傅騫　胡婉青　呂巾嬌　鄭婭峰

摘 要：計算思維評價是當前計算思維教學中的關鍵環(huán)節(jié)，已經受到教育工作者越來越多的重視。已有計算思維評價量表多重視評價計算思維發(fā)展的技能結果，而較少關注評價計算思維發(fā)展的思維過程，導致評價結果對于計算思維教學過程的指導意義不足?；诖?，本研究從問題解決過程視域出發(fā)，開發(fā)了面向問題解決思維發(fā)展過程的三因子計算思維評價量表。對該量表進行信效度檢驗后發(fā)現(xiàn)，該量表具有清晰的因子結構及較好的聚斂效度、區(qū)分效度和信度。進一步應用該量表對小學生群體進行計算思維調查，結果表明，五年級學生的計算思維總體得分和各個維度得分均顯著高于四年級學生；學生的計算思維得分在性別上沒有顯著性差異；學過編程的學生在計算思維總體上與沒有學習編程的學生無顯著差異，但在方案評價子維度上顯著高于沒有學過編程的學生。

關鍵詞：計算思維量表；小學生；因子分析

中圖分類號：G434 文獻標志碼：A 文章編號：2096-0069（2023）01-0046-08

收稿日期：2022-09-09

引言

從2006年周以真教授提出“計算思維”這一概念之后，面向計算思維培養(yǎng)的教學活動在世界范圍內受到了廣泛關注[1]。《義務教育信息科技課程標準（2022年版）》的發(fā)布更加強調了計算思維作為學科核心素養(yǎng)的重要地位；同時，在當前廣泛開展的基于STEAM的跨學科教學活動中，計算思維也成為重要培養(yǎng)目標。因此，設計和開發(fā)科學有效的計算思維評價工具是計算思維有效融入多學科教學的關鍵，也是當前跨學科領域開展計算思維教學實踐效果評估的基本前提[2]。

傳統(tǒng)計算思維評價方法多以題目測試或基于項目活動打分的形式開展。這兩種方式簡單高效，且較為靈活，但其評價內容高度依賴于編程概念或者編程環(huán)境，不適用于當前計算思維與非計算機學科不斷融合的教學改革趨勢[3]。為應對這一趨勢，近年來開發(fā)標準量表測量計算思維成為跨學科教學中的計算思維培養(yǎng)效果的重要測評方式。這些量表大多數(shù)主要以問題解決能力、協(xié)作能力等綜合技能發(fā)展為評價維度，是典型的面向結果的計算思維概念認識視角。

但是大量研究者強調計算思維的過程性，認為計算思維是以問題解決為導向的一步步的思維過程組成的，而不能簡單等同為創(chuàng)造力、批判性思維、合作能力等技能的集合[4]?；谠撚^點，對計算思維的評價也不應局限于概念原理或技術工具，或簡單映射為多種技能的綜合，而應將其聚焦在解決問題所經歷的思維過程[5]。對于處于具體運算階段和形式運算階段的小學生而言，重視對思維發(fā)展過程的評價而非簡單評測綜合技能更具有教學意義。

基于此，本研究開發(fā)了一個面向小學生的、以問題解決過程為導向的計算思維評價量表。該量表不依賴于具體的編程概念，強調對問題解決過程中計算思維發(fā)展過程的測量，因而更具有靈活性和遷移性，可以應用在跨學科背景下的計算思維教學中，為計算思維評價提供更多的選擇。

一、文獻綜述

當前計算思維評價主要包含面向知識測試和綜合技能的兩種評價手段?；谥R測試的評價是當前使用最為廣泛的計算思維評價方法，其具體形式主要是題測評價和作品評價。題測評價使用基于編程概念或者編程技能的測試題來測評學生的計算思維，是目前使用最為廣泛的形式，如使用國際計算思維競賽題目檢驗學生計算思維能力[3]。作品評價通常是教師利用評分表，依據(jù)學生使用的計算思維概念對學生完成的編程項目進行評估打分。由此可見，依據(jù)知識維度進行評價的工具大都依賴編程概念或者編程環(huán)境，對于非計算機學科領域的教師來說具有較高門檻。

基于綜合技能的計算思維評價是近幾年跨學科教學背景下計算思維研究發(fā)展的新趨勢，即計算思維評價不再與具體的編程知識結合，而是泛化為具體的能力集合。這種評價視角使得計算思維評價方式更具遷移性，順應了當前計算思維融入其他非計算機學科的教學趨勢，具體形式主要是通過量表評價。這些量表主要參考了國際教育技術學會（International Society for Technology in Education，簡稱ISTE）構建的基礎教育階段計算機科學學習能力的能力框架，包含了創(chuàng)造力、算法思維、批判性思維、問題解決能力、合作能力、溝通技能六個方面[6]。國外研究者基于該框架設計了針對大學生的計算思維五因子量表[7]。在此基礎上，白雪梅等[8]將該量表進行了漢化，保留了該量表的五因子結構，針對我國的高中生群體進行了適當改編，并測量了我國高一、高二學生的計算思維。張屹等[9]基于ISTE的框架，設計了面向小學生的計算思維量表，并測評了三年級和五年級學生的計算思維。這些量表在概念傾向上認為計算思維是由一系列思維技能組成的，因而測量內容多是對綜合技能的測量。

在計算思維領域中，較多的研究者更傾向于計算思維是由一系列以問題解決為導向的思維過程組成的。這些思維過程包含了抽象、算法設計、自動化、數(shù)據(jù)分析、數(shù)據(jù)表征、分解、模式識別、仿真、調試、評價等。陳興冶等人[10]進行了初步的嘗試，建立了計算思維評價指標體系，將計算思維技能劃分為分解、抽象、概括、算法、評估，體現(xiàn)了計算思維的過程評價。但該量表是基于高中信息技術課程標準開發(fā)的，因而包含算法的設計、測試、評價等文字描述內容，難以進行跨學科應用。

綜上所述，盡管目前國內外研究者已經開發(fā)了一些計算思維評價量表，但是當前的量表更多地關注評價計算思維發(fā)展的技能結果，較少評價計算思維發(fā)展的思維過程。因此，設計面向計算思維過程評價的量表，不僅能夠更好地滿足小學生計算思維過程發(fā)展的評價需求，也能夠為計算思維與跨學科教育教學融合的多樣化評價提供更多工具選擇。

二、理論框架

來自瑞士聯(lián)邦理工學院的學者莫甘娜·奈特（Morgane Knight）等[11]從問題解決的角度界定了計算思維，構建了計算問題解決模型，其中包含問題界定、形成想法、制定機器人的行為、編寫程序、方案評價幾個過程。本研究基于該計算問題解決模型，進一步將“形成想法、制定機器人的行為、編寫程序”概括為“問題解決”，最終形成“問題界定”“問題解決”和“方案評價”三維計算思維框架，使其更適應跨學科及非編程課程的計算思維過程發(fā)展評價。其三維方面具體描述如下：

（一）問題界定

問題界定是計算思維發(fā)展的基礎環(huán)節(jié)。“問題”可以被定義為任何混淆人類思維、有挑戰(zhàn)性的、模糊不清的東西，而問題解決的第一步就是問題界定。問題界定指的是學習者以符號、圖像或言語等形式抽象提取出關鍵問題信息的過程。對于學習者的計算思維發(fā)展而言，學習者能夠清晰認識自己所面臨的問題并提取出有效信息至關重要，由此可以看出評價學習者問題界定的關鍵在于評價學習者對問題信息進行抽象的能力。學習者對問題信息進行抽象的思維過程是評價其計算思維發(fā)展的重要指標。周以真[12]明確提出，計算思維的基礎就是判斷關鍵環(huán)節(jié)和次要環(huán)節(jié)的過程。因此，在問題界定中，判斷學習者是否能夠有效識別問題信息、能夠把握問題本質，可以有效地評價其計算思維的發(fā)展水平。

（二）問題解決

問題解決是計算思維發(fā)展的核心環(huán)節(jié)，是計算思維的重要組成部分。學習者應用計算思維的最終目的就是解決問題。因此，學習者能夠思路清晰地設計問題解決方案是評價其計算思維發(fā)展水平的重要指標。如在編程任務中，學習者需要設計算法讓計算機自動化地解決問題，這些算法實際上就是解決問題的步驟[4]。由于本研究中所提出的框架更關注在非編程學科中評價計算思維，因此將算法設計泛化為涉及特定策略的方案設計。這一觀點也得到了研究者的支持[13]。即在評價計算思維問題解決這一環(huán)節(jié)時，不應該局限于使用特定的技術，而是更具有廣泛性。

（三）方案評價

方案評價是計算思維發(fā)展的重要環(huán)節(jié)，也是計算思維中重要的思維過程。學習者在應用計算思維解決問題時，需要對問題解決的方案和問題解決的結果進行分析與判斷，并根據(jù)分析的結果修改方案。因此，對問題解決方案的效率、影響、優(yōu)缺點進行分析是評價計算思維發(fā)展水平的有效指標。在計算機學科中，解決問題的方案對應的是設計的算法，評價的內容關注的是時間、效率和存儲等；在非計算機的領域中，解決問題的方案并不指具體的算法，而是一個個解決問題的步驟，此時對方案的評價意味著評價問題解決方案的效率、資源（如物力、人力、財力）的使用等[14]。例如，有研究者在對學生的計算思維考察中，就非常重視學生在評價效率和資源利用方面的能力，以及識別和評估結果的能力[13]。因此，判斷學生是否能夠對問題解決方案的效率、影響、優(yōu)缺點進行合理分析可以有效地評價其計算思維的發(fā)展水平。

三、研究方法

（一）研究對象

本研究中采取方便抽樣的方法，面向小學三年級到六年級的229名學生發(fā)放了問卷，一共收回203份有效問卷，其中，男生112人（55.2%），女生91人（44.8%），140人（69.0%）有過編程學習的經驗，63人（31.0%）沒有學習過編程。參與調查的學生主要來自西南地區(qū)的學校，其中，三年級11人（5.4%），四年級54人（26.6%），五年級134人（66.0%），六年級4人（2.0%）。本研究在量表驗證部分使用了所有年級的數(shù)據(jù)，由于部分年級樣本數(shù)量較少，不具有代表性，因此在量表應用部分僅分析四、五年級共計188名學生數(shù)據(jù)。

（二）研究工具

本研究設計的問卷包含兩個部分：第一個部分是對人口統(tǒng)計學信息的調查，包含性別、年級、地區(qū)以及是否學習過計算機編程；第二個部分是計算思維測量量表，設計了包含問題界定（例如“當我遇到問題時，我會思考此問題是否有可能解決”）、問題解決（例如“當我做事情前，我會制訂一個清晰的計劃”）、方案評價（例如“在應用解決方案后，我會想該問題是否得到了真正的解決”）三因子結構的計算思維量表。其中，問題界定與方案評價依據(jù)概念定義進行相應題項設計，問題解決這一維度的題項設計參考了經典的“問題解決量表”，該量表自1982年被提出后受到研究者的廣泛應用[15]。初始量表包含以李克特五點量表測得的25個問題。

（三）數(shù)據(jù)處理與分析

使用開源統(tǒng)計分析工具jamovi將樣本隨機分為了兩個子樣本，并且使得兩個樣本中學生的年級分布大致相似。其中，樣本一共計109人，用于探索性因子分析；樣本二共計94人，用于驗證性因子分析。其他數(shù)據(jù)分析均使用到樣本總體。

四、研究結果

（一）量表的驗證

（1）探索性因子分析

本研究使用jamovi對樣本一（n=109）的數(shù)據(jù)進行了主成分分析，選擇斜交旋轉法進行旋轉。結果顯示：KMO=0.909，巴特利特（Bartlett's）球形檢驗x2（300）=2014，p＜0.001。KMO≥0.8，說明各變量適合進行因子分析，且巴特利特球形檢驗結果達到了顯著水平，也說明各個變量適合進行因子分析。對數(shù)據(jù)進行探索性因子分析后，以因子載荷大于0.4且不存在交叉載荷為標準，刪去了3個測量題項。

本研究對修訂后的計算思維量表再次進行了探索性因子分析。結果顯示：KMO=0.904，巴特利特球形檢驗χ2（231）=1 772，p＜0.001，適合進行探索性因子分析。選取主軸法進行因子提取，使用斜交旋轉法進行旋轉。對于各項目的取舍，以因子載荷大于0.4，獨特剩余值小于0.6，且不存在交叉載荷為標準，刪去了7個測量題項，剩余15個測量指標。然后抽取出來三個因子，分別是：問題界定、問題解決和方案評價，累積解釋了總變異的64.2%。各因子的解釋率分別為：問題界定15.6%，問題解決31.4%，方案評價17.2%。

（2）驗證性因子分析

使用jamovi軟件對第二個樣本（n=94）數(shù)據(jù)進行了驗證性因子分析。在分析過程中根據(jù)標準載荷系數(shù)值對模型進行修正，最終確定了11個測量指標。圖1展示了驗證性因子分析的結果。在檢驗模型的擬合程度時參照了以下擬合指標：x2/df＜3，TLI＞0.9，CFI＞0.9，SRMR≤0.05，RMSEA≤0.1。結果顯示：x2=74.6，df=41，x2/df= 1.8195，TLI=0.933，CFI=0.950，SRMR=0.0401，RMSEA=0.0934，說明計算思維的三維理論模型與數(shù)據(jù)的擬合程度較好。

（3）效度檢驗

①聚斂效度

本研究進一步對模型進行了聚斂效度分析，分析了各個測量指標的標準化因子載荷并計算了三個因子的組合信度。組合信度表示測量指標之間的關聯(lián)度，較高的組合信度意味著測量指標具有更好的同構性，一般要求該數(shù)值在0.6以上。各個因子的組合信度值可以根據(jù)測量指標的標準化因子載荷值及測量指標的誤差方差計算得到。

結果如表1所示。該模型中測量指標的標準化因子載荷取值在0.688～0.848，這代表這些測量指標均具有較好的聚斂效度，可以有效反映對應的因子。各因子的組合信度分別為：問題界定（0.843）、問題解決（0.904）、方案評價（0.786）。三個因子的組合信度值都高于0.7，表示所有因子的測量題目具有較好的關聯(lián)度與同構性。

②區(qū)分效度

本研究使用了異質—單質比率（Heterotrait—monotrait Ratio，簡稱HTMT）方法來計算量表的區(qū)分效度。該方法使用特質間相關與特質內相關的比率來表征區(qū)分效度，該比率的數(shù)值越小，則區(qū)分效度越好。如果HTMT的值大于0.85或0.90，則表明區(qū)分效度不好。

結果如表2所示，問題界定與問題解決兩個因子的HTMT值為0.880，問題界定與方案評價兩個因子的HTMT值為0.892，問題解決與方案評價兩個因子的HTMT值為0.887，均在可接受的范圍內，量表的區(qū)分效度較好。

（4）信度檢驗

本研究采用克倫巴赫系數(shù)檢測量表的信度，并參照標準：假設，表示量表的信度良好；假設，表示量表的信度可以接受。分析結果顯示：計算思維量表的總信度是0.869，問題界定、問題解決及評價的克倫巴赫系數(shù)依次是0.795、0.839、0.820，均高于0.70，這說明計算思維量表中三個因子具有較好的內部一致性。

（二）量表的應用

（1）小學生計算思維總體現(xiàn)狀

本研究對小學生的計算思維得分進行了描述性統(tǒng)計，計算了學生在計算思維三個維度上的均值、標準差、最小值和最大值，以分析學生的計算思維現(xiàn)狀，數(shù)據(jù)結果如表3所示。計算思維量表的滿分總分是55分，學生樣本得分的均值是46.4分，占滿分值的84.4%，這說明小學階段學生的計算思維還是有一定提升空間的。同時，絕大多數(shù)的學生分數(shù)都處于40～55的區(qū)間，可見小學生計算思維的總體水平是較好的。

（2）小學生計算思維差異分析

①不同年級學生的計算思維差異

本研究使用獨立樣本T檢驗的方法，檢驗了兩個年級的學生在計算思維上的差異，結果如表4所示。研究發(fā)現(xiàn)：在計算思維總分上，各年級存在顯著性差異（T=－7.60，p=0.000），并且在問題界定（T=－5.84，p=0.000），問題解決（T=－6.83，p=0.000），方案評價（T=－6.89，p=0.165）幾個維度上，兩個年級都存在p＜0.001顯著性的差異。

②不同性別學生的計算思維差異

本研究使用了獨立樣本T檢驗的方法，檢驗了不同性別的學生在計算思維上的差異，結果如表5所示。研究發(fā)現(xiàn)：在計算思維總分上，男女不存在顯著性差異（T=－0.958，p=0.339），并且在問題界定（T=－0.242，p=0.809）、問題解決（T=－1.245，p=0.215）、方案評價（T=－0.849，p=0.397）三個維度上，男女都沒有顯著性的差異。

③是否有編程學習經驗的學生在計算思維上的差異

研究使用獨立樣本T檢驗的方法，對比了學過編程與沒有學過編程的學生在計算思維量表得分上的差異，結果如表6所示。研究發(fā)現(xiàn)，學過編程的學生在方案評價上顯著高于沒有學過編程的學生（T=2.23，p=0.027）。在計算思維總分（T=1.79，p=0.075）以及問題界定（T=1.53，p=0.129）和問題解決（T=1.23，p=0.220）兩個維度上，并沒有統(tǒng)計學意義上的顯著差異，但是有編程學習經歷的學生也高于沒有編程經歷的學生。

五、討論與分析

本研究中最終形成的量表為李克特五點式量表，具有三因子結構，由11個項目組成，其中包括問題界定（3個）、問題解決（5個）、方案評價（3個）。因子分析、聚斂效度、區(qū)分效度以及信度檢驗的結果都保證了該量表的有效性。在因子分析方面，進行探索性因子分析時，由于部分指標的因子載荷較低，刪去了一些測量指標。例如“在沒有證據(jù)前，我不相信直覺”，該測量指標屬于問題解決的維度，分析該題項因子載荷較小的原因，可能是青少年在日常學習中很少體驗到給出證據(jù)來論證觀點或者假設的學習過程，因此會對“證據(jù)”一詞感到陌生，在理解該測量指標上遇到困難。在探索性因子分析之后，進行了驗證性的因子分析來驗證三因子結構的模型與數(shù)據(jù)是否有較好的擬合度。在考察測量數(shù)據(jù)與計算思維量表三因子結構模型的擬合程度時，本研究使用了絕對擬合指數(shù)和增量擬合指數(shù)對模型卡方統(tǒng)計量進行了補充[16]。驗證性因子分析的結果充分說明了該量表具有較好的結構效度。在區(qū)分效度方面，該量表的3個因子兩兩之間的HTMT值均≤0.9，其中問題解決與方案評價的HTMT值剛好等于0.9，說明問題解決與方案評價這兩個因子的區(qū)分效度是稍有不足的。這可能是因為在應用計算思維的過程中，問題解決與方案評價的這兩種思維過程通常是接連發(fā)生的，學習者會在解決問題的過程中不斷地評價方案，因此在評價這兩種思維過程時，不能很好地將兩個因子區(qū)分開。但其HTMT值仍然是在可接受范圍內的，量表整體的區(qū)分效度是較好的。

使用該量表調查小學生計算思維水平現(xiàn)狀，主要得出了三點結論：第一，在小學階段計算思維隨著年級的增長而提升。本研究中四、五年級學生在計算思維得分上存在顯著差異，并且在計算思維以及其各個維度上，五年級學生都顯著高于四年級。一些相關研究也有類似發(fā)現(xiàn)，如郁曉華等人[17]的研究中將學生的計算機發(fā)展水平為劃分幼兒園至二年級、三至五年級、六至八年級和九至十二年級4個階段，并發(fā)現(xiàn)六至八年級學生的計算思維發(fā)展水平較三至五年級學生更高。第二，小學生的計算思維在性別上沒有顯著性差異。這與一些相關研究的發(fā)現(xiàn)是存在共性的。國外研究者發(fā)現(xiàn)在小學階段，不同性別的學生在計算思維發(fā)展上并沒有顯著的差異，但是在初高中階段，性別的差異會凸顯出來[18]。我國研究者也有類似發(fā)現(xiàn)，張屹等[10]發(fā)現(xiàn)我國小學生中男女的計算思維不存在差異，白雪梅等[9]發(fā)現(xiàn)我國高中生群體中男生的計算思維顯著高于女生。研究者指出應當在小學階段加強對學習者計算思維的培養(yǎng)，因為在這個階段性別的差異是比較容易去彌補的，這對于縮小未來不同性別的計算思維水平差異至關重要。第三，有編程學習經驗的小學生具備更強的方案評價能力，但是在其他計算思維維度上與沒有編程學習經驗的小學生相比沒有顯著差異。由此可見，盡管近年來國家非常重視編程教育的推廣，但是小學階段以編程為媒介的計算思維教學效果還有提升空間?；谝陨习l(fā)現(xiàn)和討論，本研究針對小學的計算思維教學提出了以下三點建議：

第一，結合不同年齡段的認知特點采取多元的計算思維教學方式。研究者指出結合認知發(fā)展階段來制定適合不同年級的計算思維課程是至關重要的。在具體實施上，依據(jù)皮亞杰認知發(fā)展理論，低年級的學習者（具體運算階段）主要依靠他們的感知來解決問題，這一時期學生開始具有抽象的概念，但是思維活動仍需具體活動或實體材料的支持，因此可以通過卡片、拼圖等教具來輔助培養(yǎng)學生的計算思維，讓學習者在具體的活動中通過與實體工具的交互發(fā)展計算思維；而高年級的學習者（形式運算階段）已經超越對實體事物的依賴，具備處理抽象概念和假設推演的能力，因此針對這個學段可以依托圖形化編程工具來學習更為抽象、復雜的計算思維。

第二，以問題解決為導向，將計算思維教學融入其他學科教學中。研究者已經達成共識，計算思維不僅可以應用于計算機科學的領域，也可以應用到數(shù)學、科學、英語和文學等學科中。近年來，國內外的研究者都嘗試將計算思維融入學科教育中。將計算思維教學與其他學科教學融合，不僅能夠讓學生認識到計算思維并不局限于編程這一種形式，不局限于計算機科學這一領域，而是作為一項重要的思維能力可以幫助他們解決各個領域中的問題，同時還可以促進他們對于學科知識的深入理解。

第三，對學生應用計算思維解決問題的思維過程開展評價。評價是計算思維教學中的重要環(huán)節(jié)，在小學階段，對計算思維的評價不應局限于對計算思維概念或者是對編程技能的考核，而應該加強對學生思維過程的重視。本研究中提出的理論框架從問題解決過程的視角界定了計算思維的關鍵思維過程，并基于該理論框架開發(fā)了量表。在未來，教育工作者可以基于該理論框架開發(fā)其他形式的評價工具，從而幫助教師評價學生計算思維的思維過程，提升計算思維的教學質量。

參考文獻

[1]林澤珊，魏軼娜，趙騰任.基于TPACK的中小學信息技術教師計算思維教學能力現(xiàn)狀調查[J].數(shù)字教育，2021，7（6）：70-76.

[2]李陽.計算思維導向的跨學科兒童編程教育模式研究：基于芬蘭兒童編程教育的經驗與啟示[J].現(xiàn)代教育技術，2020，30（6）：19-25.

[3]TANG X，YIN Y，LIN Q，et al.Assessing computational thinking：a systematic review of empirical studies[J]. Computers & education，2020，148（4）：103798.

[4]BARR V，STEPHENSON C.Bringing computational thinking to K-12[J].Acm Inroads，2011，2（1）：48.

[5]劉敏娜，張倩葦.國外計算思維教育研究進展[J].開放教育研究，2018（1）：41-53.

[6]CSTA ISTE.Operational definition of computational thinking for k12 education[EB/OL].[2022-09-03].http：//csta.acm.org/Curriculum/sub/CurrFiles/471.1.CTLeadershiptToolkit-sp-vF.pd.

[7]KORKMAZ O，CAKIR R，OZDEN M Y.A validity and reliability study of the computational thinking scales （cts）[J].Computers in hu-man behavior，2017，72（7）：558-569.

[8]白雪梅，顧小清.K12階段學生計算思維評價工具構建與應用[J].中國電化教育，2019（10）：83-90.

[9]張屹，莫尉，張巖，等.我國小學生計算思維量表研發(fā)與應用[J].中國電化教育，2020（10）：49-57.

[10]陳興冶，馬穎瑩.本土化計算思維評價指標體系的構建與探索：基于1410名高中生的樣本分析與驗證[J].遠程教育雜志，2020（5）：70-80.

[11]CHEVALIER M，GIANG C，PIATTI A，et al.Fostering computational Thinking through Educational Robotics：a model for creative computational Problem Solving[J]. International journal of STEM Education，2020，7（1）：58-63.

[12]WING J M.Computational thinking and thinking about computing[EB/OL].（2016-05-09）[2022-09-03].https：//www.docin.com/p-1568020984.html.

[13]HEUREUX J，BOISVERT D，COHEN R，et al.IT problem solving：an implementation of computational thinking in information techno-logy[EB/OL].（2012-10-11）[2022-09-04].https：//dl.acm.org/doi/epdf/10.1145/2380552.2380606.

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

[15]HEPPNER P P，PETERSEN C H.The development and implications of a personal problem-solving inventory[J].Journal of Counseling Psy-chology，1982，29（1）：66-75.

[16]HU Li tze，BENTLER P M.Cutoff criteria for fit indexes in cova-riance structure analysis：conventional criteria versus new alterna-tives[J].Structural equation modeling，1999，6（1）：1-55.

[17]郁曉華，王美玲，程佳敏，等. 計算思維評價的新途徑：微認證[J]. 開放教育研究，2022，28（1）：107-120.

[18]LUO F，ANTONENKO P D，DAVIS E C.Exploring the evolution of?two girlsconceptions and practices in computational thinking in scien-ce[J]. Computers & education，2020，146（3）：103759.

（責任編輯 李強 孫志莉）

Elementary School StudentsComputational Thinking Evaluation Scale from the Perspective of Problem-solving Process

Fu Qian1，Hu Wanqing1，Lyu Jinjiao1，Zheng Yafeng2

（1.School of Educational Technology，Beijing Normal University，Beijing，China 100031;

2.Institute of Advanced Studies in Humanities and Social Sciences，Beijing Normal University at Zhuhai， Zhuhai，Guangdong，China 519000）

Abstract： As an important part in the teaching of computational thinking， the evaluation of computational thinking has received more and more attention of educators.The existing computational thinking evaluation scales pay more attention to the results of computational thinking from the macro level， but less focus on the process of computational thinking from the more micro level，which leads to little guiding significance of the evaluation results for teaching.Based on this，this research developed a three-factor computational thinking evaluation scale for the problem-solving process.Reliability and validity test results showed that the scale has a clear factor structure，good convergent validity，discriminative validity and reliability.Moreover，the results of computational thinking survey for elementary school students showed that the fifth graders both overall score and individual dimension score of computational thinking were significantly higher than those of the fourth graders.In addition，the computational thinking scores of students of different genders were not significant different.In general，the computational thinking scores of students who have learned programming have no significant difference with those who have not learned programming，but the program evaluation dimension score of students who have learned programming is significantly higher than those who have not learned programming.

Key words： Computational thinking scale;Pupil;Factor analysis

基金項目：國家自然科學基金“中小學生在線編程自適應學習系統(tǒng)關鍵技術研究”（62077005）；2023年度河南省教育科學規(guī)劃重點課題《河南省中小學在線科學探究模式構建及實踐效果研究》（2023JKZD14）

作者簡介：傅騫（1978— ），男，浙江金華人，教授、博士生導師，研究方向為創(chuàng)客教育、創(chuàng)新人才培養(yǎng)；胡婉青（1998— ），女，重慶市人，碩士研究生，研究方向為計算思維、協(xié)作學習；呂巾嬌（1981— ），女，山西文水人，博士，助理研究員，研究方向為教育技術基礎理論、教學設計；鄭婭峰（1979— ），女，河南洛陽人，教授、碩士生導師，研究方向為教育數(shù)據(jù)挖掘、數(shù)據(jù)可視化，系本文通信作者。