingegneristica!

SuggestioniEpilogo

Newell & Simon (1976)

In CS as Empirical Inquiry

L’informatica è una disciplina empirica. [...]Ogni nuova macchina che viene costruita è un esperimento[... e] interroga la natura; e noi ascoltiamo le risposteosservando la macchina in opera e analizzandolacon tutti gli strumenti disponibili, analitici e di misura.Ciascun nuovo programma che viene costruitoè un esperimento.

— anima scientifica!

SuggestioniEpilogo

T. Colburn & G. Shute, 2006

In European Conference on Computing and Philosophy

[Analogamente alla matematica,] l’informatica, per quantoriguarda l’ambito del software, si distingue dalle scienzeempiriche in quanto i soli modelli che costruisce e studia sonoastrazioni. [Tuttavia] si tratta solo di una somiglianzasuperficiale, e la natura sostanziale dell’astrazione ininformatica è molto diversa da quella pertinente la matematica.

Le astrazioni primarie della matematica sono schemi dideduzione, mentre le astrazioni primarie dell’informatica sonoschemi di interazione. Si tratta di una distinzione cruciale, checaratterizza le forme dell’astrazione tipiche delle due discipline.

SuggestioniEpilogo

T. Colburn & G. Shute, 2006

In European Conference on Computing and Philosophy

[Analogamente alla matematica,] l’informatica, per quantoriguarda l’ambito del software, si distingue dalle scienzeempiriche in quanto i soli modelli che costruisce e studia sonoastrazioni. [Tuttavia] si tratta solo di una somiglianzasuperficiale, e la natura sostanziale dell’astrazione ininformatica è molto diversa da quella pertinente la matematica.

Le astrazioni primarie della matematica sono schemi dideduzione, mentre le astrazioni primarie dell’informatica sonoschemi di interazione. Si tratta di una distinzione cruciale, checaratterizza le forme dell’astrazione tipiche delle due discipline.

SuggestioniEpilogo

Abstraction in Computer Science

Il successo delle scienze è in parte dovuto alla costruzione dimodelli matematici [...] che eliminano dettagli inessenziali[information neglet]. L’informatica non può trattarel’informazione in questo modo. Deve usare l’astrazione pergestire la complessità [delle interazioni].

L’informatica si distingue dalla matematica nell’uso di un tipo diastrazione che gli informatici denominano information hiding.La complessità del comportamento dei moderni sistemi dicalcolo renderebbe il compito del programmatore inattuabilesenza strumenti di astrazione che nascondano, ma nontrascurino, i dettagli essenziali a un livello più basso dielaborazione [...].

— anima matematica?

SuggestioniEpilogo

Abstraction in Computer Science

Il successo delle scienze è in parte dovuto alla costruzione dimodelli matematici [...] che eliminano dettagli inessenziali[information neglet]. L’informatica non può trattarel’informazione in questo modo. Deve usare l’astrazione pergestire la complessità [delle interazioni].

L’informatica si distingue dalla matematica nell’uso di un tipo diastrazione che gli informatici denominano information hiding.La complessità del comportamento dei moderni sistemi dicalcolo renderebbe il compito del programmatore inattuabilesenza strumenti di astrazione che nascondano, ma nontrascurino, i dettagli essenziali a un livello più basso dielaborazione [...].

— anima matematica?

SuggestioniEpilogo

D. Goldin & P. Wegner, 2008

In Minds and Machines

Tradizionalmente l’elaborazione viene vista come unatrasformazione a ‘scatola chiusa’ da dati di ingresso [...] a datidi uscita.

Secondo il punto di vista interattivo, l’elaborazione è unprocesso continuo piuttosto che una trasformazione funzionaledall’input all’output.

SuggestioniEpilogo

D. Goldin & P. Wegner, 2008

In Minds and Machines

Tradizionalmente l’elaborazione viene vista come unatrasformazione a ‘scatola chiusa’ da dati di ingresso [...] a datidi uscita.

Secondo il punto di vista interattivo, l’elaborazione è unprocesso continuo piuttosto che una trasformazione funzionaledall’input all’output.

SuggestioniEpilogo

The Interactive Nature of Computing

Più specificamente, la comunicazione con il mondo esternoavviene durante l’elaborazione, non prima o dopo di essa.Questo approccio cambia radicalmente la nostra comprensionedi cosa è la computazione e di come può essere modellata.

I modelli interattivi superano i sistemi formali ‘razionalisti’,che limitano l’espressività, per approdare a sistemi ‘empirici’semi-formali, che sono più espressivi.

— anima ingegneristica?

SuggestioniEpilogo

The Interactive Nature of Computing

Più specificamente, la comunicazione con il mondo esternoavviene durante l’elaborazione, non prima o dopo di essa.Questo approccio cambia radicalmente la nostra comprensionedi cosa è la computazione e di come può essere modellata.

I modelli interattivi superano i sistemi formali ‘razionalisti’,che limitano l’espressività, per approdare a sistemi ‘empirici’semi-formali, che sono più espressivi.

— anima ingegneristica?

SuggestioniEpilogo

G. Dodig-Crnkovic, 2002

In Computer Science in a Theory of Science Discourse

L’informatica è un campo nuovissimo e una fra le più giovaniscienze. Di conseguenza, ha le tipiche caratteristiche moderne:è interdisciplinare ed ha rapporti stretti con la tecnologia.

Soffre la mancanza di una propria tradizione scientifica nellostesso tempo in cui è soggetta a uno sviluppo tremendamentedinamico.

SuggestioniEpilogo

G. Dodig-Crnkovic, 2002

In Computer Science in a Theory of Science Discourse

L’informatica è un campo nuovissimo e una fra le più giovaniscienze. Di conseguenza, ha le tipiche caratteristiche moderne:è interdisciplinare ed ha rapporti stretti con la tecnologia.

Soffre la mancanza di una propria tradizione scientifica nellostesso tempo in cui è soggetta a uno sviluppo tremendamentedinamico.

SuggestioniEpilogo

Computer Science in a Theory of Science Discourse

Malgrado tutti gli aspetti che rendono la giovane disciplinainformatica diversa dalle scienze di tradizione millenaria comela matematica e la logica, si può concludere che l’informaticacomprende una massa critica di caratteristiche scientifiche talida permetterci di qualificarla come scienza.

La differenza importante è che il computer [...] non è unoggetto di indagine [...] ma è piuttosto teoria materializzata,uno strumento capace di trasformarsi al fine di “ospitare”concetti teorici sempre più potenti.

— anima scientifica?

SuggestioniEpilogo

Computer Science in a Theory of Science Discourse

Malgrado tutti gli aspetti che rendono la giovane disciplinainformatica diversa dalle scienze di tradizione millenaria comela matematica e la logica, si può concludere che l’informaticacomprende una massa critica di caratteristiche scientifiche talida permetterci di qualificarla come scienza.

La differenza importante è che il computer [...] non è unoggetto di indagine [...] ma è piuttosto teoria materializzata,uno strumento capace di trasformarsi al fine di “ospitare”concetti teorici sempre più potenti.

— anima scientifica?

SuggestioniEpilogo

J.M. Wing, 2006

In Computational Thinking

Paradigma computazionale (computational thinking)significa pensare ricorsivamente. Significa elaborazioneparallela. Significa interpretare codice come dati e dati comecodice. [...] Significa valutare un programma non solo in base acorrettezza e prestazioni, ma in termini estetici, e il progetto diun sistema in termini di semplicità ed eleganza. [...] Sgnificautilizzare invarianti per descrivere il comportamento di unsistema [...].Significa confidare di riuscire a [interagire con] un sistemamolto complesso senza doverne comprendere tutti i dettagli.

SuggestioniEpilogo

J.M. Wing, 2006

In Computational Thinking

Paradigma computazionale (computational thinking)significa pensare ricorsivamente. Significa elaborazioneparallela. Significa interpretare codice come dati e dati comecodice. [...] Significa valutare un programma non solo in base acorrettezza e prestazioni, ma in termini estetici, e il progetto diun sistema in termini di semplicità ed eleganza. [...] Sgnificautilizzare invarianti per descrivere il comportamento di unsistema [...].Significa confidare di riuscire a [interagire con] un sistemamolto complesso senza doverne comprendere tutti i dettagli.

SuggestioniEpilogo

Computational Thinking

Paradigma computazionale significa pensare in termini diprevenzione, protezione e vie per rimediare agli scenari piùsfavorevoli [...].[Ciò che conta è] concettualizzare, non programmare:Pensare come un informatico [...] implica pensare a unamolteplicità di livelli di astrazione.Ci sono ancora problemi scientifici intellettualmente stimolantie coinvolgenti che devono essere capiti e risolti — Sono soloi limiti della nostra curiosità e della nostra creatività a confinarei domini del problema e della soluzione.

— quale anima?

SuggestioniEpilogo

Computational Thinking

Paradigma computazionale significa pensare in termini diprevenzione, protezione e vie per rimediare agli scenari piùsfavorevoli [...].[Ciò che conta è] concettualizzare, non programmare:Pensare come un informatico [...] implica pensare a unamolteplicità di livelli di astrazione.Ci sono ancora problemi scientifici intellettualmente stimolantie coinvolgenti che devono essere capiti e risolti — Sono soloi limiti della nostra curiosità e della nostra creatività a confinarei domini del problema e della soluzione.

— quale anima?

SuggestioniEpilogo

G.J. Sussman, 2004; Abelson et al., 1996

In Computer Science: Reflections on the Field

L’informatica non è una scienza, e il suo significato profondo hapoco a che vedere con i computer. La rivoluzione informatica èuna rivoluzione nel modo di pensare e di esprimere quello chesi pensa. L’essenza di questo cambiamento è l’emergere [diun’] epistemologia procedurale — lo studio della struttura dellaconoscenza da un punto di vista procedurale, in contrasto con ilpunto di vista più dichiarativo degli ambiti matematici classici.La matematica tradizionale fornisce una cornice per trattareprecisamente con la nozione di “cosa?”.La computazione fornisce una cornice per trattareprecisamente con la nozione di “come?”.

SuggestioniEpilogo

G.J. Sussman, 2004; Abelson et al., 1996

In Computer Science: Reflections on the Field

L’informatica non è una scienza, e il suo significato profondo hapoco a che vedere con i computer. La rivoluzione informatica èuna rivoluzione nel modo di pensare e di esprimere quello chesi pensa. L’essenza di questo cambiamento è l’emergere [diun’] epistemologia procedurale — lo studio della struttura dellaconoscenza da un punto di vista procedurale, in contrasto con ilpunto di vista più dichiarativo degli ambiti matematici classici.La matematica tradizionale fornisce una cornice per trattareprecisamente con la nozione di “cosa?”.La computazione fornisce una cornice per trattareprecisamente con la nozione di “come?”.

SuggestioniEpilogo

The Legacy of Computer Science

Un linguaggio di programmazione non è semplicemente unmodo per fare eseguire delle operazioni a un computer, ma èpiuttosto un nuovo strumento formale per esprimere idee sullametodologia.

Perciò i programmi devono essere scritti affinché li possanoleggere le persone, e solo incidentalmente per farli eseguiredalle macchine.

— quale anima?

SuggestioniEpilogo

The Legacy of Computer Science

Un linguaggio di programmazione non è semplicemente unmodo per fare eseguire delle operazioni a un computer, ma èpiuttosto un nuovo strumento formale per esprimere idee sullametodologia.

Perciò i programmi devono essere scritti affinché li possanoleggere le persone, e solo incidentalmente per farli eseguiredalle macchine.

— quale anima?

SuggestioniEpilogo

Ancora. . .

N.F. Stewart (1995) – Science and Computer ScienceLa scientificità dipende da caratteristiche e rigoredel metodo per vagliare i risultati a beneficiodella comunità dei ricercatori.

R. Bornat (2006) – Is ‘Computer Science’ science?La scientificità (ambito matematico-logico)sta nelle motivazioni “ideali” del ricercatore:conoscenza, non utilità come per l’ingegnere.

J. Hromkovic (2006) – Contributing to General Education. . .Le categorie disciplinari tradizionali sono insoddisfacenti:è interdisciplinare alla radice e si confronta conlinguaggi e modi di pensare di diverse aree.

SuggestioniEpilogo

Ancora. . .

SuggestioniEpilogo

Ancora. . .

SuggestioniEpilogo

Ancora. . .

scienza (artificiale) dei computer e dei fenomeni correlati(Newell et al., 1967; 1976)

studio delle strutture di informazioni (Wegner, 1968)

studio e gestione della complessità (Dijkstra, 1969)

studio degli algoritmi e dei fenomeni correlati (Knuth, 1974)

corpo di conoscenze sui processi (algoritmici) di trasformazionedell’informazione (Denning et al., 1985; 1989)

studio dell’informazione in se stessa (Hartmanis & Lin, 1992)

meccanizzazione dell’astrazione (Aho & Ullman, 1992)

scienza naturale delle procedure (Shapiro, 2001)

SuggestioniEpilogo

Ancora. . .

SuggestioniEpilogo

Ancora. . .

SuggestioniEpilogo

Ancora. . .

SuggestioniEpilogo

Ancora. . .

SuggestioniEpilogo

Ancora. . .

SuggestioniEpilogo

Ancora. . .

SuggestioniEpilogo

Ancora. . .

SuggestioniEpilogo

Ancora D.E. Knuth, 1974

Poiché l’informatica è relativamente nuova, per cominciaredevo spiegare di che cosa si tratta. O perlomeno, mia mogliemi dice che lei deve spiegarlo ogni volta che qualcuno le chiedecosa faccio, e suppongo che oggi la maggior parte dellepersone abbia una percezione del settore diversa dalla mia.Di fatto, probabilmente non ci sono due informatici chedarebbero la stessa definizione [...].Per fortuna recentemente le “crisi di identità” sono di moda,cosicché gli informatici sono in linea con lo stile del tempo.

SuggestioniEpilogo

affresco in forma di tritticoun pretesto. . .assecondando le vocazioni

Sommario

SuggestioniEpilogo

Prospettive a confronto

Ricapitolando:

Prospettiva matematica (razionalismo filosofico),programma = mezzo per condividere conoscenza procedurale

Prospettiva ingegneristica (empirismo filosofico),programma = risultato di processi di progetto e sviluppo

Prospettiva scientifica (scienze),programma = oggetto di studio sperimentale

SuggestioniEpilogo

Ricapitolando:

SuggestioniEpilogo

Ricapitolando:

SuggestioniEpilogo

Ricapitolando:

SuggestioniEpilogo

Prospettiva matematica

metodologia analisi teorica,deduzione logica

ontologia rappresentazioni semiotiche denotano entitàastratte assimilabili a oggetti matematici

epistemologia conoscenza a priori basata sucaratterizzazioni formali complete

approccio standard dell’informatica teorica

SuggestioniEpilogo

Prospettiva matematica

metodologia analisi teorica,deduzione logica

ontologia rappresentazioni semiotiche denotano entitàastratte assimilabili a oggetti matematici

epistemologia conoscenza a priori basata sucaratterizzazioni formali complete

approccio standard dell’informatica teorica

SuggestioniEpilogo

Nodi centrali: oggetti astratti

Le idee di base (informazione, computazione, algoritmo. . . )sono di natura astratta, come in matematica, e“il solo modo per accedervi e per poterle trattare comporta l’usodi segni e rappresentazioni semiotiche.” (Duval, 2006)

Due tipi di trasformazione giocano un ruolo centrale:

trattamenti: trasformazioni all’interno di un registro semiotico

conversioni: mappe fra rappresentazioni di tipo diverso

I modi di pensare peculiari richiedono di coordinarecognitivamente diverse rappresentazioni semiotiche

SuggestioniEpilogo

Prospettiva ingegneristica

metodologia progetto; sviluppo regimentatoe batterie di test di affidabilità

ontologia esistono solo insiemi di daticodificati su supporti concreti

epistemologia conoscenza a posteriori basatasulle statistiche dei test di affidabilità

approccio standard dell’ingegneria del software

SuggestioniEpilogo

Prospettiva ingegneristica

metodologia progetto; sviluppo regimentatoe batterie di test di affidabilità

ontologia esistono solo insiemi di daticodificati su supporti concreti

epistemologia conoscenza a posteriori basatasulle statistiche dei test di affidabilità

approccio standard dell’ingegneria del software

SuggestioniEpilogo

Nodi centrali: forma vs. funzione

Domanda cruciale sia per l’insegnante sia per il filosofo:“Come si può spiegare il fatto che il progettista riesce acolmare il gap fra descrizione funzionale e descrizionestrutturale di un artefatto tecnico?” (Kroes, 2002)

Approcci possibili:

classificare gli artefatti in base alle proprietà strutturalie funzionali, per mettere in relazione strutture e funzioni(v. programming patterns, roles of variables)

esplorare la struttura dietro la funzione sperimentandopassi incrementali dall’uso al progetto (v. Schulte, 2012)

analizzare le relazioni struttura-funzione per pianificare i test

SuggestioniEpilogo

Approcci possibili:

SuggestioniEpilogo

Approcci possibili:

SuggestioniEpilogo

Approcci possibili:

SuggestioniEpilogo

Prospettiva scientifica

metodologia osservazione; inferenza dae verifica sperimentale di ipotesi

ontologia esecuzione di programmi assimilabilea processi di elaborazione in natura

epistemologia conoscenza a priori (inferenziale)e a posteriori (sperimentale)

approccio standard dell’intelligenza artificiale

SuggestioniEpilogo

Prospettiva scientifica

metodologia osservazione; inferenza dae verifica sperimentale di ipotesi

ontologia esecuzione di programmi assimilabilea processi di elaborazione in natura

epistemologia conoscenza a priori (inferenziale)e a posteriori (sperimentale)

approccio standard dell’intelligenza artificiale

SuggestioniEpilogo

Nodi centrali: inquiry-based learning

Sono centrali i processi di indagine scientifica:“la didattica scientifica nella scuola sviluppa le competenzebase di indagine, come saper osservare, inferire, prevedere,misurare e sperimentare.” (Bell et al. 2013)

porre domande che si possono testare

progettare e realizzare esperimenti (debugging!)

analizzare e interpretare i dati raccolti

Distinzione fra i livelli operativo (cosa riescono a fare gli allievi)e cognitivo (perché lo fanno in un un certo modo)

SuggestioniEpilogo

Solo un pretesto?

S’intende che fra le decine di migliaia di Giuochigià giocati, e fra i milioni di quelli possibili,avrebbe potuto sceglierne uno qualunquee farne la base dei suoi studi.Egli lo sapeva e prese le mosse da quel pianodi Giuoco fortuito, combinato da lui e dai suoicompagni in quel tale corso di allievi.Era il Giuoco nel quale per la prima voltaaveva intuito il significato di tutti gli altrie sentito la propria vocazione. . .

SuggestioniEpilogo

Per fissare le idee... nella pratica didattica

Algoritmi di ordinamento

Problema abbastanza semplice, ma non artificioso(si pone nella realtà e gli allievi ne sperimentano esempi)

Osservazioni e risultati inattesi

Attività interessanti:mettono in luce le diverse anime dell’informatica

SuggestioniEpilogo

Esplorazioni attorno agli algoritmi di ordinamento

Come si può ordinare una sequenza di dati?

Rielaborazione di precedenti esperienze degli allievi, p.es.:cosa succede quando ordiniamo i dati di uno spreadsheet?

Esperienza concreta, manipolatoria, p.es.:ordinamento di un mazzo o di una mano di carte

Riflessione introspettiva: come operare a grandi linee?

Elaborazione linguistica: descrizione precisa

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

SuggestioniEpilogo

Insertion Sort

public void insertionSort( int[] seq ) {

int n = seq.length;

for ( int i=1; i<n; i++ ) {

int x = seq[i], j = i - 1;

while ( (j >= 0) && (seq[j] > x) ) {seq[j+1] = seq[j]; j = j - 1;

}seq[j+1] = x;

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

SuggestioniEpilogo

Quick Sort

private void quickSort( int l, int u, int[] seq ) {

if ( l < u ) {int m = seq[l], i = l, j = u;do {while ( seq[i] < m ) { i = i + 1; }while ( seq[j] > m ) { j = j - 1; }if ( i < j ) {

int x = seq[i]; seq[i] = seq[j]; seq[j] = x;i = i + 1; j = j - 1;

}} while ( i < j );if ( seq[j] > m ) { j = j - 1; }quickSort( l, j, seq );quickSort( j+1, u, seq );

SuggestioniEpilogo

Insertion Sort, Quick Sort, . . .

E ora è il momento di mettersi all’opera:

Chiarificazione di alcuni schemi standard di ordinamento,p.es.: animazioni

Si possono cogliere delle differenze interessantifra le tecniche di ordinamento affrontate?

Il codice degli algoritmi di ordinamento presceltipuò essere reso disponibile facilmente (in toto o in parte)dall’insegnante, attingendo a librerie. . .

SuggestioniEpilogo

Approccio matematico: Domande

L’algoritmo riesce a ordinare qualsiasi sequenza di dati?a prescindere da situazione iniziale, eventuali ripetizioni?

È indifferente usare questo o quell’algoritmo per ordinareuna sequenza lunga? o ce n’è uno di prestazioni migliori?

Si potrebbero concepire altri algoritmi ancora più veloci?oppure c’è un limite che non si può sperare di superare?

SuggestioniEpilogo

Approccio matematico: Analisi

SuggestioniEpilogo

Approccio matematico: Suggestioni

Quanti confronti in media?

InsertionSort: T (n) ≈ k · n2

QuickSort: T (n) ≈ k · n logn

Quanti “rimescolamenti” diversi sono possibili?

SuggestioniEpilogo

Approccio matematico: Suggestioni

Quanti confronti in media?

InsertionSort: T (n) ≈ k · n2

QuickSort: T (n) ≈ k · n logn

Quanti “rimescolamenti” diversi sono possibili?

≥ ≥

SuggestioniEpilogo

Approccio scientifico: Domande

Come si può misurare sperimentalmente tempi di calcolo?con quale attendibilità? quanto sono generalizzabili?

I tempi rilevati sperimentalmente confermano i risultatiteorici? quali aspetti sono generali e quali contingenti?

Quick Sort è sistematicamente migliore di Insertion Sort ?si osserva qualcosa di nuovo rispetto all’analisi teorica?

SuggestioniEpilogo

Approccio scientifico: Osservazioni

SuggestioniEpilogo

Approccio scientifico: Suggestioni

Problematiche della sperimentazione:messa a punto di un adeguato “strumento di misura”

Ordine di grandezza e unità di misura dei tempi di calcolo

Risoluzione, ripetibilità, interferenza di fattori estranei

Misura dei tempi medi di ordinamento,generazione dei campioni, criteri

Compensazione di errori sistematici della misurazione

SuggestioniEpilogo

Approccio ingegneristico: Domande

È possibile migliorare le prestazioni combinando assiemei “blocchi funzionali” QuickSort e InsertionSort ?

Come si può assicurare l’affidabilità del sistema chene risulta? come organizzare il processo di sviluppo?

Quali sono le condizioni “ottimali” di integrazione delledue componenti? come regolarle su base empirica?

SuggestioniEpilogo

Approccio ingegneristico: Pianificazione

SuggestioniEpilogo

Approccio ingegneristico: Suggestioni

private void quickSort( int l, int u, int[] seq ) {

if ( l + delta < u ) { // sogliaint m = seq[l], i = l, j = u;do {while ( seq[i] < m ) { i = i + 1; }while ( seq[j] > m ) { j = j - 1; }if ( i < j ) {

int x = seq[i]; seq[i] = seq[j]; seq[j] = x;i = i + 1; j = j - 1;

}} while ( i < j );if ( seq[j] > m ) { j = j - 1; }quickSort( l, j, seq );quickSort( j+1, u, seq );

SuggestioniEpilogo

Approccio scientifico: Realtà artificiale o naturale?

Come è possibile modellare un fenomeno naturale?quali ipotesi semplificative? quale attinenza con la realtà?

Cosa ci suggerisce il modello? le osservazionidel processo naturale ne corroborano la validità?

Quali meccanismi del processo naturale possonoeffettivamente determinare l’evoluzione osservata?

SuggestioniEpilogo

Suggestioni: Fillotassi. . .

SuggestioniEpilogo

Approccio scientifico: Simulazione

Impostazione di un progetto di simulazione:

Delimitazione del fenomeno naturale da spiegare

Meccanismi noti/presumibili in atto,individuazione degli aspetti da chiarire

Semplificazioni e formalizzazione dei processi in gioco

Sviluppo di un modello “informatico”

Sperimentazione e interpretazione di quanto osservato

Discussione e analisi critica

SuggestioniEpilogo

Approccio scientifico: Modello

πs2 = 2πr · δ

δ = s2

2 · 1r

SuggestioniEpilogo

Approccio scientifico: Al lavoro!

SuggestioniEpilogo

archeologia dell’informazionela biblioteca di babeleriferimentipausa di riflessione

Epilogo

Negli ultimi due anni del suo ufficio si definìdue volte, nelle sue lettere, “maestro di scuola”,facendo notare che il titolo di Magister Ludi,che in Castalia ormai da generazioni significava“Maestro del Giuoco”, serviva in origine soltantoper designare il maestro di scuola.

SuggestioniEpilogo

In conclusione . . .

Non esistono ricette condivise

È difficile, persino tra informatici,intenderci sui concetti essenziali,fondanti (Duchâteau, 1992)

Ma forse è opportuno impostare la didattica(anche) secondo prospettive meno scontate. . .

SuggestioniEpilogo

Viaggio nel tempo in sei tappe. . .

Segni: conservare informazioni fuori dalla mente umanadati vs. informazioni; natura, struttura e portata dei codici. . .

Regole: rivelare nuove informazioni al di fuori della mentetrattamento formale e artefatti; proprietà operative. . .

Meccanismi: elaborare informazioni al di fuori della menteparadigma informazionale; automazione di semplici compiti. . .

Programmi: controllare i passi di un piano fuori dalla menteintrospezione e verbalizzazione di procedure algoritmiche. . .

Programmi-come-dati: astrarre fuori dalla mente umanamacchina universale; livelli e forme di astrazione. . .

Sistemi complessi: intelligenza fuori dalla mente umana?gestione della complessità; verso l’intelligenza artificiale. . .

SuggestioniEpilogo

Modelli di riferimento

Modelli curriculari ACM K-12 per la scuola(p. es.: A Model Curriculum for K-12 CS)

Modelli curriculari ACM / IEEE-CS per l’università(p. es.: CS Curricula 1991; Computing Curricula 2001;CS Curricula 2008)

Modelli specifici ACM / IEEE-CS per l’università(p. es.: Computing Curricula 2005)

SuggestioniEpilogo

ACM / IEEE-CS Computing Curricula 2005

SuggestioniEpilogo

Asse verticale: Identificazione di contenuti

Asse orizzontale: . . . ?

SuggestioniEpilogo

Riferimenti

A.H. Eden, 2007Three Paradigms of Computer ScienceMinds and Machines

G.J. Sussman, 2004The Legacy of Computer ScienceComputer Science: Reflections on the Field

D.E. Knuth, 1974Computer Science and Its Relation to MathematicsThe American Mathematical Monthly

F.P. Brooks, Jr., 1996The computer scientist as toolsmith IICommunications of the ACM

SuggestioniEpilogo

Riferimenti

A. Newell & H.A. Simon, 1976Computer Science As Empirical Inquiry: . . .Communications of the ACM

T. Colburn & G. Shute, 2006Abstraction in Computer ScienceEuropean Conference on Computing and Philosophy

D. Goldin & P. Wegner, 2008The interactive nature of computingMinds and Machines

G. Dodig-Crnkovic, 2002Computer Science in a Theory of Science DiscourseMaster Thesis in CS, Mälardalen University

SuggestioniEpilogo

Riferimenti

J.M. Wing, 2006Computational thinkingCommunications of the ACM

T.R. Colburn & G.M. Shute, 2008Metaphor in computer scienceJournal of Applied Logic

C. Duchâteau, 1992Peut-on définir une “culture informatique”?Journal de Réflexion sur l’Informatique

J. Mazoyer, 2005L’enseignement de l’informatique . . .Académie des sciences

SuggestioniEpilogo

Riferimenti

A. Tucker, Chair, 2003A Model Curriculum for K-12 Computer ScienceACM & CSTA

CC Joint Task Force, 2005Computing Curricula 2005: The Overview ReportACM & IEEE-CS

E. Vandeput, 2009Milestones for teaching the spreadsheet programEuropean Spreadsheet Risks Interest Group

J. Baudé, 2007Le développement de l’informatique et des TIC. . .Association EPI

SuggestioniEpilogo

References

R. Duval, 2006A cognitive analysis of problems of comprehension . . .Educational Studies in Mathematics

Bell et al., 2013Teaching about scientific inquiry and the nature of scienceThe Journal of Mathematics and Science

P. Kroes, 2002Design methodology and the nature of technical artefactsDesign Studies

C. Schulte, 2012Uncovering structure behind function: . . .Proc. of the 7th WiPSCE

SuggestioniEpilogo

References

É. Bruillard, 2004From the didactics of computer science towards. . . ICT2nd Greek Conference on Didactics of Informatics

É. Bruillard, 2006Informatique en contexte scolaire, enseignement, diffusionSéminaire de didactique des sciences. . . , STEF

C. Fluckiger, 2009Internet et ses pratiques juvénilesMedialog

F. Paoletti, 1993Épistémologie et technologie de l’informatiqueLe bulletin de l’EPI

SuggestioniEpilogo

References

H. Hesse, 1943Das GlasperlenspielZürich, CH, Fretz & Wasmuth

SuggestioniEpilogo

Pausa di riflessione?

Uhmm. . .

Appendix

a proposito di metafore. . .suggestioni matematiche. . .suggestioni scientifiche. . .suggestioni ingegneristiche. . .

Svanisce la distinzione fra forma e significato. . .

Le interfacce di manipolazione diretta [...]permettono un maggiore coinvolgimento nell’azione,al prezzo di un’illusione: l’utilizzatore opera direttamentesu oggetti visibili sullo schermo,il cui funzionamento si basa su delle metafore [...].Ma il trattamento operato, non visible, tende a scomparire.Nessuna padronanza reale, ma del bricolage,senza comprensione.

Eric Bruillard, 2006

Appendix

Trascinamento: . . . ma in termini di elaborazione?

Appendix

Trascinamento: l’effetto è lo stesso?

Appendix

Trascinamento: l’effetto è lo stesso?

spostamento (cambio del riferimento)o copia?

Appendix

Metafora del cestino. . .

Cosa accade se trascino nel cestino due documenti,dalla “scrivania” e dalla “pennetta”,poi rimuovo la pennetta, poi vuoto il cestino. . .

. . . quindi rimonto la pennetta?

Quanti sono i cestini?

Appendix

Non si è sviluppato un linguaggio adeguato

Di fronte alle difficoltà [...] incontrate,nella maggior parte dei casi gli allievi si ritrovano disarmati,non sapendo come descrivere quello che avviene [...].

Questa mancanza di comprensione e di concettualizzazionesi accompagna a una verbalizzazione piuttosto incerta [...]:gli allievi non sono in grado di esprimere né le loro azioni,né gli oggetti che all’apparenza manipolano facilmente.

Cédric Fluckiger, 2009

Appendix

Metafore e ontologie

Le “ontologie” dell’informatica si allontanano dalla metafora. . .

Cartella dell’ufficio fisico (source):basso livello di gerarchia del contenuto

Cartella del file system (target)gerarchia sostanzialmente illimitata(le cartelle contengono cartelle che contengono altrecartelle. . . )

L’oggetto “cartella” del computer diventa altroe assume un’ontologia autonoma. . .

Appendix

Suggestioni matematiche. . .

Si possono fare previsioni sulle prestazioni?

Analisi teorica semplificata, p.es. InsertionSort e QuickSortOperazioni di riferimento: confronti (!) e spostamentiStima nel caso medio (non rigorosa). . . a partire dal caso peggiore/miglioreFacciamo un po’ di conti: formalizzazione (approx.)in funzione della lunghezza della sequenzaQuali sono le prestazioni migliori in cui si può sperare?La ricorsione può essere computazionalmentevantaggiosa!

Appendix

Approfondimenti: Stima del tempo computazionale?

InsertionSort: Sitma del numero di confronti

Caso peggiore:

(n − 1) + (n − 2) + . . .+ 2 + 1 = n(n−1)2 = θ(n2)

Caso medio:12 · n(n−1)

2 (circa) = θ(n2)

Caso migliore, estremamente improbabile: θ(n)

Appendix

Caso peggiore:

(n − 1) + (n − 2) + . . .+ 2 + 1 = n(n−1)2 = θ(n2)

2 (circa) = θ(n2)

Appendix

Caso peggiore:

(n − 1) + (n − 2) + . . .+ 2 + 1 = n(n−1)2 = θ(n2)

2 (circa) = θ(n2)

Appendix

Caso peggiore:

(n − 1) + (n − 2) + . . .+ 2 + 1 = n(n−1)2 = θ(n2)

2 (circa) = θ(n2)

Appendix

QuickSort: Sitma del numero di confronti

Caso migliore, bipartizioni perfette:

logn (livelli) · n (confronti/livello) = θ(n logn)

Caso medio (k > 1):

k · n logn = θ(n logn)

Caso peggiore, estremamente improbabile: θ(n2)

Appendix

Caso medio (k > 1):

Appendix

Caso medio (k > 1):

Appendix

Caso medio (k > 1):

Appendix

Approfondimenti: Prestazioni ottimali?

Algoritmo generico: Limite inferiore al numero di confronti

Percorso di elaborazione diverso per ogni permutazionediversa dell’ordine degli elementi della sequenza:

n! percorsi diversi

Esito di ogni confronto fra elementi: true / false

Tutti i potenziali percorsi di elaborazione di unalgoritmo di ordinamento: albero binario con n! foglie

Il percorso più lungo dalla radice a una foglia è ottimalese l’albero binario è perfettamente bilanciato:

θ(log n!) = θ(n logn) confronti

Appendix

n! percorsi diversi

Appendix

n! percorsi diversi

Appendix

n! percorsi diversi

Appendix

n! percorsi diversi

Appendix

Prestazioni ottimali. . . in un caso concreto

Numero minimo di confronti che un algoritmo ottimaledeve effettuare per riuscire a ordinare 5 elementinella situazione più sfavorevole?

È necessario distinguere 5! = 120 casi possibili

Ogni confronto determina una bipartizione di casi

Per bipartizioni bilanciate occorrono almeno 7 confronti( 27 = 128 ≥ 120 ), altrimenti le cose vanno peggio

Appendix

Prestazioni ottimali: un caso concreto

Esiste un algoritmo del genere?

Dopo 2 confronti. . .

Impiego “efficiente” dell’informazione !(resa disponibile dai confronti)

Appendix

Dopo 3 confronti. . . (arriva l’ultimo elemento)

Appendix

Dopo 5 confronti. . . una eventualità. . .

Appendix

Dopo 5 confronti. . . o quelle alternative. . .

Appendix

Dopo 5 confronti. . . quanti confronti ancora?

Appendix

Dopo 5 confronti. . . quanti confronti ancora?

Appendix

Suggestioni scientifiche. . .

Come si può procedere a una verifica sperimentale ?

Oggetto delle misure: ordinamenti specifici? casi medi?Allestimento di uno strumento di misura:problematiche (risoluzione, errori sistematici e accidentali. . . );messa a punto — programmaAnalisi dei dati sperimentali per scoprire relazionioppure per verificare ipotesi e previsioni teoricheSperimentazione sui (diversi) computer disponibili:confronto dei dati rilevati e “invarianti”; attendibilitàQual è la corrispondenza fra stime teoriche e rilevazioni?aspetti contingenti e aspetti di validità generale — trend

Appendix

Approfondimento: Trend dei costi di QuickSort

In rapporto al termine “dominante” (tramite spreadsheet). . .e correzione determinata empiricamente:

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

1629724

2346801

3379393

4866325

7007508

10090810

14530766

20924302

t(n) / n log n t(n) / (n log n + k n)

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

t(n) / n^2 t(n) / (n^2 + k n)Stima di k ? (casella dello spreadsheet)

Appendix

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

1629724

2346801

3379393

4866325

7007508

10090810

14530766

20924302

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

Appendix

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

1629724

2346801

3379393

4866325

7007508

10090810

14530766

20924302

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

Appendix

Osservazioni:

θ( n ) è il numero di ricorsioni!

Per n grande l’andamento è sostanzialmente stabileanche se si effettuano pochi ordinamenti. . .

Per n grande le prestazioni relative a una sequenzacasuale sono rappresentative del caso medio!

Appendix

Osservazioni:

Appendix

Osservazioni:

Appendix

Approfondimento: Trend dei costi di InsertionSort

Simile analisi:

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

1629724

2346801

3379393

4866325

7007508

10090810

14530766

20924302

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

t(n) / n^2 t(n) / (n^2 + k n)

Stima di k ?

Appendix

Approfondimento: Trend dei costi di InsertionSort

Simile analisi:

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

1629724

2346801

3379393

4866325

7007508

10090810

14530766

20924302

5 7 9 12 16 22 31 44 62 88 126

126936

182787

263212

379024

545793

785941

1131754

t(n) / n^2 t(n) / (n^2 + k n)

Stima di k ?

Appendix

Fillotassi: Ciascun seme è un processo

public class Seed extends Thread implements Observer {

private static final int S = 5; // raggio semeprivate static final double A = 1.4 * S; // area seme... ...

// Modello relativo al seme

public Seed( double theta ) { ... } // creazione

public void run() { ... } // avanzamento

// Visualizzazione grafica del seme

public void update( ... ) { ... }

} // Seed

Appendix

Fillotassi: Modello di sviluppo di un seme

private static final double K = A*A / 2;

private final double theta; // direzione spostam.private double r = A; // distanza dall’apice

public Seed( double theta ) { // creazione del semethis.theta = theta;

public void run() { // avanzamento radialewhile ( FOREVER ) {Sunflower.delay();r = r + K/r; // spostamento increm.

Appendix

Fillotassi: Visualizzazione di un seme

// Visualizzazione grafica del seme

public void update( Observable obs, Object obj ) {

Graphics g = (Graphics) obj;

int x = (int) ( Simulation.X0 + r * Math.cos(theta) );int y = (int) ( Simulation.Y0 + r * Math.sin(theta) );

g.setColor( Simulation.FG );g.fillOval( x-S, y-S, 2*S, 2*S );

Appendix

Fillotassi: Modello di sviluppo del girasole

public class Sunflower extends Observableimplements Runnable {

... ...

// Modello di fillotassi del girasole

public void run() { ... } // primordi

public void drawHead( Graphics g ) { // visualizz.setChanged();notifyObservers( g );

public static void delay() { ... } // temporizz.

} // Sunflower

Appendix

Fillotassi del girasole

private static final doublePHI = Math.PI*(Math.sqrt(5)-1), // rapporto aureoDELTA = PHI; // +/- 0.1%

private double theta = 0; // direzione iniz.

public void run() { // generazionefor ( int k=0; k<N; k=k+1 ) { // primordidelay();Seed seed = new Seed(theta); // nuovo primordiotheta = theta + DELTA; // direzione succ.addObserver( seed ); // per visualizz.seed.start(); // proc. autonomo

Appendix

Fillotassi: Avvio della simulazione

public class Simulation extends JPanelimplements Runnable {

private final Sunflower sunflower = new Sunflower();

public Simulation() { // simulazione( new Thread(sunflower) ).start(); // sviluppo( new Thread(this) ).start(); // per visual.

public void run() { // refreshwhile ( true ) {Sunflower.delay(); repaint();

... ...} // Simulation

Appendix

Fillotassi: Interfaccia grafica

public static final Color FG = new Color(0,127,0);public static final Color BG = Color.ORANGE;

public void paint( Graphics g ) { // visual.g.setColor( BG );g.fillRect( 0, 0, getWidth(), getHeight() );sunflower.drawHead( g );

public static void main(String[] args) { // avvioJFrame fr = new JFrame( HEADER );fr.setSize( W, H+HEAD );( fr.getContentPane() ).add( new Simulation() );fr.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);fr.setVisible( true );

Appendix

Note a margine: OOP. . .

Aspetti di rilievo per la programmazione:

Classe vs. oggetto: molteplici istanze (Seed)con evlouzioni autonome — riconoscibili graficamente!

Elaborazioni in parallelo (Thread),ma senza problemi di sincronizzazione

Approccio event-driven (Observer)

Appendix

Suggestioni ingegneristiche. . .

C’è modo di applicare le conoscenze acquisite?

In quali condizioni le prestazioni di ciascuna tecnicasono più o meno vantaggiose? Quali tradeoff ?Ingegnerizzazione — analisi di dettaglio e miglioramento:raffinamenti del codice di Quick SortControllo di affidabilità nel processo di sviluppo:predisposizione di batterie di test — unit testingIngegnerizzazione — assemblaggio di blocchi funzionali:integrazione di Quick Sort e Insertion SortAffinamento su base empirica: regolazione dei parametrie confronto delle prestazioni — soglia di commutazione

Appendix

Grazie

Domande?

Il Giuoco delle Perle di Vetronid.dimi.uniud.it/teachers/tfa/presentations/cs_nature.pdf · 2017....

Documents

Transcript of Il Giuoco delle Perle di Vetronid.dimi.uniud.it/teachers/tfa/presentations/cs_nature.pdf · 2017....