WJEC A-level Computer Science: สิ่งที่สำคัญจริงๆ
การแจกแจงในเชิงปฏิบัติของโครงสร้างหลักสูตร WJEC A-level Computer Science, ข้อสอบ และโครงการ NEA coding
WJEC's A-level Computer Science แบ่งออกเป็นสามส่วนอย่างเรียบร้อย: ข้อสอบเขียนสองฉบับและการประเมินแบบไม่ใช่ข้อสอบ (NEA) โครงการ coding นักเรียนที่มาจาก GCSE มักจะประเมินต่ำเกินไปว่าความสำคัญของการกระโดดในความลึกมีมากเพียงใด โดยเฉพาะอย่างยิ่งรอบ computer architecture และการวิเคราะห์อัลกอริทึมอย่างเป็นทางการ คู่มือนี้แจกแจงว่าแต่ละส่วนประกอบต้องการอะไรจริงๆ ไม่ใช่แค่สิ่งที่เอกสาร spec บอกในแง่นามธรรม
โครงสร้างข้อสอบที่คุณกำลังทำงานกับมัน
Component 1 (Unit 1) ครอบคลุม programming, data structures และ computer systems fundamentals — เช่น fetch-execute cycle, Boolean algebra และ number representation (two's complement, floating point normalisation) Component 2 (Unit 2) ลึกกว่านี้ ไปยังอัลกอริทึม ฐานข้อมูล เครือข่าย และด้านกฎหมาย/จริยธรรมของการคำนวณ
ข้อสอบทั้งสองฉบับผสมคำถามคำตอบสั้นกับการเขียนขยาย และทั้งสองฉบับรวม pseudocode ที่เขียนในรูปแบบของ WJEC เอง ซึ่งแตกต่างออกไปเล็กน้อยจาก Python หรือ Java syntax ทำความสะดวกกับมันตั้งแต่เร็ว นักเรียนที่เขียน real Python เท่านั้นและไม่เคยฝึกอ่าน pseudocode notation ของคณะสอบหลักจะสูญเสียคะแนนในการแปล ไม่ใช่ความเข้าใจ
Boolean algebra และ logic gates ต้องการเวลาฝึกจริงๆ
นี่คือส่วนที่ทำให้โปรแกรมเมอร์ที่มีความสามารถอื่นๆ หลุดออกไป การลดความซับซ้อนของนิพจน์โดยใช้ De Morgan's laws, การวาดตารางความจริงสำหรับการรวม XOR และ NAND, และการแปลงระหว่างแผนภาพ logic gate และนิพจน์ Boolean — ทักษะเหล่านี้ต้องการการซ้ำซ้อน ไม่ใช่แค่ความเข้าใจแนวคิด ทำงานผ่านข้อสอบที่ผ่านมาเฉพาะในหัวข้อนี้ บัญชีที่มาแสดงอย่างแน่นอนว่าคาดหวังการทำงานเท่าใด การข้ามขั้นตอนทำให้สูญเสียคะแนนแม้ว่าคำตอบสุดท้ายถูกต้อง
Computer architecture: รู้ pipeline ไม่ใช่แค่คำศัพท์
นักเรียนมักจะพูดว่า "fetch, decode, execute" ได้ แต่มีปัญหาในการอธิบายว่าเกิดอะไรขึ้นจริงๆ กับ program counter หรือ memory address register ในแต่ละขั้นตอน ข้อสอบ WJEC ขอให้คุณ trace ผ่านรอบคำสั่งแบบง่ายขั้นตอนต่อขั้นตอน วาดมันด้วยมือสองสามครั้งด้วยชื่อ register จริงๆ (MAR, MDR, PC, CIR, ALU) จนกว่าลำดับจะเป็นอัตโนมัติ สิ่งเดียวกันนี้ใช้กับสถาปัตยกรรม von Neumann เทียบกับ Harvard — รู้หนึ่งลักษณะที่โดดเด่นชัดเจน ไม่ใช่ย่อหน้าที่คลุมเครือ
NEA: เลือกโครงการที่คุณสามารถจบได้จริงๆ
การประเมินแบบไม่ใช่ข้อสอบมีคุณค่าอย่างมีความหมายในเกรดโดยรวม และข้อผิดพลาดที่ใหญ่ที่สุดที่นักเรียนทำคือการเลือกโครงการที่มีความทะเยอะเกินไป ระบบบริหารจัดการสินค้าคงคลังที่ใช้ได้กับแบ็กเอนด์ SQLite และอินเทอร์เฟส Tkinter หรือ PyQt ที่สะอาดจะได้คะแนนดีกว่าแอปพลิเคชัน machine learning ที่ยังไม่เสร็จและไม่เคยออกจากต้นแบบที่เสีย
จัดโครงสร้าง NEA write-up รอบๆ วัตถุประสงค์การประเมินโดยตรง: analysis (ปัญหาอะไร ความต้องการของใคร เกณฑ์ความสำเร็จอะไร), design (data structures, algorithms, interface mockups), technical solution (code จริงๆ พร้อมหลักฐานการทดสอบ) และ evaluation (มันตรงตามเกณฑ์ความสำเร็จเดิมหรือไม่ ทดสอบกับข้อมูลจริง) จึงหน้าจอของการทดสอบของคุณในทุกขั้นตอน — ผู้ตรวจสอบต้องการเห็นหลักฐาน ไม่ใช่แค่ข้อเรียกร้องว่า
เขียนด้วยความช่วยเหลือของ AI ตรวจสอบและเผยแพร่โดย Michal Pilch (CISSP), Korra Studio
นี่คือบันทึกหนึ่งจากฐานความรู้ของ Korra Studio — แพลตฟอร์มจับคู่หัวข้อแต่ละหัวข้อกับการฝึกสอนแบบ 1-to-1
เริ่มใช้งานฟรีarrow_forward