作者:王晓宇 东南大学脑与学习科学系,儿童发展与教育研究所
研究生导师:姜飞月
【摘要】:本研究旨在通过结构方程模型探讨计算思维技能、科学、技术、工程和数学态度与思维方式之间的关系,并确定计算思维态度和思维方式变量对计算思维技能的解释程度。本研究采用关系型筛选模型,包括703名中学生。采用“STEM态度量表”、“思维风格量表”和“计算思维量表”作为数据收集工具,采用结构方程模型对数据进行分析。研究结果表明,该模型是有效的,STEM态度和思维方式对CT技能有显著影响。研究发现,STEM态度和思维方式共同解释了43%的CT技能。
【关键词】:计算思维,STEM态度,思维方式,结构方程建模
引言
壹
CT是一个讨论了很长时间的概念,近年来获得了很高的人气。这一领域的许多研究人员认为,计算思维是21世纪的一项基本素养,从学前教育到高等教育,各级教育的学生都应该掌握这项素养。不同的工具,如无计算机活动、可视化编程、基于块的编程和教育机器人来发展这项技能。然而,正如没有就CT的定义和范围达成共识一样,也不清楚如何最好地开发和评估它。确定哪些变量影响CT可能有助于消除这些问题。考虑到他们的特点,可以认为STEM的态度和思维方式可能会对CT产生影响。基于这一方向,本研究旨在确定STEM态度和思维方式在多大程度上预测中学生的CT技能。
CT:定义和范围
贰
尽管这是多年来一直讨论的话题,但对于CT的定义还没有达成共识。尽管如此,但CT定义中强调的共同点是值得注意的。Kalelioglu等人确定了CT中最被接受的三个组成部分:抽象、算法思维和问题解决。Korkmaz等人强调,CT技能包括创造力、算法思维、协作、批判性思维、解决问题和沟通等六个部分。虽然一些研究人员强调CT是基于解决、识别和形成问题的过程,但Kalelioglu等人认为CT技能本质上是一个解决问题的过程。同样,国际教育技术学会(ISTE)和计算机科学教师协会(Csta)制定的业务定义将CT视为具有以下特征的问题解决过程(ISTE和Csta 2011):
●用计算机和其他工具制定问题解决问题;
●逻辑组织和分析数据;
●通过模型和模拟等抽象表示数据;
●通过算法思维实现解决方案的自动化;。
●确定、分析和实施可能的解决方案,以确保步骤和资源的最有效和最高效的组合。
●将解决问题的过程概括并转移到广泛的问题上。
计算思维是当代个人应该具备的一项关键技能,拥有CT技能的个人可以解决他们在不同领域遇到的问题。它在教育学生有能力成为在未来世界个人竞争方面发挥着重要作用。研究人员认为,从学前教育到高等教育,各级教育中的计算机技术都应该被列为21世纪的一项关键技能。因此,在许多国家,CT被纳入K12教育。然而,如何更好地向学生传授这项技能,如何将其纳入课程,以及如何评估,出现了一些问题,有待回答。
叁
CT和STEM
STEM是一种通过整合不同学科来解决现实世界问题的跨学科方法。这种方法引导个人通过建立科学、技术、工程和数学之间的关系解决日常生活相关的问题,并使他们能够整合、分析、解释和整合自然现象。STEM教育旨在让学生掌握21世纪的基本技能,如解决问题、逻辑思维、沟通、批判性思维和媒体素养等。学生对STEM的积极态度对STEM教育目标技能的获得起着重要作用。因此,就促进和支持学生学习的变革而言,确定STEM态度是很重要的。
计算思维技能不仅指计算机科学,还可以转移到数学、生物学、工程学等任何领域。
之前的研究主要关注于CT对STEM的影响,并未深入探讨STEM对CT的反向影响。STEM态度在提升学生在STEM领域的成功方面发挥着至关重要的作用。STEM态度可以定义为个体对STEM的思考、感受和行为。因此本研究旨在通过探究STEM态度对CT的影响,为文献研究做出贡献。
CT与思维方式
四
思维方式是个人以更有用和适合他们的方式处理信息的首选方式。受遗传特征和社会环境影响,思维方式可以分为不同的类别。其中,具有整体思维风格的个体更倾向于将事物作为一个整体来看待,而不是单独看待。当具有分析思维风格的人遇到问题时,他们首先将问题分成更小的部分,并通过为这些部分提供解决方案来专注于解决实际问题。
研究表明,思维方式在学业成绩和对课程的态度方面具有显著影响,并且发展不同类型的思维方式对于21世纪技能的培养至关重要,例如创造性思维、决策制定、问题解决、评估和推理能力等。计算思维作为一个框架概念,包括了解决问题、抽象思维、算法思维、反思思维、批判性思维和分析思维等多种技能。Yildiz Durak和Saritepeci指出,通过针对训练学生思维方式的活动,可以更加容易和持久地提高CT技能。因此,了解哪种思维方式可以预测CT技能,对于研究人员、教育工作者和开发人员来说都是非常重要的信息。本研究旨在探究整体或分析性思维方式对CT技能的影响。
研究假设
五
通过在研究范围内进行文献综述,对STEM态度、思维方式和CT技能等概念进行了阐释,并深入探讨了这些变量之间的关系。基于上述理论基础,我们提出了以下假设,旨在考察STEM态度和思维方式对计算思维技能产生的影响程度以及每个变量对计算思维技能的解释力:
H1:学生STEM态度正向显著影响其CT技能。
H2:学生思维方式对CT技能有显著正向影响。
H3:综上所述,学生对STEM的态度和思维方式可以很好地解释他们的CT技能。
研究设计
六
1、研究设计
本研究旨在探讨学生的计算思维技能、STEM态度和思维方式之间的关系,并确定STEM态度和思维方式变量对计算思维技能的影响程度。为了实现这一目标,我们采用了关系筛选模型。该模型旨在确定两个或多个变量之间的变化以及这种变化的程度。在已有文献支持的基础上,我们建立了相应的模型,并通过结构方程模型进行了验证。结构方程模型是一种用于检验观察变量和潜在变量之间关系的统计分析方法。其主要目的是测试基于理论基础的模型是否与实际数据相符。
2、参与者
研究小组由来自两所不同公立学校的703名中学生组成。参与者中,49.2%为女性(f = 346), 50.8%为男性(f = 357)。其中,五年级占比30.4% (f = 214),六年级占比22.3% (f = 157),七年级占比21.3% (f = 150),八年级占比25.9% (f = 182)。
3、数据收集工具
(1)计算思维能力量表
本研究使用了Korkmaz等人开发的计算思维技能量表,其中包括为大学生设计的计算思维技能量表和为中学生改编的计算思维技能量表,以评估参与者的计算思维能力。Leikert五分制量表由22个项目组成,涵盖了创造性、算法思维、合作能力、批判性思维和问题解决能力这五个因素。内部一致性分析表明,总量表的Cronbach's alpha系数为0.809,而各子因素的Cronbach's alpha系数分别为:创造性0.640,算法思维0.762,合作性0.811,批判性思维0.714,解决问题能力0.867。进一步的验证性因子分析结果表明,模型的拟合指标是可接受的 [χ2 (195, N = 241) = 448.11, p < 0.001; CMIN/DF = 2.298; RMSEA = 0.0; SRMR = 0.0; GFI = 0.8; AGFI = 0.8; CFI = 0.9; NNFI = 0.9; IFI = 0.90]。
验证性因素分析:图1展示了验证性因子分析的结果,用于验证计算思维量表的原始因子结构在本研究范围内的有效性。
CFA检验了计算思维量表效度的拟合优度值,结果显示χ2[199, N=703] = 456.692,p < 0.01,χ2/df = 2295,RMSEA = .043,SRMR = 0.035,GFI = .945,AGFI = .930,CFI = .965,NFI = .939,IFI = .965。以上数据表明,所提出的五因素模型与数据兼容,是可以接受的。基于这些结果,我们确认了所提出的计算思维量表的五因素理论结构。
图 1 计算思维技能量表的验证性因素分析
可靠性分析:本研究采用Cronbach's alpha内部一致性系数,评估计算思维量表以及其子因素的信度。该量表由22个项目和5个因素组成,其内部一致性系数为:总体量表为0.861,创造性子因素为0.822,算法思维子因素为0.89,协作性子因素为0.835,批判性思维子因素为0.794,问题解决子因素为0.887。以上结果表明,该量表具有较高的信度。
(2)STEM态度量表
本研究采用Faber等人开发的STEM态度量表,经Yıldırım和Selvi对土耳其语进行改编后,用于评估中学生的STEM态度。该量表是一个5点李克特量表,由37个项目和4个因素(数学、科学、工程、21世纪技能)组成,其中每个因素包含8-11个项目。总体量表的Cronbach alpha系数为0.94,子因素中数学的Cronbach alpha系数为0.89,科学为0.86,工程为0.86,21世纪技能为0.89。研究人员表示,该量表已经通过CFA分析验证 (χ2/df = 4.72; RMSEA = .063; SRMR = .053; CFI = 0.96; GFI = .87; AGFI = .85; NFI = 0.95; IFI = .95)。
验证性因子分析:图2所示为进行确认性因素分析(CFA)的结果,其目的在于验证用于确定STEM态度量表的原始因素结构在本研究背景下是否得到了有效验证。
进行确认性因素分析(CFA)后,我们得到了STEM态度量表的效度拟合优度值结果(χ 2 [620, N = 703] = 1862,304; P < 0.01; χ 2 / sd = 3004; Rmsea = .053; SRMR = .0526; Gfi = .866; Agfi = .848; Cfi = .914; Nfi = .877; IFI = .914),这些值表明所提出的四因素模型与数据兼容且是可以接受的。根据这些结果,我们验证了STEM态度量表的四因素理论结构。尽管部分项目的值较低,但我们仍决定保留它们,以维持量表内容的有效性。
图 2 STEM 态度量表的验证性因素分析
可靠性分析:
为了确定STEM态度量表及其因子的可靠性,我们使用了Cronbach's alpha系数进行内部一致性的计算。该量表由37个项目和4个因子组成。结果显示,总体量表的内部一致性系数为0.949,数学子因子为0.826,科学子因子为0.871,工程子因子为0.905,21世纪技能子因子为0.937。根据这些结果,我们可以得出结论:该量表具有高度可靠性。
(3)思维方式量表
为了测量参与者的整体和分析性思维风格,本研究采用了Arıol开发的思维风格量表。该量表由5个项目组成,每个项目涵盖了确定整体性和分析性思维风格的情况,并提供了一个"不知道"选项,供那些无法区分这两种风格的人选择。参与者需要根据每个问题选择他们认为准确的选项,并在无法区分时选择"不知道"选项。量表使用了分析性思维选项得1分,无想法选项得2分,整体性思维选项得3分的编码方式进行评分,总分范围为5-15分。得分接近5分的学生表明具有分析性思维方式,而接近15分的学生表明具有整体性思维方式。初始版本的量表包含8个项目,经过18位专家的反馈意见后,将量表中的项目数量减少到了7个。在应用于305名学生后,研究者发现其中2个项目的项目区分指数低于0.40,因此从量表中删除,并最终确定了由5个项目组成的量表。
验证性因子分析 :图3展示了进行CFA分析以验证思维风格量表的原始因素结构在本研究背景下的有效性。通过对整体思维量表和分析思维量表的效度拟合优度值进行分析,我们得到了整体思维量表和分析思维量表效度拟合优度值的结果(χ 2 [5, N = 703] = 18,782; P < 0.01; χ 2 / sd = 3756; Rmsea = .063; SRMR = 0.0325; Gfi = .989; Agfi = .967; Cfi = .863; Nfi = .951; IFI = .963),这些值表明所提出的单因素模型与数据兼容且是可以接受的。基于这些结果,我们证实了提出的思维风格量表的单因素理论结构。
图 3 思维风格量表的验证性因素分析
可靠性分析 :采用Cronbach alpha内部一致性系数对思维方式量表的信度进行评估。通过计算5项单因子量表的内部一致性系数,发现其值为0.649。该值表明量表的可靠性是可接受的(α < 0.5不可接受,0.5≤α < 0.6差,0.6≤α < 0.7可接受,0.7≤α < 0.9好,≥0.9优)。
数据分析
七
在进行数据分析时,首先需要验证数据的准确性和完整性。本研究通过对频率分布、最大值和最小值的检查,确认数据的取值范围符合规定要求。接下来,进行了缺失数据分析,结果显示仅有少量数据(1%)出现缺失。根据Lomax和Schumacker的建议,本研究采用均值替代技术对这些缺失数据进行填补。在进行进一步分析之前,需要测试是否满足扫描电镜分析所需的基本假设。由于本研究中样本量超过200个,符合SEM分析的推荐样本量,因此满足样本量的假设。此外,为确保数据的正态性,我们计算了每个变量的偏度和峰度系数,并观察到这些值都在±2的范围内变化(见表1)。
表1 测量项目的描述性统计
本研究采用了常用的两阶段法进行SEM分析。在第一阶段,我们对模型中包含的量表进行了有效信度检验,并发现收集的数据验证了量表的原始因子结构。在第二阶段,我们进一步检查了模型中结构之间的关系。为了进行参数估计,我们采用了极大似然估计技术。最终,在分析结束时,我们利用χ 2 /df、CFI、GFI、TLI、NFI、IFI、RMSEA和SRMR等拟合指标评价了模型的拟合性。
调查结果
八
本研究的发现可以分为两部分。首先,我们提供了模型中变量的描述性统计,并展示了SEM中包含的变量之间的关系、每个变量的解释率以及模型的拟合结果。
1、变量的描述性统计
表1给出了研究模型中包含的变量的描述性统计。
根据表1所示,各变量的偏度值在-1.531至1.072之间变化,峰度值在-1.217至1.858之间变化。基于这些数据,我们可以得出结论认为这些变量符合单变量正态性假设。
2、关于模型的发现
图4给出了与本研究提出的SEM模型相关的结果。
图4 STEM态度和思维方式对CT的影响
SEM分析的拟合优度指数用于确定STEM态度和思维方式对CT技能的影响程度。结果表明,χ2[74, N=703] = 373.692, P < 0.01, χ2/sd = 5.050, RMSEA = .076, S-rmr = 0.0325, Gfi = .926, Agfi = .895, Cfi = .908, Nfi = .888, IFI = .908,表明测量模型是有效的。表2列出了拟合优度指标的可接受值、优秀值和本研究的实际值。
经过对结构模型的检验,我们发现STEM态度潜变量的因子负荷在0.42至0.75之间,思维方式潜变量的因子负荷在0.14至0.44之间,而CT潜变量的因子负荷则在0.01至0.71之间。SEM的结果如表3所示。
表2结构方程模型拟合指数
表3结果表明,STEM态度对CT技能具有正向显著影响(β = 0.51, p < 0.01),支持了H1假设(学生的STEM态度正向显著影响CT技能)。同时,我们推断出思维方式对CT技能具有显著负向影响(β = -0.23, p < 0.01),从而否定了H2假设(学生思维方式正向显著影响CT技能)。然而,由于得出的低分可能反映的是分析思考能力,这一结果也非常显著。此外,我们观察到STEM态度和思维方式共同解释了43%的CT技能,这一结果支持了H3假设(学生的STEM态度和思维方式共同解释了CT技能)。
表3 STEM态度和思维方式对CT技能影响的标准化回归权重结果
结果
九
本研究探讨了中学生的STEM态度和思维方式对其CT技能的影响,并通过 SEM 进行了检验。通过对相关文献提出的模型进行检验,我们得出了模型的有效结论。具体而言,本研究发现中学生的STEM态度和思维方式显著地影响着他们的CT技能水平。
根据本研究的结果,我们可以得出结论:随着学生STEM态度的积极程度增加,其CT技能水平也会提高。另外,我们还发现学生的思维方式对其CT技能有显著影响。因此,我们可以推断,分析思考能力的提升会促进CT技能水平的提高。本研究的结果表明,STEM态度和思维方式对中学生的CT技能直接产生影响。因此,我们得出结论,43%的CT技能水平可以通过STEM态度和思维方式来解释。尽管这一结果在文献中意义重大,但同时也观察到57%的CT技能水平是由其他变量所解释的。因此,进一步的研究可以考虑在模型中加入其他变量,以确定对CT技能产生影响的其他因素。
讨论及建议
十
在文献中,CT被描述为一种跨学科的思考和解决问题的技能。同样的,STEM也被认为是一种跨学科的方法。如今,培养具备21世纪技能的人才的方式是通过STEM教育。在这种情况下,可以说CT技能和与STEM相关的 21 世纪技能都存在跨学科方法。因此,学生的STEM态度和CT技能可视为相关变量。STEM和CT是近年来备受研究者重视的热门研究课题。许多研究者研究了CT在STEM领域上的应用及其影响。研究结果表明,CT在STEM教育中具有重要作用。然而,文献中还存在关于STEM态度对CT的影响方面的空白。本研究认为,STEM态度对CT具有显著影响。考虑到CT是一个包含多个组件的框架,而STEM则是一个跨学科的方法,结合了不同的学科,这两个概念之间存在相互影响,这一发现可以被视为预期结果。因此,在这方面,我们可以说所检验的模型得到了文献的支持。
本研究的结果表明,可以建议进行考虑STEM态度和思维方式的课程开发研究,从而促进学生CT技能的获取和发展。此外,该模型可以使用不同的样本进行复制,以检验其有效性和推广性。鉴于分析性思维方式对CT技能的影响,未来的研究可以侧重于识别CT技能的范围。此外,也可以开展针对CT对不同思维方式影响的研究。
查阅原文:Mustafa Sırakaya, Didem Alsancak Sırakaya, Özgen Korkmaz Journal of Science Education and Technology
Doi: https://doi.org/10.1007/s10956-020-09836-6
转自:“百研工坊”微信公众号
如有侵权,请联系本站删除!