编译：陈青芬 东南大学脑与学习科学系，儿童发展教育研究所
研究生导师：柏毅 夏小俊
作者：Ergün Yıldırım, Çelebi Uluyol
【摘要】：近年来，计算思维被认为是21世纪所有学生都应该具备的技能之一。研究人员强调从尽可能早的年龄开始确定和培养学生的计算思维水平的重要性。然而，在文献中没有发现旨在揭示小学生计算思维水平的测量工具。
本研究旨在开发小学生计算思维量表，并根据不同的变量(年级水平、日常使用电脑时间)考察小学生的计算思维水平。在研究的第一阶段，开发了一个具有适当心理测量属性的量表来测量计算思维。在研究的规模开发阶段，采用探索性顺序混合方法进行研究设计。研究的另一个阶段，在没有任何干预的情况下，调查小学生的计算思维水平是否会因年级水平和日常使用电脑时间的不同而不同。
本研究是按照一般调查模式进行的。在第一阶段，研究小组包括287名在2021-2022学年下学期在安卡拉戈尔巴斯区小学一、二、三、四年级学习的学生。在考查学生计算能力的过程中。根据年级水平和每天使用电脑时间的变量，研究组由安卡拉一所私立学校2021-2022学年下学期小学教育班的96名学生组成。在此背景下，对287名小学生进行了17项的一维计算思维量表，并对所得数据进行了效度和信度分析。根据解释因子分析，该量表解释了总方差的46%。当对解释因子分析的结果进行检验时，可以看到量表中17个项目的因子负荷在56 ~ 0.86之间。量表的内部一致性系数Cronbach’a为0.92。下一阶段将编制的量表应用于小学生。研究结果发现，不同年级小学生的总体计算思维水平存在显著差异。另一方面，我们观察到学生的计算思维水平随着每天使用电脑时间的增加而显著不同，学生计算思维量表的平均值随着每天使用电脑时间的增加而增加。
【关键词】：计算思维;规模发展;小学;年级水平;每天使用电脑的时间
01
介绍
计算思维被定义为在理解人类行为、设计系统、高效解决问题、意识到信息处理能力和设计自主过程等领域使用的心理过程。根据Barr和Stephenson的说法，计算思维被解释为通过模型和模拟等抽象来重构数据，利用数据，并考虑到计算的局限性，为现有问题提供适当的解决方案。计算思维还表现为处理、构建和转换信息、技术素养以及在所有这些过程中创造创造性和创新性产品等技能。计算思维培养了个人解决问题、批判性思维和逻辑思维以及创造力等技能。计算思维定义了处理、构建和转换信息、技术素养以及在所有这些过程中创造和创新产品等技能。因此，发达国家开展了研究，将更多的计算思维纳入其K12课程，并开发了计算思维占很大地位的项目。
02
研究背景
土耳其的教育和培训计划根据这个时代的新需求进行了更新。2018年更新的信息技术和软件课程的特殊目标包括培养学生解决问题和计算思维能力。这种情况清楚地表明，在教育环境中，计算思维被视为21世纪的技能，因此有必要增加对计算思维的重视。因为计算思维过程包括许多概念和过程，如批判性和创造性思维、抽象、算法设计、自动化、数据收集、数据分析、数据表示、解析、模式识别、模式泛化、协作和建模。在这方面，人们认为积极地将计算思维融入教育系统是很重要的。然而，研究人员强调，没有足够的资源和活动将计算思维带入课堂环境。此外，另一个问题是，相关文献中的研究倾向于在确定个体的计算思维水平之前发展这种技能。所以，确定个人已经存在的协同计算思维水平，以及获得协同计算思维技能，或者评估个人在多大程度上通过设计的应用程序获得了计算思维技能是非常重要的。因此，个体的计算思维水平的确定过程，其范围是非常广泛的，也应该进行全面的结构化，计算思维能力应该通过考虑知识、态度和技能来仔细评估。学生发展档案、多项选择测试、计算思维模式图、项目和绩效评估、计算思维量表和规则可用于评估协同计算思维。在查阅文献的过程中，我们发现对学生计算思维水平的测量与评价的研究非常有限。同样值得注意的是，我国为相关主题开发的测量和评价工具数量非常有限。对我国发展起来的测量工具进行考察;有针对大学生的计算思维技能量表和针对中学生的计算思维技能测试。此外，还为中学开发了计算思维技能测量工具和自我效能感量表。研究人员强调，没有足够的测量工具来衡量计算思维的水平。
此外，在回顾文献时，没有发现旨在揭示小学生计算思维水平的测量工具。同样，在文献中没有发现其他研究根据不同的变量来检验小学生的计算思维水平。在这一点上，本研究旨在为相关文献提供一个有效和可靠的小学生计算思维量表。本研究的另一个目的是根据本研究范围内的各种变量(年级水平，日常计算机使用时间)，检查小学生的计算思维水平，小学生是计算思维水平研究有限的样本组。
因此，本研究主要有两个问题陈述。本研究的第一个问题陈述是“即将为小学生开发的计算思维量表(CAI)的心理测量特性是什么?”。本研究的另一个问题陈述是“小学生的计算思维水平是否会因不同的变量(年级水平、每天使用电脑的时间)而变化?”
03
方法
3.1研究模型
本研究旨在发展计算思维量表，并检验。根据不同的变量，对小学生的计算思维水平进行了两个阶段的研究。在研究的第一阶段，开发了一个具有适当心理测量属性的量表来测量计算思维。在研究的第5阶段，采用探索性顺序混合方法进行研究设计。研究的另一个阶段，在没有任何干预的情况下，调查小学生的计算思维水平是否会因年级水平和日常使用电脑时间的不同而不同。因此，本研究是按照一般调查模式进行的，这是描述性研究类型之一。描述性研究被定义为研究对象的现状，并在不改变的情况下揭示变量之间的关系。调查模型是从代表整个宇宙的样本组中收集研究数据的研究，而不是从整个宇宙中收集数据，以揭示大量人口所采用的观点或特征。一般筛选模型被定义为一种模型，在这种模型中，研究人员对自变量没有影响，包括在整个宇宙中进行的研究，也包括从宇宙中提取的较小群体的研究，以达到对宇宙的一般判断。
3.2工作小组
本研究的研究组是通过方便抽样确定的。为了方便抽样，研究人员或研究人员从适合研究且易于接触的志愿者个体中选择将组成研究组的参与者。在规模开发过程中，即研究的第一阶段，研究小组由287名在2021-2022学年下学期在安卡拉戈尔巴斯区小学一、二、三、四年级学习的学生组成。
在考查学生计算能力的过程中。根据年级水平和每天使用电脑时间的变量，研究组由安卡拉一所私立学校2021-2022学年下学期小学教育班的96名学生组成。研究组96名学生中，一年级24名，二年级24名，三年级24名，四年级24名。小组学生按年级水平和每天使用电脑时间的频次分布见下表(表1)。
表1 根据年级水平和每天使用电脑时间的变量，研究组的频率分布
3.3数据收集工具
本研究使用的数据收集工具是研究者自行开发的计算思维量表。下面详细介绍了量表的开发过程及其心理测量特性。
在量表开发过程的第一阶段，通过检查各种来源获得有关计算思维和计算思维的5个多维度的信息。基于相关文献，特别是考虑到Wing的分类，他对计算思维进行了任何研究，计算思维的子维度被确定为抽象、算法、自动化、分解、泛化/评估。然后，创建一个包含33个项目的项目池，以包含所有这些子维度并确保内容的有效性。在编制题库题项时，注意按照年龄组编写题项。此外，所有的项目都是以一种包括单一情况的方式写的，也是清晰易懂的。量表采用李克特3分式编制，分为“同意”、“不知道”和“不同意”。该量表采用三重李克特式编制，因为据说选项较少的量表适合受教育程度较低或较年轻的受访者。实证研究表明，在李克特型问题中，参与者并不平等地感知选项之间的差异。这种情况导致参与水平的数量发生变化，从而影响量表的效度和信度。
我们征求了专家意见，以确保3个项目、3点的李克特型量表的内容效度。本量表由计算机与教学技术教育系两名教师和课堂教学教育系一名教师进行内容效度的测试。此外，该量表由2名任课教师对学生水平、语言和可理解性的适宜性进行了检查，并由一名评估和评估专家对评估和评估标准的遵从性进行了检查。根据专家的建议，决定从量表中删除一些项目，因为它们不适合小学生的评估标准和水平。再次缩小了量表中一些项目的范围，并对项目进行了修正，使其更简单易懂。根据这些规定，制定了包含26个项目的比额表草案。由于参与者的年龄组较小，特别是刚开始学习阅读的学生，如一年级的学生也包括在参与者组中，因此认为26个项目的量表草案是合适的。
在本研究的先导研究中，草稿量表被应用于共20名小学生。根据学生在回答量表时获得的反馈，对较难理解的项目再次进行修改。由于这个初步应用，秤的应用时间被确定为25分钟。在此阶段之后，开始探索性因子分析。
该比额表草案是根据专家的意见和向小学生提出的初步申请编制的，适用于在安卡拉省戈尔巴斯区小学就读的287名学生。
其中女生135人，男生152人;一年级69人，二年级71人，三年级73人，四年级74人。从应用程序中获得的数据在SPSS 21软件包程序中进行分析，并得出与规模相关的发现。
经数据分析，计算出由26项组成的草稿量表的KMO值为0.88。此外，量表的Bartlett球形度检验结果也有显著差异(p<0.05)。分析结果显示，Bartlett球形度检验和KMO值大于70的显著差异表明数据适合进行因子分析。
在发现该量表适合进行因子分析后，对该量表进行因子分析，对该量表的主要成分进行分析后，出现了7个特征值大于1.00的因子。然而，第一个因素的特征值显著高于其他因素的特征值，表明量表具有单因素结构。此时，为了确定量表的因子数，我们进行了Cattel的“screen”检验，得到了下图(图1)。
图1 计算思维量表折线图
图中的急剧下降点决定了量表的因子数。当检查图1中的Scree plot图时，可以看到只有一个急剧下降点。这表明该量表测量的是单因素结构，因此决定采用单因素量表。单因素量表方差值得到的结果如下表所示(表2)。
表2 因子分析结果中与某一因素相关的发现
对表2进行检验，发现量表中单个因素的特征值为8.14，该因素的总方差百分比为46.49。量表中的单一因素解释了总方差的46%，可接受的比率是41%。从相关量表中获得的值在41%以上，可以将该量表作为单一因素组成的量表。在研究人员的规模发展研究中，特别是在社会科学中，被解释的方差在40%到60%之间被认为是足够的。被解释方差的高度被认为是衡量相关结构测量好坏的指标。
因子分析也用于检验量表项目所测量的因子结构。在此阶段，为了保证量表的构念效度，要求量表中各条目的因子负荷值应在0.30以上，且两个高因子负荷之差应至少为0.10。此时，为了保证因子负荷与参考值一致，我们将尺度项从量表中移除进行实验。因子负荷低于0.30且同时低于一个以上因子的项目(M4、M5、M6、M8、M9、M10、M12、M17、M19)被排除在量表之外。经过分析，量表中总共保留了17个项目。由于从量表中删除了相关项目，量表中项目的因子负荷在0.56至0.86之间。量表其余17项的因子负荷值如表3所示。
表3 量表中项目的因子载荷
下一步，为了确定量表的信度，计算内部一致性系数Cronbach alpha，结果为0.92。Cronbach’alpha系数大于0.70被认为是充分的，大于0.90被认为是优秀的。
该量表被发现具有很高的可靠性。经过效度和信度分析，达到17项量表。量表中按计算思维子维度的项目分布如表4所示。
表4 根据计算思维子维度分配项目
该量表的最低得分为0分，最高得分为51分。量表中反向项目确定为M2、M5、M8、M10、M12和M14项目。该量表的反应时间约为15分钟。
3.4 数据收集流程
在本研究范围内，编制了一套有效可靠的由17个项目组成的计算思维量表。在量表开发完成后，为研究的另一个问题陈述寻求答案。本阶段将量表应用于小学生，考察小学生的计算思维水平是否随年级水平和日常电脑使用时间的变化而变化。本阶段，我们将量表应用于某私立学校小学班级共96名小学生，以调查小学生的计算思维水平是否因年级水平和日常使用计算机时间变量的不同而有所差异。
3.5 数据分析
使用Microsoft Excel电子表格程序和SPSS 21统计分析程序对研究数据进行分析。
使用Shapiro Wilk测试来确定学生对量表的反应是否呈正态分布。使用参数分析技术之一的单向方差分析(one - way ANOVA)来确定不同组学生的平均分之间是否存在统计学上的显著差异。如果分析结果有显著差异，则使用多重比较检验之一的Bonferroni检验来确定哪些组之间存在差异。所有分析的显著性水平均为0.05。
04
调查结果及解释
在开始对数据进行分析之前，对通过计算思维量表收集的数据进行统计分析的方法进行了检验。为了对研究过程中收集到的数据进行参数检验，它们都应该呈正态分布。因此，首先要对数据进行分析，选择合适的正态分布检验，并决定是否提供正态性假设，对数据进行分析时使用参数检验还是非参数检验。计算思维量表的所有数据均采用Shapiro Wilk检验，计算思维量表也是本研究的数据收集工具。在被试人数小于50人(n<50)的情况下，通常首选Shapiro Wilk测试。研究组计算思维量表评分按年级水平、日常使用电脑时间和性别变量的Shapiro Wilk检验结果见表5。
表5 关于年级水平和日常计算机使用时间变量的Shapiro Wilk 测试结果
当对表1中的Shapiro Wilk检验结果进行检验时，可以看出，根据研究组的班级水平和每天使用计算机的时间这两个变量，计算思维量表得分的显著性水平大于p>0.05。得到的p值表明，量表得分根据年级水平和日常使用计算机时间的变量呈正态分布。由于从计算思维量表获得的数据在所有变量方面都呈正态分布，因此在分析从计算思维量表获得的数据时使用了参数检验。在数据呈正态分布后，采用单因素方差分析(One-Way ANOVA)对数据进行分析，以确定不同年级学生的量表均分之间是否存在统计学差异。得到的结果如表6所示。
表6 计算思维量表得分按年级水平变量的方差分析结果
对表6根据量表得分的年级水平变量进行ANOVA检验的结果进行检验，发现学生的年级水平与其计算思维得分之间存在统计学差异[F(3,92)=196.90, p<0.05]。需要进行事后检验，以便找出年级之间的统计差异来自哪个年级或哪个年级。在这一点上，首选Bonferroni检验，因为它是一个多重比较检验，不需要等样本量的原则。表7给出了分数多重比较的Bonferroni检验结果。
表7 根据年级水平变量的多重比较检验结果
Bonferroni Test用于调查学生年级水平与计算思维量表平均分之间显著差异的来源，结果见表7。通过对表的检验，发现一年级学生的平均得分与二、三、四年级学生的平均得分有显著性差异，二、三、四年级学生的平均得分有利于二、三、四年级学生(p<0.05)。二年级学生的平均得分与三年级学生的平均得分差异无统计学意义(p>0.05)。再一次，看表中的数据，在所有年级和四年级之间发现了显著的差异，四年级学生更倾向于四年级学生(p<0.05)。
在本研究中，还旨在考察学生的计算思维量表得分是否会因日常使用电脑的时间而有所不同。采用单因素方差分析对数据进行分析，根据学生的日常电脑使用时间变量来确定量表平均得分之间是否存在统计学差异。得到的结果如表8所示。
表8 计算思维量表得分根据日常电脑使用时间变量的方差分析结果
根据计算思维量表得分的日常计算机使用时间变量方差分析检验结果如表8所示。实验组学生白天在电脑前的时间与计算思维成绩的差异有统计学意义[F(3,92)= 68.24, p<0.05]。为了确定学生每天使用电脑时间的显著差异在哪个小时间隔之间，我们对数据进行了Bonferroni测试。分数的倍数比较结果如表9所示。
表9 根据日常电脑使用时间变量进行多次比对试验结果
当检查表9中的数据时，可以观察到所有时区之间的日常计算机使用时间存在显着差异(p<0.05)。每天使用电脑时间少于2小时、2-4小时、4-6小时、6小时以上的学生，其计算思维均分在增加使用电脑时间方面有显著差异(p<0.05)。同样，在电脑前花费2-4小时的学生和在电脑前花费不到2小时的学生的平均分数之间存在显著差异，有利于在电脑前花费2-4小时的学生(p<0.05)。每天在电脑上花费2-4小时的学生和每天花费4-6小时或超过6小时的学生的平均分数不同，有利于花费2-4小时的学生(p<0.05)。同样，在电脑前花费4-6小时的学生的平均分数与在电脑前花费6小时以上的学生的平均分数也存在差异，有利于花费6小时以上的学生(p<0.05)。最后，每天使用电脑时间超过6小时的学生的平均分数与每天使用电脑时间少于2小时、2-4小时和4-6小时的学生的平均分数之间存在显著差异，有利于每天使用电脑时间超过6小时的学生(p<0.05)。
05
讨论与结论
本研究的主要目的是为小学生编制一份有效、可靠的计算思维量表。
研究人员指出，由于没有衡量计算思维技能的测量工具，学生在学习计算思维技能方面存在问题。因此，需要强调的是，应该开发能够衡量计算思维技能的评估工具。在此背景下，本研究为小学生提供了一种有效可靠的测量工具。
将编制的计算思维量表应用于小学生，考察不同年级学生的计算思维水平是否存在差异。通过分析发现，不同年级学生的计算思维水平存在差异。总的来说，我们发现随着年级的增加，学生的计算思维水平也随之提高。当对这一主题的文献进行审查时，很少有研究发现调查学习者的计算思维水平，特别是在不同的变量方面。可以看到，数量有限的研究结果也支持了本研究的结果。
Korucu等人从各种人口统计学特征的角度考察了中学生的计算思维能力，他们的研究发现，在年级水平变量方面，学生的计算思维水平存在差异。研究人员表示，根据年级的不同，参与者的计算思维能力水平存在显著差异。同样，Seiter和Foreman旨在确定不同年龄学生在学习中计算思维技能的差异，并指出有必要根据研究结果为小学生创建一个基于研究和适合年龄的课程。
在这项研究中，它还旨在检验学生的计算思维水平是否会因日常使用电脑的时间而有所不同。研究结果显示，量表的平均得分取决于每天使用电脑的时间。随着学生日常使用电脑时间的增加，他们的计算思维平均分也会增加。在关于这一主题的文献中，已经看到有非常有限数量的研究调查了每天使用计算机的时间对计算思维的影响。这些研究的结果与本研究的结果是一致的。
★
查阅原文：Ergün Yıldırım, Çelebi Uluyol Journal of Learning and Teaching in Digital Age
doi: 10.53850/joltida.1176173
转自：“百研工坊”微信公众号
如有侵权，请联系本站删除！
