荷兰鹿特丹自由大学的Andrew Tanenbaum教授是计算机教育界大名鼎鼎的人物，他写的操作系统、计算机网络等方面书籍是全世界公认的经典教材。
Tanenbaum于1997年获得ACM/SIGCSE的计算机科学教育杰出贡献奖(Outstanding Constributions of Computer Science Education)，他在获奖演说中提出了计算机科学教育的十大准则，在此笔者尝试对其一一进行解读。
1、目光长远 (Think long-term)
计算机科学是一门发展及其迅速的学科，任何一个目光短浅限于当前的人和思想都将被马上淘汰，这是计算机科学最重要的特性之一。
2、强调原则，而非事实 (Emphasize principles, not facts)
科研过程中的总结出的一般结论反映在计算机科学上就是所谓原则。应该在原则的指导下工作，而不是仅凭借自己看到的很有局限性的事实。
3、对重大变革有所准备(Expect paradigm shifts)
4、解释事物内在工作原理(Explain how things work inside)
8、讲述理论要适度(Keep theory under control)
这一点是针对教师说的，对我们就可以说“学习理论要适度”，还是个实用性的问题，任何理论都是理论，你把RFC都读完了，也不会间的就配置路由器。
9、忽略大而无当的潮流(Ignore hype)
IT界各种潮流和新的概念太多了，我看到过不少人不停追求这些所谓时髦的技术而忽略了真正的进步。
10、毋忘过去(Don't forget the past)
不论技术人员，还是决策者，这点都是至关重要的。建议专业学生多读读IT史，就几十年的事情，看上十几本书就可以深入细节了。读历史也是不要只看表面，要看到错误的思想和错误的决策是怎么产生的，比如李维先生的《Borlang传奇》就说了很多失败的根源，值得思考。
计算机科学是一门发展及其迅速的学科，任何一个目光短浅限于当前的人和思想都将被马上淘汰，这是计算机科学最重要的特性之一。
比如MS-DOS，其单用户单任务的设计、不支持连网(早期)等缺陷，即便有微软的大力支持，仍必将淡出历史舞台
不从教育的教育看，任何一个信息工程，必须考虑以后的升级、优化等进一步扩展的可能，如果只注重当前，就算完成了设计需求，也是一个失败的工程。
不论作为计算机科学学生，还是计算机从业人员，都不能局限于当前的技术和思考方式，大胆的想，大胆的干，正是计算机科学如此快速发展最大的动力。
2、强调原则，而非事实 (Emphasize principles, not facts)
科研过程中的总结出的一般结论反映在计算机科学上就是所谓原则。应该在原则的指导下工作，而不是仅凭借自己看到的很有局限性的事实。
写一个程序，用结构化方法比较省事，也许也比面向对象短一些，运行快一点，这是事实。但并不意味着这个程序就是好的：代码不可重用，你写的代码永远都是你的，而不是别人的;可扩展性不好，这样的代码最多写到一两万行就得停下来。在大型软件工程中面向对象的方法就是一条最基本的原则。
再进一步，我们应该自己去研究一些原则性的东西，这是很有意义的工作。
3、对重大变革有所准备(Expect paradigm shifts)
很多时候我们可以看到技术的进步和变革就在眼前，能不能跟上？这就是失败和成功的人区别所在。变革是无所不在的，重大的变革意味着机会，机会从来只给准备好了的人。
对学生来说，首先是基础知识要牢，这些基础就是上面说的原则，很多新的技术变来变去，基本原则是不会变的。指导性思想有了，再来应对新出现的有血有肉的东西，就是做好了准备。
4、解释事物内在工作原理(Explain how things work inside)
在计算机科学中，知其然不而知其所以然是一个很容易犯的错误，我们很容易以为自己懂了，会了，但你能解释清楚这个东西到底怎么实现的吗？如果做不到，那么你的发展很会有限，简单的说你就只能跟着别人屁股后面跑，而不能有所创新。
这和数学很像，你可以知道一大堆定理，但如果你不懂得怎么样去证明它，就永远无法改进它，写出一个新的证明来，而只能套用公式，做一些体力劳动罢了。
我想学软件的都应该学点组成原理体系结构，应该读读《深入理解计算机系统》一类的书。这也是专业学生比自学者的优势所在。
5、向学生展示怎么驾驭复杂度(Show students how to master complexity)
5、向学生展示怎么驾驭复杂度(Show students how to master complexity)
算法的复杂度、一个工程的复杂性……都是很重要的概念，李开复先生曾经举了一个关于算法复杂性的很有意思的例子，有兴趣的可以去翻翻《做最好的自己》
计算机和自然科学最大的不同是它的务实性，我们不是要提出一种做事情的方法，而是要做成一个事情，而且要做得最好。
6、计算机科学不是科学(Computer science is not science)
6、计算机科学不是科学(Computer science is not science)
这个很有意思，Tanenbaum应该是想拿计算机科学和自然科学来做比较，正如上面所说，自然科学讲究方法，我们需要提出一个能解决问题的方法，而计算机科学不但要方法，还要能实现，不能做出东西来的方法意义不大。
另一方面自然科学讲究逻辑性，理论都要有一个坚实的基础和逻辑的检验，计算机科学不然，在这里实践是检验真理的唯一标准。
Tanenbaun这样说肯定还有别的原因，我想不到了。
7、从系统角度思考(Think in terms of systems)
当年读他老人家的《计算机网络》，很快陷入一章章的具体细节而一头雾水，好不容易读完以后回过头来看第一章，发现什么都明了了。这里第一章就是对整个网络理论的一个系统的阐述。
7、从系统角度思考(Think in terms of systems)
当年读他老人家的《计算机网络》，很快陷入一章章的具体细节而一头雾水，好不容易读完以后回过头来看第一章，发现什么都明了了。这里第一章就是对整个网络理论的一个系统的阐述。
往往会有这样的情况，你在这个地方做了局部优化，会影响别的地方的性能，必须得去考虑那里的损失。如果一个优化让全局性能下降了，那还不如不做。
这点我理解得不是恨透。
8、讲述理论要适度(Keep theory under control)
这一点是针对教师说的，对我们就可以说“学习理论要适度”，还是个实用性的问题，任何理论都是理论，你把RFC都读完了，也不会间的就配置路由器。
笔者不好把握这个适度是指的什么程度。以自己水平，再学几年理论也不嫌多，理论比较扎实，实践起来更能理解透彻一些，而且理论也帮你知道了前面说的“事物内在原理”。
可以这样理解这句话：学理论的时候，不要忘记你最终是要实践的。
9、忽略大而无当的潮流(Ignore hype)
IT界各种潮流和新的概念太多了，我看到过不少人不停追求这些所谓时髦的技术而忽略了真正的进步。
真正的大的技术革新实际上并不频繁。
花很多时间去学习一个热门的东西的时候，应该去想想自己是为了什么。另外不可人云亦云。
10、毋忘过去(Don't forget the past)
不论技术人员，还是决策者，这点都是至关重要的。建议专业学生多读读IT史，就几十年的事情，看上十几本书就可以深入细节了。读历史也是不要只看表面，要看到错误的思想和错误的决策是怎么产生的，比如李维先生的《Borlang传奇》就说了很多失败的根源，值得思考。
