同伴互評支持的結(jié)對編程對學(xué)習(xí)者計算思維的影響研究

周平紅 桑雪梅 張屹 林裕如 程悅 洪佳鈺

[摘? ?要] 同伴互動是實現(xiàn)學(xué)習(xí)者深度學(xué)習(xí)與計算思維能力提升的關(guān)鍵環(huán)節(jié)，但計算思維的抽象性與內(nèi)隱性特征阻礙了計算思維各能力維度共現(xiàn)關(guān)系與動態(tài)演化趨勢的外化表征。為此，文章提出了同伴互評支持的結(jié)對編程模式，并在高校綜合性課程中開展教育實踐，利用認知網(wǎng)絡(luò)分析（ENA）可視化呈現(xiàn)能力水平高—高、高—低和低—低三種結(jié)對方式下學(xué)習(xí)者計算思維認知網(wǎng)絡(luò)結(jié)構(gòu)模型的差異。研究結(jié)果表明：同伴互評與結(jié)對編程模式的融合創(chuàng)新有助于學(xué)習(xí)者計算思維的提升與知識的雙向遷移；在線同伴互評中，組內(nèi)互評關(guān)注計算思維的概念，組間互評側(cè)重于實踐和觀念；高—高組的同伴互評聚焦宏觀圖形認知，低—低組則傾向局部代碼編寫；隨著同伴互評的深入，三組的認知網(wǎng)絡(luò)質(zhì)心移動軌跡轉(zhuǎn)趨一致。研究將同伴互評機制與結(jié)對編程教學(xué)模式有機融合，為高等教育體系中職前教師的計算思維從教準備度的培養(yǎng)提供理論指導(dǎo)與經(jīng)驗參考。

[關(guān)鍵詞] 計算思維； 結(jié)對編程； 同伴互評； 認知網(wǎng)絡(luò)分析

[中圖分類號] G434? ? ? ? ? ? [文獻標(biāo)志碼] A

[作者簡介] 周平紅（1979—），女，湖北黃石人。副教授，博士，主要從事STEM教育與計算思維、智慧教育與中小學(xué)人工智能教育、教育信息化測評與發(fā)展戰(zhàn)略等研究。E-mail：phzhou@mail.ccnu.edu.cn。

一、引? ?言

計算思維作為21世紀公民需具備的重要文化素養(yǎng)，在人工智能迅速發(fā)展的數(shù)字時代背景下逐漸融入學(xué)校課程教學(xué)中?！读x務(wù)教育課程方案和課程標(biāo)準（2022年版）》與《九校聯(lián)盟（C9）計算機基礎(chǔ)教學(xué)發(fā)展戰(zhàn)略聯(lián)合聲明》都強調(diào)計算思維能力的培養(yǎng)[1-2]。結(jié)對編程作為計算思維培養(yǎng)的有效方法得到廣泛關(guān)注，該方法在一定程度上緩解了單獨編程的焦慮與畏懼心理[3]。結(jié)對編程中匹配策略的選擇與設(shè)計尤為重要，其中，以學(xué)習(xí)者能力水平作為匹配依據(jù)較為成熟，但此類研究中不同匹配策略下的研究結(jié)論不一致，對結(jié)對雙方交流互動的過程性評價關(guān)注較少。另外，計算思維的抽象性與內(nèi)隱性特征會導(dǎo)致課程教學(xué)難以直觀呈現(xiàn)學(xué)生過程性思維變化證據(jù)。隨著認知網(wǎng)絡(luò)分析（Epistemic Network Analysis，ENA）走進學(xué)習(xí)分析領(lǐng)域，研究者對互動過程產(chǎn)生的文本數(shù)據(jù)進行分節(jié)和編碼，可建構(gòu)概念化認知網(wǎng)絡(luò)模型，多層次、動態(tài)化表征個體思維發(fā)展歷程[4]。因此，本研究利用同伴互評支持的結(jié)對編程，采用認知網(wǎng)絡(luò)分析呈現(xiàn)不同匹配組計算思維的動態(tài)演化軌跡。

二、文獻綜述

（一）計算思維的核心要素與測評研究

計算思維的構(gòu)成要素國內(nèi)外存在諸多爭議。周以真教授指出，計算思維是運用計算機科學(xué)的基礎(chǔ)概念進行問題求解、系統(tǒng)設(shè)計以及人類行為理解等涵蓋計算機科學(xué)之廣度的一系列思維活動[5]。英國學(xué)校計算課程工作小組（CAS）指出，計算思維是學(xué)習(xí)者邏輯能力、算法能力、遞歸能力、抽象能力的綜合體現(xiàn)[6]。Brennan等從實踐視角出發(fā)，將計算思維分解為計算概念、計算實踐與計算觀念三個維度[7]。國內(nèi)學(xué)者李鋒等構(gòu)建了計算思維“目標(biāo)—內(nèi)容”結(jié)構(gòu)體系，即計算概念（程序、算法、數(shù)據(jù)結(jié)構(gòu)）、計算實踐（問題分析、方案設(shè)計、過程開發(fā)、數(shù)據(jù)處理）和計算觀念（合作意識、情感態(tài)度）[8]。Angeli等強調(diào)了職前教師計算思維素養(yǎng)培養(yǎng)的重要性[9]。近年來，計算思維的評測由以代碼作品、題目測試、問卷等靜態(tài)數(shù)據(jù)逐步轉(zhuǎn)向利用視頻錄制、音頻采集、日志記錄等開展過程性研究，但基于認知網(wǎng)絡(luò)分析法將計算思維抽象為網(wǎng)絡(luò)模型進行動態(tài)分析的研究還有待進一步探究。

（二）結(jié)對編程中計算思維的相關(guān)研究

結(jié)對編程是由兩名學(xué)生（駕駛員和導(dǎo)航員）同時在一臺計算機上協(xié)作完成任務(wù)的編程教學(xué)策略[10]，不同情境中角色雙方的編程知識水平以及計算思維的變化成為研究關(guān)注點。相關(guān)研究表明，以學(xué)習(xí)者知識水平、技能經(jīng)驗以及性別因素作為配對依據(jù)時，學(xué)習(xí)者的計算思維能力水平得到有效提升，并能實現(xiàn)遷移運用。也有研究者基于學(xué)習(xí)者的學(xué)習(xí)風(fēng)格、伙伴關(guān)系開展結(jié)對編程，發(fā)現(xiàn)不同成績水平的學(xué)習(xí)者在計算思維三個維度上呈現(xiàn)出顯著差異，且異質(zhì)的學(xué)習(xí)風(fēng)格組合學(xué)習(xí)成效高于同質(zhì)組合[11]。部分研究表明，存在知識梯度的高—低組隊會導(dǎo)致低水平學(xué)生參與度不足、消極被動等問題[12]。為了明晰能力水平相近的同質(zhì)組合的學(xué)習(xí)效果，本研究在高—低異質(zhì)結(jié)對的基礎(chǔ)上納入高—高與低—低兩種同質(zhì)組隊模式，探究不同結(jié)對編程匹配模式下學(xué)習(xí)者的知識建構(gòu)與思維躍遷。

（三）同伴互評支持的結(jié)對模式對計算思維的影響研究

同伴互評是群體或個人觀摩同伴工作并進行彼此評估、相互學(xué)習(xí)的過程[13]，互評的對象經(jīng)常被定義為學(xué)習(xí)成果或產(chǎn)品質(zhì)量。近年來，互評活動逐漸由線下課堂轉(zhuǎn)移到線上學(xué)習(xí)環(huán)境中。例如，使用基于同伴互評的雙向概念映射系統(tǒng)，能提升學(xué)生的高階思維與反饋質(zhì)量[14]。此外，同伴互評與結(jié)對編程模式的融合為學(xué)習(xí)者計算思維能力的培養(yǎng)創(chuàng)造了潛在的提升空間。Hsu等基于學(xué)生語言差異進行分組開展機器人教育時，發(fā)現(xiàn)在結(jié)對編程過程中為角色雙方提供目標(biāo)語言的同伴互動問答環(huán)節(jié)，有助于學(xué)習(xí)者計算思維技能與合作社交能力的提升[15]。然而，傳統(tǒng)的編程實踐常從問題識別（Problem Identification）、流程定義（Flow Definition）、編程（Coding）以及測試（Testing）四個環(huán)節(jié)（即PFCT法）來指導(dǎo)學(xué)生的編程活動，強調(diào)編程技能的培訓(xùn)，卻對學(xué)習(xí)者通過社會互動促進深度反思的過程關(guān)注不夠。Fang等基于此提出了同伴評估支持的編程方法，即PA-PFCT（Peer-Assessment-supported PFCT）法，并通過實驗證明該方法可有效提高高中學(xué)生的計算思維意識[16]。由于職前教師是未來培養(yǎng)學(xué)習(xí)者計算思維的主力軍，國際教育技術(shù)協(xié)會發(fā)布的《計算思維能力標(biāo)準（教育者）》標(biāo)準中強調(diào)，教師應(yīng)是計算思維學(xué)習(xí)者、圍繞計算的協(xié)作者、融合計算思維的促進者等，而同伴互評支持的結(jié)對編程將有助于發(fā)展職前教師計算思維能力和協(xié)作能力。鑒于此，本研究面向高等教育領(lǐng)域創(chuàng)建針對職前教師的結(jié)對編程環(huán)境，采用PA-PFCT方法引導(dǎo)學(xué)生使用在線同伴互評平臺對小組內(nèi)部及小組間的計算思維過程進行評價，比較自我期望與實際表現(xiàn)之間的差異，促進計算思維意識的生成與轉(zhuǎn)換。

綜上所述，本研究主要探究以下四個問題：（1） 同伴互評支持的結(jié)對編程是否影響大學(xué)生的計算思維水平？（2）在結(jié)對編程實驗中，學(xué)習(xí)者組內(nèi)互評與組間互評反映出的計算思維各能力維度具有怎樣的特征？（3）在結(jié)對編程實驗中，不同匹配策略的學(xué)習(xí)者組內(nèi)互評與組間互評反映出的計算思維各能力維度具有怎樣的特征？（4）在結(jié)對編程實驗中，不同匹配策略的學(xué)習(xí)者組內(nèi)互評與組間互評反映出的計算思維質(zhì)心發(fā)展軌跡如何？

三、研究設(shè)計

（一）研究對象

本研究在2022年春季華中地區(qū)某師范大學(xué)的綜合性課程“教育信息處理”中開展，研究對象為大學(xué)二年級教育技術(shù)學(xué)專業(yè)的本科生，該專業(yè)主要培養(yǎng)中小學(xué)信息技術(shù)的職前教師，共計40人，其中，男生13人（占比32.5%），女生27人（占比67.5%）。學(xué)生皆具備一學(xué)期的C語言學(xué)習(xí)基礎(chǔ)。以學(xué)生的C語言期末成績作為編程知識水平高低的劃分依據(jù)，成績前50%為高水平，后50%為低水平，共形成高—高、高—低、低—低三種匹配策略。該門課程為期16周，前8周以概念理論講授為主，后8周上機實驗針對理論知識設(shè)計程序代碼，需兩兩結(jié)對完成任務(wù)，一人作為駕駛員負責(zé)編寫代碼，另一名同伴則提出意見與修改方向，兩人可互換角色。

（二）研究過程

本研究將課程劃分為知識建構(gòu)、結(jié)對編程、組間互評三個環(huán)節(jié)，如圖1所示。學(xué)習(xí)者需形成系統(tǒng)知識體系才能正式上機編程，基于PA-PFCT編程學(xué)習(xí)模式，從問題識別、流程定義、結(jié)對編程、代碼測試、組內(nèi)互評五個步驟中挖掘?qū)W習(xí)者計算思維的差異特征與變化趨勢。

（1） 知識建構(gòu)：教師在理論課講授中采用混合式教學(xué)，線上通過學(xué)校自主研發(fā)的小雅平臺發(fā)布學(xué)習(xí)任務(wù)，個人自學(xué)完成任務(wù)單或主題討論，教師在課堂上進行解析，引導(dǎo)學(xué)生進行理論知識建構(gòu)。

（2） PA-PFCT：不同的匹配策略下的學(xué)生參與實驗課程，按照問題識別、流程定義、結(jié)對編程、代碼測試開展程序設(shè)計，編程結(jié)束后雙方圍繞計算思維的概念、實踐、觀點三個關(guān)鍵點在實驗報告上撰寫組內(nèi)互評。

（3） 組間互評：組內(nèi)一名成員將小組實驗報告提交至小雅平臺，系統(tǒng)自動為每人分配4至5份實驗報告，學(xué)生接收到其他組的實驗報告后在規(guī)定時間內(nèi)為被評者打分，撰寫組間互評的評語。

（三）研究工具

本門課程由一名具有10年以上教學(xué)經(jīng)驗的教師教授，在實驗中組織學(xué)生統(tǒng)一填寫計算思維問卷，該問卷改編自Korkmaz等開發(fā)CTS量表，分為創(chuàng)造力、算法思維、批判性思維、問題解決能力以及合作技能五個維度，采用李克特五分量表，其中1表示“非常不符合”，5表示“非常符合”。利用SPSS23.0進行分析后得出問卷的克隆巴赫系數(shù)值為0.909，表明具有良好的信度。

（四）數(shù)據(jù)收集與編碼

本研究選取完成度較高的4次實驗報告進行統(tǒng)計，排除報告填寫缺失，提交次數(shù)不足，結(jié)對情況不佳的5組人員后，余下15組學(xué)生的有效互評文本總計627條，其中，組間互評544條，組內(nèi)互評83條。對所獲文本按語義段切分后，將完整的語義結(jié)構(gòu)視為一個意義單元。參考李鋒等提出的計算思維分類標(biāo)準，將計算思維劃分為計算概念、計算實踐、計算觀念3個一級指標(biāo)，并進一步細分為12個二級指標(biāo)構(gòu)建編碼體系（見表1）。在正式編碼前，對兩名研究生助教進行專業(yè)的編碼培訓(xùn)，編碼不一致的文本對比討論，使得最終編碼趨于一致。編碼結(jié)束后，使用SPSS23.0進行一致性檢驗，Cohen Kappa值為0.877，表明編碼結(jié)果具有良好的一致性。最終將編碼表格導(dǎo)入ENA在線工具（http：//www.epistemicnetwork.org/），對計算思維各維度進行可視化分析。

四、研究結(jié)果

（一）同伴互評支持的結(jié)對編程模式對學(xué)生計算思維的影響

本研究最終有效樣本15組，高—高、高—低及低—低各5組，為了測評同伴支持的結(jié)對編程匹配策略對學(xué)生計算思維的影響，運用SPSS 23.0進行單因素方差分析。結(jié)果表明，不同結(jié)對形式學(xué)習(xí)者計算思維存在顯著差異（p＜0.001）。進一步對結(jié)果進行LSD事后檢驗發(fā)現(xiàn)，高—高組的計算思維水平顯著高于高—低組和低—低組（p＜0.05，p＜0.001），而高—低組和低—低組比較無顯著差異（p＞0.05）。

（二）同伴互評中計算思維各維度差異比較

為了探究學(xué)習(xí)者組間互評與組內(nèi)互評呈現(xiàn)的計算思維各維度的差異，本研究對4次實驗的編碼結(jié)果進行統(tǒng)計。結(jié)果發(fā)現(xiàn)，在開展組間互評時，學(xué)習(xí)者側(cè)重于計算思維的實踐與觀念，尤其在“方案設(shè)計”與“過程開發(fā)”中占比較大，分別為21%與18%，主要表現(xiàn)為對任務(wù)流程圖進行繪制，梳理出完整的思維邏輯與問題解決方案，并不斷找出問題進行調(diào)試直至輸出正確的結(jié)果。當(dāng)兩人為一組進行組內(nèi)互評時，則更為側(cè)重計算思維的概念，在“變量”和“運算符”的反思中表現(xiàn)較為突出，分別為18%與17%。值得注意的是，在問題分析上無論組間還是組內(nèi)關(guān)注程度較為一致（14%與15%）且頻率出現(xiàn)較高。

（三）不同結(jié)對模式下的學(xué)習(xí)者在計算思維各能力維度的認知差異分析

通過組內(nèi)互評的視角，對文本數(shù)據(jù)進行建模分析得到高—高組、高—低組以及低—低組的認知網(wǎng)絡(luò)質(zhì)心分布，如圖2所示，不同的小方塊表示不同組別的計算思維平均認知網(wǎng)絡(luò)質(zhì)心，圓點代表每組學(xué)生的認知網(wǎng)絡(luò)質(zhì)心，虛線框表示質(zhì)心位置在95%水平上的置信區(qū)間。三種匹配策略下的學(xué)習(xí)者計算思維具有不同的認知結(jié)構(gòu)，其中高—高組與低—低組的質(zhì)心位于X軸的上方，且距離高—低組的質(zhì)心相對較遠，說明三種結(jié)對方式下的學(xué)習(xí)者開展組內(nèi)互評時對計算思維關(guān)注點存在差異。

圖3展示了不同組別的認知網(wǎng)絡(luò)疊減圖，ENA網(wǎng)絡(luò)模型中黑色節(jié)點代表計算思維的各維度，節(jié)點之間的連線表示兩者產(chǎn)生共現(xiàn)域，節(jié)點的大小和連線的粗細、飽和度可表征元素出現(xiàn)的頻率以及聯(lián)系的強弱。圖3（a）是將高—高組與低—低組的認知網(wǎng)絡(luò)圖結(jié)構(gòu)進行疊減得到的效果圖，圖3（b）是高—高組與高—低組的疊減圖，當(dāng)元素之間的連線重疊時會自動相減，最終呈現(xiàn)出聯(lián)系較強的線條顏色以及相減后的連線系數(shù)值，同時線條粗細也會進行疊減。由圖3（a）和圖3（b）可知，高—高組在“變量”與“事件”，“合作意識”與“運算符”“條件”“過程開發(fā)”之間的連接明顯強于其他兩組。圖3（c）的認知網(wǎng)絡(luò)差異圖是由高—低組與低—低組疊減得到的，由圖3（b）和圖3（c）中可知，高—低組網(wǎng)絡(luò)密度較高，主要圍繞“函數(shù)”“變量”以及“方案設(shè)計”等節(jié)點展開，建立了“函數(shù)”與“循環(huán)”“運算符”“變量”“事件”“方案設(shè)計”與“問題分析”“過程開發(fā)”等較強的連接。對比圖3（a）和圖3（c）可以觀察到，低—低組在“變量”與“循環(huán)”“條件”“情感態(tài)度”之間存在強連接。這些現(xiàn)象表明，高—高組在組內(nèi)互評的過程中更為關(guān)注兩人結(jié)對期間的團隊協(xié)作能力，并且利用過程開發(fā)的流程圖指導(dǎo)整體實驗。高—低組互評中提及的計算思維元素相對更廣，充分考慮到計算思維的概念以及實踐兩方面。低—低組的關(guān)注點始終圍繞變量、循環(huán)等計算思維概念展開，對該匹配策略下產(chǎn)生的互評文本分析后得知結(jié)對雙方容易在變量的類型判斷、循環(huán)語句和條件語句的使用上出錯，導(dǎo)致困惑、迷茫等消極情緒。

為了對比學(xué)習(xí)者在組內(nèi)互評與組間互評中計算思維各維度存在的差異，使用同樣的方法對組間互評產(chǎn)生的文本進行處理，如圖4所示，高—高組與高—低組的平均網(wǎng)絡(luò)質(zhì)心距離較近，低—低組的質(zhì)心與其他兩組距離較遠。這一現(xiàn)象表明，高—高組與高—低組在計算思維的關(guān)注維度上具有一定的相似性。

從組間互評的視角來看，圖5展示了不同結(jié)對模式的認知網(wǎng)絡(luò)疊減圖，圖5（a）反映了高—高組與低—低組相減后計算思維各元素的分布情況及聯(lián)系程度，兩組的認知網(wǎng)絡(luò)結(jié)構(gòu)呈左右均勻分布，圖5（b）表示高—高組與高—低組的疊減圖。觀察圖5（a）和圖6（b）可知，高—高組存在明顯的“合作意識”與“過程開發(fā)”“方案設(shè)計”之間的連接。分析圖5（b）和圖5（c）的認知網(wǎng)絡(luò)差異可知，高—低組節(jié)點在“問題分析”與“情感態(tài)度”“合作意識”之間的連接顯著強于其他組。對比圖5（a）與圖5（c）發(fā)現(xiàn)，低—低組節(jié)點元素大部分分布在右側(cè)，在“循環(huán)”與“變量”“問題分析”以及“方案設(shè)計”與“變量”的連接頻率較高。由此說明，高—高組與高—低組對整體圖形化設(shè)計呈現(xiàn)的觀察與解讀較多，針對他人的作品進行評價時主要分析兩人共同繪制的問題分解導(dǎo)圖、代碼設(shè)計流程圖以及結(jié)對過程中的駕駛員與導(dǎo)航員的交換情況，偏向于對計算思維實踐和觀念維度的分析。低—低組則更加關(guān)注局部代碼書寫與運行，通過觀察代碼中出現(xiàn)的變量名定義格式、類型以及循環(huán)語句的使用細節(jié)，分析代碼設(shè)計存在的問題。

（四）不同結(jié)對模式下的學(xué)習(xí)者計算思維發(fā)展軌跡差異分析

為進一步探究學(xué)生計算思維的發(fā)展趨勢，本研究分別比較了不同匹配策略下組內(nèi)互評質(zhì)心軌跡變化（如圖6所示）。從整體來看，認知網(wǎng)絡(luò)質(zhì)心呈現(xiàn)聚攏趨勢，相對距離逐漸縮小。觀察質(zhì)心移動軌跡發(fā)現(xiàn)，高—高組的質(zhì)心無論如何變化，大部分仍處于計算思維概念上；高—低組從實踐出發(fā)過渡到概念，最終在計算思維實踐上趨于穩(wěn)定；低—低組變化趨勢則一直在概念與實踐之間交替變化，且橫跨四個象限。說明先驗知識水平較高的雙方結(jié)對開展組內(nèi)互評時，對計算思維的關(guān)注點較為穩(wěn)定集中。

對比三種匹配策略的組間互評質(zhì)心移動軌跡，如圖7所示。隨著實驗的開展，三組的平均認知網(wǎng)絡(luò)質(zhì)心整體上逐漸靠攏并趨于原點，且在第二次開展組間互評時都過渡到第四象限，逐漸從宏觀的文字描述、思維導(dǎo)圖以及流程圖分析轉(zhuǎn)移到對代碼中基本的運算符、函數(shù)等計算思維的概念維度進行規(guī)范剖析。此外，還可以觀察到高—高組的平均質(zhì)心大多位于第二象限，說明高—高組對其他組作品進行評價反饋時意見大多較為穩(wěn)定，集中于計算思維的問題分析維度，而高—低組與低—低組的組間互評在計算思維各維度反復(fù)橫跳，受實驗材料本身的影響較大，難以達成統(tǒng)一的認知層面。

五、研究結(jié)論與展望

本研究創(chuàng)設(shè)了同伴互評支持的結(jié)對編程環(huán)境，采用認知網(wǎng)絡(luò)分析對在線平臺中職前教師組內(nèi)互評與組間互評進行處理，從同伴互評視角探究不同結(jié)對模式下學(xué)習(xí)者計算思維的認知發(fā)展特征與變化軌跡，得出以下結(jié)論：

（一）同伴互評支持的結(jié)對編程有助于提升學(xué)習(xí)者的計算思維能力

已有研究表明，教學(xué)模式的多樣性與互補性能夠在一定程度上彌合學(xué)習(xí)者消極心理，將同伴互評整合到傳統(tǒng)的結(jié)對編程模式中，可有效緩解學(xué)習(xí)者參與度不足、知識遷移量低等問題。同時，研究發(fā)現(xiàn)，高—高組的計算思維提升水平顯著高于高—低和低—低組。這與之前的研究類似，學(xué)業(yè)水平較高的學(xué)習(xí)者計算思維能力優(yōu)于學(xué)業(yè)成績較低的學(xué)生[17]。研究結(jié)果進一步表明，同伴互動以及其他支架式教學(xué)的融合，可促進程序開發(fā)與試驗迭代的過程，在動態(tài)協(xié)作分工中進行知識共享與思維發(fā)散。

（二）學(xué)習(xí)者開展組內(nèi)互評和組間互評時呈現(xiàn)的計算思維關(guān)注點不同

學(xué)習(xí)者在組間互評階段主要關(guān)注計算實踐和計算觀念，在問題解決邏輯上表現(xiàn)較為突出。已有研究發(fā)現(xiàn)，結(jié)對編程可以讓雙方思維顯性化，提升學(xué)生的推理技能與邏輯思維能力[18]。而組內(nèi)互評時，更為關(guān)注計算概念中的變量與運算符等，學(xué)習(xí)者面對變量、表達式和循環(huán)等概念的理解時，會存在較大的挑戰(zhàn)。因此，在職前教師計算思維教學(xué)能力的培養(yǎng)中，應(yīng)關(guān)注組內(nèi)與組間的同伴互動，以過程為導(dǎo)向提高溝通協(xié)作意識與計算思維的從教準備度。

（三）不同結(jié)對模式的學(xué)習(xí)者認知特征與傾向存在差異

高—高組開展同伴互評時關(guān)注流程圖和思維導(dǎo)圖等整體圖形化的表達對程序開發(fā)的指導(dǎo)性作用。進一步表明，流程圖與思維導(dǎo)圖可作為計算思維抽象表達的工具，可將問題分解建模與推理演繹等思維過程可視化。低—低組則表現(xiàn)出對變量、運算符等局部代碼的細微觀察。吳忭等人的研究發(fā)現(xiàn)，低能力組的學(xué)生協(xié)作編程時更多關(guān)注代碼行的次序，采用相對低效、淺層次的方式修補程序[19]。高—低組可理解為專家—新手模式，高水平學(xué)生可幫助低水平學(xué)生搭建認知框架，新手可給予專家更多解決方案的啟發(fā)[20]，從而推動計算思維能力在各維度的轉(zhuǎn)移。對于教學(xué)經(jīng)驗相對缺乏的職前教師而言，在無法完全避免能力較低的雙方開展組隊的情況下，教師及時予以適當(dāng)提示與引導(dǎo)，能夠?qū)㈦p方的關(guān)注點從對無關(guān)問題或認知差異的無效討論聚焦到對核心問題解決流程的把控。

（四）不同結(jié)對模式下學(xué)習(xí)者的計算思維能力轉(zhuǎn)趨一致

雖然不同組別的同伴互評質(zhì)心發(fā)展軌跡存在差異，但整體質(zhì)心不斷靠近。隨著結(jié)對編程的不斷深入，三種結(jié)對模式的學(xué)習(xí)者計算思維能力水平呈現(xiàn)趨同演化的趨勢。此前的研究證明，在同伴互評中高分組與低分組的學(xué)習(xí)者群體認知隨著時間的推移，在經(jīng)歷了觀點建構(gòu)與自我反思后質(zhì)心發(fā)展軌跡漸趨一致[21]。學(xué)習(xí)者可持續(xù)對自身方案進行審視與迭代，在抽象分解與溝通互助中累積經(jīng)驗，將已有的概念與具象認知遷移運用，最終達到計算思維能力傾向的相對統(tǒng)一。

綜上所述，同伴互動機制與結(jié)對編程教學(xué)組織形式的有效融合創(chuàng)新為學(xué)習(xí)者提供了促進彼此協(xié)作互動與知識雙向遷移的契機，采用不同的結(jié)對模式可激發(fā)不同知識梯度的學(xué)習(xí)者貢獻想法，形成多元化的靈感。在社會互動中從認知沖突逐漸轉(zhuǎn)向知識重構(gòu)，達到互動過程的深度反思，從而提高群體的問題解決能力和計算思維意識。但個體思維發(fā)展具有動態(tài)性與深刻性，群體特征難以全面反映個體變化差異，因此，未來的研究可基于人工智能技術(shù)精準捕獲并自動分析編程過程中產(chǎn)生的個體語言、肢體行為、面部情緒等多模態(tài)數(shù)據(jù)源，生成以證據(jù)為中心的個體計算思維診斷結(jié)果，建構(gòu)計算思維的動態(tài)發(fā)展與預(yù)測認知模型，并以結(jié)對編程的匹配模式設(shè)計作為切入點，結(jié)合PA-PFCT法可逐步實現(xiàn)在不同的教學(xué)境脈和學(xué)科課程中推廣。

[參考文獻]

[1] 教育部.教育部關(guān)于印發(fā)義務(wù)教育課程方案和課程標(biāo)準（2022年版）的通知[EB/OL].（2022-03-25）[2023-03-21]. http：//www.gov.cn/zhengce/zhengceku/2022-04/21/content_5686535.htm.

[2] 何欽銘，陸漢權(quán)，馮博琴.計算機基礎(chǔ)教學(xué)的核心任務(wù)是計算思維能力的培養(yǎng)——《九校聯(lián)盟（C9）計算機基礎(chǔ)教學(xué)發(fā)展戰(zhàn)略聯(lián)合聲明》解讀[J].中國大學(xué)教學(xué)，2010，241（9）：5-9.

[3] BERGIN S， REILLY R. The influence of motivation and comfort-level on learning to program[C]//17th Workshop of the Psychology of Programming Interest Group. Brighton：Psychology of Programming Interest Group， 2005：293-304.

[4] 王志軍，楊陽.認知網(wǎng)絡(luò)分析法及其應(yīng)用案例分析[J].電化教育研究，2019，40（6）：27-34，57.

[5] WING J M. Computational thinking[J]. Communications of the ACM，2006，49（3）：33-35.

[6] Computing at school working group. Computer science： a curriculum for school [EB/OL].（2012-03-01）[2023-10-20]. http：//www.computingatschool.org.uk/data/uploads/Computing Curric.pdf.

[7] BRENNAN K， RESNICK M. New frameworks for studying and assessing the development of computational thinking[C]//Proceedings of the 2012 Annual Meeting of the American Educational Research Association. Vancouver： AERA，2012.

[8] 李鋒，程亮，顧小清.計算思維學(xué)業(yè)評價的內(nèi)容構(gòu)建與方法設(shè)計——文獻比較研究的視角[J].中國遠程教育，2022（2）：65-75，77.

[9] ANGELI C， GIANNAKOS M N. Computational thinking education： issues and challenges[J]. Computers in human behavior，2020，105：1-3.

[10] WILLIAMS L， KESSLER R R， CUNNINGHAM W， et al. Strengthening the case for pair programming[J]. IEEE software，2000，17（4）： 19-25.

[11] 李彤彤，郝晴，文雨，等.基于學(xué)習(xí)風(fēng)格和伙伴關(guān)系的配對編程對小學(xué)生計算思維的影響研究[J].遠程教育雜志，2022，40（3）：105-112.

[12] 傅騫，張力文，馬昊天，等.大學(xué)生編程韌性水平調(diào)查及其影響因素研究[J].電化教育研究，2021，42（4）：29-36.

[13] 范逸洲，馮菲，劉玉，等.評價量規(guī)設(shè)計對慕課同伴互評有效性的影響研究[J].電化教育研究，2018，39（11）：45-51.

[14] HWANG G J， CHANG S C. Facilitating knowledge construction in mobile learning contexts： Abi-directional peer-assessment approach[J]. British journal of educational technology，2021，52（1）：337-357.

[15] HSU T C， CHANG C， WU L K， et al. Effects of a pair programming educational robot-based approach on students' interdisciplinary learning of computational thinking and language learning[J]. Frontiers in psychology，2022，13：888215.

[16] FANG J W， SHAO D， HWANG G J， et al. From critique to computational thinking： a peer-assessment-supported problem identification， flow definition， coding， and testing approach for computer programming instruction[J]. Journal of educational computing research， 2022，60（5）：1301-1324.

[17] 夏小剛，張文蘭，劉斌，等.編程軟件、學(xué)業(yè)水平對初中學(xué)生計算思維發(fā)展的影響研究[J].數(shù)字教育，2020，6（2）：70-75.

[18] 劉敏，汪瓊.結(jié)對編程：中小學(xué)編程教育的首選教學(xué)組織形式[J].現(xiàn)代教育技術(shù)，2022，32（3）：102-109.

[19] 吳忭，王戈.協(xié)作編程中的計算思維發(fā)展軌跡研究——基于量化民族志的分析方法[J].現(xiàn)代遠程教育研究，2019（2）：76-84，94.

[20] PLONKA L， SHARP H， VAN DER LINDEN J， et al. Knowledge transfer in pair programming： an in-depth analysis[J]. International journal of human-computer studies， 2015，73：66-78.

[21] 張濤，張爍，張思，等.在線同伴互評中群體認知的特征、網(wǎng)絡(luò)與發(fā)展軌跡分析[J].現(xiàn)代教育技術(shù)，2022，32（9）：82-90.

A Study on the Influence of Peer Assessment-supported Pair Programming on Learners' Computational Thinking

ZHOU Pinghong，? SANG Xuemei，? ?ZHANG Yi，? LIN Yuru，? CHENG Yue，? HONG Jiayu

（Faculty of Artificial Intelligence， Central China Normal University， Wuhan Hubei 430079）

[Abstract] Peer interaction is a key link to improve learners' deep learning and computational thinking ability， but the abstract and implicit characteristics of computational thinking hinder the externalization of the co-occurrence relationship and dynamic evolutionary trend of computational thinking dimensions. To this end， this study proposes a peer assessment-supported pair programming model and carries out educational practice in a comprehensive course in colleges and universities. Epistemic Network Analysis（ENA） is used to visualize the differences in the cognitive network structure model of computational thinking among learners in three types of pairs with high-high， high-low and low-low proficiency levels. The results show that the integration of peer assessment and pair programming model is conductive to the improvement of learners' computational thinking and the two-way transfer of knowledge; In online peer assessment， intra-group peer assessment focuses on the concept of computational thinking and inter-group peer assessment focuses on the practice and ideas; The peer assessment of the high-high group focuses on macroscopic graph cognition， while the low-low group tends to local code writing; As peer assessment progresses， the cognitive network of the three groups becomes more consistent; With the deepening of peer assessment， the trajectories of cognitive network center of mass movement of the three groups became consistent. This study integrates the peer assessment mechanism with the pair programming teaching model， which provides theoretical guidance and empirical references for the cultivation of pre-service teachers' readiness to teach computational thinking in higher education system.

[Keywords] Computational Thinking; Pair Programming; Peer Assessment; Epistemic Network Analysis