白雪梅，顧小清

(華東師范大學(xué) 教育信息技術(shù)學(xué)系，上海 200062)

一、引言

隨著信息技術(shù)的迅速發(fā)展以及21世紀技能運動的普及，社會對人才的培養(yǎng)提出了新要求，計算機思維(Computational Thinking)受到了各國的高度重視。澳大利亞、美國、英國、芬蘭、新西蘭、韓國等國家為了推動K-12階段計算思維教育，都先后發(fā)布了相應(yīng)的政策文件。英國政府于2013年11月發(fā)布了計算課程的目標框架，計算思維是其核心概念和主要內(nèi)容。新西蘭于2011年將計算機科學(xué)列為高中的必修科目。國際教育技術(shù)學(xué)會(ISTE)和美國計算機科學(xué)教師協(xié)會(CSTA)認為所有的學(xué)生都應(yīng)該在高中畢業(yè)時具備計算思維的基本技能，應(yīng)將計算思維納入正式教育，并要求各年級的所有內(nèi)容領(lǐng)域的教師為培養(yǎng)學(xué)生的計算思維能力做出努力[1]。我國2017 新版高中信息技術(shù)課程標準也將計算思維列為該學(xué)科核心素養(yǎng)之一，并且計算思維是信息技術(shù)學(xué)科核心素養(yǎng)培養(yǎng)的核心議題[2]。

不同學(xué)者從不同的視角對計算思維提出了不同的定義。周以真教授將其概括為“利用計算機科學(xué)的概念解決問題、設(shè)計系統(tǒng)和理解人類行為”的一種方式[3]。ISTE和CSAT認為計算思維是一種解決問題的過程，包括(但不局限于)以下幾個特征：以一種能夠使用計算機和其他工具來解決問題的方式表述問題；有邏輯地組織和分析數(shù)據(jù)；通過抽象表示數(shù)據(jù)；通過算法思維形成自動化問題解決方案；識別、分析和實施問題解決方案以實現(xiàn)步驟和資源最有效的結(jié)合；將解決問題的過程推廣到其他類似問題的解決中[4]。?zgen則將計算思維定義為擁有能夠使用計算機解決生活中實際問題的知識、技能和態(tài)度[5]。任友群教授等認為計算思維是一種獨特的解決問題的過程[6]。

雖然目前計算思維還沒有一個統(tǒng)一的定義，但其重要性日益凸顯。周以真教授認為計算思維是除讀、寫、算之外每個青少年都必須具備的一項基本能力，是一種人人都應(yīng)具備的基本技能，而不僅僅是計算機科學(xué)家[7]。我國教育部也指出“中小學(xué)計算機教育發(fā)展聚焦信息技術(shù)，應(yīng)從小培養(yǎng)學(xué)生的信息意識和計算思維”[8]。對學(xué)生進行計算思維能力培養(yǎng)的目的不是讓學(xué)生成為計算機科學(xué)領(lǐng)域的專家，而是讓每位學(xué)生都意識到并且可以將他們的計算思維技能習(xí)慣性地應(yīng)用到其他課程中[9]。信息時代要求人應(yīng)該學(xué)會使用數(shù)字化工具解決問題。然而人類在解決問題的過程中，最重要的就是思維方式。因此，如何通過計算機以及其他技術(shù)工具培養(yǎng)學(xué)生的思維方式尤為重要。越來越多的研究者開始關(guān)注計算思維，特別是教育技術(shù)領(lǐng)域的專家，從21世紀技能的角度出發(fā)，認為計算思維為兒童觀察和理解周圍世界提供了一個新的視角，是一種利用“計算”的過程和方法理解和解決問題的新能力，也是兒童應(yīng)對未來競爭和挑戰(zhàn)的必要技能[10]，應(yīng)該從小培養(yǎng)[11]，有助于學(xué)生盡早的使用計算思維技能解決現(xiàn)實生活中遇到的問題[12]。范文翔等人通過對國內(nèi)外計算思維的研究進行文獻綜述發(fā)現(xiàn)當前國內(nèi)計算思維的研究還處于初級階段，計算思維的應(yīng)用研究層面主要集中在高等教育階段，主要聚焦于計算思維的培養(yǎng)策略等。而國外相關(guān)研究已處于成熟的早期階段，應(yīng)用研究主要集中在K12階段，并且主要關(guān)注計算思維的培養(yǎng)以及評價[13]。

評價對于計算思維的發(fā)展至關(guān)重要，是培養(yǎng)學(xué)生計算思維能力的基礎(chǔ)也是對培養(yǎng)成果進行評估的重要手段。然而，目前國內(nèi)尚無科學(xué)的權(quán)威的K12階段學(xué)生計算思維能力的評價工具。國際上，Korkmaz等人根據(jù)ISTE給出的計算思維的理論框架，開發(fā)了測量K12階段學(xué)生計算思維的量表(Computational Thinking Scale，簡稱CTS)。然而英文版的CTS能否與我國的教育文化相適宜？是否可以有效地測量我國K12階段學(xué)生計算思維水平？因此，本研究的目的是將英文版計算思維量表引用到我國的教育情境中，探討其對我國K12階段學(xué)生計算思維能力測量的有效性及適用性，旨在為我國中小學(xué)學(xué)生計算思維的培養(yǎng)、評價以相關(guān)研究提供一個科學(xué)的工具。

二、計算思維評價框架與測量量表

(一)計算思維評價框架

ISTE將計算思維劃分為創(chuàng)造力(Creativity)、算法思維(Algoritmic Thinking)、批判性思維(Critical Thinking)、問題解決(Problem Solving)、合作(Cooperativity)及交流技能(Communication Skills)。ISTE認為計算思維能同時反映以上五種技能，這些技能相互聯(lián)系。當這些技能共同相互作用時，便解釋了一種全新的思維技能——計算思維。

首先，(1)創(chuàng)造力需要創(chuàng)造性的思維，而創(chuàng)造性思維并不是獨自發(fā)揮作用，它還涵蓋了自身的內(nèi)部思維結(jié)構(gòu)，如批判性問題解決能力。具有創(chuàng)造性思維的個體同時也具有批判性思維和解決問題的能力，發(fā)展不同尋常的想法及方法是問題解決和創(chuàng)造力的結(jié)果，而編程是一個使得問題數(shù)值化從而有助于問題解決的過程。因此，創(chuàng)造力是計算思維的重要組成之一。(2)一個能夠以“算法”的方式思考問題的人，在解決問題的過程中，能以一種詳細而有目的的方式進行思考，通過將問題解決過程按順序排列來實現(xiàn)，最終為問題的解決提出一個方案。因此，算法思維也是計算思維的重要組成之一。(3)對同一個問題的解決往往會有多種方案，需要通過批判性的思考從眾多方案中選擇出一個最優(yōu)的方案，從而使得問題得到恰當?shù)慕鉀Q。因此，批判性思維也是計算思維的重要組成之一。(4)克服未來生活中遇到的問題是教育的首要目標之一，而計算思維是個體問題解決能力的延伸。解決問題所需的過程應(yīng)該被收集并用于問題的解決，然而程序設(shè)計過程是一個典型的問題解決過程。因此，問題解決能力是計算思維的又一重要組成元素。(5)21世紀的個體為了共同的目的，具備不同的技能的個體需要通過合作解決復(fù)雜問題。(6)除此之外，在合作的過程中，成員之間要有良好的溝通來共同努力以達到問題解決的目的。因此，合作和交流技能是計算思維的另外兩項重要組成[14]。

(二)計算思維測量量表

Korkmaz等人根據(jù)ISTE對計算思維的理論框架分析，結(jié)合前人的相關(guān)研究成果，開發(fā)了具有六因子結(jié)構(gòu)的測量學(xué)生計算思維的量表。但是通過因子分析最終只得到五個因子：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。研究者通過驗證性因子分析對五因子結(jié)構(gòu)的量表進行了驗證，各模擬指標皆達到顯著。一方面，研究者通過對各因子的測量指標進行進一步分析發(fā)現(xiàn)，溝通交流能力的測量指標同時與批判性思維、問題解決和合作學(xué)習(xí)的大部分測量指標在本質(zhì)上有重疊。另一方面，理論上，溝通交流可以簡單地定義為人們分享情感、思想和信息[15]。因此，溝通交流技能其實是合作學(xué)習(xí)、批判性思維和問題解決發(fā)生的基礎(chǔ)[16]。鑒于此，五因子結(jié)構(gòu)的計算思維量表最終被研究者所接受。

研究者最終得出的具有5個因子29個測量指標的CTS的主要測量對象是大學(xué)生。后來Korkmaz等人對其進行了修訂，使得其適合測量K12階段學(xué)生的計算思維能力水平。修訂之后用來測量中學(xué)生計算思維水平的CTS還是包含原來的5個因子，但只有22個測量指標[17]。

三、研究設(shè)計

(一)研究對象

一方面，由于最原始的英文版的CTS量表最初主要用于測量大學(xué)生的計算思維水平，研究者在其基礎(chǔ)上刪除了7個不適合測量K12階段學(xué)生的測量指標，形成了測量K12階段學(xué)生計算思維水平的量表，而高中生和大學(xué)生比較接近。另一方面，由于計算思維能力的培養(yǎng)已經(jīng)納入我國高中信息技術(shù)課程目標。因此，為了保證量表的適用性，本研究選取高一和高二的學(xué)生為研究對象，一共有1015名中國學(xué)生參與了研究。其中356名被試來自我國南方某省，659名被試來自我國西部某省。其中，高一的學(xué)生有379(37%)人，高二學(xué)生有636(63%)人。男生總共467(46%)人，女生總共548(54%)人。

(二)研究工具

本研究以Korkmaz等人設(shè)計開發(fā)的具有22個測量指標的CT量表為研究工具。為了確保翻譯的準確性，研究采取了回譯翻譯法(Back-translation Method)?；刈g翻譯要求將翻譯好的目標語言再重新翻譯成原文，通過對比原文和回譯文，來確定譯文是否存在問題[18]。因此，本研究邀請了兩位精通英語和漢語的教育技術(shù)學(xué)專家。首先，請其中的一位專家先將英文版本的CT量表翻譯成中文。然后請另外一位專家將第一位專家翻譯好的中文版的CT量表回譯成英文。最后，我們將第二位專家回譯的英文版本的CT量表和原始的英文版本的CT量表進行對比，發(fā)現(xiàn)兩個版本的量表的語言表述幾乎一致。另外，最終翻譯好量表還是遵循原始CT量表的計分方式，采用李克特五點計分法。

(三)數(shù)據(jù)收集與預(yù)處理

1.數(shù)據(jù)收集

將最終確定好的CT量表編輯到問卷星中，并且通過指導(dǎo)語向研究對象說明調(diào)查數(shù)據(jù)僅用于研究，調(diào)查題目均沒有對錯好壞之分，只需要憑借自己的經(jīng)驗和感受進行填寫即可。然后將編輯好的電子CT量表的鏈接發(fā)送給了研究對象，開始收集數(shù)據(jù)。數(shù)據(jù)收集時間為2018年5月21日至2018年6月4日。

2.數(shù)據(jù)預(yù)處理

通過預(yù)處理發(fā)現(xiàn)整體樣本數(shù)據(jù)沒有出現(xiàn)缺失值和異常值。隨后使用SPPS21.0將數(shù)據(jù)隨機分成了兩個樣本，第一個樣本(n=487)數(shù)據(jù)用于探索性因子分析，第二個樣本(n=528)數(shù)據(jù)用于驗證性因子分析。

四、數(shù)據(jù)分析

(一)描述性分析

研究首先對中文版的計算思維量表的22個測量變量進行了描述性統(tǒng)計分析，結(jié)果顯示該量表的所有測量指標的峰度均小于臨界值5，這說明數(shù)據(jù)呈正態(tài)分布。

接著研究對每個因子和其包含的測量指標之間的相關(guān)關(guān)系進行了分析，分析結(jié)果如表1所示。由表1可知，第一個因子(C)與其所含測量指標之間的相關(guān)系數(shù)在0.632-0.691之間，第二個因子(A)與其所含測量指標之間的相關(guān)系數(shù)在0.682-0.779之間，第三個因子(O)與其所含測量指標之間的相關(guān)系數(shù)在0.730-0.833之間，第四個因子(T)與其所含測量指標之間的相關(guān)系數(shù)在0.643-0.817之間，第五個因子(P)與其所含測量指標之間的相關(guān)系數(shù)在0.654-0.737之間。

表1 各因子與其測量指標之間的相關(guān)性

另外，研究對測量數(shù)據(jù)進行相關(guān)分析和獨立樣本t檢驗，發(fā)現(xiàn)各測量指標與總分的相關(guān)系數(shù)在0.329-0.617之間，均達到顯著水平(P＜0.001)。研究對高分組(前20%)和低分組(后20%)的樣本在22個測量指標上的得分進行獨立樣本t檢驗，發(fā)現(xiàn)兩組樣本在每個測量指標上的得分均存在顯著差異(P＜0.001)，說明所有測量指標之間均具有較好的區(qū)分度。

(二)探索性因子分析

研究使用SPSS 21.0對數(shù)據(jù)進行了探索性因子分析。結(jié)果顯示：KMO=0.850，Bartlett's 球形檢驗χ2(487)=3096.258，p＜0.000。根據(jù)Kaiser決策標準，如果KMO≥0.8，說明Bartlett球形檢驗達到了顯著水平，適合做探索性因子分析。

研究采用主成分分析法抽取因子，選擇最大方差法進行旋轉(zhuǎn)，以特征根大于1作為判斷因子個數(shù)的標準。對于各因子的取舍，以因子負荷大于0.3為標準。研究結(jié)果顯示：各因子的測量指標是因子負荷均大于0.3，但有一個測量指標出現(xiàn)了交叉載荷，為了獲得一個更好結(jié)構(gòu)的量表，研究刪除了該測量指標(P6)，剩余21個測量指標均保留。

研究對剩下的21個測量指標的CT量表進行第二次探索性因子分析，結(jié)果顯示：KMO=0.847，Bartlett's 球形檢驗χ2(487)=2864.603，p＜0.000。同樣采用主成分分析法抽取因子，用直接斜交旋轉(zhuǎn)法進行旋轉(zhuǎn)，最終抽取出來五個因子，分別是：合作學(xué)習(xí)、問題解決、批判性思維、算法思維和創(chuàng)造力，累積解釋總變異的55.524%。每一個因子的解釋率分別為：合作學(xué)習(xí)是24.688%，問題解決是10.707%，批判性思維是8.298%，算法思維是6.435%，創(chuàng)造力是5.395%。五個因子的特征根都大于1，特征根的值依次是：5.185，2.284，1.743，1.351，1.133。

(三)驗證性因子分析

本研究使用LISREL軟件對第二個樣本(n=528)數(shù)據(jù)進行驗證性因素分析，分析結(jié)果如下圖所示?？疾鞙y量數(shù)據(jù)與CT量表五因子結(jié)構(gòu)模型的擬合程度。參照如下擬合指標：χ2/df＜3，CFI＞0.9，GFI＞0.9，IFI＞0.9，NFI＞0.9，RMSEA≤0.08。結(jié)果顯示：χ2=1245.995，df=496，χ2/df=2.463，IFI=0.95，CFI=0.95，NFI=0.92，GFI=0.905，RMSEA=0.053，說明CT量表五因子結(jié)構(gòu)模型能很好地擬合數(shù)據(jù)。另外，21個測量指標的標準化因子載荷從0.42到0.82。

驗證性因子分析模型圖

(四)效度檢驗

1.聚斂效度檢驗

模型的所有測量指標的標準化因子負荷值均在0.42-0.82之間，這表明所有測量題目都具有良好的聚斂效度[19]。因子的組合信度一般要求0.6以上[20]，組合信度越大，表示測量指標之間的關(guān)聯(lián)度越大，即測量指標的同構(gòu)性越好。

根據(jù)模型中每個因子的測量指標的標準化因子負荷值以及測量指標的誤差方差，利用計算公式[21]：

得到各因子的組合信度值分別為：創(chuàng)造力C(0.58)，算法思維A(0.73)，合作能力O(0.80)，批判性思維T(0.75)，問題解決P(0.73)。除了因子1，其余4個因子的組合信度值均大于0.6，說明大多數(shù)因子的測量指標均具有良好的同構(gòu)性[22]。標準化因子負荷值和組合信度值均表明該測量量表具有良好的聚斂效度，測量指標可以有效反映對應(yīng)的因子(潛在構(gòu)念)，測量同一因子(潛在構(gòu)念)的測量指標的內(nèi)部一致性可以接受[23]。

2.區(qū)分效度檢驗

研究對CT量表的5個因子進行兩兩組合，得到10個CFA假設(shè)模型。再將每個CFA假設(shè)模型的兩個因子間的協(xié)方差分別設(shè)置為1和自由估計參數(shù)，得到受限模型Ma和未受限模型Mb，然后用ML法對模型Ma和模型Mb進行驗證性因子分析，得到模型的χ2、df值及其差異量，結(jié)果如表2所示。由表2可知，5個因子的受限模型與未受限模型間的卡方值差異量均大于因子區(qū)別效度檢驗臨界指標χ20.05=3.841，表示所有受限模型與未受限模型間的卡方值差異量均在0.05上達到顯著性水平，說明CT量表中5個因子間所表示的潛在特質(zhì)具有顯著區(qū)別，這表明CT量表任何兩個因子之間具有良好的區(qū)分效度[24]。

表2 各因子區(qū)分效度檢驗摘要

(五)信度檢驗

1.克倫巴赫值檢驗

本研究采用Cronbach α 系數(shù)檢測量表的信度，并參照標準：如果α＞0.8，表示量表的信度良好；如果0.7＜α＜0.8，表示量表的信度可以接受。分析結(jié)果顯示(如表3所示)：合作學(xué)習(xí)、問題解決、批判性思維、算法思維以及創(chuàng)造力的Cronbach α依次是0.805、0.734、0.736、0.727、0.610，CT總量表的Cronbach α是0.836。雖然創(chuàng)造力因子的Cronbach α低于0.70，但其他因子以及CT總量表的Cronbach α均高于0.70，這說明中文版本CT量表的五個因子的內(nèi)部一致性可以接受。

2.重測信度

重測信度又稱再測信度，為常用信度評估方法之一。本研究采用重測法對中文版本CT量表的穩(wěn)定性進行了測量。在被試中隨機抽取了36位學(xué)生，在這些被試完成第一次調(diào)查兩周以后，我們對這36名學(xué)生又進行了一次測量。研究使用SPSS21.0對這36位同學(xué)的前后兩次CT測量分數(shù)進行相關(guān)性分析，從而對CT量表的穩(wěn)定性進行測量，結(jié)果如表3所示。

表3 重測結(jié)果

從表3可知，通過重測信度的方式得到的各測量指標前后測的相關(guān)系數(shù)在0.427 - 0.982之間，并且各個測量指標前后相關(guān)系數(shù)均存在顯著正相關(guān)。其次，五個因子前后測的相關(guān)系數(shù)在0.784 - 0.978之間，前后總分之間的相關(guān)系數(shù)為0.923，各相關(guān)系數(shù)均存在顯著正相關(guān)。這說明中文版的CT量表具有良好的穩(wěn)定性。

(六)K12階段學(xué)生計算思維總體現(xiàn)狀及差異分析

1.K12階段學(xué)生計算思維總體現(xiàn)狀分析

為了了解我國中學(xué)生計算思維的現(xiàn)狀，我們對學(xué)生在計算思維及其各個維度上的得分均值、標準差、最小值、最大值進行了分析，分析結(jié)果如表4所示。

表4 K12階段學(xué)生計算思維總體現(xiàn)狀

如表4所示，學(xué)生計算思維能力水平最低得分為31分，最高得分為100分，均值為71.6分。68.3%的學(xué)生的計算思維水平處于高水平，30.6%的學(xué)生的計算思維處于中等水平，只有1.1%的學(xué)生的計算思維處于低水平?？梢?，我國中學(xué)生計算思維水平整體較高。就計算思維的每個維度而言，學(xué)生的得分均值從高到低依次為：創(chuàng)造力(77.3)、合作(75.2)、批判性思維(73.6)、算法思維(67.5)、問題解決(67.1)，即在創(chuàng)造力上得分的均值最高，在問題解決上得分的均值最低。另外，創(chuàng)造力上得分中，處于高水平的人占75.1%?？梢姡覈鳮12階段學(xué)生計算思維水平各維度中，創(chuàng)造力水平最高，問題解決和算法思維相對較低。

2.K12階段學(xué)生計算思維差異分析

我們首先對樣本數(shù)據(jù)進行方差齊性檢驗，方差齊性檢驗的顯著性均達到顯著水平，這說明數(shù)據(jù)適合做單因素方差分析。本研究采用LSD法進行事后多重比較分析。在此基礎(chǔ)上，就學(xué)生對計算思維的感知水平在性別以及年級上的群體差異進行了單因素ANOVA分析，分析結(jié)果如表5、表6所示。從表5可見，學(xué)生的計算思維水平在性別上存在顯著性差異?？傮w上，男生的計算思維水平顯著高于女生。對于計算思維的各個維度而言，除問題解決之外，在其他維度上，男生得分均高于女生。

表5 不同性別學(xué)生計算思維的群體差異分析

表6 不同年級學(xué)生對于計算思維的感知水平的群體差異

從上頁表6可知，總體上，不同年級學(xué)生的計算思維得分存在顯著差異，高一年級學(xué)生顯著高于高二年級。進一步分析發(fā)現(xiàn)，對于計算思維的不同維度而言，高一年級學(xué)生在批判性思維和問題解決兩個維度上的得分均高于高二年級學(xué)生，并且存在顯著差異，而其他維度上均不存在顯著差異。

五、討論與分析

(一)中文版計算思維量表具有清晰的因子結(jié)構(gòu)

首次探索性因子分析結(jié)果顯示“問題解決”因子的一個測量指標“合作學(xué)習(xí)讓我感到厭煩”出現(xiàn)交叉載荷，這一測量指標在“問題解決”因子上的因子負荷為0.419，在合作學(xué)習(xí)上的因子負荷為0.622。其余各因子的測量指標的因子負荷值均大于0.3，且未出現(xiàn)交叉負荷的現(xiàn)象。研究認為造成這一結(jié)果可能的原因有兩方面。一是中國學(xué)生不擅長以合作學(xué)習(xí)的方式來解決問題[25]，因此部分學(xué)生在讀到這一測量指標的時候會認為這更多的是和合作學(xué)習(xí)有關(guān)，而不是和問題解決相關(guān)。二是本研究認為該測量指標的表述本身可能存在問題，建議研究者在使用該量表的時候可以將其修改為“以合作學(xué)習(xí)的方式來解決問題讓我感到厭煩”。鑒于此，研究將刪除該測量指標之后的21個測量指標的數(shù)據(jù)樣本進行了第二次探索性因子分析，最終提取出了5個因子。其中，創(chuàng)造力4個測量指標(C1-C4)，算法思維4個測量指標(A1-A4)，合作能力4個測量指標(O1-O4)，批判性思維4個測量指標(T1-T4)，問題解決5個測量指標(P1-P5)。

接著，研究對第二批樣本數(shù)據(jù)(n=528)進行了驗證性因子分析，采用結(jié)構(gòu)方程模型法確定研究樣本數(shù)據(jù)和中文版計算思維量表五因子結(jié)構(gòu)模型的擬合程度。首先，以χ2/df為標準檢驗假設(shè)模型的擬合效果。當χ2/df＜3時，表明模型的擬合效果良好。χ2/df越小，說明模型擬合效果越好。本研究中χ2/df為2.463，這說明中文版計算思維量表五因子的結(jié)構(gòu)模型與數(shù)據(jù)擬合較好。由于卡方檢驗對于樣本量比較敏感，因此本研究選用GFI這一常用的對樣本量不敏感的絕對擬合指標來進一步檢測了整個模型可以解釋樣本方差-協(xié)方差的程度。當GFI＞0.9時，說明模型擬合度優(yōu)異。本研究中，GFI為0.905。常用的相對擬合效果檢驗有NFI、TLI和 IFI。本研究選用NFI，NFI是檢測研究模型與擬合最糟糕的獨立模型相比較的改善情況，取值范圍在0-1之間，當研究模型與理論暗含的模型相差較少時，NFI接近1，反之接近0。一般以0.9作為臨界值。在本研究中，NFI為0.92。常見的替代性指標為 RMSEA和CFI。其中，比較擬合指數(shù)CFI表示相對于基線模型(變量間不相關(guān)的獨立模型)研究模型的改善程度，它綜合考慮了相對擬合效果和替代性擬合效果。CFI取值范圍在0-1之間，越接近1，表明模型擬合效果越好。本研究中，CFI為0.95。其次，RMSEA小于0.01表明假設(shè)模型擬合的非常好，小于0.05，表示假設(shè)模型擬合的比較好，小于0.1表示假設(shè)模式擬合程度可以接受[26]。本研究中，RMSEA為0.053。綜上，各擬合指標均達到理想標準，這說明中文版計算思維量表五因子結(jié)構(gòu)模型與研究樣本數(shù)據(jù)擬合效果較好。

(二)中文版計算思維量表具有良好的結(jié)構(gòu)效度與信度

中文版本CT量表的21個測量指標的標準化因子負荷值分布在0.42-0.82之間(均大于0.3)，并且五個因子的組合信度值分布在0.58-0.80之間，這表明該CT測量量表具有良好的聚斂效度。其次，中文版計算思維量表五個因子的受限模型與未受限模型相互之間的卡方值差異量均在0.05上達到顯著水平，說明該量表具有良好的區(qū)分效度。

中文版計算思維總量表的克倫巴赫系數(shù)為0.86，在其五個因子中，除創(chuàng)造力之外，其余四個因子的克倫巴赫值皆大于0.7，這說明中文版計算思維量表具有良好的內(nèi)部一致性。除此之外，研究采用重測法對中文版本CT量表的穩(wěn)定性進行了測量。重測信度檢驗表明中文版的CT量表具有良好的穩(wěn)定性。

綜述，本研究認為該CT測量量表可以用于評估中國K12階段學(xué)生的計算思維水平。

(三)中文版計算思維量表的進一步改進

在最后形成的中文版計算思維量表中，所有測量指標的標準化因子負荷值皆大于0.3，達到了可接受水平，但是有些測量指標的標準化因子負荷值還是偏低。本研究認為，首先，這可能與我國傳統(tǒng)教育有關(guān)：傳統(tǒng)的教育大多數(shù)都是“填鴨式”，缺乏旨在培養(yǎng)學(xué)生問題解決能力、合作能力以及批判性思維的探究式學(xué)習(xí)、基于問題的學(xué)習(xí)、項目式學(xué)習(xí)等新型教學(xué)模式。在平時的學(xué)習(xí)中，學(xué)生很少有機會參與到多樣化的學(xué)習(xí)活動中。因此，學(xué)生對量表中的有些題目中表述的情境可能都還沒體驗過，例如“在合作學(xué)習(xí)中，我喜歡和好朋友一起解決與小組項目有關(guān)的問題”中提到“小組項目”，如果學(xué)生沒有參與過或者很少參與基于項目的合作學(xué)習(xí)，可能就會感到迷惑，從而影響對題目內(nèi)涵的理解和判斷。又如“我不能逐步應(yīng)用我所設(shè)計的問題解決方案”，如果學(xué)生沒有參與過任何自己設(shè)計問題解決方案并執(zhí)行方案解決問題的經(jīng)歷，對這一測量指標的表述就難易把握。其次，題目表述的用詞可能會影響學(xué)生對于其表述內(nèi)容的內(nèi)涵的判斷。例如，“算法思維”一因子中的“我可以把一個用語言表達的數(shù)學(xué)問題轉(zhuǎn)化成數(shù)學(xué)模型”一指標中的“模型”就比較抽象、宏觀，影響學(xué)生對于題目內(nèi)容的解讀。又如C3中的“直覺判斷”，T1中的“解決復(fù)雜問題的計劃”，T3中的“挑戰(zhàn)性的事物”以及P3中的“問題解決方案”都不夠具體，這可能會導(dǎo)致學(xué)生對其內(nèi)容理解的差異。鑒于此，建議在對該計算思維量表的后續(xù)應(yīng)用和研究中，有必要對這些題目做一些修改，以進一步提高測量題目的質(zhì)量。

(四)K12階段學(xué)生計算思維水平總體現(xiàn)狀

與美國、英國等發(fā)達國家相比較，我國對K12階段學(xué)生計算思維能力培養(yǎng)的重視起步比較晚，2017 新版《普通高中信息技術(shù)課程標準》剛剛將其納入到信息技術(shù)課程標準，才逐步開始在具體的課程教學(xué)實踐中落實。旨在培養(yǎng)學(xué)生計算思維的STEAM教育[27]在我國也才剛剛起步，即便如此，從本研究的分析結(jié)果來看，我國K12階段學(xué)生計算思維總體上水平并不低，這為我國基礎(chǔ)教育領(lǐng)域創(chuàng)客教育、STEAM教育的發(fā)展奠定了基礎(chǔ)。

對于計算思維的每個維度而言，學(xué)生在創(chuàng)造力上的得分最高，合作能力、批判性思維能力次之，而算法思維和問題解決能力得分相對較低。我國中小學(xué)教育注重文化知識的學(xué)習(xí)，學(xué)生問題解決能力沒有得到足夠的鍛煉，這使得學(xué)生解決問題的能力普遍比較弱。而算法思維強調(diào)的是解決問題的一種策略，使得解決問題的過程具有邏輯性，算法思維和問題解決能力相輔相成，互相影響，因此其中一種能力的水平直接影響另外一種。該研究結(jié)論給我們的啟示是：對于學(xué)生計算思維的培養(yǎng)，需要注重對于學(xué)生算法思維和問題解決能力的培養(yǎng)。讓學(xué)生通過解決現(xiàn)實生活中的復(fù)雜問題，提高算法思維和問題解決能力。男生的計算思維水平高于女生，這與Korkmaz等人的研究結(jié)論相一致。就計算思維的各個維度而言，除問題解決能力之外，在其他維度上，男生都高于女生。這一方面說明女生可能對于自己這些方面的能力不夠自信或者女性可能確實在這些方面沒有優(yōu)勢。這一研究結(jié)論給我們的啟示是：在計算思維培養(yǎng)的過程中，應(yīng)該注重對于女生的關(guān)注，給予她們更多的支持，鼓勵她們參與相關(guān)課程學(xué)習(xí)，尤其是對于女生創(chuàng)造力、合作能力、批判性思維以及算法思維的培養(yǎng)應(yīng)該引起重視。

高一年級學(xué)生計算思維能力總分均高于高二年級學(xué)生，主要是問題解決能力和批判性思維能力高于高二年級，這與Korkmaz等人的研究結(jié)論相似。Korkmaz等人的研究發(fā)現(xiàn)研究生的計算思維能力隨著年級水平的提高而下降，即學(xué)生年級越高，計算思維能力水平反而越低。這一分析結(jié)果說明傳統(tǒng)的學(xué)校教育對于學(xué)生計算思維的發(fā)展似乎沒有促進作用。這可能因為在主流的傳統(tǒng)教育中，學(xué)生大多數(shù)時候都是被動的接受知識，對于知識、信息缺乏批判性的思考，這導(dǎo)致學(xué)生的批判性思維能力的發(fā)展受到了限制。另外，傳統(tǒng)教育注重學(xué)生知識的記憶和掌握，對于學(xué)生問題解決能力的培養(yǎng)有限。學(xué)校教育是培養(yǎng)學(xué)生能力的重要途徑，只有在學(xué)校正規(guī)教育中獲得相應(yīng)的技能，學(xué)生才有可能將其遷移到其他復(fù)雜情境中以解決實際生活中遇到的問題。教育實踐者應(yīng)該在教學(xué)中，注重學(xué)生問題解決能力和批判性思維能力的培養(yǎng)，力爭隨著學(xué)生年級的升高，其問題解決能力和批判性思維能力會有所提高而不是下降。為學(xué)生提供各種參與問題解決的機會、情境和過程，引導(dǎo)學(xué)生對于所面臨的問題提出不同解決方案，通過批判性的分析，找到解決問題的最佳方案，解決問題，從而批判性思維能力和問題解決能力，進一步發(fā)展計算思維能力。

六、結(jié)語

本研究對Korkmaz等人開發(fā)的用于測量K12階段學(xué)生計算思維的量表的因子結(jié)構(gòu)進行了驗證，并對該測量量表的聚斂效度、區(qū)分效度、內(nèi)部一致性以及重測信度進行了檢驗。研究結(jié)果表明該量表具有良好的信效度，中文版的計算思維量表的內(nèi)部一致性及可靠性得到了驗證，適合用于測量我國中學(xué)生的計算思維能力。因此，本研究為我國研究者和實踐者對于K12階段學(xué)生計算思維的評價提供了一個測量工具。

本研究還存在一些不足。僅驗證了計算思維量表的五個因子結(jié)構(gòu)，但是對因子之間的相互影響關(guān)系沒有進一步分析。后續(xù)研究將在此基礎(chǔ)上，通過對CT量表的5因子結(jié)構(gòu)模型的檢驗，探討其五個因子之間的相互預(yù)測作用，為實踐者和研究者設(shè)計與開發(fā)培養(yǎng)學(xué)生計算思維的課程、主題內(nèi)容、教學(xué)活動等提供依據(jù)，為評價學(xué)生的計算思維能力水平提供評判工具。另外，研究者可以選擇不同的被試，例如以初中生人群為研究對象，進一步探究該量表在中國教育文化背景下的初中階段的適用性。