中小學(xué)生計算思維能力影響因素分析

趙明 王小紅 楊冬 朱道鑫 羅建坤

摘要：計算思維能力被認為是未來創(chuàng)新型人才必備的基本技能之一，世界各國的教育工作者和研究者開展了大量促進和培養(yǎng)學(xué)生計算思維能力的實證研究。然而，卻鮮有研究者對計算思維能力的影響因素進行探究。文章在已有的促進學(xué)生計算思維能力發(fā)展的研究基礎(chǔ)上，對影響學(xué)生計算思維能力的因素進行了梳理。采用問卷調(diào)查法和分層多階段整體抽樣方法在成都市選取了302名中小學(xué)生作為研究對象，通過對回收數(shù)據(jù)的分析，構(gòu)建和驗證了影響因素結(jié)構(gòu)方程模型。研究結(jié)果發(fā)現(xiàn)，學(xué)生的科學(xué)態(tài)度、數(shù)學(xué)態(tài)度和思維風(fēng)格對計算思維能力有顯著的正向影響，信息技術(shù)態(tài)度對計算思維能力有顯著的負向影響，性別、學(xué)段、先前經(jīng)驗和數(shù)學(xué)成績對學(xué)生的計算思維能力沒有顯著性影響。

關(guān)鍵詞：計算思維;影響因素;創(chuàng)客教育

中圖分類號：G622 ? ? ? ? ? 文獻標志碼：A ? ? ? ? ?文章編號：1673-8454（2020）06-0001-06

計算思維能力如同閱讀、寫作和數(shù)學(xué)等基本技能一樣，成為21世紀創(chuàng)新型人才必備的基本技能之一。為了在日益增長的全球經(jīng)濟中保持競爭力，世界各國的教育改革皆提出要加強對學(xué)生計算思維能力的培養(yǎng)。在此背景下，國內(nèi)外學(xué)者主要對計算思維定義及如何促進學(xué)生計算思維能力的發(fā)展進行了大量相關(guān)研究，鮮有研究者關(guān)注K-12教育中學(xué)生的相關(guān)因素對計算思維能力的影響?；诖?，本研究在借鑒已有促進學(xué)生計算思維能力發(fā)展研究的基礎(chǔ)上，對影響學(xué)生計算思維能力的因素進行了梳理，然后采用定量研究的方法以探索計算思維能力與各因素之間的關(guān)系，進而探尋培養(yǎng)學(xué)生計算思維能力的有效路徑，為我國更好地開展培養(yǎng)學(xué)生計算思維能力的教育提供借鑒與建議。

一、研究假設(shè)的提出

1.性別和學(xué)段

Hsu等人[1]認為編程語言是培養(yǎng)學(xué)生計算思維能力最簡單、最合適的方法。已有的研究表明，編程自我效能感與能力的高低與計算思維能力之間存在著顯著性的關(guān)系，并且性別不同對編程活動、機器人等也持有不同的態(tài)度。Askar和Davenport[2]探討了性別與編程自我效能感、編程能力的關(guān)系，研究表明男生在編程自我效能感及編程能力方面均高于女生。Kiss[3]認為與女生相比，男生更有可能發(fā)展編程技能，并且對編程更感興趣。Román-González等人[4]通過對5-12年級的學(xué)生進行干預(yù)，研究結(jié)果表明學(xué)生的計算思維能力在性別方面存在差異性，男生比女生更占優(yōu)勢。然而，Werner等人[5]的研究結(jié)果卻表明學(xué)生的計算思維能力與性別沒有顯著性關(guān)系。類似的結(jié)論我們在Atmatzidou等人[6]的研究中也能看到，他們認為計算思維能力雖然不因年齡和性別而異，但是女生則需要付出更多的努力和時間才能達到與男生相同的計算思維能力水平。通過已有的研究我們可以發(fā)現(xiàn)，計算思維能力與性別差異是否存在影響關(guān)系尚未有統(tǒng)一的研究結(jié)論，因此本研究就性別差異對學(xué)生計算思維能力的影響關(guān)系提出以下假設(shè)：

H1：學(xué)生的性別對計算思維能力有顯著影響。

在探討學(xué)段與計算思維能力之間關(guān)系的研究方面，Basogain等人[7]將計算思維定義為與認知發(fā)展相關(guān)的技能，并認為學(xué)生的學(xué)段與計算思維能力之間可能存在相應(yīng)的關(guān)系。在Román-González等人[4]的研究中不僅發(fā)現(xiàn)學(xué)生的學(xué)段與計算思維能力之間存在正相關(guān)關(guān)系，還認為學(xué)生的認知發(fā)展水平和成熟度水平是影響學(xué)生計算思維能力發(fā)展的重要因素。關(guān)于學(xué)生學(xué)段與計算思維能力之間關(guān)系的研究還相對較為缺乏，然而明確學(xué)生的學(xué)段對計算思維能力的影響程度卻是一個不容忽視的問題?；诖耍狙芯烤蛯W(xué)生的學(xué)段對學(xué)生計算思維能力的影響關(guān)系提出以下假設(shè)：

H2：學(xué)生的學(xué)段對計算思維能力有顯著影響。

2.學(xué)生的先前經(jīng)驗

計算機科學(xué)被公認為是培養(yǎng)學(xué)生計算思維能力的一個重要領(lǐng)域。編程教育有助于培養(yǎng)學(xué)生的計算思維能力，已有研究表明編程包括展示設(shè)計的產(chǎn)品和計算思維能力。此外，美國國際教育技術(shù)協(xié)會（ISTE）和美國國家科學(xué)研究委員會（NRC）認為學(xué)生即使不使用技術(shù)工具進行創(chuàng)造性實踐，他們也能展示計算思維能力。換而言之，學(xué)生與技術(shù)的互動是反映學(xué)生計算思維能力的一個重要方面。基于此，我們認為學(xué)生的先前經(jīng)驗（使用計算機方面的經(jīng)驗）可能對其計算思維能力產(chǎn)生影響，并提出以下假設(shè)：

H3：學(xué)生的先前經(jīng)驗對計算思維能力有顯著影響。

3.學(xué)生對數(shù)學(xué)、信息技術(shù)和科學(xué)課程的態(tài)度和數(shù)學(xué)成績

計算思維這一概念不僅與計算機科學(xué)相關(guān)，而且它和數(shù)學(xué)、科學(xué)也有著緊密的關(guān)系。換而言之，雖然計算思維一直在使用計算機科學(xué)的一些基本概念，但它在發(fā)展數(shù)學(xué)和科學(xué)常用的技能（比如問題解決能力、算法思維、抽象等）方面仍具有重要的作用。Perkins等人[8]認為學(xué)生在學(xué)習(xí)數(shù)學(xué)、科學(xué)、計算機科學(xué)和編程等領(lǐng)域中相似的概念和技能時，在數(shù)學(xué)、科學(xué)、計算機科學(xué)等學(xué)科有著相同的根源。Hambrusch等人[9]認為計算思維的子技能（如算法思維、批判性思維等）是學(xué)習(xí)數(shù)學(xué)和科學(xué)的有效工具。學(xué)生對數(shù)學(xué)和科學(xué)的態(tài)度是否會對計算思維能力有影響的研究還較為缺乏。已有研究表明學(xué)生的態(tài)度與課程的成功有著顯著性關(guān)系，因此學(xué)生對數(shù)學(xué)的態(tài)度是影響數(shù)學(xué)成績的重要因素之一。基于此，本研究將探討計算思維能力與學(xué)生對數(shù)學(xué)、科學(xué)的態(tài)度及數(shù)學(xué)成績之間的關(guān)系，并提出以下假設(shè)：

H4：學(xué)生對數(shù)學(xué)的態(tài)度對計算思維能力有顯著影響。

H5：學(xué)生對科學(xué)的態(tài)度對計算思維能力有顯著影響。

H6：學(xué)生的數(shù)學(xué)成績對計算思維能力有顯著影響。

Korkmaz等人[10]認為計算思維的概念和應(yīng)用以計算機和計算機科學(xué)的基本概念為基礎(chǔ)。計算思維包括與計算機科學(xué)相關(guān)的基于認知和應(yīng)用的知識結(jié)構(gòu)，比如問題的表示和解決、抽象等。此外，Sengupta等人[11]認為計算思維使用著和計算機科學(xué)相關(guān)的基本概念與主題。因此，Kafai和Burke [12]認為在K-12階段應(yīng)該設(shè)計能夠激發(fā)學(xué)生對計算機科學(xué)興趣的相關(guān)主題來培養(yǎng)計算思維能力。

從上述觀點來看，為學(xué)習(xí)計算思維技能而創(chuàng)建的應(yīng)用程序必須以和計算機科學(xué)交織在一起的方式進行設(shè)計。K-12教育中的編程與學(xué)習(xí)計算機系統(tǒng)的工作系統(tǒng)之間有著密切關(guān)系，并且與計算機系統(tǒng)相關(guān)的主題可以構(gòu)成培養(yǎng)計算思維的有效工具。在教學(xué)過程中學(xué)生所取得的成就是通過超越知識、技能的態(tài)度和價值觀來實現(xiàn)的，由于我國K-12階段的學(xué)生在學(xué)校教育中接觸計算機科學(xué)的主要途徑為信息技術(shù)課程，因此本研究提出以下假設(shè)：

H7：學(xué)生對信息技術(shù)的態(tài)度對計算思維能力有顯著影響。

4.學(xué)生的思維風(fēng)格

思維風(fēng)格是指個體在尋找解決方案時傾向于使用的與技能、知識和能力相關(guān)的表現(xiàn)方式。學(xué)生需要掌握一些思維技能才能適應(yīng)知識爆發(fā)式增長的時代，才能成為21世紀的創(chuàng)新型人才。從計算思維的定義和應(yīng)用來看，計算思維包括問題解決、算法思維、分析思維等能力，它是學(xué)生必備的思維技能之一。Barr等人[13]認為計算思維與批判性思維、數(shù)學(xué)思維和算法思維的區(qū)別在于：計算思維是一種新的強大的組合，它通過使用不同的思維技能來解決問題。由此來看，不同的思維技能能夠與計算思維結(jié)合在一起形成一個思維系統(tǒng)。在這個思維系統(tǒng)中，學(xué)習(xí)者的思維風(fēng)格將是獲得計算思維能力的重要組成部分。因此，在學(xué)生思維風(fēng)格對計算思維能力的影響關(guān)系這方面，本研究提出以下假設(shè)：

H8：學(xué)生的思維風(fēng)格對計算思維能力有著顯著影響。

基于上述文獻綜述確定的8個假設(shè)，本研究確定了計算思維能力的8個影響因素，分別為性別、學(xué)段、先前經(jīng)驗、數(shù)學(xué)態(tài)度、科學(xué)態(tài)度、數(shù)學(xué)成績、信息技術(shù)態(tài)度、思維風(fēng)格，并構(gòu)建了如圖1所示的假設(shè)模型。

二、調(diào)查與數(shù)據(jù)收集

1.研究對象

本研究采用分層多階段整體抽樣方法，在成都市選取了302名中小學(xué)生為研究對象，其中小學(xué)生42人（占14%），初中生107人（占35%），高中生153人（占51%）;女生155人（占51%），男生147人（49%）。參與此次調(diào)查的學(xué)生皆為自愿參與，我們以問卷星的形式發(fā)布本研究中所使用到的相關(guān)量表，并由信息技術(shù)課教師在課堂上引導(dǎo)學(xué)生填寫問卷，問卷共回收302份，回收率為100%，經(jīng)剔除無效問卷后，有效問卷共289份（占96%），具體如表1所示。

2.研究工具

本研究使用的問卷由三部分構(gòu)成，包括個人信息、思維風(fēng)格和計算思維能力。個人信息部分由研究者根據(jù)國內(nèi)外學(xué)者已有研究，與領(lǐng)域?qū)＜夜餐懻摵缶幹?，該問卷共包?3個題目，主要收集參與者的先前經(jīng)驗、數(shù)學(xué)成績、數(shù)學(xué)態(tài)度和科學(xué)態(tài)度信息。問卷項目因問題而異，一般具有李克特量表性質(zhì)。計算思維能力量表由Korkmaz等人[10]編制而成，該量表原本的使用對象為在校大學(xué)生，包含創(chuàng)造力、合作能力、算法思維、批判性思維和問題解決能力5個維度，共29個題目。后經(jīng)Korkmaz等人的修改并將題目減少至22個，使之適用于中小學(xué)生，修改后的量表依舊包括原有的5個維度。

本研究將計算思維能力量表進行了本土化翻譯并適度修改，利用SPSS 20.0進行了信效度檢驗。思維風(fēng)格量表由Sternberg 等人[14]編制而成，該量表旨在揭示主導(dǎo)的思維風(fēng)格，包括5個維度下的13種思維風(fēng)格，共104個題目。本研究選用立法、行政和司法三個因素構(gòu)成的24個題目，進行本土化翻譯和適度修改后又進行了信效度檢驗。最終，本研究所使用的總體問卷共59個題目，Cronbach's α系數(shù)為0.948?？倖柧眍}目及各部分問卷題目均有較高的內(nèi)部一致性，結(jié)果如表2所示。

本研究采用的分析方法為探索性因子分析，在總體問卷中共抽取12個因子，經(jīng)分析后KMO值為0.906，Bartlett的球形度檢驗顯著（p=0.000）。數(shù)據(jù)表明，總體問卷的題目之間存在著共同因素，效度良好，并且能夠解釋各個變量之間的關(guān)系，適合用來進行因子分析。問卷效度檢驗結(jié)果如圖2所示。

三、數(shù)據(jù)分析結(jié)果

1.描述性統(tǒng)計

此次研究對象的中小學(xué)階段數(shù)學(xué)成績?yōu)榘俜种?，而初中和高中階段的數(shù)學(xué)成績?yōu)?50分制。因此我們在SPSS 20.0中進行數(shù)據(jù)分析前，需要將百分制的成績轉(zhuǎn)換為150分制成績（轉(zhuǎn)換公式：當前百分制成績×1.5）。經(jīng)分析，數(shù)據(jù)樣本的各變量二點平均值、標準差和相關(guān)系數(shù)如圖3所示。從數(shù)據(jù)分析結(jié)果可以發(fā)現(xiàn)，被測學(xué)生的計算思維能力（M=3.569，SD=0.548）為較好的水平，說明學(xué)生具有一定的計算思維基礎(chǔ);先前經(jīng)驗（M=3.714，SD=0.851），說明被調(diào)查學(xué)生在使用計算機方面具有豐富的經(jīng)驗;數(shù)學(xué)態(tài)度（M=3.765，SD=0.883），說明被調(diào)查的學(xué)生對數(shù)學(xué)具有較高的態(tài)度;科學(xué)態(tài)度（M=3.937，SD=0.734），說明被調(diào)查的學(xué)生對科學(xué)具有較高的態(tài)度;信息技術(shù)態(tài)度（M=3.326，SD=0.692），說明被調(diào)查的學(xué)生對信息技術(shù)具有較高的態(tài)度。

我們從各個變量因素之間的相關(guān)性進行分析后發(fā)現(xiàn)，除了數(shù)學(xué)成績和學(xué)段外，性別、先前經(jīng)驗、數(shù)學(xué)態(tài)度、科學(xué)態(tài)度、信息技術(shù)態(tài)度、立法型思維風(fēng)格、行政型思維風(fēng)格和司法型思維風(fēng)格的顯著性概率值都為p<0.01，其中，行政型思維風(fēng)格與計算思維能力存在強相關(guān)（相關(guān)系數(shù)r<0.8），其余因素與計算思維能力存在中低度相關(guān)（相關(guān)系數(shù)r<0.6）。性別和學(xué)段與各變量之間相關(guān)程度偏低，性別與數(shù)學(xué)態(tài)度、信息技術(shù)態(tài)度、司法型思維風(fēng)格、計算思維顯著性概率都為p<0.01，說明學(xué)生的性別與學(xué)生數(shù)學(xué)態(tài)度、信息技術(shù)態(tài)度、司法型思維風(fēng)格、計算思維線性相關(guān)性很強。

2.回歸分析

為了對本研究提出的假設(shè)進行驗證，我們對各變量進行了回歸分析，以了解變量間相關(guān)性的因果關(guān)系。

（1）計算思維能力與影響因素的回歸分析

我們將學(xué)生的計算思維能力作為因變量，以其影響因素中的性別、學(xué)段、數(shù)學(xué)成績、先前經(jīng)驗、數(shù)學(xué)態(tài)度、科學(xué)態(tài)度、信息技術(shù)態(tài)度、思維風(fēng)格8個變量作為自變量。其中，我們將思維風(fēng)格自變量具體劃分為立法型、行政型和司法型3個維度，然后進行回歸分析并構(gòu)建了模型，數(shù)據(jù)分析結(jié)果如表3所示。

由表3可知，學(xué)生的計算思維能力與其影響因素的多元相關(guān)系數(shù)R為0.737，判定系數(shù)R2=0.542，調(diào)整后R2=0.526，上述數(shù)據(jù)表明8個影響因素對因變量有73.7%的信息解釋度，所建立的回歸模型整體解釋變異量達到顯著水平（F=32.962，p<0.001）。影響學(xué)生計算思維能力的因素從小到大依次為：學(xué)段、數(shù)學(xué)成績、先前經(jīng)驗、性別、信息技術(shù)態(tài)度、立法型思維風(fēng)格、司法型思維風(fēng)格、科學(xué)態(tài)度、數(shù)學(xué)態(tài)度、行政型思維風(fēng)格。因此，我們可以得到計算思維能力的回歸方程為：

Y計算思維能力=常量+0.006×學(xué)段+0.016×數(shù)學(xué)成績+0.037×先前經(jīng)驗-0.058×性別-0.073×信息技術(shù)態(tài)度+0.183×科學(xué)態(tài)度+0.219×數(shù)學(xué)態(tài)度+0.126×立法型思維風(fēng)格+0.309×行政型思維風(fēng)格+0.175×司法型思維風(fēng)格

（2）計算思維能力與各個影響因素的回歸分析

周以真（Jeannette M.Wing）首次提出計算思維是每個人必備的基本技能之一，之后“計算思維”一詞在全世界范圍內(nèi)開始變得流行起來。目前學(xué)術(shù)界關(guān)于計算思維的定義有很多，但卻沒有達成統(tǒng)一共識。在本研究中，我們采用被高度認可的美國國際教育技術(shù)協(xié)會（ISTE）于2015年給出的計算思維定義：計算思維由創(chuàng)造力、算法思維、批判性思維、問題解決能力和合作能力5個部分構(gòu)成。因此，我們將計算思維能力的創(chuàng)造力、合作能力、算法思維、批判性思維及問題解決能力5個維度作為因變量，將8個影響因素作為自變量依次進行回歸分析，可以發(fā)現(xiàn)：

①影響創(chuàng)造力的回歸分析

以計算思維能力中的創(chuàng)造力維度為因變量，從分析結(jié)果可以發(fā)現(xiàn)創(chuàng)造力與影響因素的多元相關(guān)系數(shù)R為0.686，判定系數(shù)R2為0.471，調(diào)整后R2為0.452，表明8個影響因素對創(chuàng)造力維度有68.6%的信息解釋度。其中，科學(xué)態(tài)度、信息技術(shù)態(tài)度、思維風(fēng)格（立法型、行政型和司法型）對創(chuàng)造力具有顯著影響。性別、學(xué)段、數(shù)學(xué)成績、先前經(jīng)驗和數(shù)學(xué)態(tài)度等5個影響因素對學(xué)生的創(chuàng)造力沒有顯著性影響。

②影響合作能力的回歸分析

我們將計算思維能力中的合作能力這一維度作為因變量，發(fā)現(xiàn)合作能力與影響因素的多元相關(guān)系數(shù)R為0.594，判定系數(shù)R2為0.353，調(diào)整后R2為0.330，表明8個影響因素對合作能力維度有59.4%的信息解釋度。其中，科學(xué)態(tài)度、行政型思維風(fēng)格和司法型思維風(fēng)格對合作能力具有顯著性影響，其余影響因素對學(xué)生的合作能力沒有顯著性影響。

③影響算法思維的回歸分析

當我們以計算思維能力中的算法思維這一維度作為因變量時，發(fā)現(xiàn)算法思維與影響因素的多元相關(guān)系數(shù)R為0.622，判定系數(shù)R2為0.387，調(diào)整后R2為0.365，表明8個影響因素對算法思維維度有62.2%的信息解釋度。其中，數(shù)學(xué)態(tài)度、行政型思維風(fēng)格和司法型思維風(fēng)格3個影響因素對算法思維具有顯著性影響，其余影響因素對學(xué)生的算法思維沒有顯著性影響。

④影響批判性思維的回歸分析

以計算思維能力中的批判性思維這一維度作為因變量進行分析時發(fā)現(xiàn)，批判性思維與影響因素的多元相關(guān)系數(shù)R為0.709，判定系數(shù)R2為0.503，調(diào)整后R2為0.485，表明8個影響因素對批判性思維維度有70.9%的信息解釋度。影響因素中的數(shù)學(xué)態(tài)度、科學(xué)態(tài)度、思維風(fēng)格（立法型、行政型和司法型）對學(xué)生的批判性思維具有顯著性影響，其余影響因素對學(xué)生的批判性思維沒有顯著性影響。

⑤影響問題解決能力的回歸分析

以計算思維能力中的問題解決能力這一維度作為因變量進行分析發(fā)現(xiàn)，問題解決能力與影響因素的多元相關(guān)系數(shù)R為0.363，判定系數(shù)R2為0.132，調(diào)整后R2為0.101，表明8個影響因素對問題解決能力維度有36.3%的信息解釋度。影響因素中僅行政型思維風(fēng)格這一自變量對學(xué)生的問題解決能力具有顯著性影響。

3.模型分析

通過在SPSS 20.0中分析得到的路徑模型（見圖4），我們可以發(fā)現(xiàn)：①在計算思維能力的創(chuàng)造力這一維度，學(xué)生的科學(xué)態(tài)度和思維風(fēng)格（立法型、行政型、司法型）對其創(chuàng)造力具有顯著的正向影響。學(xué)生的信息技術(shù)態(tài)度對創(chuàng)造力具有顯著的負向影響，說明學(xué)生對信息技術(shù)的態(tài)度越高，則創(chuàng)造力越低。現(xiàn)階段，我國K-12教育階段中學(xué)校及科任教師對信息技術(shù)課的重視度不夠高，在實際教學(xué)中放任學(xué)生自由探索，這可能會讓學(xué)生在潛意識中認為信息技術(shù)課是“玩耍課”，導(dǎo)致學(xué)生對信息技術(shù)課程非常感興趣，然而在知識與技能方面的收獲卻非常匱乏。②在計算思維能力的合作能力這一維度，科學(xué)態(tài)度、行政型思維風(fēng)格和司法型思維風(fēng)格這3個影響因素對合作能力具有顯著的正向影響。③在計算思維能力的算法思維這一維度，數(shù)學(xué)態(tài)度、行政型思維風(fēng)格和司法型思維風(fēng)格對學(xué)生的算法思維具有顯著的正向影響。其中，學(xué)生的算法思維受到數(shù)學(xué)態(tài)度的影響較大，達到0.389。④在計算思維能力的批判性思維這一維度，數(shù)學(xué)態(tài)度、科學(xué)態(tài)度和思維風(fēng)格（立法型、行政型和司法型）對學(xué)生的批判性思維具有顯著的正向影響。⑤在計算思維的問題解決能力這一維度，行政型思維風(fēng)格對學(xué)生的問題解決能力具有顯著的正向影響。

綜上所述，學(xué)生的科學(xué)態(tài)度、數(shù)學(xué)態(tài)度、信息技術(shù)態(tài)度和思維風(fēng)格對計算思維能力有顯著影響。進一步分析發(fā)現(xiàn)，學(xué)生計算思維能力的影響因素主要有以下幾方面表現(xiàn)：①科學(xué)態(tài)度對學(xué)生的批判性思維、創(chuàng)造力和合作能力具有顯著的正向影響，在培養(yǎng)學(xué)生批判性思維、創(chuàng)造力及合作能力方面可通過提高學(xué)生科學(xué)態(tài)度的教學(xué)活動來實現(xiàn)。②數(shù)學(xué)態(tài)度對學(xué)生的算法思維和批判性思維具有顯著的正向影響，這一發(fā)現(xiàn)也被Blikstein和Wilensky[15]的研究結(jié)論所支持：算法思維是學(xué)習(xí)數(shù)學(xué)概念的有效工具，算法思維與數(shù)學(xué)態(tài)度兩者相輔相成。③思維風(fēng)格對學(xué)生的問題解決能力、批判性思維、算法思維、合作能力和創(chuàng)造力具有顯著的正向影響。換而言之，思維風(fēng)格對學(xué)生計算思維能力具有顯著的正向影響。這說明如果在日常的機器人、編程等教學(xué)活動中注重對學(xué)生思維方式的引導(dǎo)，那么就能更有效地培養(yǎng)學(xué)生的計算思維能力。該發(fā)現(xiàn)與Cohen[16]的研究結(jié)論一致：學(xué)習(xí)思維風(fēng)格可以提高學(xué)生的創(chuàng)造性學(xué)習(xí)技能，提高學(xué)生解決問題和抽象等技能。④信息技術(shù)態(tài)度對學(xué)生的創(chuàng)造力具有顯著的負面影響。Kafai和Burke[12]認為在培養(yǎng)學(xué)生的計算思維能力時，可以通過提高學(xué)生對信息技術(shù)的態(tài)度來設(shè)計產(chǎn)品實現(xiàn)。然而，本研究的研究結(jié)論卻表明學(xué)生對信息技術(shù)的態(tài)度越高，那么學(xué)生在計算思維能力的創(chuàng)造力這一維度就越低。究竟學(xué)生對信息技術(shù)的態(tài)度能否對學(xué)生的創(chuàng)造力或計算思維能力產(chǎn)生影響以及產(chǎn)生什么樣的影響，還需要后續(xù)進行進一步的深入探究。

此外，性別、學(xué)段、先前經(jīng)驗和數(shù)學(xué)成績對學(xué)生的計算思維能力沒有顯著性影響。關(guān)于性別是否會對學(xué)生的計算思維能力有影響這一話題，已有學(xué)者進行過相關(guān)的研究，但尚未有統(tǒng)一的結(jié)論。本研究在性別與學(xué)生計算思維能力關(guān)系的研究結(jié)論與Román-González等人對5-12年級學(xué)生進行干預(yù)后的研究結(jié)果相悖，但卻被Werner和Atmatzidou等人的研究結(jié)論所支持。然而，Prottsman[17]在其論文中卻認為女性在計算機科學(xué)和獲得計算思維技能方面更有天賦。目前，就性別能否對學(xué)生的計算思維能力產(chǎn)生影響，尚未有統(tǒng)一的研究結(jié)論，還需進一步研究。就學(xué)生的學(xué)段和先前經(jīng)驗對計算思維能力的影響關(guān)系來說，Durak和Saritepeci[18]認為學(xué)段對學(xué)生的計算思維能力具有負向的影響，然而在本研究中卻發(fā)現(xiàn)學(xué)段這一因素并不會對學(xué)生的計算思維能力產(chǎn)生影響。在Kalelio lu[19]的研究中發(fā)現(xiàn)數(shù)學(xué)成績能夠?qū)W(xué)生的計算思維能力產(chǎn)生影響，然而本研究卻發(fā)現(xiàn)數(shù)學(xué)成績與計算思維能力并無關(guān)系。

四、總結(jié)與展望

在未來培養(yǎng)學(xué)生計算思維能力的研究中，本研究建議在教學(xué)方法上注重對學(xué)生思維進行引導(dǎo)，而不是填鴨式的教學(xué);在教學(xué)活動的設(shè)計方面，可以根據(jù)學(xué)生的思維方式設(shè)計針對計算思維的活動，提供更簡單、更持久的計算思維學(xué)習(xí)。此外，在日后的教學(xué)中可考慮將編程與數(shù)學(xué)結(jié)合，以此提升學(xué)生的數(shù)學(xué)態(tài)度與計算思維能力。換而言之，提升學(xué)生的數(shù)學(xué)態(tài)度是培養(yǎng)學(xué)生算法思維的有效途徑之一。因此，編程與學(xué)科結(jié)合進行教學(xué)在未來具有很大的研究空間，值得深入探索。

參考文獻：

[1]Hsu T C， Chang S C， Hung Y T. How to learn and how to teach computational thinking： Suggestions based on a review of the literature[J].Computers & Education，2018，126： 296-310.

[2]Askar P ， Davenport D . An Investigation of Factors Related to Self-Efficacy for Java Programming Among Engineering Students[J].Online Submission，2009，8（1）：26-32.

[3]Kiss G. A comparison of informatics skills by genders of Hungarian grammar school students[A]. In： 2010 7th International Conference on Ubiquitous Intelligence & Computing and 7th International Conference on Autonomic & Trusted Computing[C].Xian，China： IEEE，2010，2：17-27.

[4]Román-González M， Pérez-González J C， Jiménez-Fernández C. Which cognitive abilities underlie computational thinking？Criterion validity of the Computational Thinking Test[J]. Computers in Human Behavior，2017，72：678-691.

[5]Werner L， Denner J， Campe S， et al. The fairy performance assessment： measuring computational thinking in middle school[A]. In： SIGCSE. Proceedings of the 43rd ACM technical symposium on Computer Science Education [C]. New York，NY，USA：ACM，2012：215-220.

[6]Atmatzidou S， Demetriadis S. Advancing students computational thinking skills through educational robotics： A study on age and gender relevant differences[J]. Robotics and Autonomous Systems，2016，75：661-670.

[7]Basogain X， Olabe M A， Olabe J C， et al. Mathematics education through programming languages[A]. In： 21st Annual World Congress on Learning Disabilities [C]. Ovieda， Spain： Learning Disabilities WOLDWIDE，2012：553-559.

[8]Perkins D N， Simmons R. Patterns of misunderstanding： An integrative model for science， math， and programming[J]. Review of Educational Research，1988，58（3）： 303-326.

[9]Hambrusch S， Hoffmann C， Korb J T， et al. A multidisciplinary approach towards computational thinking for science majors[J]. ACM SIGCSE Bulletin，2009，41（1）：183-187.

[10]Korkmaz ？魻， ？覶akir R， ？魻zden M Y. A validity and reliability study of the Computational Thinking Scales（CTS）[J].Computers in Human Behavior，2017，72：558-569.

[11]Sengupta P， Kinnebrew J S， Basu S， et al. Integrating computational thinking with K-12 science education using agent-based computation： A theoretical framework[J]. Education and Information Technologies，2013，18（2）：351-380.

[12]Kafai Y B， Burke Q. The social turn in K-12 programming： moving from computational thinking to computational participation[A]. In： SIGCSE. Proceeding of the 44th ACM technical symposium on Computer science education [C]. New York， NY， USA：ACM， 2013： 603-608.

[13]Barr D， Harrison J， Conery L. Computational thinking： A digital age skill for everyone[J]. Learning & Leading with Technology， 2011， 38（6）： 20-23.

[14]Sternberg R J， Grigorenko E L. Are cognitive styles still in style？[J].American psychologist， 1997， 52（7）： 700-712.

[15]Blikstein P， Wilensky U. An atom is known by the company it keeps： A constructionist learning environment for materials science using agent-based modeling[J]. International Journal of Computers for Mathematical Learning， 2009，14（2）： 81-119.

[16]Cohen A D. Strategies in learning and using a second language[M].2nd Edition. London： Routledge， 2014： 221-225.

[17]Prottsman C L L. Computational thinking and women in computer science[D]. Eugene： University of Oregon， 2011.

[18]Durak H Y， Saritepeci M. Analysis of the relation between computational thinking skills and various variables with the structural equation model[J].Computers & Education，2018，116：191-202.

[19]Kalelio luF. A new way of teaching programming skills to K-12 students： Code. org[J]. Computers in Human Behavior，2015，52：200-210.

（編輯：李曉萍）