運算思維是個動詞，不是一個名詞，把動詞當名詞的人是不會成功的。

Grover & Pea認為運算思維應包含 •

抽象化與樣式一般化 

• 模型化 
• 模擬 

系統化資訊處理 

符號系統與表示 

演算法與流程控制 

• 迭代、遞迴與平行思考 
• 條件式邏輯 

結構化問題解析 

效能分析 

除錯與系統化偵錯

根據Google的定義，運算思維包含

• 抽象化: 為定義主要概念去識別並萃取相關資訊
• 演算法設計: 產出有序指令以解決問題或完成任務
• 自動化: 利用電腦或機器重覆任務
• 資料分析: 透過歸納模式或發展深入分析方法以理解資料
• 資料蒐集: 蒐集與問題解決相關的資料
• 資料表示: 用適合的圖表、文字或圖片等表達與組織資料
• 解析: 將資料、程序、問題拆解成較小、較容易處理的部分
• 平行化: 同時處理大任務中的小任務以有效達到解題目的
• 樣式一般化: 產生所觀察樣式的模型、規則、原則或理論以測試預測的結果
• 樣式辨識: 在資料中觀察樣式、趨勢或規則
• 模擬: 發展模型以模仿真實世界的程序

抽象化(Abstraction)
•    除去細節以簡化並聚焦於重點
•    辨識與描述普遍化的性質(一般化)

抽象化包含哪些歷程?
•    辨識並擷取與解題相關的關鍵部分，抽取基本的解題單元，以重複利用此一解題單元，並擴展解題領域
 樣式辨識/一般化
•    從複雜的現實世界映射到簡化的抽象模型
 模型化、模擬

樣式一般化(Pattern generalization)
•    產出共通的模式、規則、原則或理論

樣式辨識(Pattern recognition)
 
問題->辨識資料表示樣式->辨識演算法樣式

樣式辨識與一般化讓運算發揮其能力

模型化(Modelling)
•    根據不同需求(為了容易瞭解、定義、量化、視覺化或模擬等)，將複雜的現象以簡化的方式表達
•    可用以將抽象的概念視覺化
•    可作為實驗結果闡釋的依據
•    可作為預測的基礎

演算法思維(Algorithmic thinking)
•    產出有序指令以解決問題或完成任務

資料表示(Data representation)
•    用適合的圖表、文字或圖片等表達與組織資料