Andrew Tanenbaum關於電腦科學教學的10大準則

今天看到Andrew Tanenbaum (minix的作者。讀過CS的人應該不陌生吧）。在SIGCSE的電腦科學教育傑出貢獻獎（Outstanding Constributions of Computer Science Education)上發言的文字材料。A.T在演說裡提出十大電腦科學教育的十大準則：

1. 目光長遠 (Think long-term)
2. 強調原則，而非事實 (Emphasize principles, not facts)
3. 對重大變革有所準備(Expect paradigm shifts. 翻成範式轉變也忒生硬了，不知道有沒有標準翻法）
4. 解釋事物內在工作原理(Explain how things work inside)
5. 向學生展示怎麼駕馭複雜度(Show students how to master complexity)
6. 電腦科學不是科學(Computer science is not science)
7. 在系統角度思考(Think in terms of systems)
8. 講述理論要適度(Keep theory under control)
9. 拒絕炒作(Ignore hype)
10. 毋忘過去(Don't forget the past)

教學一體，這10大教育準則其實同樣適用於CS學習。準則1,2,3, 9告訴我們學習時應當注重思想，而不是某個具體的實現或巧合。今天的熱門技術可以轉眼明日花黃。OS360的任務控制可能今天沒幾個人知道了，但進程管理的原理仍然值得學習。程式設計語言幾年一換，但抽象，資料封裝，演算法原理仍然幾十年不變。要想在技術變遷的洪流裡不疲於奔命，只有原理優先，以不變應萬變。準則3還提出了應對突變的對策：批判性思考，自學，和隨時檢驗自己的假設。第三條尤其重要。套用Steven Seagal（當年我對他的合氣道推崇之極）的電影Under Siege 2: The Dark Territory裡那個邪惡工程師Travis Davis的話說：“假設是他媽失敗之母"(Assumption is the source of all screw-ups).
準則4, 5, 7告訴我們深入瞭解系統工作原理的重要性。這就是為什麼這本書 仍然是CS學生的必讀。高德納早也知道內外兼修的重要性，所以才會在《電腦編程的藝術》裡雄辯地闡述了為什麼他要用MMIX（一門他創造的彙編）來描速演算法。
6和8頗有意思。A.T相當強調CS務實的一面。準則6的最佳註解是一句流行的引言：工程師為了建立而學習，科學家為了學習而建立（Engineers learn to build,. Scientists build to learn). 關於準則7的例子隱隱有理論如果不能刻劃現實，就用處不大的意思。這個俺有保留意見。理論本來就是一個演化的過程。無數優秀理論都是由無數人改進不夠完美的理論二來。最近重讀Klaus Scheider的Verification of Reactive Systems第一章，形式化驗證的家譜，就可以看出精彩的理論往往來自一系列向現實逼近的粗糙理論。何況當年看似粗糙的理論因為外界的變化也許就變得有吸引力了呢？這不是沒有例子的。
準則10尤其重要。現在的電腦工業出了名的喜歡“重發現”當年的技術。虛擬機器不是新鮮東西。垃圾處理不是新鮮東西。delegate不是新鮮東西。匿名函數不是新鮮東西。clsoure不是新鮮東西。OO不是新鮮東西。continuation不是新鮮東西。泛型不是新鮮東西。硬體的進步，軟體開發技術的進步，以及理論的進步往往讓當年被束之高閣的技術重見天日，再煥活力。所以瞭解曆史絕對有助現實。Andy Kessler的力作How We Got Here(免費書，敘述及其精彩，強烈推薦哈）也可旁證以古為鑒的重要性。