© inspireus / Pixabay

Научно-методически статии

ОТ АЛГОРИТМИЧНО МИСЛЕНЕ КЪМ STEM РОБОТИКА: ПРОУЧВАНЕ НА УЧЕНИЧЕСКИТЕ НАГЛАСИ И САМООЦЕНКА

Отворен достъп CC BY-SA 4.0 License

https://doi.org/10.53656/math2027-1-2-fat

Резюме. Настоящото изследване е фокусирано върху статистическата оценка на взаимовръзките между степента на интерес, самооценката и нагласите на учениците от 3. клас в контекста на обучението по компютърно моделиране и STEM роботика. Основната цел е да се анализира как степента на интерес и самооценка за придобитите знания към изучавания предмет компютърно моделиране“, формиращ творческо, логическо и алгоритмично мислене у учениците, влияе върху тяхното желание за участие в извънкласни занимания по STEM роботика. Целта е извеждането на прогнозни модели, които да подпомогнат планирането на извънкласни дейности в областта на технологиите.

Ключови думи: компютърно моделиране; STEM роботика; извънкласна дейност

1. Въведение

Въвеждането на предмета компютърно моделиране в българските училища беше ключов момент в модернизацията на родното образование. Предметът беше интегриран в учебната програма поетапно от Министерството на образованието и науката1: 1) 2018/2019 г. – официален старт за всички 3. класове в страната; 2) 2019/2020 г. – предметът обхвана и 4. клас, формирайки цялостен цикъл в начален етап. По този начин се въведоха елементи на програмиране и алгоритмично мислене на по-ранен етап на задължителното обучение, което, от своя страна, смени ролята на ученика от „консуматор“ на съдържание (гледане на клипове, игри) към „създател“ на дигитални обекти (Papancheva & Dimitrova, 2019). Компютърното моделиране е „софтуерната“ основа. Когато в училището има STEM център или роботи (като Edison, Bee-Bot или LEGO) (Angelov, 2022), децата прилагат наученото в Scratch, за да управляват физически обекти (Resnick & Rosenbaum, 2013)). Това прави абстрактния код видим и докосваем (Bers, 2018), което е критично за децата на тази възраст (Kandroudi, & Bratitsis, 2012). Образователната роботика служи като мост между абстрактните теоретични концепции и тяхното практическо приложение (Georgieva-Trifonova, 2024). За учениците в начален етап (3. – 4. клас), роботиката превръща ученето в игрови процес, който стимулира когнитивното развитие (Vassileva & Ivanova, 2021). Тя не се ограничава само до програмиране, включва инженерно проектиране, математическо измерване и научно изследване.

След като компютърното моделиране развива универсални умения, като логическо мислене (Bachvarova, 2021), декомпозиция, креативност, устойчивост, а STEM роботиката е естествено продължение на този процес, възникват следните въпроси: 1) Дали степента на интерес и самооценка при учениците от начален етап, преминали обучение по компютърно моделиране, влияе върху тяхното желание за участие в извънкласни занимания по STEM роботика? 2) Можем ли да планираме извънкласни дейности по STEM роботика при показани високи резултати на положителното отношение и самооценка по предмета компютърно моделиране? За целта беше проведено педагогическо изследване.

2. Методология на изследването

Изследването е проведено в периода между 2022 и 2025 година. Проучването обхваща 98 ученици от 3. клас, изучаващи предмета компютърно моделиране, в две учебни заведения с начален етап на общообразователна подготовка. Анкетирането е анонимно, съобразено е със Закона за защита на личните данни и е направено с разрешение на участващите училища. Целта му е да установи в рамките на двете училища дали ученици, които проявяват интерес и имат добра самооценка по този предмет, желаят да участват в друго техническо направление – STEM роботиката. Направена е анкета, включваща въпросите от приложения анекс. За оценка на първите четири въпроса е използвана 5-степенната скала на Ликерт.

Направеното пилотно проучване върху една от групите ученици (12 деца) показва, че те разбират въпросите и времето за попълване е достатъчно. За изчисляване на надеждността на формуляра е използван методът „тест-ретест“ (двойно прилагане на един и същ тест) чрез процент на съвпадение (83. 33%) – ученици с напълно съвпадащи отговори при двете тествания: 10; ученици с разминаване в отговорите: 2 (с по 1 променен отговор). Резултатът показва много добра ретестова надеждност. При анализа на резултатите е приложен количествен статистически подход, включващ следните етапи:

2.1. Проверка на разпределението

Първоначално е необходимо извършването на проверка за нормалност на разпределението на изследваните променливи (интерес към предметите, самооценка на знанията и желание за записване на роботика). Приложени са два основни статистически теста:

• Тест на Kolmogorov-Smirnov

• Тест на Shapiro-Wilk.

2.2. Анализ на зависимостите

Поради анормалното разпределение на данните за оценка на силата и посоката на зависимостите е избран непараметричният тест на Somers’ d. Анализирани са четири основни релации:

• степен на интерес и самооценка на знания по предмета компютърно моделиране;

• дали интересът към компютърното моделиране мотивира учениците да се справят самостоятелно с поставените им задачи;

• интерес към роботика и желание за записване на извънкласни занимания по роботика;

• интерес към компютърно моделиране и желание за записване на занимания с роботика.

2.3. Регресионно моделиране и прогнозиране

За детайлно изследване на връзката между интереса към компютърното моделиране и потенциалния брой записани ученици в курсове по STEM роботика е приложен линеен регресионен модел. Качеството на модела е оценено чрез:

• коефициент на Пиърсън за установяване силата на корелация между изследваните величини;

• коефициент на детерминация за надеждността на модела;

• F-тест за потвърждаване на общата статистическа значимост на регресията;

• за допълнителна яснота при интерпретацията на данните са използвани крос-табулации (Cross-tabulation) за проследяване на линейното нарастване на броя ученици в различните категории.

3. Анализ на резултатите

Статистическа оценка на зависимостта между степента на интерес на учениците и самооценката на знанията им по предмета компютърно моделиране в 3. клас.

На Фигура 1 е представена хистограма с кривата на разпределение на учениците според тяхната степен на интерес към компютърното моделиране.

Фигура 1. Хистограма и крива на разпределение на учениците спрямо интереса им към компютърно моделиране

Високата средна стойност (4,53), получена от разпределението, е признак за силния интерес на учениците към компютърното моделиране. Дадена е хистограма с кривата на разпределението на учениците спрямо самооценката им на знанията (Фигура 2).

Фигура 2. Хистограма и крива на разпределение на учениците спрямо самооценка на знанията им по компютърно моделиране

Високата средна стойност (4,21), получена от разпределението, е признак за високата самооценка на учениците относно нивото на знанията им по компютърно моделиране.

Първоначално са приложени тестовете на Kolmogorov-Smirnov и Shapiro-Wilk за проверка на нормалността на разпределението на двете променливи. Както се вижда от Таблица 1, статистическата значимост за двете променливи (Sig.<0,001) e по-малка от 0,050 според тестoвете на Kolmogorov-Smirnov и Shapiro-Wilk, което означава, че разпределението им се различава от нормалното. Това налага използването на непараметричен тест за оценка на зависимостта между степента на интереса на учениците и самооценката на знанията им по предмета компютърно моделиране за 3. клас. За останалите променливи, описани в следващите раздели, е установено аналогично анормалното разпределение. Следователно е приложен отново непараметричен тест за оценяване на зависимостите между тях.

Таблица 1. Резултати от тестовете за нормално разпределение

Kolmogorov-SmirnovaShapiro-WilkStatisticdfSig. StatisticdfSig. Степеннаинтерес,37398<,001,69298<,001Самооценканазнанията,24898<,001,78998<,001a. Lillieforsкорекцияназначимостта

Избран е непараметричният тест на Somers’ d за установяване и оценка на силата на зависимост между степен на интерес и самооценка на знанията. Полученият коефициент на Somers’ d е 0,237 с приблизителна значимост (0,016), по-малка от 0, 050. Следователно съществува слаба статистически значима положителна зависимост между степента на интерес и самооценката на знанията на учениците по предмета компютърно моделиране.

Таблица 2. Оценка на силата и посоката на зависимостта „степен на интерес – самооценка на знанията“ с теста на Somers’ d

Стой-ностАсимптотичнастандартнагрешкаaПриблизи-телнаTbПриблизителназначимостSomers'dСиметричен,218,0882,414,016Степеннаинтерес,201,0832,414,016Самооценканазнанията,237,0952,414,016a. Несевзимапредвиднулеватахипотеза. b. Използвасеасимптотичнатастандартнагрешка, предполагащанулеватахипотеза.

Въпреки това, от крос-табулацията (Таблица 3) се забелязва, че с нарастване на броя ученици, проявяващи по-силен интерес към предмета компютърно моделиране, нараства и броят на учениците, оценяващи по-високо знанията си.

Таблица 3. Крос-табулация за разпределението на учениците според степен на интерес и самооценка на знания по предмета компютърно

моделиранеСамооценканазнанияпокомпютърномоделиранеОбщо1,002,003,004,005,00Степеннаинтерескъмкомпю-търнотомодели-ране2,00Брой100001%спрямостепеннаинтерес100, 0%0,0%0,0%0,0%0,0%100,0%3,00Брой001506%спрямостепеннаинтерес0,0%0,0%16,7%83,3%0,0%100,0%4,00Брой014161031%спрямостепеннаинтерес0,0%3,2%12,9%51,6%32,3%100,0%5,00Брой007252860%спрямостепеннаинтерес0,0%0,0%11,7%41,7%46,7%100,0%ОбщоБрой1112463898%спрямостепеннаинтерес1,0%1,0%12,2%46,9%38,8%100,0%

Статистическа оценка на зависимостта между степента на интереса на учениците и самооценката на самостоятелното им справяне със задачи по компютърно моделиране в 3. клас

Представена е хистограма с кривата на разпределение на учениците спрямо самооценката на самостоятелното им справяне със задачи по компютърно моделиране (Фигура 3).

Високата средна стойност (4,53), получена от разпределението, е признак за високата самостоятелност на учениците при решаването на задачи по компютърно моделиране. Разпределенията на данните за степен на интерес и самооценка на самостоятелното справяне на учениците със задачи по предмета компютърно моделиране са проверени с тестовете на Kolmogorov-Smirnov и Shapiro-Wilk (Таблица 4). Полученият коефициент на Somers’ d е 0,383 с приблизителна значимост (<0,001), която е по-малка от 0,050. Следователно съществува статистически значима умеренa положителна зависимост между степента на интерес и самооценката на способността на учениците да решават самостоятелно задачи по предмета компютърно моделиране (Таблица 5).

Фигура 3. Хистограма и крива на разпределение на учениците спрямо самооценка на самостоятелното им справяне със задачи по компютърно моделиране

Таблица 4. Резултати от тестовете за нормално разпределение

Kolmogorov-SmirnovaShapiro-WilkStatisticdfSig. StatisticdfSig. Самооценканасамостоятелнотосправяненаученицитесъсзадачипокомпютърномоделиране,39098,000,67998<,001Степеннаинтерескъмкомпютърнотомоделиране,37398,000,69298<,001a. Lillieforsкорекцияназначимостта

Наблюдава се линейно нарастване на броя ученици, оценяващи по-високо самостоятелната си работа по компютърно моделиране, заедно с повишаване на интереса им към предмета (Таблица 6). Може да се заключи, че интересът мотивира учениците да се справят самостоятелно с поставените им задачи по компютърно моделиране.

Таблица 5. Оценка на силата и посоката на зависимостта „степен на интерес – самооценка на умения“ с теста на Somers’ d

Ст-стАсимптотичнастандартнагрешкаaПрибл. TbПрибл. значимостОрдиналнасординалнавеличинаSomers'dСиметричен,386,0923,909<,001Степеннаинтерес,389,0903,909<,001Самооценканаумения,383,0953,909<,001a. Несевзимапредвиднулеватахипотеза. b. Използвасеасимптотичнатастандартнагрешка, предполагащанулеватахипотеза.

Таблица 6. Крос-табулация на разпределението на учениците спрямо степента на интерес към компютърното моделиране и самооценката на самостоятелната им работа по предмета

СамооценканаумениятаОбщо2,003,004,005,00Степеннаинтерескъмкомпютърномоделиране2,00Брой01001%спрямостепеннаинтерес0,0%100,0%0,0%0,0%100,0%3,00Брой11136%спрямостепеннаинтерес16,7%16,7%16,7%50,0%100,0%4,00Брой06121331%спрямостепеннаинтерес0,0%19,4%38,7%41,9%100,0%5,00Брой01124760%спрямостепеннаинтерес0,0%1,7%20,0%78,3%100,0%ОбщоCount19256398%спрямостепеннаинтерес1,0%9,2%25,5%64,3%100,0%

Статистическа оценка на зависимостта между степен на интерес на учениците от 3. клас към STEM роботиката и желанието им да се запишат в него

Представени са хистограмите с кривите на разпределение на учениците според степента на интерес към STEM роботиката (Фигура 4) и желанието да се запишат в курс по роботика (Фигура 5).

Фигура 4. Хистограма и крива на разпределение на учениците спрямо степен на интерес към роботиката

Както се вижда от Таблица 7, статистическата значимост за двете променливи (Sig.<0,001) e по-малка от 0,050 според тестoвете на Kolmogorov-Smirnov и Shapiro-Wilk, което означава, че разпределението им се различава от нормалното.

Полученият коефициент на Somers’ d (Таблица 8) е 0, 123 с приблизителна значимост (0,055), която е по-голяма от 0,050. Следователно няма статистически значима положителна зависимост между степента на интерес и желанието на учениците да се запишат в курс по роботика.

От таблица 9 се забелязва, че броят на учениците, желаещи да се запишат в курса по STEM роботика, нараства линейно с повишаването на интереса им към роботиката и надвишава значително този на нежелаещите.

Фигура 5. Хистограма и крива на разпределение на учениците спрямо желанието им за записване в курс по роботика

Таблица 7. Резултати от тестовете за нормално разпределение

Kolmogorov-SmirnovaShapiro-WilkStatisticdfSig. StatisticdfSig. СтепеннаинтерескъмSTEMроботиката,31598<,001,76998<,001ЖеланиезазаписваневкурспоSTEMроботика,51598<,001,41698<, 001a. Lillieforsкорекцияназначимостта

Таблица 8. Оценка на силата и посоката на зависимостта „степен на интерес – желание за записване“ с теста на Somers’ d

Ст-стАсимптотичнастандартнагрешкаaПрибл. TbПрибл. значи-мостОрдинал-насординал-навеличинаSomers' dСиметричен,176,0861,920,055Степеннаинтерескъмроботика,314,1501,920,055Желаниезазаписваневкурспороботика,123,0631,920, 055a. Несевзимапредвиднулеватахипотеза. b. Използвасеасимптотичнатастандартнагрешка, предполагащанулеватахипотеза.

Таблица 9. Крос-табулация на разпределението на учениците, желаещи и нежелаещи да се запишат в курс по роботика, според степента им на интерес към предмета

ЖеланиезазаписваневкурспороботикаОбщо,001,00Степеннаинтерескъмроботиката2,00Брой224%спрямостепеннаинтерес50,0%50,0%100,0%3,00Брой31417%спрямостепеннаинтерес17,6%82,4% 100,0%4,00Брой52126%спрямостепеннаинтерес19,2%80,8% 100,0%5,00Брой44751%спрямостепеннаинтерес7,8%92,2% 100,0%ОбщоБрой148498%спрямостепеннаинтерес14,3%85,7% 100,0%

Статистическа оценка на зависимостта между степента на интерес на учениците към предмета компютърно моделиране и желанието им да се запишат в курс по STEM роботика

Тестовете на Kolmogorov-Smirnov и Shapiro-Wilk показват разпределение, различно от нормалното (Sig.<0,001), за двете променливи (Таблица 10). Коефициентът на Somers’ d е 0,147 с приблизителна значимост (0,048), която е по-малка от 0,050 (Таблица 11). Следователно е налична слаба статистически значима положителна зависимост между степента на интерес на учениците към предмета компютърно моделиране и желанието им за записване в курс по роботика в 3. клас. От Таблица 12 се забелязва, че броят ученици, желаещи да се запишат в курс по роботика, нараства линейно с повишаването на степента им на интерес и надвишава значително броя на нежелаещите.

Интересно е да се установи регресионен модел, чрез който да се предскаже броят ученици, които биха желали да се запишат в курс по STEM роботика на база на интереса им към предмета компютърно моделиране. За целта е установена линейна регресионна зависимост (Фигура 6) между броя ученици с дадена степен на интерес към компютърно моделиране, проявили желание за записване в курса по STEM роботика, и тоталния брой ученици със същата степен на интерес (Таблица 13). Коефициентите на линейния регресионен модел са дадени в Таблица 14.

Таблица 10. Резултати от тестовете за нормално разпределение Kolmogorov-Smirnov и Shapiro-Wilk

Kolmogorov-SmirnovaShapiro-WilkStatisticdfSig. StatisticdfSig. Степеннаинтерескъмкомпютърнотомоделиране,37398<,001,69298<, 001Желаниезазаписваненакурспороботика,51598<,001,41698<,001a. Lillieforsкорекцияназначимостта

Таблица 11. Оценка на силата и посоката на зависимостта „степен на интерес – желание за записване“ с теста на Somers’ d

Ст-стАсимптотичнастандартнагрешкаaПрибл. TbПрибл. значимостОрдиналнасординалнавеличинаSomers'dСиметричен,200,0941,974,048Степеннаинтерескъмкомпютърнотомоделиране,313,1451,974,048Желаниезазаписваневкурспороботика,147,0741,974,048a. Несевзимапредвиднулеватахипотеза. b. Използвасеасимптотичнатастандартнагрешка, предполагащанулеватахипотеза.

Фигура 6. Линейна регресионна зависимост

Таблица 12. Крос-табулация на разпределението на броя ученици, желаещи и нежелаещи да се запишат в курс по роботика, според степента им на интерес към предмета компютърно моделиране

ЖеланиезазаписваненакурспороботикаОбщо,001,00Степеннаинтерескъмкомпютърномоделиране2,00Брой101%спрямостепеннаинтерес100,0%0,0%100,0%3,00Брой156%спрямостепеннаинтерес16,7%83,3%100,0%4,00Брой72431%спрямостепеннаинтерес22, 6%77,4%100,0%5,00Брой55560%спрямостепеннаинтерес8,3%91,7%100,0%ОбщоБрой148498%спрямостепеннаинтерес14,3%85,7%100,0%

Таблица 13. Входни данни за построяване на регресионния модел

СтепеннаинтерескъмкомпютърномоделиранеОбщбройученицисдаденатастепеннаинтересБройнажелаещитедасезапишатвкурспоSTEMроботикасдаденатастепеннаинтерес2103654312456055

Таблица 14. Параметри на линейния регресионен модел

РегресионнипараметриаНестандарт. коеф. Стандарт. коеф. tSig. КорелацииКолинеарнастатистикаСт-стСтанд. грешкаБетаНулевпорядъкЧастнаЧастичнаТолерансVIF1(Отрез) -1,4821,778-,833 ,492Наклон, 918,052,99717, 495 ,003,997,997 , 9971,0001,000a. Зависимапроменлива:бройнаучениците, коитобихасезаписаливкурспороботика.

Върнатата стойност (Sig.) на първия ред e 0,492, показваща че отрезът на линейния регресионен модел не е статистически различим от нулата. Стойността Sig. (0,003) на втория ред е по-малка от 0,050. Следователно наклонът на регресионната права е статистически значим. За наличната извадка от ученици (N=98) стойността на наклона 0,918 показва, че приблизително 91.8% от общия брой ученици, проявяващи интерес към компютърно моделиране, биха се записали в курс по STEM роботика.

Таблица 15. Оценка на линейния регресионен модел

МоделbКоеф. наПиърсънRКоеф. надетерминацияR2Коригиранкоеф. надетерминацияR2Станд. грешканапредск. ст-стСтатистиказапроменитеПромянавкоеф. надетермина-цияR2ПромянавFкритерияdf1df2Стат. знач. напромя-натавFкритерия(Sig. FChange) 1,997a,994,9902,45849,994306,06612,003a. Предсказващапроменлива:броятученицисдаденастепеннаинтерескъмкомпютърномоделиране. b. Зависимапроменлива:бройнаучениците, коитобихасезаписаливкурспороботика.

Както се вижда от Таблица 15, F-стойността (0,003) е по-ниска от 0,050, което означава, че установеният регресионен модел е статистически значим. Коефициентът на Пиърсън (R) е 0,997, показващ силна корелация между предсказаната и предсказващата променлива. Допълнително, коефициентът на детерминация (R2) e 0,994, което означава, че линейният регресионен модел е подходящ.

4. Заключение

Изследването предоставя детайлен поглед върху нагласите на учениците в 3. клас към иновативните дисциплини компютърно моделиране и STEM роботика. Основните изводи от анализа, предназначен за двете училища, са следните.

• Макар и със слаба асоциация, съществува статистически значима положителна зависимост между интереса на учениците и тяхната самооценка за знанията им по предмета компютърно моделиране. Това предполага, че по-високият интерес стимулира до някаква степен увереността на децата в техните собствени знания и умения.

• Може да се заключи, че интересът към компютърното моделиране служи като предпоставка учениците да се справят по-самостоятелно с поставените им задачи по предмета.

• Резултатите за извадката от ученици (N=98) показват, че интересът към учебния предмет компютърно моделиране може да послужи като индикатор за желанието на учениците да се включат в допълнителни курсове по STEM роботика. С нарастване на интереса към единия предмет пропорционално се увеличава и броят на децата, желаещи да се запишат в курс по другия.

• Регресионната зависимост, установена за конкретната извадка (N=98), е подходяща (R2=0,994) за прогнозиране на броя ученици, които биха се записали в курс по STEM роботика въз основа на интереса им към компютърното моделиране. Наклонът на регресионната права от 0,918 показва, че около 91.8% от общия брой ученици с изразен интерес към компютърното моделиране биха се записали в курс по STEM роботика.

• Интересен факт е, че чистият интерес към роботиката, сам по себе си, невинаги води до статистически значима зависимост с желанието за записване в курс (p = 0, 055). Това подчертава значението на систематичното обучение в училище (чрез компютърно моделиране) като основа за формиране на устойчиво желание за надграждащи извънкласни дейности.

5. Анекс

Въпроси, включени в анкетата:

1. В каква степен сте заинтересовани да изучавате предмета компютърно моделиране?

Възможни отговори:

1) напълно незаинтересован(а);

2) слабо заинтересован(а);

3) нито заинтересован(а), нито незаинтересован(а);

4) по-скоро заинтересован(а);

5) силно заинтересован(а).

2. Как оценявате знанията си по предмета компютърно моделиране?

Възможни отговори:

1) много слаби (имам сериозни трудности);

2) слаби (знам само някои базови неща);

3) средни (справям се, но имам и пропуски);

4) добри (разбирам по-голямата част от материала);

5) отлични (справям се без никакви проблеми).

3. Справяте ли се самостоятелно с поставените ви задачи по компютърно моделиране?

Възможни отговори:

1) изобщо не се справям сам(а) (винаги имам нужда от помощ от учител или родител);

2) рядко се справям сам(а) (почти винаги ми трябва помощ, за да завърша задачата);

3) понякога се справям сам(а) (в половината случаи имам нужда от помощ, в другата половина се справям);

4) по-скоро се справям сам(а) (рядко питам за помощ, обикновено се справям самостоятелно);

5) напълно самостоятелно се справям (не ми трябва чужда помощ, за да си направя задачите).

4. Желаете ли да се занимавате с роботика?

Възможни отговори:

1) не желая (нямам никакъв интерес към роботиката);

2) по-скоро не желая (предпочитам да се занимавам с други неща);

3) не мога да преценя;

4) по-скоро желая (звучи ми интересно и бих опитал/а);

5) силно желая (искам да се занимавам с това).

5. Участвали ли сте в извънкласни занимания по роботика?

Възможни отговори: да/не 6. Бихте ли се записали в извънкласни занимания по роботика?

Възможни отговори: да/не

БЕЛЕЖКИ

1. Ministry of Education and Science of Bulgaria, Computer modeling curriculum for grades III and IV (in Bulgarian, Министерство на образованието и науката, Учебна програма по компютърно моделиране за III и IV клас).

ЛИТЕРАТУРА

Ангелов, А. (2022). STEM образованието – от теория към практика в българското училище. Сборник доклади от научна конференция „Иновации в образованието“. София: МОН.

Бъчварова, Т. (2021). Развиване на алгоритмично мислене в обучението по компютърно моделиране в 3. и 4. клас. Педагогика, 93(2), 215 – 228.

Папанчева, Р., & Димитрова, К. (2019). Методически аспекти на обучението по компютърно моделиране в началното училище. София: Университетско издателство „Св. Климент Охридски“.

REFERENCES

Angelov, A. (2022). STEM obrazovanieto – ot teoriya kam praktika v balgarskoto uchilishte Sbornik dokladi ot nauchna konferentsiya „Inovatsii v obrazovanieto“. Sofia: MON.[in Bulgarian]

Bachvarova, T. (2021). Razvivane na algoritmichno mislene v obuchenieto po kompyutarno modelirane v 3. i 4. кlas. Pedagogy, 93(2), 215 – 228. [in Bulgarian]

Papancheva, R., & Dimitrova, K. (2019). Metodicheski aspekti na obuchenieto po kompyutarno modelirane v nachalnoto uchilishte Sofia: Universitetsko izdatelstvo „Sv. Kliment Ohridski“. [in Bulgarian]

Bers, M. U. (2018). Coding as a Playground: Programming and Computational Thinking in the Early Childhood Classroom. New York: Routledge.

Georgieva-Trifonova, Ts. (2024). Research on Possibilities and Benefits of Programming Educational Robots for Real-Life Scenarios Imitation. TEM Journal, 13(1), 718 – 725. https://doi.org/10.18421/TEM131-75

Kandroudi, M., & Bratitsis, T. (2012). Exploring the educational perspectives of robotics in primary school settings. Proceedings of the 3rd International Conference on e-Learning Pedagogies.

Resnick, M., & Rosenbaum, E. (2013). Designing for Computational Fluency. In: B. Honey & D. Kanter (Eds.), Design, Make, Play: Growing the Next Generation of STEM Innovators (116 – 127). New York: Routledge.

Vassileva, D., & Ivanova, G. (2021). Gamification and Robotics in Primary School: Impact on Students’ Motivation. International Journal of Emerging Technologies in Learning (iJET) , 16(12), 140 – 155.

Година LXIX, 2026/6 Архив

стр. 630 - 649 Изтегли PDF