計算思維課程設計范式：大概念教學和KUD教學目標組賦能課程設計

摘要：本文提出了一種以大概念和KUD（知識、理解、操作）目標為基礎的計算思維課程設計模式。將大概念整合到教學框架中，有助于強化信息技術的核心概念，引導學生深入理解學科概念的本質(zhì)；圍繞大概念制訂KUD教學目標，可以幫助教師更精確地規(guī)劃課程內(nèi)容、教學活動和評估方法，使教學目標與培養(yǎng)學生的核心素養(yǎng)更緊密地結(jié)合。

關鍵詞：大概念教學；KUD教學目標組；計算思維課程；核心素養(yǎng)

中圖分類號：G434 文獻標識碼：A 論文編號：1674-2117（2024）14-0045-05

引言

《義務教育信息科技課程標準（2022年版）》特別強調(diào)了培養(yǎng)學生的信息意識、計算思維、數(shù)字化學習與創(chuàng)新以及信息社會責任等核心素養(yǎng)的重要性。[1]其中，計算思維是利用計算原理來解決問題、設計系統(tǒng)和理解人類行為的思維過程。[2]雖然教育工作者都已認識到計算思維的重要性，而如何有效地設計和實施計算思維課程卻是一個復雜且具有挑戰(zhàn)性的問題。[3-5]

在傳統(tǒng)的教學設計中，教師通常在課堂上傳授知識，再通過各種各樣的測試來評估學生的知識理解程度和運用能力。這樣的教學設計雖然能讓學生了解所學的知識內(nèi)容，但卻忽視了學生的創(chuàng)新能力，以及對應用知識和解決問題能力的訓練。[6]此外，許多教師把編程教育等同為培養(yǎng)學生計算思維的課程，窄化了計算思維的范疇。本研究旨在探索一種以大概念和KUD教學目標為引導的計算思維課程設計范式，希望為解決這一問題提供理論和實踐的依據(jù)。

大概念和KUD目標的基本概念

大概念代表一個學科中最基本和最全面的概念，是指那些深度精煉、能貫穿各個級別或子主題的關鍵概念。這些關鍵概念是理解一個領域或?qū)W科的基石，并可以提供一個統(tǒng)一的框架，幫助理解和組織學科知識，被認為是教學的核心支柱。[7]在計算思維教育中，大概念有助于聚焦并整合諸多繁復的計算思維概念，幫助學生看到更大的知識脈絡，深化他們對學科本質(zhì)的理解。例如，在計算思維教育中，“算法”就是一個大概念，它既可以用于描述簡單的排序和搜索過程，也可以應用于更復雜的問題解決策略和機器學習模型。通過學習和理解算法這個大概念，學生可以加深對不同算法之間相似性和適用性的理解。

KUD目標是“知識（Knowledge）、理解（Understanding）和操作（Doing）”的縮寫，KUD目標在教育研究領域已經(jīng)被廣泛承認，被認為能夠幫助教師更精確地規(guī)劃課程內(nèi)容、教學活動和評估方法。KUD目標將教學目標分為三種類型：

①知識目標。包括學生需要了解的事實或概念。②理解目標。注重概括、解釋、推理、比較、判斷和展現(xiàn)洞察力的能力，是知識目標的發(fā)展和延伸，需要學生運用知識目標中所學習到的信息。③操作目標。注重實踐應用，培養(yǎng)學生結(jié)合實際情境解決現(xiàn)實問題的能力，是學生對大概念理解的應用。用KUD模型設計的課程，可以讓教師更準確地設定學習目標，明確哪些需要記憶，哪些需要深度理解，哪些操作技能需要掌握，從而分階段進行教學，逐步深入。

以大概念和KUD教學目標組為指導的計算思維課程設計

1.整合計算思維的核心概念

計算思維是問題解決過程中一系列復雜的思維過程，如分解問題、算法設計、問題解決、模式識別、抽象思維等，這些元素都是必不可少的，如果分開教授，可能會使學生感到混亂。因此，需要一種方法來整合這些元素，使學生能夠理解和掌握計算思維。而大概念正是實現(xiàn)這一目標的理想工具，可以挑選出較為基本且全面的計算思維大概念。這個過程需要教師具備對計算思維本質(zhì)的深入理解，并能精準地判斷哪些概念足夠“大”，能夠覆蓋計算思維的多個方面。通過設計不同的教學模塊，使每個模塊都圍繞一個或多個與大概念相關的小概念展開。例如，設計一個模塊來探討如何使用某種算法解決實際問題，設計另一個模塊來探討某種算法的優(yōu)化和改進等。

2.制訂KUD教學目標組

在大概念的指導下可以開始制訂KUD教學目標組，即基于每個教學模塊，確定學生需要掌握的知識點、理解的概念和能夠執(zhí)行的技能。

知識目標：需要獲取新的知識，理解它的意義，并且與已有知識或經(jīng)驗建立聯(lián)系。需要學習如何獲取、分析、評估信息，并且需要在這個過程中不斷擴大知識儲備。知識目標應該包括學生需要了解和記憶的基本信息，如關鍵術語、基本原理、工具使用等。例如，在算法設計模塊中，學生需要了解算法設計方法、設計流程和工具，并能列舉出日常生活或編程實踐中常見的算法，掌握基礎的算法設計步驟和一些基礎且常用的算法，如查找算法、排序算法等。

理解目標：強調(diào)分析和批判性思維，即能理解為什么需要這些知識，并且知道如何和何時使用它們。這就需要學生有能力去理解、分析問題和找到最佳的解決方案，能提煉和解釋知識中的主要概念并將其應用在新的問題環(huán)境中。例如，學生應了解算法設計的重要性，以及它在實際問題解決過程中的作用，了解何時應用何種算法，并理解不同算法如何影響編程任務的結(jié)果和性能，理解算法設計與其他計算思維概念（如抽象化、分解問題等）的關聯(lián)。

操作目標：涉及創(chuàng)新性思維和生活職業(yè)技能的培養(yǎng)，即知道如何運用知識，將理解目標轉(zhuǎn)化為實踐。這就需要學生有創(chuàng)新能力，有解決實際問題的能力，強化他們的生活和職業(yè)技能。例如，針對如何能夠應用所學知識設計和實現(xiàn)基本的算法這一問題，可以要求學生對實際問題進行算法分析，選擇最合適的算法來解決問題，獨立設計和編寫代碼實現(xiàn)具體的算法，并且能夠?qū)Υa進行測試和性能評估，了解如何進行算法優(yōu)化等。

通過設置和執(zhí)行KUD教學目標，能保證學生的學習是積極主動的、行動導向的，并且還可以通過學生的行動來實時評估他們的學習進度和效果。

基于大概念和KUD教學目標組的課程設計模型

基于大概念和KUD教學目標組的課程設計模型如下圖所示。

1.確定大問題和核心驅(qū)動問題

在課程設計啟動階段，第一步是確定以大概念為基礎的大問題，這些問題通常是開放性的，不僅要植根于專業(yè)領域的知識核心，更是KUD教學目標的基礎載體。因此，這些問題應該具有普適性，即類似問題在學科中反復出現(xiàn)，能夠激發(fā)知識的聯(lián)系和遷移；具有核心性，能夠概括學科的本質(zhì)內(nèi)容，要求深度推理和探究；具有上位性，能體現(xiàn)某一學科的核心思想，指向并突出宏觀概念；具有啟發(fā)性，能夠最大程度地吸引和激發(fā)學生，引起困惑和認知矛盾。例如，在算法設計的課程中可以將大問題設計為：“如何設計一個有效的、可應用到大數(shù)據(jù)處理的算法？”

而在進一步的課程設計中，還需要通過具體的核心驅(qū)動問題引導學生深入學習。這些問題通常針對性更強、更加具體，并且直接與學習目標對應。例如，在算法設計的課程中，可設置這樣的核心驅(qū)動問題：“在處理大量數(shù)據(jù)排序的問題上，冒泡排序和快速排序有何區(qū)別和優(yōu)劣？在哪些情況下，我們選擇哪一種排序方法？”

2.構建知識圖譜

大概念是更為宏觀、抽象的概念，它把握和反映了學科的本質(zhì)和核心，是對一系列學科核心概念的高度總結(jié)和抽象。以大概念為樞紐，連接與KUD教學目標相應的學科核心概念，形成完整的知識圖譜，可以使課程內(nèi)部邏輯緊密。教師在創(chuàng)建好知識圖譜后，可以根據(jù)知識圖譜進行教學設計，每一部分的學習可以圍繞知識圖譜的一個節(jié)點或者一組節(jié)點進行，根據(jù)不同的知識節(jié)點，可以細化對應的KUD教學目標組。

3.基于KUD的挑戰(zhàn)任務設計

在設計挑戰(zhàn)任務及驅(qū)動性問題時，應確保任務設計緊密結(jié)合KUD教學目標，并且?guī)椭鷮W生理解和掌握算法設計及與之對應的大概念。也就是說，根據(jù)學生需要知道什么、理解什么、能夠做什么來設計適合的挑戰(zhàn)任務，并精細化這一過程。例如，對于理解的相關任務可以設計頭腦風暴、策略分析等；對于技能相關任務，可以設計真實情境的實踐探索、游戲闖關、編程挑戰(zhàn)等。多種任務形式的引入，能使評價方式更為多元，更能真實反映學生的技能和理解程度。

4.問題解決圖譜制訂

問題解決圖譜提供了一個結(jié)構化的解決問題的路徑，既明確了學生的學習目標，又為他們提供了實踐機會，并且在最后階段幫助他們通過反饋了解自身表現(xiàn)，進一步指導他們的學習。這個過程能夠幫助學生加深對計算思維的理解，并更好地把理論知識應用到實際問題的解決中。

5.學習活動、支架與資源設計

在以學生為中心的教學設計中，應依據(jù)KUD教學目標設計學習活動、學習支架及學習資源。對于具體執(zhí)行，理想的情況是，所有的教學元素應當是有機整合的，其中每一個小的實踐活動也都服務于更大的理解目標。所有的實踐環(huán)節(jié)，無論是獨立作業(yè)、游戲體驗、小組討論，還是項目實施、自我評估，都應直接與KUD教學目標關聯(lián)，以保證在進行具體的學習活動時，學生能夠?qū)⒆⒁饬性趯Υ蟾拍畹睦斫馍稀?/p>

6.多維度的學習成果評價和可視化展示

可視化展示學習成果，不僅有利于讓學生更好地感知和理解自己的學習進度，而且有助于教師對教學效果進行評估和改進。例如，采用項目展示的形式來呈現(xiàn)學生的學習成果能夠有效激發(fā)學生的學習激情和探究欲望，而這些成果將直觀反映學生在各類問題解決、數(shù)據(jù)分析和算法設計方面的能力。

此外，應鼓勵學生主動進行成果分享和展示，包括對自己的想法和理解進行闡述。這不僅有助于深化學生對大概念的理解，而且可以鍛煉他們的溝通、表達和團隊協(xié)作能力，同時也為學生提供自我反思的機會。對于學習成果評價，還可以使用Bebras國際計算思維挑戰(zhàn)活動等作為評價工具。[8]它能有效評估學生對計算思維內(nèi)容的理解和運用程度，反映出學生在KUD教學目標上的實際成績。

總的來說，通過有目的的活動設計和多維度的成果展示，可以全面、有效地展現(xiàn)學生的學習成果，同時也為教學提供持續(xù)反饋，推動教學方法和策略的持續(xù)優(yōu)化。

7.評價標準的設定

評價標準應聚焦于KUD教學目標的實現(xiàn)程度，同時需要關注該實現(xiàn)程度如何推進學生理解和應用大概念。多元化的評估方式，不僅可以全面考查學生的知識掌握程度、理解程度和技能應用，還能在一定程度上反映實踐活動對達成KUD教學目標的影響。任務設計和學習評價緊密結(jié)合，使得評價過程自身也成為學生學習的一部分。學生在完成挑戰(zhàn)任務及其評價的過程中，既能在實踐中學習，又能通過評價得到反饋，有效地提升學習成效?；贙UD教學目標的任務設計也鼓勵學生參與并反思自己的學習過程，這是自我評價的重要部分，也是培養(yǎng)學生自主學習能力的關鍵因素。

結(jié)論與展望

本研究深入討論了基于大概念以及KUD教學目標組的計算思維課程設計范式。研究結(jié)果表明，大概念與KUD教學目標能有效地整合、深化學生的學習體驗，并提供了一種實用的規(guī)劃與評估課程的框架。通過堅持采用這種設計模式，教師能更有目標性地構建與執(zhí)行課程，專注于提升學生的核心素養(yǎng)。同時，本研究進一步闡明，以大概念和KUD教學目標為指導的課程設計不僅有助于提高學生的學習效率，而且能促進學生創(chuàng)新思維和求知欲的提升。通過解決現(xiàn)實中的問題來應用知識、技能和態(tài)度，學生能更好地理解并解決復雜問題，進而形成更強的自信和自主學習能力。

本研究期待更多研究者和教育工作者的參與，共同擴大對計算思維課程設計的理解與實踐，也期待驗證此教學模型在更廣泛的教學環(huán)境中的效用，鼓勵學生成為信息社會的積極、負責和有效的參與者。展望未來，我們有望共同開啟一個教育新時代，為每位學生提供一個充分發(fā)揮他們潛力和才智的教育環(huán)境。

參考文獻：

[1]中華人民共和國教育部.義務教育信息科技課程標準（2022年版）[S].北京：北京師范大學出版社，2022.

[2]Wing，J.M..Computational thinking[J].Communications of the ACM，2006，49（03）：33-35.

[3]Yadav，A.，Zhou，N.，Mayfield，C.，Hambrusch，S.，& Korb，J.T.Introducing computational thinking in education courses[C].In Proceedings of the 45th ACM Technical Symposium on Computer Science Education （SIGCSE '14），2014.

[4]Kalelioglu，F(xiàn).，Gulbahar，Y.，& Kukul，V.A framework for computational thinking based on a systematic literature review[J].Baltic Journal of Modern Computing，2016，4（03），583-596.

[5]Mannila，L.，& Farnqvist，T.A review of models for introducing computational thinking in K-12 education[C].In Frontiers in Education Conference （FIE），2016.

[6]Smith，P.L.，& Ragan，T.J..Instructional design.In P.L.Smith & T.J.Ragan （Eds.），Instructional design （3rd ed.）[M].New York，NY： Wiley & Sons，2005：127-150.

[7]Wiggins，G.，& McTighe，J..Understanding by Design （2nd ed.）[M].Alexandria，VA： Association for Supervision and Curriculum Development ASCD，2005.

[8]Hubwieser，P.，& Mühling，A..Investigating the psychometric structure of Bebras contest： Towards measuring computational thinking skills[C].In 2015 International Conference on Learning and Teaching in Computing and Engineering （LaTiCE），2015：9-12.