什麼是運算思維？

運算思維包含著許多原則概念，本篇列舉幾個最主要的核心概念，並用簡單的例子協助你大略理解這些名詞代表的意思。

拆解 Decomposition

將龐大又複雜的問題或任務分解成一個一個小單元處理

要如何吃下一整頭牛？很簡單，把它切成多個一口大小的牛排，一口一口吃。

不過，我認為拆解問題最困難的部分，其實並不是「拆解它」，而是「再拼回去」。拆解問題時，若真的是將 1 個問題拆成 3 個相互獨立的問題就糟了，若無法再將 3 個小問題整合回原本的大問題，那麼即便能解決所有小問題，大問題依然不會解。

所以，拆解時最重要的是保持見樹又見林的視野，思緒就像 Google Map 一樣隨時可以拉近、拉遠，能夠同時注意細節又不失整體宏觀概念，清楚各個環節中相互依存的互動關係。

類推 Generalisation

辨識出相同類型或相似的問題

因為運算思維所瞄準的不是解決單一問題，而是找出同一類的問題的解法。所以在每個的案例問題之間，必然存在著某些固定的模式，找到這些模式不但有助於分析理解問題，還可以在新的狀況出現之時辨認是否為同一類型問題，甚至能舉出更多相同類型的例子。

舉個非常簡單的例子：
1. 妞妞有 3 顆糖果，媽媽又給了妞妞 2 顆，妞妞現在有幾顆糖果？
2. 妞妞有 2 顆糖果，媽媽又給了妞妞 4 顆，妞妞現在有幾顆糖果？

這是很簡單的加法問題，透過觀察我們可以發現，除了數量上的不同之外，這 2 個問題基本上一模一樣，所以可以歸納出它們一定有一套相同的解法。往後每當媽媽又給妞妞糖果時，我們知道同樣的問題又再次發生了，可以用一樣的解決辦法處理。

抽象化 Abstraction

保留剛好足夠的細節簡化問題，以便找出模型

剛看到「抽象化」這個詞時可能不太好理解，其實它的概念很簡單，我把它稱之為「萃取」：從情境當中過濾掉不重要的資訊，只留下會對結果造成影響的訊息，讓整個問題變得更加單純。

沿用上面的例子：

妞妞有 3 顆糖果，媽媽又給了妞妞 2 顆，妞妞現在有幾顆糖果？

在這個例子中，「誰」給妞妞糖果重不重要？

不重要，媽媽給、爸爸給或奶奶給都沒差，所以可以把「媽媽」先過濾掉。

妞妞有 3 顆糖果，妞妞又得到 2 顆，妞妞現在有幾顆糖果？

再來，「誰」有糖果會不會影響最後糖果的數量？

不會，所以也可以把「妞妞」省略掉。

有 3 顆糖果，又得到 2 顆，現在有幾顆糖果？

如果不是糖果，而是香蕉、或是小汽車，會不會影響計算數量？也不會，所以不論要計算的物品是什麼，都可以用簡單的一個點表示。

有 3 (點)，又得到 2 (點) ，有多少？

經過抽象化與類推原則交叉分析，我們可以發現，不論是什麼東西或是誰，只要是有一個數量又得到一個數量的題目都是同一類型的問題，都可以用同一套解法。

演算法 Algorithms

提出一套精確可執行的解決方案步驟

當問題透過抽象化與類推原則的萃取與分析後，我們已經理解了問題的核心，這是便是發揮創意與智慧來設計一套解決流程的時候了，演算法便是將腦中抽象的解法，寫成具體的執行步驟。

把【原有的數量】加上【增加的數量】就是【答案】

演算法並不是程式，差異在於演算法只是將解決流程以具體明確的方法表示出來，電腦還無法執行；而程式則是指將演算法以特定的程式語言文法及結構編譯後，可被電腦執行的文件。

然而對於程式設計來說，演算法必須盡可能精確，因為將來程式是要寫給電腦執行的，而電腦並不像人腦有許多基本常識，可以自行腦補與判斷，若演算法步驟寫得太過簡單或攏統，執行起來就可能產生許多問題。

邏輯推理 Logical Reasoning

預測並提出解釋

訓練運算思維的同時也會鍛鍊孩子的邏輯推理能力，孩子在編寫演算法的過程中，也正不停地在預測每一個步驟將會造成的影響，每個指令將帶來什麼改變。

這一點在教導孩子編寫行動類型的指令時特別明顯，孩子在編寫「前進」或「右轉」等指令時，都需要預測機器人收到指令後會如何行動，並且造成什麼結果，才能進而繼續編寫下一項指令。

此外，當錯誤 (Bug) 發生，也就是實際執行結果與設計規劃的行動不一致時，邏輯推理能力將更受挑戰，因為孩子要一方面觀察指令並在大腦中模擬，然後另一方面對照實際執行的情況，才能挑出錯誤的片段並進行修正。

不要告訴孩子「該如何解決」，問孩子「你觀察到什麼？你想怎麼做？」

實務上在教導運算思維時，時常會透過一些遊戲、設計一些挑戰，引導孩子運用運算思維的各項概念解決問題。最重要的是，絕對不能直接告訴孩子問題該如何解決，因為這樣教育出來的孩子不會思考，當遇到新問題時，只能坐等著別人來教；教導運算思維是要帶著孩子面對問題，試著自己去拆解、分析，設計自己的解決方式，執行看看並反覆修正。這樣孩子才能真正學會去面對沒有答案的問題，培養出「I can」的解題自信。