چکیده
           طبقه بندی بلوم از دامنه آگاهی و طبقه بندی SOLO در حال استفاده افزاینده در طراحی و ارزیابی آموزه هاست، اما در علوم کامپیوتر دارای نواقصی می باشند. این مقاله ادبیات رایج در طبقه بندی آموزشی و استفاده شان در آموزش علم کامپیوتر را مرور می کند، بعضی مسائلی که پیش می آید را مشخص میکند، طبقه بندی جدیدی را مشخص می کند و بحث می کند که چگونه این مقوله می تواند در آموزه های کاربردگرا مانند برنامه نویسی استفاده شود.

1. معرفی
1.1 انگیزه
         طبقه بندی های آموزشی وسیله سودمندی توسعه اهداف یادگیری و تشخیص پیشرفت دانشجو هستند. این مقوله همچنین در تحقیق آموزشی نیز می تواند گسترش یابد، برای مثال برای طبقه بندی آیتم های تستی و تخمین گستره یادگیری که اندازه گیری می کنند. طبقه بندی های آموزشی شناخته شده کلی هستند و بر فرض اینکه سلسله مراتب خروجی های یادگیری در همه موضوعات یکسان است، از تاریخ هنر تا جانورشناسی، تکیه می کند.به هرحال طبقه بندی ها سهل استفاده نیستند و محققین به سختی به توافقی برای طبقه بندی آیتم ها می رسند، که سود آنها را برای آموزگاران محدود می کند[27]. این مقاله کار یک گروه ITiCSE  که به بررسی این قرضیه پرداخته اند که سلسله مراتب خروجی های یادگیری در علم کامپیوتر به خوبی با طبقه بندی های کلی موجود انجام نشده است و اینکه  یادگیری علم کامپیوتر با توسعه یک طبقه بندی ویژه علمی کامپیوتر بهتر خواهد شد، را گزارش می دهد.

1.2 طبقه بندی یادگیری چیست؟
            طبقه بندی یک سیستم دسته بندی است که در بعضی موارد توصیه شده است. طبقه بندی لیناووس ارگانیسم های زندگی را برای سلسلسه مراتب نمودار درختی تنظیم کرده است. این موضوع وسیله ای را برای کمک به بیولوژیست ها فراهم کرد تا رابطه بین اعضای سیاره و جهان جانوران درک کنند و به طور دقیق درموردشان بحث نمایند[7]. طبقه بندی های موضوعات یادگیری به طور مشابه می توانند برای فراهم آوردن یک زبان مشترک بیان خروجی های یادگیری و سودمندی ارزیابی ها استفاده شوند. برخلاف طبقه بندی بیولوژیکیی، طبقه بندی های یادگیری معمولا به صورت نمودار درختی نیستند. با یک گستره بزرگتر یا کوچکتر آنان موضوعات یادگیری را به سه دامنه تقسیم می کنند، شناختی، انفعالی و روانی-حرکتی. بعضی مانند طبقه بندی بلوم با هرکدام از اینها همانند پیوستگی تک بعدی رفتار می کنند [7]، بقیه مانند طبقه بندی بلوم تجدیدنظر یافته، دامنه شناختی را با استفاده از یک ماتریس بیان می کنند[3]. در حالی که بقیه مانند طبقه بندی SOLO دسته ای ازاقلام را که یک مخلوط از تفاوت های کمی و کیفی بین عملکرد دانشجویان را شرح می دهد، استفاده می کنند [5] و البته طبقه بندی هایی نیز هست که انتظار می رود برای هر سه دامنه کاربردی باشند.

این مقاله در نشریه ACM منتشر شده و ترجمه آن با عنوان یادگیری ویژه علوم کامپیوتر در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:

Developing a computer science-specific learning taxonomy