对于微软首席执行官萨迪亚纳得德拉，编码就像诗歌，现在，研究人员透露，一个人不需要善于数学，成为苹果这样的硅谷科技巨头的一个好的编码员。

华盛顿大学在西雅图的新研究发现，学习语言的自然能力是学习对程序的更强大的预测因素，而不是基本的数学知识或数学。

这是因为写作代码也涉及学习第二语言，能够了解语言的词汇和语法，以及他们如何共同沟通想法和意图。

与两个领域相关的其他认知功能，例如解决问题和工作存储器的使用，也扮演关键角色。

“编程的许多障碍都是围绕着编程依赖于数学能力的想法，并且这种想法并非在我们的数据中诞生，”心理学副教授的领先作者Chantel Prat表示。

“学习计划是艰难的，但越来越重要的是在劳动力中获得熟练的职位。普拉特阐述了有关善于编程所需的信息擅长令人难以置信的人群。“

该研究检测了一名以三十名成年人的神经认知能力，因为他们学识到Python，这是一种常见的编程语言。

通过电池进行测试以评估其执行功能，语言和数学技能，参与者在Python中完成了一系列在线课程和测验。

那些学到了Python的速度更快，准确性更高的人倾向于制定强烈的问题解决和语言能力，表明了COMENTIC REPORTS中详述的结果。

研究人员发现，语言能力测试中的分数是参与者最强的预测因子“Python的学习率。

来自汇流和流体推理的测试的分数也与Python学习率相关，但这些因素中的每一个都解释了比语言能力所做的那么少。

这是第一项研究，以将自然语言能力的神经和认知预测因子联系到学习编程语言的算法差异。

“我们能够解释不同人在Python中学习速度的速度超过70％的可变性，并且只有少量这笔款项与计算有关，”Prat说。

进一步的研究可以检查教室设置中语言能力和编程指令之间的连接，或者以更复杂的语言，如Java，或者具有更复杂的任务来证明编码熟练程度。

编码与数学和工程有关;大学级规划课程往往需要先进的数学来报名，他们倾向于在计算机科学和工程部门教授。

编码还具有人类语言的基础：编程涉及通过以基于规则的方式串行符号来创建意义。

声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。