I 2021 publiserte Israel-Fischelson og Hershkovitz m.fl. en artikkel som tok sikte på å si noe om sammenhengen mellom kreativitet og algoritmisk tenkning, som argumentert for tidligere begge er sentrale ferdigheter for matematisk kompetanse. Studien kartla 62 empiriske
undersøkelser som handlet om kreativitet og algoritmisk tenkning utført mellom 2011-2022.
Israel-Fischelson og Hershkovitz har utført en litteraturstudie basert på 62 empiriske forskningsartikler, med formål om å kartlegge på hvilket teoretisk grunnlag og i hvilken sammenheng forskning på algoritmisk tenkning og kreativitet (Israel-Fishelson &
Hershkovitz, 2022). Studien bemerker at det meste av forskningen på sammenheng mellom kreativitet og algoritmisk tenkning ble utført etter 2016, der det har vært en kraftig økning i forskning på temaet de siste årene (Israel-Fishelson & Hershkovitz, 2022). Videre poengterer studien at det fremdeles er mangelfull forskning på feltet.
Til tross for et behov for videre forskning på temaet, konkluderes det fra flere hold med at det finnes en sammenheng mellom kreativitet og algoritmisk tenkning. Som nevnt tidligere i teoridelen av denne oppgaven, beskriver Grover og Pea (2013) programmering som en kreativ prosess der en benytter algoritmisk tenkning.
Det er også utført flere empiriske studier som konkluderer med det samme. I 2019 utførte Israel-Fischelson et al. en studie der 124 sjetteklassinger deltok, fordelt på to ulike skoler i
nord-Spania. Elevene som deltok i studien var med på en teknologiworkshop med
programmering og robotikk. Et av funnene i studien var at kreativitet fremmer algoritmisk tenkning, og har overføringsverdi på tvers av ulike disipliner, kunst som matematikk (Israel- Fishelson et al., 2021).
Shell et al. (2013) utførte en studie som tok sikte på å kartlegge avgjørende faktorer for realfag- og teknologistudenters motivasjon, kreativitet, selvreguleringsevne, engasjement, målsettinger og læringsutbytte. Studien gjorde flere funn som støttet det annen
forskningslitteratur også sier om at positive følelser tilknyttet faget og motivasjon for faget er assosiert med gode resultater, strategisk selvregulering i arbeid med faget og læring (Shell et al., 2013). Et annet interessant funn som ble gjort i den empiriske studien, var at kreativ kompetanse ble assosiert med selvreguleringsstrategi, læringsstrategier og tilegning av langtidskunnskaper (Shell et al., 2013). Studien konkluderte også at kreativitet kan fremme algoritmisk tenkning.
Shell et. al (2014) et al. utførte senere en ny empirisk studie for å se på hvordan bruk av kreativitetsøvelser kunne fremme læring av algoritmisk tenkning i et IT-emne på
universitetsnivå. I denne studien ble det gjort samme funn av at arbeid med å øke den kreative kompetansen medfører positiv effekt på læring av algoritmisk tenkning, og styrker funnene gjort i studien fra 2013.
Det er viktig å understreke at selv om det er utført empiriske studier som foreslår en sammenheng mellom kreativitet og algoritmisk tenkning, er det ennå et generelt lite
forskningsgrunnlag på algoritmisk tenkning (Forsström & Kaufmann, 2018; Grover & Pea, 2013), og dermed vanskelig å trekke en bastant konklusjon om sammenhengen mellom kreativitet og algoritmisk tenkning. Problemløsning og utforskende matematikk
For å legge til rette for at elevene skal benytte seg av problemløsningsstrategi og algoritmisk tenkning skal finne sted, er det interessant å ta i betraktning hva slags matematiske problemer elevene får servert. Algoritmisk tenkning er assosiert med relasjonell kunnskap, som
innebærer å anvende kunnskap en allerede besitter på nye måter og nye problemer (Skemp, 1976). I møte med rene regnetekniske oppgaver, som for eksempel tekniske multiplikasjons- eller derivasjonsoppgaver, vil ikke elvene trenge å tenke så mye da dette er eksempler på oppgaver som kan løses ved å reprodusere løsninger til problemer de har løst før. Slike oppgaver legger til rette for demonstrasjon av instrumentell kunnskap (Skemp, 1976).
I den sammenheng er det relevant å trekke inn begrepet undersøkende matematikk (oversettelse av inquiry based mathematics), som Blomhøj (2019) knytter til matematisk læring, problemløsnings- og modelleringskompetanse. Med utgangspunkt i Dewey sitt arbeid med en utdanningsteori basert på utforskende undervisning, har Blomhøj og Artigué (2013) analysert og konseptualisert begrepet utforskende matematikkundervisning. Funnene ble senere oppsummert i 7 punkter (Blomhøj, 2019):
o Mennesket forsøker å forstå og beherske sin omverden gjennom utforskning og problemløsning, og gjennom å dele sin forståelse gjennom sosiale interaksjoner o Denne grunnleggende erkjennelsesinteressen danner utgangspunktet for kunnskap om
verden, som etter raffinering og kultivering blir vitenskapelig kunnskap
o Gyldig kunnskap er effektiv for forståelse av fenomener og løsning av problemer. Det er derfor viktig at elevene opplever at kunnskapen de utvikler er både nyttig og meningsfull i deres verden.
o Utdannelse skal utvikle den enkelte elev til å lære gjennom utforskning og refleksjon i sosiale fellesskap
o Kunnskapen generaliseres og settes i system i undervisningen gjennom refleksjon over felles erfaringer
o Det overordnede målet er å utdanne elever til å ta en aktiv og kritisk rolle i utviklingen av det demokratiske samfunn
Videre kommenterer Blomhøj (2019) at filosofien bak utforskende undervisning ikke kan direkte oversettes til matematikkundervisningen, men gir gode argumenter for hvorfor tilrettelegge for mer utforskende matematikkundervisning.
Som en mal for å utarbeide utforskende undervisningsopplegg har Blomhøj (2019) dannet en 3-punktsliste med 3 faser som må finne sted for et vellykket utforskende
undervisningsopplegg:
1) Iscenesettelse
2) Elevene bedriver utforskende arbeid 3) Felles refleksjon og faglig læring
Iscenesettelse handler om at det må etableres et problem som gjøres tilgjengelig og relevant for elevene, slik at elevene forstår hva de skal undersøke og finner en egen inngang til problmeløsningen. I tillegg til dette må det formidles klare rammer om tidsbruk,
forventninger til hva det utforskende arbeidet skal resultere i og hvilke kriterier arbeidet skal bedømmes med.
For at selve utforskningen skal bli vellykket, må elevene få tilstrekkelig tid, frihet og veiledning slik at de er i stand til å arbeide selvstendig med utforskningen. I tillegg må det tilrettelegges for samarbeid mellom elever, utfordring og veiledning gjennom dialog.
Til slutt skal de resultatene, oppdagelsene og erfaringene fra utforskningsarbeidet
oppsummeres, og settes i system i gjennom felles diskusjon. Her kan elevenes oppdagelser knyttes til relevant fagteori, og slik utvikle kunnskap og forståelse for fagbegreper.
Noen typiske elevaktiviteter for utforskende undervisning er å stille faglige spørsmål, klassifisere, måle og kvantifisere, utvikle definisjoner, innføre og bruke symboler, bruke algebra, resonnere og bevise, representere og visualisere, danne og undersøke hypoteser, eksperimentere, tolke og vurdere resultater, samt kommunisere faglig (Blomhøj, 2019).
Mange av disse elevaktivitetene kan knyttes til arbeidsmetoder og konsepter forbundet med algoritmisk tenkning, hvor også arbeidsmetodene innebærer det å utforske og eksperimentere, designe en fremgangsmåte for å løse problemet, feilsøke, samarbeide og diskutere med medelever (Utdanningsdirektoratet, 2019). Andre nøkkelbegrep innen algoritmisk tenkning er å analysere og forutse (danne hypotese), deretter bryte ned problemet, formulere algoritmer (gjerne ved hjelp av algebra), gjøre observasjoner og gjenkjenne mønstere, abstrahere og generalisere (gjerne ved bruk av algebra), og til slutt evaluere.
Det er en tydelig overlapp mellom algoritmisk tenkning og utforskende undervisning, og det kan derfor argumenteres for at et utforskende undervisningsopplegg inviterer til algoritmisk tenkning, eller at algoritmisk tenkning utvikles gjennom utforskende arbeid. Dermed kan utforskende undervisningsopplegg og utforskende oppgaver være gode utgangspunkt for å fremme læring innen algoritmisk tenkning.