Pengetahuan tentang tugas algoritmik membantu dalam memahami apa yang ada dan bagaimana mereka terstruktur. Ini adalah bagian penting dari abstraksi masalah dunia nyata.
Pengetahuan tentang desain algoritma, di sisi lain, membantu kita memahami bagaimana algoritma bekerja, prinsip desainnya, dan cara menangani tugas algoritmik.
Dalam artikel ini, empat jenis metodologi diidentifikasi: untuk memperluas pengetahuan secara sistematis, membangun pengetahuan baru, meningkatkan pengetahuan tentang algoritma tertentu, dan melakukan penelitian di berbagai bidang ilmu komputer. Ini adalah langkah-langkah penting dalam memajukan ilmu pengetahuan.
Tiga Dunia Popper: Dunia Nyata, Dunia Mental, dan Pengetahuan Objektif
Artikel ini mengintegrasikan model Tiga Dunia Popper. Dunia 1 adalah dunia fisik nyata, Dunia 2 adalah dunia keadaan mental subjektif, dan Dunia 3 adalah ranah pengetahuan objektif. Tujuan sains adalah merumuskan pengetahuan objektif tentang dunia fisik nyata.
Konsep ini membantu kita memahami bagaimana pengetahuan dalam rekayasa algoritma berkembang dan bagaimana pengetahuan objektif di Dunia 3 berkaitan dengan dunia nyata di Dunia 1.
Pengembangan Pengetahuan tentang Tugas Algoritmik
Sekarang, mari kita fokus pada metode untuk menghasilkan pengetahuan tentang tugas algoritmik. Ini mencakup metode penelitian seperti studi kasus, desain kelompok fokus, studi wawancara, dan teknik berpikir keras.
Metode untuk menghasilkan pengetahuan tentang tugas algoritmik membantu kita menemukan inti dari tantangan. Dalam proses ini, kita menggali lebih dalam untuk memahami sifat-sifat tugas algoritmik. Bagaimana pendekatan penelitian seperti studi kasus dapat membantu kita dalam mengeksplorasi tugas-tugas ini?
Pengetahuan tentang tugas algoritmik bukanlah hal yang sederhana. Tugas algoritmik sering kali bukan sekadar pemetaan isomorfik dari masalah dunia nyata, tetapi memerlukan pendekatan yang cermat.
Penulis menekankan bahwa kita dapat menggunakan berbagai metode dari penelitian operasi, rekayasa persyaratan, dan analitik visual untuk menghasilkan pengetahuan tentang tugas-tugas algoritmik. Studi kasus, desain kelompok fokus, wawancara, dan teknik berpikir keras semuanya berperan dalam memahami karakteristik tugas.
