何彤宇 孟曉倩

摘 要：計算思維是當(dāng)前計算機教育重點研究方向之一，培養(yǎng)大學(xué)生計算思維能力是計算機教育的一項重要內(nèi)容，通過鼓勵大學(xué)生參加計算機大賽等綜合實踐活動，有利于啟發(fā)和培養(yǎng)學(xué)生的計算思維能力。對大賽獲獎數(shù)據(jù)進行分析，得到大學(xué)生計算思維能力培養(yǎng)現(xiàn)狀。選取近5年參賽數(shù)據(jù)為樣本，運用SPSS軟件對我國高校大學(xué)生計算思維培養(yǎng)水平現(xiàn)狀進行研究。結(jié)果發(fā)現(xiàn)，我國在大學(xué)生計算思維培養(yǎng)方面取得了積極成果，相關(guān)高校表現(xiàn)突出，經(jīng)驗值得借鑒和學(xué)習(xí)。

關(guān)鍵詞：計算思維;計算機大賽;實證研究

DOI：10. 11907/rjdk. 191935 開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：G434文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2020）005-0267-04

0 引言

計算思維作為計算機領(lǐng)域廣為關(guān)注的一個重要概念， 1996年由 Seymour Papert[1]首次提出，逐漸成為計算機教育重點研究方向之一。而計算機科學(xué)中的計算思維概念于2006年3 月由Jeannette Wing[2]提出，他認(rèn)為“計算思維是運用計算機科學(xué)的基礎(chǔ)概念進行問題求解、系統(tǒng)設(shè)計以及人類行為理解等涵蓋計算機科學(xué)之廣度的一系列思維活動”，并將計算思維應(yīng)用引申到非計算機專業(yè)的計算機教育及智力養(yǎng)成和科學(xué)計算思維化兩個領(lǐng)域;國防科技大學(xué)朱亞宗教授[3]認(rèn)為，計算思維是與實驗思維、理論思維齊名的三大科學(xué)思維之一。

2010 年發(fā)布的《九校聯(lián)盟（C9）計算機基礎(chǔ)教學(xué)發(fā)展戰(zhàn)略聯(lián)合聲明》是高校計算機教學(xué)的一個指導(dǎo)性文件。針對如何培養(yǎng)計算思維，浙江大學(xué)的何銘欽教授[4]在對九校聯(lián)盟（C9）聯(lián)合聲明解讀中提出，計算思維的培養(yǎng)不僅要通過課堂講解，使學(xué)生逐步掌握相關(guān)領(lǐng)域問題求解的核心思路與基本方法，還要強調(diào)通過參與小規(guī)模的應(yīng)用系統(tǒng)設(shè)計，逐步啟發(fā)和培養(yǎng)學(xué)生的計算思維能力，最終理解問題的求解方式。他特別強調(diào)“計算思維能力的培養(yǎng)不僅僅局限于大學(xué)的計算機課程，更應(yīng)貫穿于計算機課程設(shè)計、計算機大賽等綜合實踐活動中” [4-5];陜西師大曹菡教授認(rèn)為，通過計算機設(shè)計大賽，可以讓“學(xué)生在作品的設(shè)計開發(fā)過程中，逐步培養(yǎng)運用計算機科學(xué)的知識、方法和對模型進行抽象、自動化的計算思維能力”; 王永全等[6]則對“互聯(lián)網(wǎng)+”背景下計算思維導(dǎo)向的計算機基礎(chǔ)教學(xué)改革進行了探討;還有諸多學(xué)者圍繞各自所在專業(yè)或課程，對基于計算思維方式的人才培養(yǎng)模式和教學(xué)改革提出了許多建議 [7-8]。

當(dāng)前有關(guān)培養(yǎng)計算思維能力的研究成果很多，但運用實證研究法對計算思維能力培養(yǎng)現(xiàn)狀進行比較研究的文獻(xiàn)相對較少。尤其是運用數(shù)理實證分析的文獻(xiàn)，無論是描述性統(tǒng)計還是運用數(shù)理計量分析的文獻(xiàn)均相對匱乏。缺乏實證挖掘和效果評價是當(dāng)前計算思維研究面臨的主要問題。因此，如何結(jié)合教學(xué)實踐探索計算思維教學(xué)模式、檢驗計算思維教學(xué)效果值得研究 [9]。

本文在眾多學(xué)者研究基礎(chǔ)上，嘗試以“全國大學(xué)生計算機設(shè)計大賽”參賽數(shù)據(jù)作為樣本，運用SPSS軟件，對我國高校大學(xué)生計算思維培養(yǎng)水平現(xiàn)狀作探索性研究。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源和預(yù)處理

數(shù)據(jù)來自“中國大學(xué)生計算機設(shè)計大賽”官網(wǎng)，將其作為數(shù)據(jù)來源主要原因有：①主辦單位層次高;②參賽高校覆蓋面廣;③參賽專業(yè)類別豐富;④參賽作品數(shù)量眾多。中國大陸有半數(shù)以上的本科大學(xué)、半數(shù)以上的211大學(xué)、半數(shù)以上的985大學(xué)參加了這一賽事（后改稱雙一流院校）。本文從官網(wǎng)上收集2013-2017年以來數(shù)百所地方院校各類參賽作品的獲獎數(shù)據(jù)（不含軍警院校），并根據(jù)參賽類別（大類）設(shè)置了軟件外包、計算機音樂等9個變量。由于選取數(shù)據(jù)是獲獎作品，因此能較全面地反映當(dāng)前大學(xué)生計算思維培養(yǎng)現(xiàn)狀。

1.2 研究思路和方法

多元統(tǒng)計分析方法可以處理多個變量的觀測數(shù)據(jù)，以及研究多個隨機變量之間的相互依賴關(guān)系與內(nèi)在規(guī)律，在自然科學(xué)和社會科學(xué)領(lǐng)域得到廣泛應(yīng)用。常見的方法有相關(guān)分析、回歸分析等。

在本案例中，利用探索性因子分析（EFA）提取對各高校比賽水平影響較為明顯的因素，在此基礎(chǔ)上進行歸納和總結(jié)，了解和分析各高校計算思維培養(yǎng)特點以及發(fā)展趨勢，找出教學(xué)中存在的問題或相關(guān)規(guī)律，幫助學(xué)校改進教學(xué)手段和方法，為高校教育和管理提供參考和建議，以促進高校計算思維培養(yǎng)水平進一步提高。

2 模型構(gòu)建與數(shù)據(jù)分析

2.1 分析條件判定

探索性因子分析（EFA）的優(yōu)點是“化繁為簡”，在盡可能不損失信息或少損失信息情況下，將多個變量減少為少數(shù)幾個潛在因子或主成分，最終達(dá)到減少變量個數(shù)同時再現(xiàn)變量之間內(nèi)在相互關(guān)系的目的。由于眾多變量中存在相關(guān)性，測量數(shù)據(jù)可能存在一定的重復(fù)，采用因子分析必須先進行以下工作：

首先進行信度檢測，然后檢測KMO。因此，經(jīng)過計算，Cronbach's α系數(shù)是0.816，顯示變量設(shè)置合理有效;其次，通過SPSS對 KMO和Bartlett進行分析，得出KMO值為0.804，表示當(dāng)前數(shù)據(jù)表中9個變量自檢的相關(guān)性非常適合進行因子分析。同時，Bartlett球形度檢驗設(shè)為相關(guān)系數(shù)矩陣，sig值為0.000，小于顯著水平0.05，表示建立的數(shù)據(jù)結(jié)構(gòu)滿足因子分析條件，如圖1所示。

2.2 主要技術(shù)指標(biāo)計算與分析

2.2.1 公共因子提取

公因子方差給出在提取公共因子前后各變量的共同度，根據(jù)統(tǒng)計學(xué)定義，它描述的是公共因子對于變量Xi的總方差所作的貢獻(xiàn)，并計算全部公共因子反映出原變量信息的百分比。在該表中，提取公共因子之后，有數(shù)媒設(shè)計專業(yè)組、軟件應(yīng)用與開發(fā)等多個變量的總計提取共同度數(shù)值接近0.8。變量數(shù)媒設(shè)計專業(yè)組的共同度為0.793，即提取的公共因子對變量參賽高校數(shù)量的方差作出了79.3%的貢獻(xiàn)，接近最理想的狀態(tài)0.8。從提取的一列數(shù)值可以看出，絕大部分變量的共同度比較大，在0.6以上，說明變量空間轉(zhuǎn)換為因子空間時保留了較多信息。因此，從中提取的公因子對各變量的解釋能力較強，見表1。

2.2.2 公共因子貢獻(xiàn)率計算

在方差解釋表中，顯示了成分、初始特征值、提取平方和載入等數(shù)據(jù)。在初始特征值合計列中的方差百分比，提供了各個特征值的方差貢獻(xiàn)率以及累計貢獻(xiàn)率。在未旋轉(zhuǎn)平方和載入時，相關(guān)系數(shù)矩陣有兩個最大特征值，分別為4.083、1.330。本案例提取兩個公共因子，降維比例較高，累計貢獻(xiàn)率達(dá)到60.134%。其中成分1方差貢獻(xiàn)率是45.361%，是方差貢獻(xiàn)最大的主成份，見表2?！靶D(zhuǎn)平方和載入”一欄顯示了旋轉(zhuǎn)以后因子的提取結(jié)果，與未旋轉(zhuǎn)之前的差別不是太大。

2.2.3 成分得分系數(shù)矩陣

因子變量的命名解釋是因子構(gòu)造之后的一項重要工作。原有變量都是物理含義變量，在命名解釋之后可對系統(tǒng)構(gòu)成的主要因素和系統(tǒng)特征作進一步說明。從表3可以清楚看出各個變量的因子歸屬，各因子含義是比較明確的。對因子進行旋轉(zhuǎn)，以更方便解釋因子含義，表4給出了旋轉(zhuǎn)后的因子載荷值在因子載荷矩陣中的第一因子，數(shù)媒設(shè)計類民族文化組和設(shè)計專業(yè)組具有較高的因子載荷，這些指標(biāo)相關(guān)性最強，因此第一因子主要由以上變量決定;第二因子軟件應(yīng)用開發(fā)具有較高載荷，最為相關(guān)。

2.2.4 得分系數(shù)矩陣構(gòu)建

因子模型將變量表示成公共因子的線性組合，因此可將公共因子理解成各原始變量具有的共同因素。對公因子對變量作線性回歸，得到系數(shù)的最小二乘估計就是所謂的因子得分系數(shù)。根據(jù)估計出來的得分系數(shù)計算出因子得分，這些值可為最終的結(jié)果排名和分類提供參考，見表5。

3 分析與總結(jié)

3.1 因子提取

因子抽取需要考慮旋轉(zhuǎn)之后因子載荷量較大的變量，本文選取的數(shù)值大于0.7，以此為基礎(chǔ)進行整理并加以命名，并進行信度檢測，見表6。

3.2 結(jié)論與展望

根據(jù)上述分析結(jié)果得出以下結(jié)論：

（1）國內(nèi)高校計算思維能力培養(yǎng)效果顯著。因子一和因子二的計算結(jié)果表明，國內(nèi)非常重視計算思維培養(yǎng)并取得豐碩成果，在數(shù)媒設(shè)計和軟件開發(fā)等領(lǐng)域競爭激烈。在此基礎(chǔ)上可得出各高校因子一和因子二的分值，在此分別列出兩類因子排名前10的學(xué)校，僅供參考，見表7和表8。

此外，還可利用因子得分進行加權(quán)綜合，得到綜合得分，然后在此基礎(chǔ)上進行排名[10]。盡管一些學(xué)者認(rèn)為，這種綜合評價方法由于產(chǎn)生的主因子特征向量的各級分量符號不一致，用于排序計算存在不足，但作為一種促進教學(xué)質(zhì)量提升的手段，向表現(xiàn)優(yōu)異的高校學(xué)習(xí)，從而不斷提升教學(xué)水平，促進學(xué)生計算思維能力提高，仍不失為一種簡單高效的方法。

（2）創(chuàng)新教學(xué)模式，使學(xué)生不僅成為工具的使用者，也成為工具的創(chuàng)造者。計算思維培養(yǎng)注重學(xué)生的實踐操作技能。在提升學(xué)生理論素養(yǎng)的同時，通過引導(dǎo)學(xué)生接觸計算機科學(xué)，了解相關(guān)知識和原理，提高學(xué)生應(yīng)用信息技術(shù)思考問題、應(yīng)用信息技術(shù)解決實際問題的能力，從而進一步通過發(fā)展計算思維，支持學(xué)生使用一系列計算概念和方法處理數(shù)據(jù)，建構(gòu)模型，創(chuàng)造現(xiàn)實作品，使學(xué)生從單純的工具使用者，完成知識內(nèi)化和遷移，最終成為工具的創(chuàng)造者、新知識的生產(chǎn)者。

例如，倡導(dǎo)“任務(wù)驅(qū)動教學(xué)”朝著 “項目學(xué)習(xí)”教學(xué)模式發(fā)展。以信息處理與交流為主線，強調(diào)技術(shù)工具應(yīng)用，掌握信息獲取、加工、管理、表達(dá)與交流的基本方法，提高利用信息技術(shù)解決問題的綜合能力。同時，突出用學(xué)科方法解決問題學(xué)科特征，即形式化（抽象）、模型化、自動化、系統(tǒng)化，逐漸培養(yǎng)學(xué)生遵循學(xué)科體系知識架構(gòu)，實現(xiàn)“數(shù)據(jù)—算法—信息系統(tǒng)—信息社會”的轉(zhuǎn)化。

（3）促進學(xué)科融合，提升學(xué)生跨學(xué)科解決問題能力。計算思維概念雖然源于計算機科學(xué)，但其本身是一個交叉學(xué)科概念，涉及的學(xué)科包括認(rèn)知科學(xué)、計算機科學(xué)、教育學(xué)等。因此跨學(xué)科整合是計算思維的一個重要內(nèi)容。華東師大任友群提出的“計算思維培養(yǎng)”模型認(rèn)為，計算思維不僅僅是程序設(shè)計，還要有意識地嘗試運用計算機程序解決實際問題，促進不同學(xué)科專業(yè)領(lǐng)域知識技能融合，提升學(xué)生跨學(xué)科思維能力和解決復(fù)雜問題的綜合能力，最終理解數(shù)字社會的運作過程。

本文僅利用因子分析展開探索性分析，沒有利用聚類、最有尺度等方法展開更深入和細(xì)致的探討，也未對可能存在的其它干擾因素，如參賽年限等進行分析。同時，因子值本身是一種觀測變量[11]，存在一定誤差。此外在樣本方面，應(yīng)將其它計算機大賽，如“互聯(lián)網(wǎng)+”等賽事納入其中，以得出更全面、更科學(xué)的結(jié)論。

參考文獻(xiàn)：

[1] SEYMOUR PAPERT.A beautiful person，a beautiful mind[EB/OL]. http：//v.youku.com/v_show/id_XNjQ2MDg2NjI4.html.

[2] JEANNETTE WING.Computational thinking[J]. Communications of the ACM，2006，49（3）：33-35.

[3] 朱亞宗. 論計算思維——計算思維的科學(xué)定位、基本原理及創(chuàng)新路徑[J]. 計算機科學(xué)，2009，36（4）：53-55，93.

[4] 何欽銘，陸漢權(quán)，馮博琴. 計算機基礎(chǔ)教學(xué)的核心任務(wù)是計算思維能力的培養(yǎng)[J]. 中國大學(xué)教學(xué)，2010 （9）：5-9.

[5] 曹菡. 計算機設(shè)計大賽與計算思維能力培養(yǎng)探析[J]. 工業(yè)和信息化教育，2015 （5）：65-69.

[6] 王永全. “互聯(lián)網(wǎng)+”背景下計算思維導(dǎo)向的計算機基礎(chǔ)教學(xué)改革[J]. 軟件導(dǎo)刊（教育技術(shù)），2019 （2）：51-53.

[7] 饒國政. 基于計算思維方式的啟發(fā)式軟件工程教學(xué)[J]. 軟件導(dǎo)刊（教育技術(shù)），2018（1）：61-63.

[8] 韋娜. 非計算機專業(yè)C語言程序設(shè)計課程教學(xué)改革研究[J]. 軟件導(dǎo)刊（教育技術(shù)），2018（1）：51-53.

[9] 甘茂華. 我國計算思維能力培養(yǎng)的研究熱點與趨勢—基于CiteSpace的可視化分析[J]. 計算機應(yīng)用與軟件，2019 （6）：1-6.

[10] 簡小珠，戴步云. SPSS23統(tǒng)計分析在心理學(xué)與教育學(xué)中的應(yīng)用[M]. 北京：北京師范大學(xué)出版社，2017.

[11] 陳文沛. 市場營銷研究與應(yīng)用—基于SPSS[M]. 北京：電子工業(yè)出版社，2013.

（責(zé)任編輯：杜能鋼）